1 |
1
환자의 치아 부위를 촬영하여 제공하는 영상 제공부;상기 영상 제공부로부터 받은 3차원 이미지를 딥러닝을 수행하여 악골 및 치아를 분할(segmentation)하고, 분할(segmentation)된 치아와 주변 악골 상방에 스텐트 외형을 생성하고 공극 수, 공극 위치, 공극 크기, 공극 모양에 관한 설계값을 산출하여 3D 프린팅 가능한 탄성 재질로 스텐트 제작이 가능하도록 하는 스텐트 설계값 산출부;상기 스텐트 설계값 산출부의 설계값을 이용하여 제적된 스텐트를 환자에게 장착하고 시리얼하게 촬영을 하고 스텐트 검출 및 공극 검출을 하는 공극 좌표 검출부;공극 전체의 좌표나 중심의 좌표를 이용해 시리얼하게 촬영된 이미지들을 3차원 정합하는 3차원 영상 정합부;를 포함하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 장치
|
2 |
2
제 1 항에 있어서, 상기 영상 제공부는 치아 부위 영상을 제공하기 위하여,CT(Computed Tomograghy),CBCT(Cone Beam Computed Tomograghy),MRI(Magnetic Resonance Imaging),PET(Positron Emission Tomography) 촬영의 어느 하나 또는 이들의 조합을 통한 영상 또는 치아 부위의 석고 모형을 레이저 스캐닝(laser scanning)을 통한 영상을 제공하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 장치
|
3 |
3
제 1 항에 있어서, 상기 공극 좌표 검출부는 공극 검출 범위를 줄이기 위하여,2차원 영상을 이용하는 방법으로 Sagittal 또는 MIP(coronal maximum intensity projection) 혹은 AIP(average intensity projection) 영상에서 영상처리나 딥러닝을 이용하여 스텐트 영역을 검출하거나, 3차원 영상을 이용하는 방법으로 영상처리나 딥러닝을 이용하여 스텐트를 검출하는 스텐트 검출부와,스텐트 검출부에서 검출된 스텐트 또는 스텐트 영역을 딥러닝이나 영상처리로 이진화한 후 반전 또는 필링(filling) 후 빼기 등의 영상 처리를 이용하여 공극을 검출하거나, 3차원 영상에서 딥러닝으로 직접 공극을 검출하는 공극 검출부를 포함하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 장치
|
4 |
4
제 1 항에 있어서, 상기 스텐트 설계값 산출부는,3차원 이미지 딥러닝을 수행시에, segnet, unet, faster rcnn, Voxnet의 어느 하나의 딥러닝 방법을 사용하여 악골 및 치아를 분할하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 장치
|
5 |
5
제 1 항에 있어서, 상기 스텐트 설계값 산출부는,영상 제공부로부터 받은 3차원 이미지를 딥러닝을 수행하여 악골 및 치아를 분할(segmentation)하는 치아 분할 처리부와,치아 분할 처리부에서 분할 처리된 치아와 주변 악골 상방에 일정 두께로, 3차원 영상과 임상에서 사용된 스텐트 모델을 GAN(generative adversal network)으로 학습시켜 스텐트의 외형을 자동으로 생성하는 스텐트 모델 형성부와,공극 수, 공극 위치, 공극 크기, 공극 모양에 관한 설계값을 산출하는 공극 설계부와,상기 공극 설계부에서 산출된 설계값을 이용하여 탄성 재질로 스텐트를 3D 프린팅하는 3D 프린팅부를 포함하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 장치
|
6 |
6
제 5 항에 있어서, 상기 공극 설계부는,지정 또는 arch의 길이 등에 따라 4 ~ 20개의 공극 수를 결정하고,공극이 스텐트의 중심선을 따라 교합면 상방에 1~2mm 이상 거리를 두고, 스텐트 표면과 0
|
7 |
7
제 5 항에 있어서, 상기 3D 프린팅부는,공극을 빈영역을 만들어 프린팅하거나,밀도나 특성이 다른 물질로 동시에 프린팅하거나,공극을 반만 프린팅 후 캡슐 등을 넣고 재인쇄하거나,인쇄 완료 후 공극 내에 특정 밀도나 특성을 갖는 액체나 플라즈마 또는 방사선 동위원소의 물질을 주입하여 스텐트를 3D 프린팅하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 장치
|
8 |
8
환자의 치아 부위를 촬영하여 제공하는 영상 제공 단계;상기 영상 제공 단계로부터 받은 3차원 이미지를 딥러닝을 수행하여 악골 및 치아를 분할(segmentation)하고, 분할(segmentation)된 치아와 주변 악골 상방에 스텐트 외형을 생성하고 공극 수, 공극 위치, 공극 크기, 공극 모양에 관한 설계값을 산출하여 3D 프린팅 가능한 탄성 재질로 스텐트 제작이 가능하도록 하는 스텐트 설계값 산출 단계;상기 스텐트 설계값 산출 단계의 설계값을 이용하여 제적된 스텐트를 환자에게 장착하고 시리얼하게 촬영을 하고 스텐트 검출 및 공극 검출을 하는 공극 좌표 검출 단계;공극 전체의 좌표나 중심의 좌표를 이용해 시리얼하게 촬영된 이미지들을 3차원 정합하는 3차원 영상 정합 단계;를 포함하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
9 |
9
제 8 항에 있어서, 상기 영상 제공 단계에서 치아 부위 영상을 제공하기 위하여,CT(Computed Tomograghy),CBCT(Cone Beam Computed Tomograghy),MRI(Magnetic Resonance Imaging),PET(Positron Emission Tomography) 촬영의 어느 하나 또는 이들의 조합을 통한 영상 또는 치아 부위의 석고 모형을 레이저 스캐닝(laser scanning)을 통한 영상을 제공하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
10 |
10
제 8 항에 있어서, 상기 공극 좌표 검출 단계에서 공극 검출 범위를 줄이기 위하여,2차원 영상을 이용하는 방법으로 Sagittal 또는 MIP(coronal maximum intensity projection) 혹은 AIP(average intensity projection) 영상에서 영상처리나 딥러닝을 이용하여 스텐트 영역을 검출하거나, 3차원 영상을 이용하는 방법으로 영상처리나 딥러닝을 이용하여 스텐트를 검출하는 스텐트 검출 단계와,스텐트 검출 단계에서 검출된 스텐트 또는 스텐트 영역을 딥러닝이나 영상처리로 이진화한 후 반전 또는 필링(filling) 후 빼기 등의 영상 처리를 이용하여 공극을 검출하거나, 3차원 영상에서 딥러닝으로 직접 공극을 검출하는 공극 검출 단계를 포함하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
11 |
11
제 8 항에 있어서, 상기 스텐트 설계값 산출 단계에서, 3차원 이미지 딥러닝을 수행시에, segnet, unet, faster rcnn, Voxnet의 어느 하나의 딥러닝 방법을 사용하여 악골 및 치아를 분할하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
12 |
12
제 8 항에 있어서, 상기 스텐트 설계값 산출 단계는,상기 영상 제공 단계를 통하여 받은 3차원 이미지를 딥러닝을 수행하여 악골 및 치아를 분할(segmentation)하는 치아 분할 처리 단계와,치아 분할 처리 단계에서 분할 처리된 치아와 주변 악골 상방에 일정 두께로, 3차원 영상과 임상에서 사용된 스텐트 모델을 GAN(generative adversal network)으로 학습시켜 스텐트의 외형을 자동으로 생성하는 스텐트 모델 형성 단계와,공극 수, 공극 위치, 공극 크기, 공극 모양에 관한 설계값을 산출하는 공극 설계 단계와, 상기 공극 설계 단계에서 산출된 설계값을 이용하여 탄성 재질로 스텐트를 3D 프린팅하는 3D 프린팅 단계를 포함하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
13 |
13
제 12 항에 있어서, 상기 공극 설계 단계는,지정 또는 arch의 길이 등에 따라 4 ~ 20개의 공극 수를 결정하고, 공극이 스텐트의 중심선을 따라 교합면 상방에 1~2mm 이상 거리를 두고, 스텐트 표면과 0
|
14 |
14
제 12 항에 있어서, 상기 3D 프린팅 단계는,공극을 빈영역을 만들어 프린팅하거나, 밀도나 특성이 다른 물질로 동시에 프린팅하거나, 공극을 반만 프린팅 후 캡슐 등을 넣고 재인쇄하거나, 인쇄 완료 후 공극 내에 특정 밀도나 특성을 갖는 액체나 플라즈마 또는 방사선 동위원소의 물질을 주입하여 스텐트를 3D 프린팅하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
15 |
15
제 12 항에 있어서, 상기 치아 분할 처리 단계에서 학습 효율 및 정확도 향상을 위하여,딥러닝 네트워크로 학습하여 condyle 하악체 별로 악골을 분할하고, 상악,하악,치아번호 별로 치아를 분할하고, 신경관을 분할하고,악골과 치아의 영역을 나누기 위해 먼저 sagittal, coronal MIP 이미지에서 각각의 상악, 하악, condyle, 하악체, alveolar bone 영역부터 학습시키고, 학습된 각 영역내부에서 3D axial, coronal, sagittal 이미지를 학습시키는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
16 |
16
제 15 항에 있어서, 서로 다른 종류의 기계에서 학습된 딥러닝 네트워크를 사용 가능하도록 하기 위하여 히스토그램 매칭(histogram maching)을 통해 영상의 회색조 분포를 일치시켜 전이 학습(transfer learning)의 효율을 높이는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
17 |
17
제 8 항에 있어서, 상기 3차원 영상 정합 단계에서 영상 정합을 위하여,부분무치악 및 무치악에서 교합면을 기준으로 자동 plane reorientation이 이루어지도록 하고, 교합평면의 높이, 각도 결정은 치관의 중선 라인을 보조선으로 수정한 데이터를 딥러닝 네트워크를 이용하여 학습하는 것에 의해 결정되도록 하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
18 |
18
제 8 항에 있어서, 상기 3차원 영상 정합 단계에서 영상 정합을 위하여,치관과 악골 정보를 모두 활용한 reformation을 수행하고, 유치악 부위는 치관부가 끝나는 지점의 치조골정을 기준으로, 무치악 부위는 일정 두께(4mm)까지의 해당 치조골 MIP(axial) 이미지를 기준으로 arch를 그릴 이상적인 악궁을 형성한 후, 악궁의 중심 라인을 구해 arch를 생성하거나, 3D 이미지 전체 또는 전체 Axial MIP image에서 arch 학습을 하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
19 |
19
제 8 항에 있어서, 상기 3차원 영상 정합 단계에서,영상 정합에 의해 condyle의 형태에 따른 자동 reformation 및 3D view 생성을 하고, 이는 하악의 axial MIP image에서 condyle 장축을 기준으로 그에 평행한 frontal view와 수직인 lateral view를 생성하고, 동시에 분리된 양쪽 condyle을 3D로 나타내도록 하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|
20 |
20
제 8 항에 있어서, 상기 3차원 영상 정합 단계에서,분리된 악골의 intensity를 이용할 수 있고,이는 딥러닝을 통해 악골을 분할한 것을 마스크로 하여 악골이 아닌 영역을 삭제한 후, 악골의 intensity 정보를 이용하여 intensity based registration하여 두 번 이상 촬영한 동일 환자의 이미지를 정합해서 저장 후 reformation해서 나타내도록 하는 것을 특징으로 하는 임플란트 진단용 영상 정합을 위한 방법
|