计算机执行的产生牙齿正畸治疗方案的方法与流程

本申请总体上涉及计算机执行的产生牙齿正畸治疗方案的方法。

背景技术：

1、当今，由于美观、便捷以及利于清洁等优点，基于高分子材料的壳状矫治器越来越受欢迎。对于单颌(上颌或下颌)牙齿的正畸治疗，一套壳状矫治器通常包括十几个甚至几十个逐次的壳状矫治器，用于将所述牙齿从初始布局逐步地重新定位到目标布局，其中，在所述初始布局到目标布局之间包括从第一中间布局到最后中间布局的n个逐次的中间布局。

2、所述一系列逐次的壳状矫治器是基于表示所述一系列逐次的牙齿布局的三维数字模型制作。所述一系列逐次的牙齿布局通常被称为所述牙颌的正畸治疗方案，它规定了牙齿移动的顺序，包括各牙齿的不同移动的先后顺序。

3、通常，单颌牙齿的正畸治疗方案是基于所述牙齿的初始布局和目标布局而产生。目前，该过程需要人工介入，而参与制定牙齿正畸治疗方案的专业人员需要经过大量相关培训。由于需要人工介入，其效率较低，成本较高。

4、鉴于以上，有必要提供一种新的产生牙齿正畸治疗方案的方法。

技术实现思路

1、本申请的一方面提供了一种计算机执行的产生牙齿正畸治疗方案的方法，它包括：获取第一和第二三维数字模型，其中，所述第一三维数字模型是表示牙颌初始牙齿布局的三维数字模型，所述第二三维数字模型是表示所述牙颌目标牙齿布局的三维数字模型；利用经训练的特征提取深度神经网络对所述第一三维数字模型进行特征提取；以及利用经训练的基于多智能体强化学习的深度神经网络，基于所述提取得到的特征和所述第二三维数字模型产生所述牙颌的正畸治疗方案，其中，在所述基于多智能体强化学习的深度神经网络中，每一颗牙齿被当作一个智能体，所述正畸治疗方案是利用壳状牙齿矫治器的正畸治疗的方案，它包括将所述牙颌从初始牙齿布局逐步地定位到所述目标牙齿布局的一系列逐次的矫治步。

2、在一些实施方式中，所述的计算机执行的产生牙齿正畸治疗方案的方法还包括：基于所述第一和第二三维数字模型计算各牙齿的单次移动量，所述基于多智能体强化学习的深度神经网络是基于所述提取得到的特征、所述第二三维数字模型以及所述计算得到的各牙齿的单次移动量产生所述牙颌的正畸治疗方案。

3、在一些实施方式中，所述牙颌包括上颌与下颌牙齿。

4、在一些实施方式中，所述的计算机执行的产生牙齿正畸治疗方案的方法还包括：在所述第一三维数字模型的每一颗牙齿上均匀采样m个点，得到所述牙颌的点云x，所述特征提取深度神经网络是对所述点云x进行特征提取。

5、在一些实施方式中，所述特征提取深度神经网络包括第一mlp模块和第二mlp模块，其中，所述第一mlp模块用于特征提取，所述第二mlp模块用于在训练所述特征提取深度神经网络时基于所述第一mlp提取得到的特征重建所述牙颌的点云。

6、在一些实施方式中，所述基于多智能体强化学习的深度神经网络是以下之一：循环网络、commnet及g2anet。

7、在一些实施方式中，所述基于多智能体强化学习的深度神经网络是采用以下算法之一进行建模：qmix、vdn、coma以及qtrain算法。

8、在一些实施方式中，在每一帧，每一智能体可选的行动包括：保持不动、仅进行一次平移、仅进行一次旋转以及进行一次平移和一次旋转。

9、在一些实施方式中，所述基于多智能体强化学习的深度神经网络对所述智能体的约束包括：单次移动量约束、碰撞约束、拆分约束以及支抗约束。

10、在一些实施方式中，所述基于多智能体强化学习的深度神经网络对每一帧根据以下进行奖励：是否违反任何约束、一个智能体是否选择平移或旋转、一个智能体是否达到目标位姿以及所有智能体是否均达到目标位姿。

11、在一些实施方式中，所述牙齿正畸治疗方案是牙齿行动表，它包括将所述牙颌从所述初始布局定位到所述目标布局的过程中，各牙齿在每一矫治步所采取的行动。

12、本申请的又一方面提供了一种用于产生牙齿正畸治疗方案的计算机系统，它包括处理器和存储装置，其中，所述存储装置存储有用于产生牙齿正畸治疗方案的计算机程序，当其被运行后，所述处理器将执行所述产生牙齿正畸治疗方案的方法。

技术特征：

1.一种计算机执行的产生牙齿正畸治疗方案的方法，包括：

2.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，它还包括：基于所述第一和第二三维数字模型计算各牙齿的单次移动量，所述基于多智能体强化学习的深度神经网络是基于所述提取得到的特征、所述第二三维数字模型以及所述计算得到的各牙齿的单次移动量产生所述牙颌的正畸治疗方案。

3.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，所述牙颌包括上颌与下颌牙齿。

4.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，它还包括：在所述第一三维数字模型的每一颗牙齿上均匀采样m个点，得到所述牙颌的点云x，所述特征提取深度神经网络是对所述点云x进行特征提取。

5.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，所述特征提取深度神经网络包括第一mlp模块和第二mlp模块，其中，所述第一mlp模块用于特征提取，所述第二mlp模块用于在训练所述特征提取深度神经网络时基于所述第一mlp提取得到的特征重建所述牙颌的点云。

6.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，所述基于多智能体强化学习的深度神经网络是以下之一：循环网络、commnet及g2anet。

7.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，所述基于多智能体强化学习的深度神经网络是采用以下算法之一进行建模：qmix、vdn、coma以及qtrain算法。

8.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，在每一帧，每一智能体可选的行动包括：保持不动、仅进行一次平移、仅进行一次旋转以及进行一次平移和一次旋转。

9.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，所述基于多智能体强化学习的深度神经网络对所述智能体的约束包括：单次移动量约束、碰撞约束、拆分约束以及支抗约束。

10.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，所述基于多智能体强化学习的深度神经网络对每一帧根据以下进行奖励：是否违反任何约束、一个智能体是否选择平移或旋转、一个智能体是否达到目标位姿以及所有智能体是否均达到目标位姿。

11.如权利要求1所述的计算机执行的产生牙齿正畸治疗方案的方法，其特征在于，所述牙齿正畸治疗方案是牙齿行动表，它包括将所述牙颌从所述初始布局定位到所述目标布局的过程中，各牙齿在每一矫治步所采取的行动。

12.一种用于产生牙齿正畸治疗方案的计算机系统，它包括处理器和存储装置，其中，所述存储装置存储有用于产生牙齿正畸治疗方案的计算机程序，当其被运行后，所述处理器将执行如权利要求1所述的产生牙齿正畸治疗方案的方法。

技术总结
本申请的一方面提供了一种计算机执行的产生牙齿正畸治疗方案的方法，它包括：获取第一和第二三维数字模型，其中，所述第一三维数字模型是表示牙颌初始牙齿布局的三维数字模型，所述第二三维数字模型是表示所述牙颌目标牙齿布局的三维数字模型；利用经训练的特征提取深度神经网络对所述第一三维数字模型进行特征提取；以及利用经训练的基于多智能体强化学习的深度神经网络，基于所述提取得到的特征和所述第二三维数字模型产生所述牙颌的正畸治疗方案，其中，在所述基于多智能体强化学习的深度神经网络中，每一颗牙齿被当作一个智能体，所述正畸治疗方案是利用壳状牙齿矫治器的正畸治疗的方案，它包括将所述牙颌从初始牙齿布局逐步地定位到所述目标牙齿布局的一系列逐次的矫治步。

技术研发人员：宋逸群,赵泽宇
受保护的技术使用者：杭州朝厚信息科技有限公司
技术研发日：
技术公布日：2024/9/23