通常來講，每一名為患者設計缺失牙齒的技術人員需要經過長達數年的訓練，且設計出一個符合要求的牙齒也是非常耗時的。為了解決這一問題，最近流行的生成式對抗網絡（Generative Adversarial Networks, GAN）便派上了用場。近日，
來自加州大學伯克利分校和Glidewell Dental Lab的研究人員建立了一個新型GAN模型，可以自動生成牙冠模型圖。
GAN是一種深度學習模型，通過生成模型（Generative Model）和判別模型（Discriminative Model）的互相博弈對抗來進行輸出。在訓練過程中，研究人員向生成模型中輸入數據來生成圖片，判別模型將對這張圖片的真實性進行判別。生成模型的目標就是儘量生成真實的圖片去欺騙判別模型，而判別模型的目的就是儘量把生成模型輸出的圖片和真實的圖片區分開來。這樣，二者就構成了一個動態的“博弈過程”。在最理想的狀態下，訓練的最終結果就是生成模型能夠輸出一張圖片，而判別模型無法判斷這張圖片的真實性，那麼這張生成的圖片就足夠“以假亂真”了。
訓練GAN模型的過程示意圖（圖片來源：arXiv.org）
而這一技術對於生成牙冠模型圖來說非常適合。研究人員使用了1500組口腔上下頜圖像對GAN模型進行訓練，這其中既包括牙齒完好的圖像，也包括牙齒缺失的圖像。同時，研究人員使用了另外1570組圖像對模型進行驗證，最後再使用243組進行測試。
在完成了模型的訓練之後，研究人員就要對該模型進行實際應用了。首先，研究人員對缺失牙齒部位的上下頜，以及上下頜間的距離進行掃描，從而生成二維圖像，然後利用經過訓練的GAN中的生成模型來預測最符合的牙冠圖像。最後，研究人員利用計算機輔助設計（CAD）工具將生成的二維冠狀曲面轉化為3D模型。
研究人員已經把人工智能生成的圖像與人類技術人員製作的牙冠進行了比較，結果發現人工智能圖像中牙齒的細節更加豐富，且更加適應咬合和咀嚼等動作 。目前，這一GAN模型已經在真正的牙齒上進行了內部測試和臨床驗證。
▲該研究的共同作者之一、Glidewell機器學習團隊主管Sergei Azernikov博士（圖片來源：LinkedIn）
“利用最新的技術，醫生有望獲得更加準確的結果，這意味著患者將能夠得到更好的治療，”該研究的共同作者之一、Glidewell機器學習團隊主管Sergei Azernikov博士表示：“
人工智能很快就會以多種不同的方式應用於牙科領域，並將產生非常深遠的影響。醫生花費在日常任務上的時間將會大幅縮短，從而能夠讓他們用更多的時間來對患者進行診斷和治療。”[1] Can you handle the tooth? AI helps dentists design fake gnashers
[2] Learning Beyond Human Expertise with Generative Models for Dental Restorations
閱讀更多 藥明康德 的文章
