| 1 |
1
대상 환자에 대한 교정 치료 정보를 획득하는 단계; 및미리 학습되어 구축된 얼굴 예측 모델을 이용하여, 상기 대상 환자의 상기 교정 치료 정보를 기반으로 상기 대상 환자의 교정 치료 후 안모를 획득하는 단계;를 포함하며,상기 교정 치료 정보는, 상기 대상 환자의 교정 치료 전 안모, 상기 대상 환자의 성별, 상기 대상 환자의 나이, 상기 대상 환자의 입술 기능 부전 여부, 및 상기 대상 환자의 교정 치료에 따른 치아 이동량을 포함하고,상기 얼굴 예측 모델은, CGAN(conditional generative adversarial network)을 포함하며, 교정 치료 전 안모, 성별, 나이, 입술 기능 부전 여부, 및 교정 치료에 따른 치아 이동량을 입력으로 하고, 교정 치료 후 안모를 출력으로 하며,교정 치료 전 3차원 CBCT(cone-beam computed tomography) 이미지, 성별, 나이, 및 교정 치료 후 3차원 CBCT 이미지를 포함하는 제1 학습 데이터를 기반으로, 상기 얼굴 예측 모델을 학습하는 단계;를 더 포함하고,상기 얼굴 예측 모델 학습 단계는, 상기 제1 학습 데이터를 기반으로 교정 치료 전 안모, 교정 치료에 따른 치아 이동량, 및 교정 치료 후 안모를 획득하고, 교정 치료 전 안모, 성별, 나이, 입술 기능 부전 여부, 교정 치료에 따른 치아 이동량, 및 교정 치료 후 안모를 포함하는 제2 학습 데이터를 획득하며, 상기 제2 학습 데이터를 이용하여 상기 얼굴 예측 모델을 학습하는 것으로 이루어지는,딥러닝 기반 교정 치료 후의 3차원 얼굴 변화 예측 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제1항에서,상기 얼굴 예측 모델 학습 단계는,상기 제1 학습 데이터의 교정 치료 전 3차원 CBCT 이미지와 상기 제1 학습 데이터의 교정 치료 후 3차원 CBCT 이미지의 두개저(anterior cranial base)를 복셀(voxel) 단위로 정합(registration)하고, 정합한 교정 치료 전 3차원 CBCT 이미지로부터 교정 치료 전 안모를 획득하며, 정합한 교정 치료 후 3차원 CBCT 이미지로부터 교정 치료 후 안모를 획득하고, 정합한 교정 치료 전 3차원 CBCT 이미지와 정합한 교정 치료 후 3차원 CBCT 이미지를 기반으로 교정 치료에 따른 치아 이동량을 획득하는 것으로 이루어지는,딥러닝 기반 교정 치료 후의 3차원 얼굴 변화 예측 방법
|
| 7 |
7
제1항에서,상기 얼굴 예측 모델은,상기 제2 학습 데이터의 교정 치료 전 안모, 상기 제2 학습 데이터의 성별, 상기 제2 학습 데이터의 나이, 상기 제2 학습 데이터의 입술 기능 부전 여부, 및 상기 제2 학습 데이터의 교정 치료에 따른 치아 이동량을 기반으로 예측 안모 이미지를 생성하고, 생성한 상기 예측 안모 이미지를 출력하는 생성기(generator); 및상기 생성기를 통해 출력되는 상기 예측 안모 이미지와 상기 제2 학습 데이터의 교정 치료 후 안모를 비교하고, 비교 결과를 출력하는 판별기(discriminator);를 포함하며,상기 예측 안모 이미지가 상기 제2 학습 데이터의 교정 치료 후 안모인 것으로 판별되도록 상기 제2 학습 데이터를 이용하여 학습되고,상기 판별기는,상기 얼굴 예측 모델의 학습이 완료된 이후 상기 얼굴 예측 모델에서 제거되는,딥러닝 기반 교정 치료 후의 3차원 얼굴 변화 예측 방법
|
| 8 |
8
제1항에서,상기 얼굴 예측 모델 학습 단계는,시상축(sagittal axis), 관상축(coronal axis), 및 수직축(vertical axis) 중 적어도 하나의 축을 기준으로 미리 설정된 크기만큼 회전시키는 과정과, 좌우를 반전시키는 과정을 통해 상기 제1 학습 데이터를 증강하는 것으로 이루어지는,딥러닝 기반 교정 치료 후의 3차원 얼굴 변화 예측 방법
|
| 9 |
9
제1항, 제6항 내지 제8항 중 어느 한 항에 기재된 딥러닝 기반 교정 치료 후의 3차원 얼굴 변화 예측 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램
|
| 10 |
10
딥러닝을 기반으로 교정 치료 후의 3차원 얼굴 변화를 예측하는 얼굴 변화 예측 장치로서,딥러닝을 기반으로 교정 치료 후의 3차원 얼굴 변화를 예측하기 위한 하나 이상의 프로그램을 저장하는 메모리; 및상기 메모리에 저장된 상기 하나 이상의 프로그램에 따라 딥러닝을 기반으로 교정 치료 후의 3차원 얼굴 변화를 예측하기 위한 동작을 수행하는 하나 이상의 프로세서;를 포함하고,상기 프로세서는,대상 환자에 대한 교정 치료 정보를 획득하고,미리 학습되어 구축된 얼굴 예측 모델을 이용하여, 상기 대상 환자의 상기 교정 치료 정보를 기반으로 상기 대상 환자의 교정 치료 후 안모를 획득하며,상기 교정 치료 정보는, 상기 대상 환자의 교정 치료 전 안모, 상기 대상 환자의 성별, 상기 대상 환자의 나이, 상기 대상 환자의 입술 기능 부전 여부, 및 상기 대상 환자의 교정 치료에 따른 치아 이동량을 포함하고,상기 얼굴 예측 모델은, CGAN(conditional generative adversarial network)을 포함하며, 교정 치료 전 안모, 성별, 나이, 입술 기능 부전 여부, 및 교정 치료에 따른 치아 이동량을 입력으로 하고, 교정 치료 후 안모를 출력으로 하며,상기 프로세서는, 교정 치료 전 3차원 CBCT(cone-beam computed tomography) 이미지, 성별, 나이, 입술 기능 부전 여부, 및 교정 치료 후 3차원 CBCT 이미지를 포함하는 제1 학습 데이터를 기반으로, 상기 얼굴 예측 모델을 학습하고,상기 프로세서는, 상기 제1 학습 데이터를 기반으로 교정 치료 전 안모, 교정 치료에 따른 치아 이동량, 및 교정 치료 후 안모를 획득하고, 교정 치료 전 안모, 성별, 나이, 입술 기능 부전 여부, 교정 치료에 따른 치아 이동량, 및 교정 치료 후 안모를 포함하는 제2 학습 데이터를 획득하며, 상기 제2 학습 데이터를 이용하여 상기 얼굴 예측 모델을 학습하는,딥러닝 기반 교정 치료 후의 3차원 얼굴 변화 예측 장치
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
| 13 |
13
삭제
|
