【技術實現步驟摘要】
【國外來華專利技術】
本公開涉及生成用于機器學習模型的訓練數據集以及向患者提供包括牙周屬性的診斷數據集。具體而言，本公開涉及用于生成訓練數據集以用于診斷或至少輔助診斷患者口腔的一個或多個牙周結構的方法、計算機程序、數據處理設備和計算機可讀存儲介質。
技術介紹
1、目前，用于評估骨水平和相關骨質流失的臨床方法非常耗時、對患者不愉快且昂貴(shayeb等人，2014年；guo等人，2016年，fiorellini等人，2021年)。具體來說，射線照相(口內/全景)或甚至錐形束計算機斷層掃描(cbct)掃描用于研究骨水平或評估可能的骨質流失(fiorellini等人，2021)。然而，應避免電離輻射劑量，因為它會增加癌癥風險，并且雖然cbct掃描提供了確定骨水平的最高質量，但它們也會造成最高的輻射劑量。此外，例如，當評估與植入物放置相關的骨水平時，更具侵入性的方法(如經齦探查或手術探查)也被視為臨床金標準(kloukos等人，2021)。
2、基于上述情況，顯然需要開發一種臨床適用、非侵入性和可重復的方法，該方法無需使用電離輻射即可估計骨水平和可能的骨質流失。
技術實現思路
1、通常，由牙醫執行牙槽骨的評估，使用侵入性方法或射線照相來評估牙槽骨的形態(pattern)和范圍(即骨的外觀和位置)。通常，骨水平是從牙骨質牙釉質界(cej)到牙槽骨嵴頂測量的，而骨質流失則定義了這樣一個過程——意味著如果骨水平不正常，則一些骨已經被吸收，從而導致骨質流失。通常，當測量為cej到牙槽骨嵴頂之間的距離的骨水平
2、因此，本公開的一個方面是獲得一種快速可靠的方法，用于確定患者的一個或多個牙周結構，并用于基于一個或多個牙周結構輔助診斷患者的疾病或牙齒狀況。一個或多個牙周結構可以是骨質流失和/或骨水平。
3、本公開的另一方面是獲得一種用于確定患者的一個或多個牙周結構的方法，該方法對患者更安全。即，最小化目前評估尤其是骨質流失的方法中通常使用的電離輻射的暴露。
4、本公開通過提供一種使用機器學習模型來評估口內表面掃描圖像中的骨水平和相關骨質流失的計算機實現的方法來解決上述挑戰。根據這些方面，公開了一種用于生成用于機器學習模型的訓練數據集的計算機實現的方法。該方法包括接收由口外圖像設備提供的多個候選患者的口外圖像數據，并基于接收的口外圖像數據確定多個候選患者中的每一個的一個或多個牙周結構。
5、口外圖像設備可以是配置為基于電離輻射掃描患者的x射線掃描儀?？谕鈭D像設備可以是配置為掃描患者頭部的錐形束計算機斷層掃描(cone?beam?computedtomography(cbct))掃描儀、x射線圖像設備或配置為掃描患者牙齒的一部分的口內射線照相(x射線)。口外圖像數據可以由圖像設備(例如先前限定的口外成像設備)提供。口外圖像數據是作為來自口外圖像設備的輸出的口外掃描數據。
6、此外，該方法包括接收由口內掃描儀提供的多個候選患者的口內掃描數據，并通過將口外圖像數據與多個候選患者中的每一個的口內掃描數據組合以將一個或多個牙周結構與口內掃描數據對齊來生成訓練數據集。
7、在本申請的上下文中，組合(combining)被認為包括圖像對齊的過程，其中一個圖像中的元素被映射到與第二圖像中的元素有意義的對應關系中。在根據本公開的示例中，從口外圖像數據確定的所確定的一個或多個牙周結構可以被視為元素或更具體地說是圖像標簽，其將與口內掃描數據中的元素相關聯或映射。口內掃描數據的元素可以是例如牙齒和/或牙齦。
8、考慮一個示例，組合可以包括：識別口外圖像數據和口內掃描數據中的對應牙齒。在口外圖像數據中確定一個或多個牙周結構(即標簽，例如骨水平)，并使用圖像對齊過程將所確定的牙周結構與口內掃描數據中的對應牙齒進行映射或相關聯。
9、圖像對齊過程可導致生成例如映射矩陣，該映射矩陣包括牙齒編號和相關聯標簽信息形式的信息——即表示從口外圖像數據確定的牙周結構連同已在其處確定牙周結構的牙齒的矩陣。該映射矩陣可與口內掃描數據一起使用以形成訓練數據集。也就是說，對于每個口內掃描數據，提供具有口外牙周結構(即標簽)信息的至少一個對應映射矩陣。這樣，確保從口外圖像數據確定的牙周結構可以以圖像對齊的形式與口內掃描數據相關聯。
10、在另一示例中，組合可以包括：識別口外圖像數據和口內掃描數據中的對應牙齒。在口外圖像數據中確定一個或多個牙周結構(即標簽，例如骨水平)，并使用圖像對齊過程將所確定的牙周結構與口內圖像數據中的對應牙齒進行映射或相關聯。在此示例中，對齊過程可以包括圖像配準步驟，其中從口外圖像數據確定的牙周結構在圖像扭曲過程中轉移到口內掃描數據。在上述兩個示例中，生成變換(即映射)矩陣，其確?？谕鈭D像數據的牙齒編號和對應標簽與口內掃描數據的牙齒相關聯，并且口外圖像數據的每個牙齒的所確定牙周結構與口內數據相關聯。
11、通過這些組合方法，可以使用口內掃描數據作為機器學習模型的輸入來訓練機器學習模型，其中從口外圖像數據確定的牙周結構可以被視為構成訓練數據集的標簽(即標簽可以被視為數據的真實值(ground?truth))。對于每個候選患者口外和口內圖像數據生成映射矩陣，以確保機器學習模型的輸出(從口內掃描數據輸入生成)可以在機器學習模型的訓練階段與從口外圖像數據提取的真實值進行比較。
12、通過組合口外和口內掃描數據來生成訓練數據集，確保例如骨水平的口外信息(其不能從口內數據確定)與口內掃描數據相關聯以生成訓練數據集?；诰哂锌膳c口內掃描數據信息一起使用的口外圖像信息的訓練數據集來訓練機器學習模型，確保機器學習模型在訓練后能夠學會如何從口內掃描數據提取牙周特征信息，而無需將口外圖像數據作為信息源。通常，僅從口內掃描無法識別牙周結構，但當在兩個不同的數據集(即口外圖像數據和口內圖像數據)上訓練機器學習模型時，可以創建在僅被提供口內表面掃描信息時就能夠識別這樣的牙周結構得機器學習模型。
13、因此，為了訓練機器學習模型，該方法包括：對于獲取的每個口內掃描數據，獲取在基本相同時間攝取的相同牙齒的對應口外圖像。以這種方式，確保可以將每個口外圖像數據的所確定的牙周結構與相應的口內掃描數據組合。因此，訓練數據集包括多個口外圖像數據和口內掃描數據，其中預處理步驟包括在口外圖像數據中確定一個或多個牙周結構，并且隨后生成映射矩陣，該映射矩陣包括所確定的牙周結構和口外圖像數據中的牙齒中的每一個的相關的所確定的牙周結構。
14、在一個示例中，映射矩陣可以包括進一步的信息，例如患者信息，例如年齡、性別、從先前獲得的口外圖像數據和/或口內掃描數據識別的疾病等。
15、此外，映射矩陣可以包括關于所確定的牙周結構的位置的信息，例如，在牙齒的頰側還是舌側識別出牙周結構，在哪個給定的參考本文檔來自技高網...
【技術保護點】
1.一種生成用于機器學習模型的訓練數據集的計算機實現的方法，所述方法包括：
2.根據權利要求1所述的計算機實現的方法，其中，所述組合包括：
3.根據權利要求1或2所述的計算機實現的方法，其中，確定所述多個候選患者中的每一個的所述一個或多個牙周結構包括：
4.根據權利要求2所述的計算機實現的方法，其中，所述方法包括對于每個參考部位使用所述口外圖像數據確定牙齒參考點和骨參考點。
5.根據權利要求3或4中的任一項所述的計算機實現的方法，包括：
6.根據權利要求5所述的計算機實現的方法，其中，所述第一關系包括所述口外圖像數據的牙齒上布置的牙齒參考點與最接近所述牙齒參考點或至少在所述牙齒參考點附近的骨上布置的骨參考點之間的距離。
7.根據權利要求4至6中的任一項所述的計算機實現的方法，其中，確定所述一個或多個牙周結構包括確定所述口外圖像數據中每個牙齒的骨水平，其中，所述骨水平由所述口外圖像數據的識別的骨參考點和識別的牙骨質牙釉質界之間的距離確定，并且其中，將所述口外圖像數據的所確定骨水平與所述口內掃描數據合并。
...【技術特征摘要】
【國外來華專利技術】
1.一種生成用于機器學習模型的訓練數據集的計算機實現的方法，所述方法包括：
2.根據權利要求1所述的計算機實現的方法，其中，所述組合包括：
3.根據權利要求1或2所述的計算機實現的方法，其中，確定所述多個候選患者中的每一個的所述一個或多個牙周結構包括：
4.根據權利要求2所述的計算機實現的方法，其中，所述方法包括對于每個參考部位使用所述口外圖像數據確定牙齒參考點和骨參考點。
5.根據權利要求3或4中的任一項所述的計算機實現的方法，包括：
6.根據權利要求5所述的計算機實現的方法，其中，所述第一關系包括所述口外圖像數據的牙齒上布置的牙齒參考點與最接近所述牙齒參考點或至少在所述牙齒參考點附近的骨上布置的骨參考點之間的距離。
7.根據權利要求4至6中的任一項所述的計算機實現的方法，其中，確定所述一個或多個牙周結構包括確定所述口外圖像數據中每個牙齒的骨水平，其中，所述骨水平由所述口外圖像數據的識別的骨參考點和識別的牙骨質牙釉質界之間的距離確定，并且其中，將所述口外圖像數據的所確定骨水平與所述口內掃描數據合并。
8.根據前述權利要求中的任一項所述的計算機實現的方法，還包括：
9.根據權利要求8所述的計算機實現的方法，其中，將...
【專利技術屬性】
技術研發人員：S·米舒，M·S·蘭巴赫，P·E·諾里斯加德，P·索德加德，C·瓦娜梅，
申請(專利權)人：三形狀股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。