基于云平台及大数据的义齿自动匹配生产方法及系统

摘要

本申请涉及义齿生产领域，尤其是涉及一种基于云平台及大数据的义齿自动匹配生产方法及系统，基于云平台及大数据的义齿自动匹配生产方法包括基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；获取待加工义齿的患者口腔病牙的数据信息；将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。本申请具有提高义齿生产的智能化程度，减少设计师的工作强度，减少对设计师经验的依赖程度的优点。

说明书

技术领域

本申请涉及义齿生产领域，尤其是涉及一种基于云平台及大数据的义齿自动匹配生产方法及系统。

背景技术

义齿就是人们常说的“假牙”。就像把“假腿”、“假肢”称为“义肢”一样，“义齿”的意思就是指为人类尽“义务”的牙齿。医学上是对上、下颌牙部分或全部牙齿缺失后制作的修复体的总称。义齿分为可摘与固定两种。固定义齿（俗称“固定假牙”）是不能由患者自己取戴的，而可摘义齿（俗称“活动假牙”）可以由患者方便地取戴。

相关技术中的义齿制作环节包含：“检查、取模、设计、制作、微整修”五个环节。目前，虽然有口腔扫描设备，可以精确采集患者口腔数据，但在设计阶段，仍需要依托采集到的口腔数据，由人工进行设计，而人为设计义齿不但需要设计师大量经验加持，且受到诸多因素影响，每个案例都需要设计师重新设计，工作强度大，因此有待改进。

发明内容

为了提高义齿生产的智能化程度，减少设计师的工作强度，减少对设计师经验的依赖程度，本申请提供一种基于云平台及大数据的义齿自动匹配生产方法及系统。

第一方面，本申请提供一种基于云平台及大数据的义齿自动匹配生产方法，采用如下的技术方案：

一种基于云平台及大数据的义齿自动匹配生产方法，包括：

基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；

获取待加工义齿的患者口腔病牙的数据信息；

将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。

通过采用上述技术方案，得到训练后的义齿深度学习模型后，即可应用于实际生产，当获取到医院发送过来的待加工义齿的患者口腔病牙的数据信息，将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型，从而能够生成相关设计参数，相关设计参数即为待生产口腔修复体的参考标准三维数据，包括多个参考坐标点，将相关设计参数显示，能够给设计人员提供参考，从而提高义齿生产的智能化程度，减少设计师的工作强度，减少对设计师经验的依赖程度。

可选的，所述预设训练集包括多个以往患者口腔病牙的数据信息，以及实际生产过程中多个与多个数据信息一一对应的生产参数信息。

通过采用上述技术方案，患者口腔病牙的数据信息通常由医院对患者口腔进行检测后发送而来，构建深度卷积神经网络，然后将采用大量以往患者口腔病牙的数据信息，以及实际生产过程中与数据信息对应的生产参数信息作为输入，能够得到一个具有强大分析能力和识别能力的训练后的义齿深度学习模型。

可选的，还包括：

基于所述相关设计参数生成待加工义齿模型，并接收来自设计人员的调整指令对待加工义齿模型进行调整，并生成待加工义齿的生产参数信息，待加工义齿的生产参数信息即为调整后的待生产义齿的相关设计参数；

基于所述待加工义齿的生产参数信息对训练后的义齿深度学习模型进行修正。

通过采用上述技术方案，当根据相关设计参数生成的待加工义齿模型存在误差或存在偏移量时，设计人员能够通过调整指令对待加工义齿模型参数进行调整，每次义齿加工均能够对训练后的义齿深度学习模型进行修正，从而能够构建当前最为理想的模型。

可选的，还包括：

基于所述调整后的待加工义齿模型生成刀具路径。

通过采用上述技术方案，通过调整后的待加工义齿模型来生成刀具路径，从而实现待加工义齿的生产参数信息对刀具切削的指导作用。

可选的，还包括：

获取义齿的优化后的相关设计参数，所述优化后的相关设计参数由设计人员根据义齿佩戴者的反馈信息对该义齿所对应的生产参数信息进行优化而成；

基于义齿的优化后的相关设计参数以及对应的数据信息对训练后的义齿深度学习模型进行修正。

通过采用上述技术方案，设计人员获取到从医院发送来的反馈信息后，对该义齿所对应的生产参数信息进行优化，从而得到义齿的优化后的相关设计参数，获取方式可采用人工录入的形式。然后对训练后的义齿深度学习模型进行修正。

可选的，还包括：

将预设训练集、待加工义齿的患者口腔病牙的数据信息，以及待加工义齿的生产参数信息上传到云平台并存储。

通过采用上述技术方案，云平台具有高可用性，扩展性和高可靠性，同时，通过云平台可实现数据互联共享。

第二方面，本申请提供一种基于云平台及大数据的义齿自动匹配生产系统，采用如下的技术方案：

一种基于云平台及大数据的义齿自动匹配生产系统，包括：

训练模块，用于基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；

数据获取模块，用于获取待加工义齿的患者口腔病牙的数据信息；

参数生成模块，用于将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。

通过采用上述技术方案，通过训练模块得到训练后的义齿深度学习模型后，即可应用于实际生产，数据获取模块用于获取医院发送过来的待加工义齿的患者口腔病牙的数据信息，参数生成模块用于将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型并生成相关设计参数，将相关设计参数显示，能够给设计人员提供参考。

第三方面，本申请提供一种计算机设备，采用如下的技术方案：

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的基于云平台及大数据的义齿自动匹配生产方法的步骤。

第四方面，本申请提供一种计算机存储介质，采用如下的技术方案：

一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于云平台及大数据的义齿自动匹配生产方法的步骤。

综上所述，本申请包括以下有益技术效果：

1.得到训练后的义齿深度学习模型后，即可应用于实际生产，当获取到医院发送过来的待加工义齿的患者口腔病牙的数据信息，将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型，从而能够生成相关设计参数，将相关设计参数显示，能够给设计人员提供参考；

2.当根据相关设计参数生成的待加工义齿模型存在误差或存在偏移量时，设计人员能够通过调整指令对待加工义齿模型参数进行调整，每次义齿加工均能够对训练后的义齿深度学习模型进行修正，从而能够构建当前最为理想的模型；

3.设计人员获取到从医院发送来的反馈信息后，对该义齿所对应的生产参数信息进行优化，从而得到义齿的优化后的相关设计参数，获取方式可采用人工录入的形式。然后对训练后的义齿深度学习模型进行修正；

4.云平台具有高可用性，扩展性和高可靠性，同时，通过云平台可实现数据互联共享。

附图说明

图1是本申请实施例中基于云平台及大数据的义齿自动匹配生产方法的流程图。

图2是本申请另一实施方式中基于云平台及大数据的义齿自动匹配生产方法的流程图。

图3是本申请实施例中基于云平台及大数据的义齿自动匹配生产系统的原理框图。

图4是本申请实施例中计算机设备的原理框图。

具体实施方式

以下结合附图1-4对本申请作进一步详细说明。

实施例一：

本实施例公开一种基于云平台及大数据的义齿自动匹配生产方法，参照图1，包括以下步骤：

S1、基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；

S2、获取待加工义齿的患者口腔病牙的数据信息；

S3、将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。

实施例二：

本申请实施例公开一种基于云平台及大数据的义齿自动匹配生产方法，能够提高义齿生产的智能化程度，减少设计师的工作强度，减少对设计师经验的依赖程度，参照图2，包括如下步骤：

S1、基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；

具体的，所述预设训练集包括多个以往患者口腔病牙的数据信息，以及实际生产过程中多个与多个数据信息一一对应的生产参数信息，患者口腔病牙的数据信息通常由医院对患者口腔进行检测后发送而来，通常包括：接触点、周边牙齿曲面度、周边牙齿颜色、周边牙齿高度、牙床宽度、软组织定义、牙床长度、边缘线等，实际生产过程中与数据信息对应的生产参数信息通常包括口腔修复体的标准三维数据，包括多个基准坐标点，训练后的义齿深度学习模型的构建首先通过构建深度卷积神经网络，然后将采用大量样本数据作为输入，在本实施例中，样本数据即以往患者口腔病牙的数据信息，以及实际生产过程中与数据信息对应的生产参数信息，从而得到一个具有强大分析能力和识别能力的训练后的义齿深度学习模型。

S2、获取待加工义齿的患者口腔病牙的数据信息；

S3、将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。

得到训练后的义齿深度学习模型后，即可应用于实际生产，当获取到医院发送过来的待加工义齿的患者口腔病牙的数据信息，将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型，从而能够生成相关设计参数，相关设计参数即为待生产口腔修复体的参考标准三维数据，包括多个参考坐标点，将相关设计参数显示，能够给设计人员提供参考。

S4、基于所述相关设计参数生成待加工义齿模型，并接收来自设计人员的调整指令对待加工义齿模型进行调整，并生成待加工义齿的生产参数信息，待加工义齿的生产参数信息即为调整后的待生产义齿的相关设计参数；

当根据相关设计参数生成的待加工义齿模型存在误差或存在偏移量时，设计人员能够通过调整指令对待加工义齿模型参数进行调整，调整指令可参照相关三维设计软件设置，当不存在误差、误差在预设范围内或不存在偏移量时，生产参数信息=相关设计参数。

S5、基于所述待加工义齿的生产参数信息对训练后的义齿深度学习模型进行修正。

训练后的义齿深度学习模型形成后，每次义齿加工均能够对训练后的义齿深度学习模型进行修正，具体为：加入待加工义齿的患者口腔病牙的数据信息和相关设计参数，根据前向传播得到预测试，跟待加工义齿的生产参数信息比较，得到损失值；接着采用反向传播，更新权值（参数），来回不断迭代，直到损失函数很小，即实现对训练后的义齿深度学习模型的参数进行修正，即构建了当前最为理想的模型。

S6、基于所述调整后的待加工义齿模型生成刀具路径。

具体的，首先对调整后的待加工义齿模型进行分析，在读取分析的基础上进行自适应分层算法的设计，减少3D打印中成型的模型实体与理论模型之间的体积偏差，然后对不同层中的轮廓进行提取，具体为通过对切片层内的点进行跟踪标记等方法，来提取当前切片层中的轮廓，最后采用最近距离分析算法对轮廓中可能出现的畸变、开环等问题进行修正，提取平滑无缺的轮廓曲线。

然后将非有理B样条曲线(简称为NURBS)与各层的轮廓曲线进行拟合，通过算法反求控制点，再根据所得控制点设定不同的偏移量从而生成偏移曲线刀具路径，并且在偏移曲线无法合理构建的内部区域采用锯齿路径来进行填充，优化表面质量和制造效率。

最后采用多目标优化法来对锯齿刀具路径的间距进行优化，使生成轮廓面积误差及打印重叠率两个目标都得以优化。基于以上三个步骤完成对模型的读取、分层、轮廓提取，刀具路径规划生成以及优化，使得切片层中的轮廓可以被准确提取，速度控制优化策略可以在保证精度的前提下，很大程度上缩短切平面的构建时间，应用多目标优化方法所求得的最优刀具路径间距可以使打印误差和打印重叠率两个目标函数得到合理优化。

S7、获取义齿的优化后的相关设计参数，所述优化后的相关设计参数由设计人员根据义齿佩戴者的反馈信息对该义齿所对应的生产参数信息进行优化而成。

一般来说，收到的反馈信息通常包括：义齿就位困难，基牙疼痛，软组织疼痛，固位、稳定不良，义齿咀嚼功能差，人工牙咬颊、舌组织，食物嵌塞，发音障碍，诱发或加重颞下颌关节紊乱病，美观问题等，设计人员获取到从医院发送来的反馈信息后，对该义齿所对应的生产参数信息进行优化，从而得到义齿的优化后的相关设计参数，获取方式可采用人工录入的形式。

S8、基于义齿的优化后的相关设计参数以及对应的数据信息对训练后的义齿深度学习模型进行修正。

具体为：加入该义齿的患者口腔病牙的数据信息和生产参数信息，根据前向传播得到预测试，跟义齿的优化后的相关设计参数比较，得到损失值；接着采用反向传播，更新权值（参数），来回不断迭代，直到损失函数很小，即实现对训练后的义齿深度学习模型的参数进行修正。

S9、将预设训练集、待加工义齿的患者口腔病牙的数据信息，以及待加工义齿的生产参数信息上传到云平台并存储，并采取账号密码的方式实现共享与否。

云平台具有高可用性，扩展性和高可靠性，同时，通过云平台可实现数据互联共享。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

本实施例还提供一种基于云平台及大数据的义齿自动匹配生产系统，参照,3，该基于云平台及大数据的义齿自动匹配生产系统包括训练模块、数据获取模块、参数生成模块。各功能模块详细说明如下：

训练模块，用于基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；

数据获取模块，用于获取待加工义齿的患者口腔病牙的数据信息；

参数生成模块，用于将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。

关于基于云平台及大数据的义齿自动匹配生产系统的具体限定可以参见上文中对于基于云平台及大数据的义齿自动匹配生产方法的限定，在此不再赘述。上述基于云平台及大数据的义齿自动匹配生产系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本实施例还提供一种计算机设备，计算机是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于云平台及大数据的义齿自动匹配生产方法：

基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；

获取待加工义齿的患者口腔病牙的数据信息；

将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。

该计算机程序被处理器执行时能实现上述方法实施例中任一种基于云平台及大数据的义齿自动匹配生产方法。

本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

基于预设训练集对义齿深度学习模型进行训练，以构建训练后的义齿深度学习模型；

获取待加工义齿的患者口腔病牙的数据信息；

将待加工义齿的患者口腔病牙的数据信息导入所述训练后的义齿深度学习模型以生成相关设计参数并显示。

该计算机程序被处理器执行时能实现上述方法实施例中任一种基于云平台及大数据的义齿自动匹配生产方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。