[發(fā)明專利]用于構(gòu)造牙科構(gòu)件的方法有效
| 申請(qǐng)?zhí)枺?/td> | 201980032537.7 | 申請(qǐng)日： | 2019-06-17 |
| 公開（公告）號(hào)： | CN112118804B | 公開（公告）日： | 2022-06-03 |
| 發(fā)明（設(shè)計(jì)）人： | S·施奈德;F·蒂爾 | 申請(qǐng)（專利權(quán)）人： | 希羅納牙科系統(tǒng)有限公司;登士柏希羅納有限公司 |
| 主分類號(hào)： | A61C13/00 | 分類號(hào)： | A61C13/00;A61F5/56 |
| 代理公司： | 中國(guó)貿(mào)促會(huì)專利商標(biāo)事務(wù)所有限公司 11038 | 代理人： | 邵靜玥 |
| 地址： | 德國(guó)本*** | 國(guó)省代碼： | 暫無信息 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 用于 構(gòu)造 牙科 構(gòu)件 方法 | ||
用于構(gòu)造牙科構(gòu)件的方法。本發(fā)明涉及一種用于構(gòu)造牙科構(gòu)件(1、2、4、5)的方法，所述牙科構(gòu)件即為修復(fù)體(2、4、5)、咬合板或印模托盤，其中，借助于牙科相機(jī)(6)測(cè)量牙齒狀況(7)并且生成牙齒狀況(7)的3D模型(10)。在此，將用于機(jī)器學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(英文：Convolutional Neural Network；CNN)應(yīng)用于牙齒狀況(7)的3D模型(10)并且自動(dòng)地生成構(gòu)件(1、2、4、5)的、即修復(fù)體(2、4、5)、咬合板或印模托盤的3D模型(21、23、25)。
技術(shù)領(lǐng)域
本發(fā)明涉及一種用于構(gòu)造牙科構(gòu)件(即修復(fù)體、咬合板或印模托盤)的方法，其中，借助于牙科相機(jī)或?qū)嶒?yàn)室掃描儀測(cè)量牙齒狀況并且生成牙齒狀況的3D模型。
背景技術(shù)
從現(xiàn)有技術(shù)中已知多種用于構(gòu)造牙科構(gòu)件的方法。
DE112014003898T5公開一種計(jì)算機(jī)執(zhí)行的、用于設(shè)計(jì)牙齒修復(fù)體的方法，其中，在虛擬三維圖示上確定預(yù)備體邊界、定位虛擬牙齒庫的拱形形狀并且基于從虛擬牙齒庫獲得的牙齒設(shè)計(jì)方案提出初始修復(fù)體。
該方法的缺點(diǎn)在于，修復(fù)體基于虛擬牙齒庫提出并且因此對(duì)于相應(yīng)的牙齒狀況可能會(huì)出現(xiàn)修復(fù)體的適配誤差。因此，需要對(duì)提出的修復(fù)體3D模型進(jìn)行虛擬的再處理。
發(fā)明內(nèi)容
因此，本發(fā)明的任務(wù)在于，提供一種用于構(gòu)造牙科構(gòu)件的方法，所述方法能夠省時(shí)地提出牙科構(gòu)件的一種合適的3D模型。
本發(fā)明涉及一種用于構(gòu)造牙科構(gòu)件(即修復(fù)體、咬合板或印模托盤)的方法，其中，例如借助于牙科相機(jī)或?qū)嶒?yàn)室掃描儀測(cè)量牙齒狀況并且生成牙齒狀況的3D模型。在此，將用于機(jī)器學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(英文：Convolutional Neural Network；CNN)應(yīng)用于牙齒狀況的3D模型或構(gòu)件的初始3D模型并且自動(dòng)地生成構(gòu)件(即修復(fù)體、咬合板或印模托盤)的完成構(gòu)造的3D模型。
所述構(gòu)件可以因此是修復(fù)體、咬合板或印模托盤，其例如可借助于CAD/CAM方法制成。
牙科相機(jī)可以是例如基于條紋投影方法或共焦測(cè)量方法的任意的三維牙科相機(jī)。
牙齒狀況可以包括要嵌入的修復(fù)體的直接的周圍環(huán)境亦或可以包括要嵌入的修復(fù)體周圍較大的區(qū)域。借助于牙科相機(jī)可以從不同方向(如咬合方向、舌方向、頰方向或唇方向)進(jìn)行測(cè)量。
在借助于牙科相機(jī)進(jìn)行測(cè)量之后，生成牙齒狀況的3D模型。隨后，將用于機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)應(yīng)用于牙齒狀況的3D模型。然后，在分析牙齒狀況的3D模型之后自動(dòng)地生成構(gòu)件的3D模型。
用于機(jī)器學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)是能夠?qū)崿F(xiàn)自動(dòng)識(shí)別修復(fù)體類型的計(jì)算機(jī)算法。
神經(jīng)網(wǎng)絡(luò)(CNN)在具有鏈接“
以下闡述一種在使用CNN情況下的方法。
卷積神經(jīng)網(wǎng)絡(luò)(CNN)——德語為“faltendes neuronales Netzwerk”——是一種前饋人工神經(jīng)網(wǎng)絡(luò)。它是受生物過程啟發(fā)的機(jī)器學(xué)習(xí)的領(lǐng)域中的概念。卷積神經(jīng)網(wǎng)絡(luò)被廣泛用于許多現(xiàn)代人工智能技術(shù)中、尤其是用于圖像或音頻數(shù)據(jù)的機(jī)器處理。
基本上，典型CNN的結(jié)構(gòu)包括卷積層，隨后是池化層。原則上，該單元可以任意地經(jīng)常重復(fù)；在重復(fù)足夠多的情況下，它們于是被稱為屬于深度學(xué)習(xí)領(lǐng)域中的深度卷積神經(jīng)網(wǎng)絡(luò)。
CNN通過如下方式進(jìn)行學(xué)習(xí)：在為下一層進(jìn)行計(jì)算時(shí)學(xué)習(xí)每層的卷積核的自由參數(shù)或分類器及其權(quán)重。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于希羅納牙科系統(tǒng)有限公司;登士柏希羅納有限公司，未經(jīng)希羅納牙科系統(tǒng)有限公司;登士柏希羅納有限公司許可，擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請(qǐng)聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201980032537.7/2.html，轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
