用于矫正诊断的牙科影像分析方法及利用其的装置

著录项
申请号:
CN201880033966.1
申请日:
2018-10-11
公开(公告)号:
CN111083922A
公开日:
2020-04-28
申请(专利权)人:
数码牙科集**
发明人:
金汉**, 刘永**, 李信**
主分类号:
A61C7/00(20060101)
分类号:
A61C7/00(20060101), A61B6/00(20060101), A61B6/14(20060101), G06N3/08(20060101)
地址:
**
国省代码:
KR
代理机构:
11127 北京三友知识产权代理有限公司
代理人:
邓毅, 黄纶伟
优先权:
20180821 KR 10-2018-0097713
简介

根据本发明的一实施例提供一种用于矫正诊断的牙科影像分析方法及利用其的装置。
所述方法包括如下步骤:获取患者的牙科影像;及利用测量点检测模块从所述牙科影像检测用于矫正诊断的多个测量点(landmark)中的至少一部分,并且,所述测量点是指示矫正诊断所需的颜面骨骼、牙齿及脸部轮廓中的至少一个的相对位置的解刨学基准点,所述测量点检测模块包括基于人工神经网络(artificial neural network)的机械培训模块。

专利说明

技术领域
本发明涉及用于矫正诊断的牙科影像分析方法及利用其的装置,更详细地,涉及一种能够通过机械培训模块从牙科影像准确迅速地检测出用于矫正诊断的多个测量点的牙科影像分析方法及利用其的装置。

背景技术
一般而言,咬合是指关闭嘴唇时上颚和下颚相互咬合的状态。
并且,咬合不正是指因某种原因所述牙齿的排列不整齐或上下颚的咬合状态脱离正常的位置,而从功能性、审美性方面存在问题的不正确的咬合关系。

在此,所述咬合不正的原因是遗传性的因素较大,但,牙齿的形状或大小的问题、环境性影响、不良习惯、错误姿势及龋齿等先天性障碍等各种原因也可引发上述问题。

如果发生咬合不正,牙列不整齐而导致在牙齿之间容易残留食物渣。
并且,也不易通过正确的刷牙方式保持清洁管理,因此,在口腔内增加牙菌斑,而引发虫牙或牙龈炎症等牙龈疾病。
并且,如果有脱离正常牙列严重的牙齿或下巴的位置非正常,受到外部冲击时,导致牙齿断裂等牙齿受损伤的可能性也增加。

因此,为了治疗咬合不正进行矫正治疗。
在此,牙列矫正治疗是利用牙齿受到外力时发生移动的性质。
矫正治疗根据发生原因或治疗时期可使用各种装置和方法,例如,可分为抑制或促进上下鹗骨的发育的装置或将牙齿向所定的位置缓慢移动的装置等。

为了进行符合患者的正确治疗,首先要对患者的脸型进行判断。
为了进行上述的脸型判断(即矫正诊断),主要使用在图1中所示的头影测量分析(cephalometricanalysis)方法。

上述的头影测量分析是利用指示颜面骨骼、牙齿、脸部轮廓等的相对位置的解刨学基准点判断要进行矫正治疗的脸型的方法,以往是矫正医师一边观察要进行矫正治疗的患者的测颅x线照片(cephalogram)直接通过手动作业标记所需的基准点,并基于连接基准点的直线的对象角度等而判断患者的脸型。

但,上述的以往的方式是矫正医师根据自己的学风等任意标记所需的基准点,因此,为了脸型判断而使用的基准点根据矫正医师而不同,从而,不易消除基准点的标准化及共享,并且,矫正医师需要手动地逐一标记多个基准点,因此,需要较多时间,并且,根据矫正医师的熟练程度发生准确度偏差。

因此,需要哪个解决以往的上述问题的矫正诊断用牙科影像分析方法。

发明内容
技术问题
本发明为了解决上述问题,提供一种能够通过本发明机械培训模块从牙科影像准确迅速地检测用于矫正诊断的多个测量点的用于矫正诊断的牙科影像分析方法及利用其的装置。

本发明要解决的技术问题并非限定于上述的技术问题,本技术领域的技术人员应当通过下面的说明理解未言及的其他技术问题。

解决问题的手段
根据本发明的一实施例提供一种用于矫正诊断的牙科影像分析方法。
所述方法包括如下步骤:获取患者的牙科影像;及利用测量点检测模块从所述牙科影像检测用于矫正诊断的多个测量点(landmark)中的至少一部分,
并且,所述测量点是指示矫正诊断所需的颜面骨骼、牙齿及脸部轮廓中的至少一个的相对位置的解刨学基准点,所述测量点检测模块包括基于人工神经网络(artificialneural network)的机械培训模块。

优选地,还包括:从包括累积的多个比较牙科影像的学习数据培训所述机械培训模块的步骤,并且,所述比较牙科影像为由专科医生阅读所述测量点的其他患者的牙科影像。

并且,优选地,所述牙科影像为测颅x线照片(cephalogram)。

并且,优选地,在检测所述测量点中的至少一部分的步骤中,所述测量点检测模块基于单卷积网络(single convolution network)检测所述多个测量点。

并且,优选地,检测所述测量点中至少一部分的步骤,包括如下步骤:检测预计存在与各个所述多个测量点对应的个别解刨学特征中的至少一部分的多个边界盒(boundarybox);及对于所述检测的边界盒中的至少一部分,分别将包含于内部的既定位置决定为所述测量点。

并且,优选地,检测所述测量点中的至少一部分的步骤,还包括如下步骤:将所述接收的牙科影像进行调整(resizing),并且,所述检测步骤基于所述调整的牙科影像执行。

并且,优选地,检测所述测量点中的至少一部分的步骤,还包括如下步骤:对于各个所述边界盒演算所述个别解刨学特征的存在概率,
并且,所述决定步骤包括如下步骤:对于一个个别解刨学特征检测多个边界盒时,基于所述存在概率过滤与所述一个个别解刨学特征对应的多个边界盒中的一个;及将包含于所述过滤的边界盒的既定位置决定为所述测量点。

并且,优选地,所述决定步骤中,对于所述检测的边界盒中的至少一部分将中心坐标决定为所述测量点。

并且,优选地,还包括如下步骤:将所述检测的测量点与已设定的所述多个测量点进行比较,而识别漏掉检测的测量点;基于标准测量点信息(standardlandmarkinformation),探寻具有与所述检测的测量点中的至少一部分对应的标准测量点的标准牙科影像,并且,所述标准测量点信息包括关于多个所述标准牙科影像及阅读各个多个所述标准牙科影像的多个所述标准测量点的信息;利用所述探寻的标准牙科影像及所述探寻的标准牙科影像的所述标准测量点决定所述遗漏的测量点的位置。

并且,优选地,所述标准测量点信息还包括关于与各个所述标准测量点邻接而配置的多个邻接测量点的信息,并且,在探寻所述标准牙科影像的步骤中,基于有关所述邻接测量点的信息,探寻所述检测的测量点中具有与邻接配置在所述遗漏的测量点的多个测量点对应的所述标准测量点的所述标准牙科影像。

并且,优选地,所述标准牙科影像是从原件牙科影像提取所述标准测量点的存在区域而生成,关于所述标准测量点的信息包括所述标准牙科影像中关于所述标准测量点的相对坐标的信息,并且,所述方法还包括如下步骤:从所述牙科影像中提取所述检测的测量点的存在区域,并将所述提取的区域以相同于所述标准牙科影像的比例标准化(normalizing),而演算所述检测的测量点的相对坐标,并且,探寻所述标准牙科影像的步骤及决定所述遗漏的测量点的位置的步骤是基于所述检测的测量点的相对坐标及所述标准测量点的相对坐标而执行。

并且,优选地,还包括如下步骤:接收诊断专家的偏好测量点信息;及所述检测的测量点中强调表示与所述偏好测量点信息对应的一部分。

并且,优选地,还包括如下步骤:基于所述检测的测量点执行头影测量分析(cephalometric analysis),而判断为矫正治疗的所述患者的脸型。

根据本发明的一实施例提供一种记录有为执行所述方法的程序的电脑可读的记录媒介。

根据本发明的一实施例提供一种能够执行用于矫正诊断的牙科影像分析的计算装置,其特征在于,包括:通信部,用于获取患者的牙科影像;及处理器,包括从所述牙科影像检测用于矫正诊断的多个测量点(landmark)中的至少一部分的测量点检测模块,并且,所述测量点是为指示矫正诊断所需的颜面骨骼、牙齿及脸部轮廓中的至少一个相对位置的解刨学基准点,所述测量点检测模块包括基于人工神经网络(artificial neuralnetwork)的机械培训模块。

发明的效果
根据本发明,利用基于人工神经网络的机械培训模块,从患者的牙科影像以熟练的专科医生的作业水准一贯地自动提示80个以上测量点(landmark),从而,提高矫正诊断的准确性、便利性和迅速性。

附图说明
为了充分地理解本发明的详细的说明中引用的附图,提供各个附图的简单说明。

图1概略表示现有的头影测量分析方法;
图2表示执行根据本发明的一实施例的用于矫正诊断的牙科影像分析方法的计算装置的示例性的构成;
图3示例表示执行根据本发明的用于矫正诊断的牙科影像分析方法的计算装置的硬件及软件架构;
图4表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法;
图5表示图4的S420步骤的一实施例;
图6表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法;
图7表示图6的S630步骤的一实施例;
图8示例表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法中为测量点检测的边界盒;
图9及图10示例表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法中标准牙科影像的生成过程;
图11示例表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法的执行过程。

具体实施方式
以下,参照附图说明根据本发明的实施例。
要注意对于各个附图的构成要素附加参照符号时,对于相同的构成要素,即使在不同的附图上表示,也尽可能赋予了相同的符号。
并且,在说明本发明的实施例时,判断对于有关的公知构成或功能的详细说明妨碍对于本发明的实施例的理解,则省却其详细说明。
并且,以下说明本发明的实施例,但,本发明的技术思想并非限定于此,本发明的技术领域的技术人员可进行变更而不同地实施。

在整篇说明书中,记述某个部分与其他部分"连接"时,其不仅包括"直接地连接"的情况,还包括在其中间隔着其他元件"间接地连接"的情况。
在整篇说明书中,记述某个部分"包含"某个构成要素时,只要没有特别相反的记载,意味着不排除其他构成要素,还可包括其他构成要素。
并且,在说明本发明的实施例的构成要素时,可使用第1、第2、A、B、(a)、(b)等术语。
此类术语只是为了将该构成要素与其他构成要素进行区别,该术语并非限定相应构成要素的本质或顺序等。

图2表示执行根据本发明的一实施例的用于矫正诊断的牙科影像分析方法的计算装置的示例性的构成。

根据本发明的一实施例的计算装置100包括:通信部110、处理器120及存储部130,并且,通过通信部110与外部计算装置(未图示)直接、间接地通信。

更详细地,计算装置100可通过典型的电脑硬件(例如,包括电脑处理器、存储器、输入装置及输出装置、其他以往的计算装置的构成要素的装置;路由器、开关等电子通信装置;网络附属存储(NAS)及存储区域网络(SAN)等电子信息存储系统)和电脑软件(即,使得计算装置以特定方式运行的指令)的组合而实现所需的系统性能。

如上述的计算装置100的通信部110与连动的其他计算装置收发邀请和应答,例如,上述的邀请和应答可通过相同的TCP会话执行,但,并非限定于此,也可通过UDP数据电报收发。
并且,从广义上通信部110可包括为接收指令或指示的键盘、鼠标、其他外部输入装置。

并且,计算装置100的处理器120可包括MPU(Micro Processing Unit)或CPU(Central Processing Unit)、高速缓冲存储器(Cache Memory)、数据总线(Data Bus)等硬件构成。
并且,还可包括执行运营系统、特定目的的应用程序的软件构成。

并且,计算装置100的存储部130可存储计算装置100的运行而发生的各种数据。
如同本技术领域的普通技术人员熟知,存储部130可由HDD(Hard Disk Drive)、ROM(ReadOnly Memory)、RAM(Random Access Memory)、EEPROM(Electrically Erasable andProgrammable Read Only Memory)、闪存(flash memory)、CF(Compact Flash)卡、SD(Secure Digital)卡、SM(Smart Media)卡、MMC(Multimedia)卡等记忆棒(Memory Stick)等输入输出信息的各种形态的存储装置形成,并且,可形成于计算装置100的内部,或另外的装置。

图3示例图示执行根据本发明的用于矫正诊断的牙科影像分析方法的计算装置的硬件及软件架构。

参照图3,根据本发明的一实施例的计算装置100的处理器120可包括影像获取模块210、测量点检测模块220、测量点补正模块230、脸型判断模块240、存储及传送模块250。
例如,各个模块可通过处理器120和通信部110及/或存储部130的连接而运行。

影像获取模块210通过通信部110从外部的其他计算装置或与计算装置100连接的其他装置牙科影像拍摄装置等获取患者的牙科影像。
在此,牙科影像是用X-ray拍摄患者的头部侧面的测颅x线照片(cephalogram)。

测量点检测模块220可通过牙科影像检测矫正诊断所需的多个测量点(landmark)。
在此,多个测量点是指示为矫正诊断所需的颜面骨骼、牙齿及脸部轮廓中的至少一个的相对位置的解刨学基准点,由根据用户的设定或默认值(defalult)定义的N个构成,优选地,由80个构成。

测量点检测模块220可包括机械培训模块222、过滤模块224及测量点决定模块226。

机械培训模块(machine learning module)222可从影像或图像同时检测多个客体,可基于人工神经网络(artificial neural network)、尤其,卷积神经网络(CNN,convolutionneural network)或将其变形/改良的人工神经网络而形成。

在一实施例中,机械培训模块222由能够对于多个客体快速地同时检测的单卷积网络(single convolution network)形成。
例如,可适用通过YOLO(you only look once)演算法形成的人工神经网络,但并非限定于此,根据适用本发明的实施例,可适用SSD、R-CNN等适合于多个客体检测的各种演算法或人工神经网络。

机械培训模块222包括多个卷积层(convolutional layer)和全连接层(fullyconnected layer)。
在此,多个卷积层将影像进行抽象化并提取特征,全连接层预测检测客体的输出概率和检测其的边界盒的坐标。

本发明中,机械培训模块222通过边界盒(boundary box)从牙科影像识别(或检测)与多个测量点对应的个别解刨学特征。
例如,机械培训模块222将牙科影像分隔为多个单元格,并对于各个单元格分配既定个数的边界盒,并且,如果在特定单元格中存在个别解刨学特征,由分配给相应单元格的边界盒来识别该特征。

由此,机械培训模块222可从牙科影像预测存在与多个测量点对应的个别解刨学特征的边界盒(boundary box)和相应边界盒的坐标、大小、边界盒内各个个别解刨学特征的存在概率等。

过滤模块224基于个别解刨学特征的存在概率过滤由机械培训模块222检测的边界盒。
详细地,如果对于一个个别解刨学特征检测到2个以上的边界盒,过滤模块224基于存在概率而将所述多个边界盒中的一个选择为存在相应个别解刨学特征的边界盒。

测量点决定模块226反应过滤结果,而将最终选择的各个边界盒的内部包含的既定位置决定为测量点。
例如,测量点决定模块226将各个边界盒的中心坐标决定为测量点。

测量点补正模块230识别是否存在测量点检测模块220遗漏的测量点,并通过标准测量点信息(standard landmark information)预测遗漏测量点的位置(或坐标)。
在此,标准测量点信息包括关于多个所述标准牙科影像、阅读各个多个所述标准牙科影像的多个所述标准测量点及/或与各个所述标准测量点邻接配置的多个邻接测量点等信息。

脸型判断模块240基于最终检测的测量点中的至少一部分执行头影测量分析(cephalometric analysis),而将为矫正治疗的患者的脸型进行分类或判断。
诊断专家日后可基于上述的脸型而制定对于患者的矫正治疗计划。

存储及传送模块250用于将为了机械培训模块222的培训(training)的学习数据(例如,比较牙科影像)、患者的牙科影像及测量点检测结果存储在存储部130,或通过通信部110将其传送至外部计算装置、显示装置等。

图4表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法,图5表示图4的S420步骤的一实施例。

S410步骤中,影像获取模块210通过通信部110从外部的其他计算装置或与计算装置100连接的其他装置(牙科影像拍摄装置等)获取患者的牙科影像。
如上述地,牙科影像可为患者的测颅x线照片。

S420步骤中测量点检测模块220可从患者的牙科影像检测用于矫正诊断的多个测量点中的至少一部分。
一实施例中,如图5所示,S420步骤包括S510至S540步骤。

S510步骤中,测量点检测模块220可调整(resizing)牙科影像。
即,测量点检测模块220将患者的牙科影像以相同于机械培训模块222预先培训的牙科影像的规模或比率进行扩大或缩小。
由此,根据本发明的方法400能够更加提高机械培训模块222的检测准确度。
优选地,牙科影像调整为416X640像素(pixel)。

S520步骤中,机械培训模块222基于对累积的多个比较牙科影像的培训结果,从患者的牙科影像检测预测存在与各个多个测量点对应的个别解刨学特征中至少一部分的多个边界盒(boundary box),并演算各个边界盒内各个个别解刨学特征的存在概率。

一实施例中,S520步骤可根据影像的抽象化程度通过3步骤的检测执行。
即,患者的牙科影像经过在机械培训模块222形成的多个卷积层(convolution layer)以不同的级别抽象化,并且,机械培训模块222从不同的3个抽象化级别执行对于包括个别解刨学特征的边界盒的检测及演算个别解刨学特征的存在概率。

S520步骤执行结果,生成对于各个边界盒的边界盒的中心坐标、大小、每个个别解刨学特征的存在概率的信息的输出值。

S530步骤中,过滤模块224基于个别解刨学特征的存在概率过滤边界盒。
例如,S520步骤中适用3步骤的检测对于一个个别解刨学特征检测到2个以上的边界盒时,过滤模块224基于存在概率将所述多个边界盒中的一个选定为存在相应个别解刨学特征的边界盒。
一实施例中,过滤模块224从多个边界盒中选择相应个别解刨学特征的存在概率最高的一个。

S540步骤中,测量点决定模块226将过滤的边界盒内的一个地点选定为测量点的坐标。
例如,测量点决定模块226可将对于每个个别解刨学特征检测的边界盒的中心坐标选定为测量点的坐标。

然后,S430步骤中,脸型判断模块240基于检测的测量点中的至少一部分进行头影测量分析,而将为矫正治疗的患者的脸型进行分类或判断。
例如,脸型判断模块240从检测的测量点选择用于演算头影测量分析所需的有意的直线或角度的一部分后,基于选择的测量点自动进行头影测量分析,由此,将为矫正治疗的患者的脸型进行分类或判断。
在此,为矫正治疗的脸型可包括hyperdivergent pattern、normodivergent pattern、hypodivergent pattern等,但,其只是示例性的,可根据适用本发明的实施例,脸型根据上下颚的对象性位置突出程度等而更加多样地进行分类。
如上述地,判断脸型后,诊断专家基于该判断制定关于矫正治疗的全面计划。

并且,虽未在图4及图5中图示,一实施例中,方法400还可包括对于机械培训模块222进行培训的步骤。
例如,上述的培训可利用累积的多个比较牙科影像而进行。
即,累积收集由专科医生阅读测量点的其他患者的牙科影像,并将其作为学习数据向机械培训模块222输入,由此,对于机械培训模块222进行培训。
此时,进行培训的比较牙科影像的尺寸为,例如,416X640像素(pixel)。

并且,在一实施例中,方法400还可包括表示检测的测量点的步骤。
即,通过S420步骤完成测量点的检测时,存储及传送模块250通过通信部110向显示装置或将其结合的其他计算装置传送关于检测的测量点中的至少一部分的信息,由此,向诊断专家等显示。
一实施例中,上述的显示可基于诊断专家的偏好测量点信息而执行。
在此,偏好测量点信息可包括关于诊断专家的地域、毕业学校、与矫正诊断有关的偏好学风、患者的地域中的至少一个的信息。
例如,测量点检测模块220或存储及传送模块250基于诊断专家的偏好测量点信息选择一部分测量点,并只将关于其的信息传送给显示装置等,或以既定方式强调表示从显示装置选择的一部分测量点。

图6表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法,图7表示图6的S630步骤的一实施例。

方法600中S610、S620及S640步骤与参照图4及图5而上述的方法400的S410至S430步骤相同,在此,省略对其的详细说明。

S630步骤中,如果S620步骤中在多个测量点中存在未检测的测量点,测量点补正模块230将基于标准测量点信息补正遗漏的测量点。

在此,标准测量点信息可包括多个所述标准牙科影像、对于每个多个所述标准牙科影像阅读的多个所述标准测量点及/或与各个所述标准测量点邻接配置的多个邻接测量点的信息。
标准牙科影像是例如,由专科医生判断测量点的原件牙科影像中提取测量点的存在区域而生成,此时,关于标准测量点的信息还可包括各个标准牙科影像中标准测量点的相对坐标的信息。

一实施例中,如图7所示,S630步骤还可包括S710至S740步骤。

S710步骤中,测量点补正模块230可识别在S620步骤中漏掉检测的至少一个测量点。
即,测量点补正模块230将由用户设定或以默认值设定的多个测量点与检测的测量点相互比较而识别遗漏测量点。

并且,如果在S710步骤中未识别遗漏的测量点时,不执行以下说明的S720至S740步骤而直接执行S640步骤。

S720步骤中,测量点补正模块230可演算检测的测量点中至少一部分的相对坐标。
例如,S720步骤从检测到测量点的患者的牙科影像中提取测量点的存在区域,并将其以相同于标准牙科影像的比例标准化(normalizing)。
即,如以下参照图10至图11进行说明,测量点补正模块230从牙科影像提取测量点存在区域后,将相应区域的规模进行变换,将测量点中至少一个相对坐标演算为0,0至1,1之间的坐标。

一实施例中S720步骤对于与遗漏的测量点邻接配置的2个以上的测量点进行。

S730步骤中,测量点补正模块230可利用演算的相对坐标探寻具有与检测的测量点中至少一部分对应的标准测量点的标准牙科影像。
例如,测量点补正模块230将与遗漏的测量点邻接配置的多个周边测点(优选地,5至7个测量点)与各个标准牙科影像中与遗漏的测量点对应的标准测量点邻接配置的多个邻接测量点的相对坐标进行比较,由此,探寻具有与遗漏的测量点的周边测量点最接近的标准测量点的标准牙科影像。

S740步骤中,测量点补正模块230可利用探寻的标准牙科影像的标准测量点而决定遗漏的测量点的位置(或坐标)。
即,测量点补正模块230将探寻的标准牙科影像中与遗漏的测量点对应的标准测量点的相对坐标设定为遗漏测量点的相对坐标,并将该相对坐标按照牙科影像的原件变换尺寸比例,而决定遗漏的测量点的位置(或坐标)。

并且,虽未在图6及图7表示,在一实施例中,方法600还可包括基于最终补正的测量点及患者的牙科影像的信息,将机械培训模块222进行再培训的步骤。
如上述地,对于机械培训模块222再培训补正遗漏测量点的结果,而能够更加提高机械培训模块222的检测准确度。

图8示例表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法中为检测测量点的边界盒。

参照图8,多个边界盒810可从牙科影像识别定义为与多个测量点对应的个别解刨学特征的区域。
在此,为了极大化检测准确度,优选地,定义每个个别解刨学特征的区域(label size)的大小设定为30X30像素(pixel)。

一实施例中,机械培训模块222将牙科影像分隔为多个单元格,并对于各个单元格分配既定个数的边界盒,并且,在特定单元格存在个别解刨学特征时,由分配给相应单元格的边界盒检测该特征。

从而,如上述地,机械培训模块222输出对于各个边界盒的中心坐标(各个单元格的相对坐标)、大小(宽幅、高度)、每个个别解刨学特征的存在概率的信息。

图9及图10示例表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法中标准牙科影像的生成过程。

参照图9及图10,标准牙科影像基于由专科医生阅读测量点的既定的原件牙科影像而生成。
在此,原件牙科影像可为以机械培训模块222的学习数据提供的比较牙科影像的至少一部分。

即,例如,在标准牙科影像中基于2个以上的最外廓测量点提取标准测量点的存在区域后,将提取的区域的尺寸比例变换为与0,0至1,1相应的坐标区域,而生成标准牙科影像。
由此,在变换的坐标区域内各个标准测量点具有0,0至1,1之间的相对坐标。

图11示例表示根据本发明的一实施例的用于矫正诊断的牙科影像分析方法的执行过程。

参照图11,如下整理根据本发明的一实施例的用于矫正诊断的牙科影像分析方法的执行过程。

将通过影像获取模块210及通信部110获取的患者的牙科影像输入至机械培训模块222时,机械培训模块222通过多个卷积层将牙科影像抽象化,并根据抽象化程度以3步骤的级别检测预测存在与各个测量点对应的个别解刨学特征的边界盒。

然后,如果检测到对于一个个别解刨学特征的多个边界盒时,过滤模块224基于相应解刨学特征的存在概率过滤存在概率最高的边界盒,测量点决定模块226根据过滤结果将最终检测的边界盒的中心坐标决定为测量点。

然后,测量点补正模块230识别设定的多个测量点中是否存在遗漏检测的测量点,并参照标准测量点信息决定遗漏的测量点的位置(或坐标),最终能够检测设定的所有的测量点,例如,在显示装置上牙科影像中重叠以坐标或点的形态输出。

并且,本说明书中记载的各种实施例可通过硬件、软件及/或其组合等实施。
例如,各种实施例通过一个以上的专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑电路(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、执行在此提示的功能的其他电子单元或其组合实现。

并且,例如,可将各种实施例收录或进行编码在包括指令的电脑可读的媒介。
在电脑可读的媒介收录或编码的指令使得可编程序的处理器或其他处理器,例如在执行指令时执行方法。
电脑可读的媒介包括电脑存储媒介。
存储媒介也可为通过电脑访问的任意的可用媒介。
例如,上述的电脑可读的媒介可包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储媒介、磁盘存储媒介或其他磁介质存储设备、或可通过电脑访问的指令或数据结构的形态存储所需的程序编码的任意的其他媒介。

上述的硬件、软件等在相同的设备内或个别设备内形成,而执行在本说明书中说明的各种动作及功能。
附加地,本发明中以"~部"记载的各种构成要素、单元、模块、元件等可一同或以个别地但可相互运用的逻辑装置个别地形成。
对于各个模块、单元等的相互不同特征的描述是为了强调相互不同的功能性实施例,并非意味着其要通过个别硬件或软件元件实现。
反而,关于一个以上的模块或单元的功能可通过个别硬件或软件构件执行或共同的或个别的硬件或软件构件统一。

在附图中以特定的顺序表示了动作,但,不应理解为上述的动作为了达成所需的结果以图示的特定顺序或顺次的顺序执行或所有图示的动作都需执行。
在任意的环境下多任务处理及并行处理可能有利。
并且,在上述的实施例中各种构成要素的区分不能理解为在所有的实施例中均需要此类区分,应当理解为上述的构成要素可以单一软件制品一同整合或以多个软件制品封装。

如上述地在附图和说明书中公开了最佳实施例。
在此使用了特定的术语,但,其只是为了说明本发明而使用的,并非为了限定意义或限制权利要求书中记载的本发明的范围而使用。
因此,本技术领域的普通技术人员应当理解由此可进行各种变形和均等的其他实施例。
从而,本发明的真正的技术保护范围应当根据权利要求书的技术思想而定义。

附图