[发明专利]一种基于人工智能的牙列畸形自动化分类和设计方法

摘要

本发明提出一种基于人工智能的牙列畸形自动化分类和设计方法，通过自动识别并选取牙列特征点，确定实际牙弓，建立参照系统，比对参考牙弓确定单牙移动量和偏转量，动态拟合最佳牙列位置，采用马尔科夫决策结合深度学习、增强学习进行牙列设计，过程中不需要医生对牙弓进行设定，且对于错误或不精确进行自动修正，迭代保证错误提前被丢弃，实现不需要人工干预的牙列畸形自动化分类和设计。通过对特征点的分组，实现了咬合关系的对应，通过对牙齿宽度的计算，精确了牙齿间隙的计算。通过特征点信息的计算，使得牙齿的凸度，拥挤量得以精确计算。通过使用神经网络的深度学习，可以求解更优的设计方案。

主权项

1.一种牙列特征点的选取方法，按照分类标准将28颗牙齿分别标记：1‑4，2‑4，3‑4，4‑4，1‑5，2‑5，3‑5，4‑5，1‑6，2‑6，3‑6，4‑6，1‑7，2‑7，3‑7，4‑7，1‑3，2‑3，3‑3，4‑3，1‑1，1‑2，2‑1，2‑2，3‑1，3‑2，4‑1，4‑2；其特征在于采取算法自动计算选取，将上下颌后槽牙分为组GroupA，包括1‑4，2‑4，3‑4，4‑4，1‑5，2‑5，3‑5，4‑5，1‑6，2‑6，3‑6，4‑6，1‑7，2‑7，3‑7，4‑7，对于GroupA，使用环搜与局部最高点的算法选取GroupA尖点：(1)遍历单牙空间网格的点，找到离质心最近的点，记为点N；(2)对环绕点N边上的其他点进行递归运算，扩大环搜的边半径；(3)扩大边半径后，对最外层边上的点通过局部最大的算法寻找局部最高点，最高点即尖点；对于牙1‑6，2‑6，3‑6，4‑6，1‑7，2‑7，3‑7，4‑7，各具有4个尖点，使用排序法选取外侧的2个尖点作为外侧组Ptb_ex，记为<下Ptb_ex1，上Ptb_ex2>，选取内侧的两个尖点作为内侧组Ptb_in；对于1‑4，2‑4，3‑4，4‑4，1‑5，2‑5，3‑5，4‑5，各具有2个尖点，使用排序法选取外侧的1个尖点作为外侧组Ptb_ex，记为Ptb_ex1；选取GroupA宽点：选取牙宽点，遍历单牙网格，选取两点，此两点与Ptb_ex及与Ptb_in相距距离差最小，在距离差最小的组中选两点间距离最长的点组为宽点，宽点的坐标可以用来标定水平角度；将尖牙分为组GroupB，包括1‑3，2‑3，3‑3，4‑3，对于GroupB，使用四边之和最长以及最高点匹配算法选取GroupB尖点：(1)找到单牙空间网格的z轴最大点即为尖点，记为点Pt₃h；遍历单牙空间网格上的点，迭代选取三个点形成一个集合，保留含有尖点Pt₃h的集合；选取GroupB宽点：(2)迭代选取两个点，此两点与集合内尖点Pt₃h的距离<d1,d2>，并计算与质心的距离<d3,d4>求距离和d1+d2+d3+d4；(3)对距离总和排序，选取距离比差的绝对值d1/d2‑d3/d4最小，且距离和最大的那一对点，这一对点记为宽点；对于1‑3，2‑3，3‑3，4‑3，各具有1个尖点和2个宽点；使用排序算法，确定2个宽点位置关系并分别记为上侧Ptb_3up与下侧Ptb_3down；将前牙分为组GroupC，包括1‑1，1‑2，2‑1，2‑2，3‑1，3‑2，4‑1，4‑2，对于GroupC，(1)遍历网格上的点，迭代选取2个点，计算这两个点与质心距离<d5,d6>及彼此之间的距离<d7>，求距离和d5+d6+d7；(2)排序选取距离比d5/d6最小且距离和d5+d6+d7最大的那一对点即为宽点；无尖点，GroupC宽点的选取分为单牙的左侧点和右侧点，使用排序法确定左侧点Ptb_fl，右侧点Ptb_fr。