本發(fā)明涉及人工智能，尤其是涉及一種基于人工智能的口腔正畸診療報(bào)告生成方法及系統(tǒng)。

背景技術(shù)：

1、根據(jù)口腔疾病調(diào)查報(bào)告顯示，全球有將近百分之九十的人群存在一定程度的口腔問題，其中有不少人需要進(jìn)行齒科治療。目前，針對(duì)錯(cuò)頜畸形等口腔疾病，越來越多的患者選擇進(jìn)行口腔牙齒矯正。然而，患者的牙齒錯(cuò)頜畸形情況各不相同，需要綜合考慮患者的牙齒情況、面部情況、ct影像數(shù)據(jù)、核磁共振數(shù)據(jù)等才能給出全面的診斷報(bào)告，這需要花費(fèi)醫(yī)生大量時(shí)間。單純依靠醫(yī)生判斷，不同的醫(yī)生容易給出不同的診斷及治療方案，很難形成一個(gè)標(biāo)準(zhǔn)的診斷報(bào)告及治療方案。因此，如何開發(fā)一款可以綜合考慮患者的臨床資料，給出準(zhǔn)確的輔助診斷報(bào)告和輔助治療方案，是目前臨床中需要面對(duì)的難題。隨著人工智能技術(shù)的發(fā)展，為基于現(xiàn)有臨床口腔診療大數(shù)據(jù)，開發(fā)一種能夠生成自動(dòng)生成口腔正畸診斷報(bào)告及治療建議的系統(tǒng)提供了可能。然而，能否利用人工智能獲取準(zhǔn)確、有效的牙齒相關(guān)特征，對(duì)生成的診斷報(bào)告和治療建議的結(jié)果的準(zhǔn)確性影響很大。目前的方案所獲取的牙齒相關(guān)特征單一，覆蓋面不夠廣，導(dǎo)致生成結(jié)果可靠性不高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于人工智能的口腔正畸診療報(bào)告生成方法及系統(tǒng)，基于臨床多模態(tài)數(shù)據(jù)以及專家知識(shí)訓(xùn)練一種多任務(wù)深度學(xué)習(xí)網(wǎng)絡(luò)模型，以實(shí)現(xiàn)口腔正畸診療過程中所需多種參數(shù)的自動(dòng)計(jì)算，并生成相應(yīng)的診斷報(bào)告及后續(xù)診療建議，可解決現(xiàn)有技術(shù)中存在的診斷費(fèi)事費(fèi)力、診斷標(biāo)準(zhǔn)不一致的問題以及診斷準(zhǔn)確性差的問題。

2、本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

3、根據(jù)本發(fā)明的第一方面，提供了一種基于人工智能的口腔正畸診療報(bào)告生成方法，該方法包括以下步驟：

4、獲取歷史正畸相關(guān)臨床數(shù)據(jù)，并對(duì)所述臨床數(shù)據(jù)進(jìn)行預(yù)處理；

5、獲取對(duì)應(yīng)于歷史正畸相關(guān)臨床數(shù)據(jù)的診療數(shù)據(jù)，并對(duì)所述診療數(shù)據(jù)進(jìn)行預(yù)處理；

6、構(gòu)建基于人工智能的多任務(wù)學(xué)習(xí)模型，所述多任務(wù)學(xué)習(xí)模型的輸入為多模態(tài)數(shù)據(jù)，包括預(yù)處理后的臨床數(shù)據(jù)和診療數(shù)據(jù)，所述多任務(wù)學(xué)習(xí)模型的輸出為多個(gè)臨床診療指征，包括牙齒的擁擠度、深覆頜、深覆蓋、開頜、錯(cuò)頜畸形類型、骨性和側(cè)貌面型中的一種或多種；

7、構(gòu)建因果模型，所述因果模型的輸入為所述臨床診療指征以及行業(yè)診療標(biāo)準(zhǔn)，所述因果模型的輸出為所述臨床診療指征所對(duì)應(yīng)的治療方案；

8、基于已獲取的臨床數(shù)據(jù)和診療數(shù)據(jù)訓(xùn)練所述多任務(wù)學(xué)習(xí)模型和因果學(xué)習(xí)模型；

9、獲取當(dāng)前患者的正畸相關(guān)臨床數(shù)據(jù)，并對(duì)所述臨床數(shù)據(jù)進(jìn)行預(yù)處理后，輸入訓(xùn)練完成的多任務(wù)學(xué)習(xí)模型和因果模型，得到輔助診療方案，生成當(dāng)前患者的診療報(bào)告。

10、作為優(yōu)選的技術(shù)方案，所述的正畸相關(guān)臨床數(shù)據(jù)至少包括口內(nèi)牙齒圖片、面部照片、口掃數(shù)據(jù)、牙齒cbct數(shù)據(jù)、頭顱定位正側(cè)位片、口腔全景片、顳下頜磁共振數(shù)據(jù)和病史資料中的兩種。

11、作為優(yōu)選的技術(shù)方案，所述的口內(nèi)牙齒圖片至少包括數(shù)碼相機(jī)拍攝的上牙列像、下牙列像、口內(nèi)右側(cè)位像、口內(nèi)左側(cè)位像、口內(nèi)正位像、面部正面像、面部側(cè)面像、面部微笑像中的兩種。

12、作為優(yōu)選的技術(shù)方案，所述的多任務(wù)學(xué)習(xí)模型包括多模態(tài)特征提取模塊和多模態(tài)特征融合模塊，所述多模態(tài)特征提取模塊采用神經(jīng)網(wǎng)絡(luò)提取初級(jí)特征，并采用大模型提取深度特征，所述多模態(tài)特征融合模塊將多模態(tài)特征提取模塊提取到的特征按照數(shù)據(jù)模態(tài)的重要性進(jìn)行融合。

13、作為優(yōu)選的技術(shù)方案，所述的數(shù)據(jù)模態(tài)的重要性依據(jù)臨床診療經(jīng)驗(yàn)，通過權(quán)重進(jìn)行設(shè)置。

14、作為優(yōu)選的技術(shù)方案，所述的預(yù)處理包括：對(duì)面部照片、口內(nèi)牙齒圖片或其他影像圖片進(jìn)行去噪、標(biāo)準(zhǔn)化；利用自然語言處理從病史資料、診療數(shù)據(jù)中提取關(guān)鍵文本信息。

15、作為優(yōu)選的技術(shù)方案，所述的診療報(bào)告包括患者信息和輔助診療建議，以及患者面部照片分析結(jié)果、口內(nèi)牙齒照片分析結(jié)果、牙齒影像分析結(jié)果、頭影測(cè)量分析結(jié)果中的至少一種，根據(jù)輸入的當(dāng)前患者的正畸相關(guān)臨床數(shù)據(jù)類型確定。

16、作為優(yōu)選的技術(shù)方案，所述的診療報(bào)告包括手動(dòng)添加的專業(yè)口腔醫(yī)生的反饋意見，所述反饋意見用以動(dòng)態(tài)優(yōu)化所述多任務(wù)學(xué)習(xí)模型和因果模型。

17、作為優(yōu)選的技術(shù)方案，所述牙齒的擁擠度表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差，劃分為三度，i度擁擠表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差為2～4mm，ii度擁擠表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差為4～8mm；iii度擁擠表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差為8mm以上，其中，所述牙冠寬度為牙齒近遠(yuǎn)中向牙冠鄰面最突點(diǎn)間的距離，所述牙弓現(xiàn)有弧形的長(zhǎng)度為第一磨牙近中接觸點(diǎn)開始沿前磨牙面至尖牙牙尖再沿上頜切牙切緣至對(duì)側(cè)第一磨牙近中接觸點(diǎn)的距離。

18、根據(jù)本發(fā)明的第二方面，提供了一種基于人工智能的口腔正畸診療報(bào)告生成系統(tǒng)，用于實(shí)現(xiàn)如上所述的方法，該系統(tǒng)包括：

19、數(shù)據(jù)獲取模塊：獲取歷史正畸相關(guān)臨床數(shù)據(jù)以及對(duì)應(yīng)于歷史正畸相關(guān)臨床數(shù)據(jù)的診療數(shù)據(jù)；

20、數(shù)據(jù)預(yù)處理模塊：對(duì)所述臨床數(shù)據(jù)和診療數(shù)據(jù)進(jìn)行預(yù)處理；

21、模型構(gòu)建模塊：包括多任務(wù)學(xué)習(xí)模型構(gòu)建子模塊和因果模型構(gòu)建子模塊，其中，所述多任務(wù)學(xué)習(xí)模型構(gòu)建子模塊用于構(gòu)建基于人工智能的多任務(wù)學(xué)習(xí)模型，所述多任務(wù)學(xué)習(xí)模型的輸入為多模態(tài)數(shù)據(jù)，包括預(yù)處理后的臨床數(shù)據(jù)和診療數(shù)據(jù)，所述多任務(wù)學(xué)習(xí)模型的輸出為多個(gè)臨床診療指征，包括牙齒的擁擠度、深覆頜、深覆蓋、開頜、錯(cuò)頜畸形類型、骨性和側(cè)貌面型中的一種或多種；所述因果模型構(gòu)建子模塊用于構(gòu)建因果模型，所述因果模型的輸入為所述臨床診療指征以及行業(yè)診療標(biāo)準(zhǔn)，所述因果模型的輸出為所述臨床診療指征所對(duì)應(yīng)的治療方案；

22、模型優(yōu)化模塊：基于已獲取的臨床數(shù)據(jù)和診療數(shù)據(jù)訓(xùn)練所述多任務(wù)學(xué)習(xí)模型和因果學(xué)習(xí)模型；

23、報(bào)告生成模塊：包括診斷報(bào)告生成子模塊和治療報(bào)告生成子模塊，用于獲取當(dāng)前患者的正畸相關(guān)臨床數(shù)據(jù)，并對(duì)所述臨床數(shù)據(jù)進(jìn)行預(yù)處理后，輸入訓(xùn)練完成的多任務(wù)學(xué)習(xí)模型和因果模型，診斷報(bào)告生成子模塊調(diào)用多任務(wù)學(xué)習(xí)模型的輸出生成輔助診斷報(bào)告，治療報(bào)告生成子模塊調(diào)用因果模型的輸出生成輔助治療方案，根據(jù)輔助診斷報(bào)告和輔助治療方案生成當(dāng)前患者的診療報(bào)告。

24、與現(xiàn)有技術(shù)相比，本發(fā)明可以充分利用多模態(tài)數(shù)據(jù)識(shí)別臨床診療指征，該指征能夠全面、準(zhǔn)確的表征口腔正畸相關(guān)特征，從而能夠自動(dòng)生成準(zhǔn)確、有效的診療報(bào)告，幫助口腔醫(yī)生快速給出診斷意見，節(jié)約患者的門診時(shí)間，提升就診質(zhì)量。

技術(shù)特征：

1.一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，該方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述的正畸相關(guān)臨床數(shù)據(jù)至少包括口內(nèi)牙齒圖片、面部照片、口掃數(shù)據(jù)、牙齒cbct數(shù)據(jù)、頭顱定位正側(cè)位片、口腔全景片、顳下頜磁共振數(shù)據(jù)和病史資料中的兩種。

3.根據(jù)權(quán)利要求2所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述的口內(nèi)牙齒圖片至少包括數(shù)碼相機(jī)拍攝的上牙列像、下牙列像、口內(nèi)右側(cè)位像、口內(nèi)左側(cè)位像、口內(nèi)正位像、面部正面像、面部側(cè)面像、面部微笑像中的兩種。

4.根據(jù)權(quán)利要求1所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述的多任務(wù)學(xué)習(xí)模型包括多模態(tài)特征提取模塊和多模態(tài)特征融合模塊，所述多模態(tài)特征提取模塊采用神經(jīng)網(wǎng)絡(luò)提取初級(jí)特征，并采用大模型提取深度特征，所述多模態(tài)特征融合模塊將多模態(tài)特征提取模塊提取到的特征按照數(shù)據(jù)模態(tài)的重要性進(jìn)行融合。

5.根據(jù)權(quán)利要求4所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述的數(shù)據(jù)模態(tài)的重要性依據(jù)臨床診療經(jīng)驗(yàn)，通過權(quán)重進(jìn)行設(shè)置。

6.根據(jù)權(quán)利要求1所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述的預(yù)處理包括：對(duì)面部照片、口內(nèi)牙齒圖片或其他影像圖片進(jìn)行去噪、標(biāo)準(zhǔn)化；利用自然語言處理從病史資料、診療數(shù)據(jù)中提取關(guān)鍵文本信息。

7.根據(jù)權(quán)利要求1所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述的診療報(bào)告包括患者信息和輔助診療建議，以及患者面部照片分析結(jié)果、口內(nèi)牙齒照片分析結(jié)果、牙齒影像分析結(jié)果、頭影測(cè)量分析結(jié)果中的至少一種，根據(jù)輸入的當(dāng)前患者的正畸相關(guān)臨床數(shù)據(jù)類型確定。

8.根據(jù)權(quán)利要求1所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述的診療報(bào)告包括手動(dòng)添加的專業(yè)口腔醫(yī)生的反饋意見，所述反饋意見用以動(dòng)態(tài)優(yōu)化所述多任務(wù)學(xué)習(xí)模型和因果模型。

9.根據(jù)權(quán)利要求1所述的一種基于人工智能的口腔正畸診療報(bào)告生成方法，其特征在于，所述牙齒的擁擠度表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差，劃分為三度，i度擁擠表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差為2～4mm，ii度擁擠表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差為4～8mm；iii度擁擠表示牙冠寬度的總和與牙弓現(xiàn)有弧形的長(zhǎng)度之差為8mm以上，其中，所述牙冠寬度為牙齒近遠(yuǎn)中向牙冠鄰面最突點(diǎn)間的距離，所述牙弓現(xiàn)有弧形的長(zhǎng)度為第一磨牙近中接觸點(diǎn)開始沿前磨牙面至尖牙牙尖再沿上頜切牙切緣至對(duì)側(cè)第一磨牙近中接觸點(diǎn)的距離。

10.一種基于人工智能的口腔正畸診療報(bào)告生成系統(tǒng)，其特征在于，用于實(shí)現(xiàn)如權(quán)利要求1-9中任一所述的方法，該系統(tǒng)包括：

技術(shù)總結(jié)
本發(fā)明涉及一種基于人工智能的口腔正畸診療報(bào)告生成方法及系統(tǒng)，其中方法包括以下步驟：獲取歷史正畸相關(guān)臨床數(shù)據(jù)和對(duì)應(yīng)診療數(shù)據(jù)，并進(jìn)行預(yù)處理；構(gòu)建基于人工智能的多任務(wù)學(xué)習(xí)模型，輸入為包括臨床數(shù)據(jù)和診療數(shù)據(jù)的多模態(tài)數(shù)據(jù)，輸出為多個(gè)臨床診療指征；構(gòu)建因果模型，輸入為所述臨床診療指征以及行業(yè)診療標(biāo)準(zhǔn)，輸出為所述臨床診療指征所對(duì)應(yīng)的治療方案；基于已獲取的臨床數(shù)據(jù)和診療數(shù)據(jù)訓(xùn)練多任務(wù)學(xué)習(xí)模型和因果學(xué)習(xí)模型；獲取當(dāng)前患者的正畸相關(guān)臨床數(shù)據(jù)，并進(jìn)行預(yù)處理后，輸入訓(xùn)練完成的多任務(wù)學(xué)習(xí)模型和因果模型，得到輔助診療方案，生成當(dāng)前患者的診療報(bào)告。與現(xiàn)有技術(shù)相比，本發(fā)明具有生成的輔助診療結(jié)果準(zhǔn)確性高等優(yōu)點(diǎn)。

技術(shù)研發(fā)人員：房兵,肖圣釗,夏倫果,石汶軒
受保護(hù)的技術(shù)使用者：上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15