基于多变量决策树的义齿模板人工智能匹配设计方法.pdf

《基于多变量决策树的义齿模板人工智能匹配设计方法.pdf》由会员分享，可在线阅读，更多相关《基于多变量决策树的义齿模板人工智能匹配设计方法.pdf（4页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010770823.8 (22)申请日 2020.08.04 (71)申请人 北京大学口腔医学院 地址 100081 北京市海淀区中关村南大街 32号中关村科技发展大厦A座5层507 室 (72)发明人 孙玉春陈虎邓珂慧王勇 (74)专利代理机构 北京神州华茂知识产权有限 公司 11358 代理人 吴照幸 (51)Int.Cl. G06F 16/583(2019.01) G06F 16/55(2019.01) G06K 9/62(2006.01) G06F 30/20(20。

2、20.01) A61C 13/00(2006.01) (54)发明名称 一种基于多变量决策树的义齿模板人工智 能匹配设计方法 (57)摘要 本发明涉及一种基于多变量决策树的义齿 模板人工智能匹配设计方法， 包括步骤： 1)用若 干种型号成品人工牙和基托蜡， 在机械牙合架上 批量手工制作全口义齿人工牙列与边缘龈模型； 2)扫描获取三维数据； 3)根据多个变量将扫描数 据进行目录树分类， 获得模板数据库； 4)扫描当 前拟进行全口义齿修复测量数据， 按照步骤3)的 顺序进行逐级筛选； 5)将选出的设计模板匹配到 患者的上下颌牙槽嵴上； 6)微调空间位置与姿态 后， 生成基托与全口义齿设计结果。 本。

3、发明能将 患者的牙槽嵴数据与模板数据库中的标准义齿 模板数据精准匹配， 从而得到适合于当前患者的 义齿专家设计模板， 省略了技师手动制作步骤， 提高了全口义齿设计的自动化程度， 提高了效 率。 权利要求书1页 说明书2页 CN 111930986 A 2020.11.13 CN 111930986 A 1.一种基于多变量决策树的义齿模板人工智能匹配设计方法， 其特征在于包括步骤： 1)采用若干种型号成品人工牙和基托蜡， 在安装于机械牙合架上的无牙颌患者模型 上， 批量手工制作全口义齿人工牙列与边缘龈实体模型； 2)三维扫描获取上下颌义齿、 上下颌无牙颌牙槽嵴及其空间位置关系的三维数据； 3)根。

4、据前牙型号、 后牙型号、 颌弓尺寸、 颌间关系、 下颌运动多个变量将扫描数据进行 目录树分类， 获得全口义齿模板数据库； 4)三维扫描当前拟进行全口义齿修复的无牙颌牙槽嵴三维数据， 测量其各变量数值， 然后按照步骤3)的顺序在模板数据库中进行逐级筛选； 5)将选出设计模板匹配到当前拟修复患者的上下颌牙槽嵴上； 6)微调空间位置与姿态后， 生成基托与全口义齿设计结果。 2.按照权利要求1所述的一种基于多变量决策树的义齿模板人工智能匹配设计方法， 其特征在于： 所述步骤1)的模型， 能按照牙科参数的多个变量逐级分类形成模板数据库。 权利要求书 1/1 页 2 CN 111930986 A 2 一种。

5、基于多变量决策树的义齿模板人工智能匹配设计方法 技术领域 0001 本发明涉及一种全口义齿人工智能设计方法， 具体涉及一种基于多变量决策树的 义齿模板人工智能匹配设计方法。 背景技术 0002 现有的全口义齿数字化设计软件， 需要对28颗人工牙逐牙进行设计， 每颗牙齿6个 自由度， 28颗牙齿共有168个自由度， 均需要用鼠标和键盘进行交互式调整， 费时费力且功 能美学效果欠佳。 而对于已经习惯于在石膏模型上手工排牙和雕塑蜡基托的医学专家来 说， 在计算机屏幕上完成上述复杂交互操作， 是全新的挑战。 理论上可行， 但实际操作中难 度极大。 主要难点在于： 一是义齿设计效率低下； 二是义齿设计不。

6、能做到精准； 三是不能根 据患者的情况设定参数后自动完成义齿设计， 从而实现自动化的过程。 发明内容 0003 本发明的目的是提供一种基于多变量决策树的义齿模板人工智能匹配设计方法， 能够将患者的牙槽嵴数据与模板库中的标准义齿模板数据进行高效率精准匹配， 从而得到 适合于当前患者的义齿专家设计模板， 基于该模板进行进一步的全口义齿设计， 从而省略 了技师进行手动全程详细设计制作的步骤， 提高了全口义齿设计的自动化程度， 提高了全 口义齿制作的效率。 0004 为了达到上述目的， 本发明有如下技术方案： 0005 本发明的一种基于多变量决策树的义齿模板人工智能匹配设计方法， 包括步骤： 0006。

7、 1)采用若干种型号成品人工牙和基托蜡， 在安装于机械牙合架上的无牙颌患者模 型上， 批量手工制作全口义齿人工牙列与边缘龈实体模型； 0007 2)三维扫描获取上下颌义齿、 上下颌无牙颌牙槽嵴及其空间位置关系的三维数 据； 0008 3)根据前牙型号、 后牙型号、 颌弓尺寸、 颌间关系、 下颌运动多个变量将扫描数据 进行目录树分类， 获得全口义齿模板数据库； 0009 4)三维扫描当前拟进行全口义齿修复的无牙颌牙槽嵴三维数据， 测量其各变量数 值， 然后按照步骤3)的顺序在模板数据库中进行逐级筛选； 0010 5)将选出设计模板匹配到当前拟修复患者的上下颌牙槽嵴上； 0011 6)微调空间位置。

8、与姿态后， 生成基托与全口义齿设计结果。 0012 其中， 所述步骤1)的模型， 能按照牙科参数的多个变量逐级分类形成模板数据库。 0013 本发明的优点在于： 0014 本发明能够将患者的牙槽嵴数据与模板库中的标准义齿模板数据进行高效率精 准匹配， 从而得到适合于当前患者的义齿专家设计模板， 基于该模板进行进一步的全口义 齿设计， 从而省略了技师进行手动全程详细设计制作的步骤， 提高了全口义齿设计的自动 化程度， 提高了全口义齿制作的效率。 说明书 1/2 页 3 CN 111930986 A 3 具体实施方式 0015 以下实施例用于说明本发明， 但不用来限制本发明的范围。 0016 本发。

9、明的一种基于多变量决策树的义齿模板人工智能匹配设计方法， 包括步骤： 0017 1)采用若干种型号成品人工牙和基托蜡， 在安装于机械牙合架上的无牙颌患者模 型上， 批量手工制作全口义齿人工牙列与边缘龈实体模型； 0018 2)三维扫描获取上下颌义齿、 上下颌无牙颌牙槽嵴及其空间位置关系的三维数 据； 0019 3)根据前牙型号、 后牙型号、 颌弓尺寸、 颌间关系、 下颌运动多个变量将扫描数据 进行目录树分类， 获得全口义齿模板数据库； 0020 4)三维扫描当前拟进行全口义齿修复的无牙颌牙槽嵴三维数据， 测量其各变量数 值， 然后按照步骤3)的顺序在模板数据库中进行逐级筛选； 0021 5)将。

10、选出设计模板匹配到当前拟修复患者的上下颌牙槽嵴上； 0022 6)微调空间位置与姿态后， 生成基托与全口义齿设计结果。 0023 所述步骤1)的模型， 能按照牙科参数的多个变量逐级分类形成模板数据库。 0024 决策树是机器学习的一类常见算法， 其核心思想是通过构建一个树状模型来对新 样本进行预测。 树的叶结点是预测结果， 而所有非叶结点皆是一个个决策过程。 0025 多变量决策树： 是一种人工智能算法， 类似于分类目录； 在学习任务的真实分类边 界比较复杂时， 必须使用很多段划分才能获得较好的近似， 此时的决策树会相当复杂， 由于 要进行大量的属性测试， 预测时间开销会很大。 若能使用斜的划。

11、分边界， 则决策树模型将大 为简化， 这就是多变量决策树(multivariate decision tree)。 在此类决策树中， 非叶结点 不再是仅对某个属性， 而是对属性的线性组合进行测试； 换言之， 每个非叶结点时一个形如 线性回归的线性分类器了。 0026 多变量是否指步骤3)的多变量。 0027 是指前牙型号、 后牙型号、 颌弓尺寸、 颌间关系、 下颌运动多个变量， 还包括这些变 量的组会； 例如前后牙之间的组合等。 0028 目录树： 是指先根据第一个变量进行分类， 然后在子类中再根据第二个变量进行 分类， 以此类推， 形成树形结构的目录。 0029 如上所述， 便可较为充分的实现本发明。 以上所述仅为本发明的较为合理的实施 实例， 本发明的保护范围包括但并不局限于此， 本领域的技术人员任何基于本发明技术方 案上非实质性变性变更均包括在本发明包括范围之内。 说明书 2/2 页 4 CN 111930986 A 4 。