冠冕堂皇的成就:使用對抗神經網路為患者量身製作牙冠

作者 Tony Kontzer

不久前你嘴裡的假牙牙冠(俗稱牙套)還是在組裝線上生產,一大群工人進行著體力勞動,揮舞雙手來製作和塑型。

牙科產品製造商 Glidewell Laboratories 不斷為了設計和製造牙套一事建立深度學習環境,以求縮短這個過程的時間,還有製作出更精準、成本更低廉的產品。

Glidewell 在過去的十年裡,使用大量自動化機器人來製作牙套,使用電腦輔助設計與製造軟體來加快速度。但由於人們有著各式需求,還是需要極為精細的手藝來雕琢產品。

日產量達一萬個單位的 Glidewell,有充足的理由希望以系統化的方式,為雕琢產品的過程創造更高的一致性。

Glidewell 為此正在訓練有著 GPU 助力的生成對抗網路,這套神經網路擅長從影像重建出精細的 3D 立體模型。Glidewell 的機器學習團隊負責人 Sergei Azernikov 表示,Glidewell 不久後就會準備好現場製作人工智慧設計出的牙套。Azernikov 上個月出席在矽谷舉行的 GPU 技術大會發表演講。

Azernikov 說:「在不久的將來,我們便會以完全自動化的方式為客戶進行製作,所有事情都由智慧系統來處理。

Glidewell 在訓練神經網路方面遇到了一些特別的難題,因為它實際上並不適用於影像。它的資料是 3D 網格的形式,不適合以神經網路來運作。

Azernikov 說他和他的團隊一開始試著將網格轉成影像,但他們發現每次改變渲染時,都得修改模型。後來他們又試著使用體素化技術來優化模型,依舊沒有產生出預期的結果。

他們最後決定將網格轉成深度圖,更好地重現牙齒的輪廓與細微之處(大多數牙套都是用在臼齒上)。

必須達到極為精細的程度,以確保牙套符合三項考慮因素:形狀能巧妙卡入相鄰的牙齒之間、與相對的牙齒對稱,還有其力學形態能有效進行撕咬和咀嚼。

將深度圖搭配 GAN 一起使用,其中一個神經網路生成影像,另一個進行檢查,產生出的牙套比起原本要替換的牙齒,在解剖結構上更為精細。生成網路的任務是隨機進行輸出,讓用於檢查的神經網路盡量發生錯誤,長期下來才能變得愈來愈精確。

這招雖然效果不錯,對於下層的深度學習過程卻有著更多要求。

「訓練一套神經網路已屬不易,同時訓練兩套更為困難。」Azernikov 說。

Glidewell 已經看到令人驚艷的成果。三年前該公司先開始使用人工智慧進行試驗,在 CPU 上對神經網路進行初步訓練,花了六週的時間。改用第一代的 NVIDIA TITAN GPU,將時間縮短為六天。後來又將 NVIDIA TITAN X 搭配 NVIDIA 的 cuDNN 深度學習函式庫,將訓練時間減少為兩天半。

Azernikov 表示還是在本地使用 TITAN X 進行訓練作業,推論作業則是在該公司特別訂製的 Amazon Web Services 環境裡進行,該環境運行了多種 NVIDIA GPU。他的團隊還使用 TensorRT(搭配 CUDA runtime)來加快推論作業的速度。

「推論作業對我們來說極為重要。訓練只要一次,推論作業則是要花上數個月的時間。」他說。

Azernikov 希望 Glidewell 的患者在今年能用到人工智慧設計出的牙套產品,期待它將會過去有著不少變數的產品類別帶來更高的可靠性。

「人工智慧的最大優勢在於,一旦你訓練好了,在任何情況下它都能維持穩定的表現。」Azernikov 說。