CN109767841B - 一种基于颅颌面三维形态数据库的相似模型检索方法及装置 - Google Patents
一种基于颅颌面三维形态数据库的相似模型检索方法及装置 Download PDFInfo
- Publication number
- CN109767841B CN109767841B CN201910035136.9A CN201910035136A CN109767841B CN 109767841 B CN109767841 B CN 109767841B CN 201910035136 A CN201910035136 A CN 201910035136A CN 109767841 B CN109767841 B CN 109767841B
- Authority
- CN
- China
- Prior art keywords
- skull
- repaired
- dimensional
- model
- normalized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种基于颅颌面三维形态数据库的相似模型检索方法及装置,所述方法通过在预设数据库中检索与待修复头颅最接近的头颅模型,从而在患者双侧创伤或缺损的情况下,检索并生成个性化的面部缺损手术设计用模板,以保证术后颅面部的对称性,最大程度避免面部不对称畸形及复视、张口受限等问题。
Description
技术领域
本申请属于医学图像生成与应用领域,特别涉及一种基于颅颌面三维形态数据库的相似模型检索方法及装置。
背景技术
颅面部,作为一个社会人身份识别的要素,也作为外表美丽的重要窗口,它的健康和美观对于人的生理状态、社会状态、心理状态都具有重要的意义。颅面部结构的对称性,不仅是美观的需求,也是良好行使功能的必要条件。
对于单侧面部缺损、创伤、畸形等,现有技术方法较为成熟,可以通过校准CT标准头位,利用镜像健侧的方法,获得模版作为修复重建的参考目标,进行导航设计,采用导板引导或者术中导航辅助精准修复,且其效果已经得到广泛认可,明显优于传统经验手工操作。
而对于双侧创伤或缺损,由于缺乏健侧数据作为参照,尚无公认方法进行术前设计,目前仍是治疗难点,在术前术后主要存在以下问题:1)由于面部骨骼双侧形态均不规则,缺乏健侧特征性标志指导整复;2)在无参考及术前设计的情况下,手术困难,手术时间长,创伤大;3)术后易造成面部不对称畸形、张口受限、视觉和咀嚼等功能异常。
因此,亟需开发一种能够在患者双侧创伤或缺损的情况下,检索并生成个性化的面部缺损手术设计用模板,以保证术后颅面部的对称性,最大程度避免面部不对称畸形及复视、张口受限等问题的方法。
发明内容
本申请提供一种基于颅颌面三维形态数据库的相似模型检索方法,所述方法通过在预设数据库中检索与待修复头颅最接近的头颅模型,从而在患者双侧创伤或缺损的情况下,检索并生成个性化的面部缺损手术设计用模板,以保证术后颅面部的对称性,最大程度避免面部不对称畸形及复视、张口受限等问题。
本申请的目的在于提供以下几个方面:
第一方面,本申请提供一种基于颅颌面三维形态数据库的相似模型检索方法,所述方法包括:获取所述待修复头颅的三维形态影像和预设数据库,所述预设数据库包括多个健康头颅模型的三维形态影像以及预设三维特征信息,所述预设三维特征信息为在每个健康头颅模型的三维形态影像中提取的三维特征信息;提取待修复三维特征信息,所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息;获取归一化预设三维特征信息和归一化待修复信息,所述归一化三维特征信息为预设三维特征信息归一化处理而得,所述归一化待修复信息为待修复三维特征信息归一化处理而得;根据所述归一化预设三维特征信息和归一化待修复信息依次计算所述预设数据库中每个健康头颅模型与所述待修复头颅的相似度;获取候选头颅模型,所述候选头颅模型为与所述待修复头颅相似度最高的若干个健康头颅模型;按照预设规则从所述候选头颅模型中选取目标头颅模型。
在本方面中,通过计算相似度从归一化预设数据库中选择一系列候选头颅模型,再结合具体情况从候选头颅模型中选择出一个目标头颅模型,从而,为双侧创伤或者缺损的待修复头颅提供手术设计模板。
结合第一方面,在第一方面一种可能的实现方式中,所述获取所述待修复头颅的三维形态影像包括:获取待修复头颅的CT数据;对所述待修复头颅的CT数据进行预处理;根据预处理后的待修复头颅CT数据生成所述待修复头颅的三维形态影像。
在本实现方式中,通过对待修复头颅的CT数据进行预处理:选择CT数据上的CT值(Hu)阈值范围为骨的阈值范围进行区域选择,选择头颅颌面骨的连续区域,去除碎片,在所述待修复头颅CT数据中标示蝶鞍中心点,将所选区域进行三维重建,通过预处理修补三维形态上的瑕疵,使生成的待修复头颅的三维形态影像完整,无空洞等缺陷,便于后续操作。
结合第一方面,在第一方面另一种可能的实现方式中,所述对所述待修复头颅的CT数据进行预处理包括:在所述待修复头颅CT数据中标示蝶鞍中心点;调整所述待修复头颅CT数据的三维重建阈值范围。在本实现方式中,由于不同仪器采集的CT数据,在某些阈值的设定上会有不同,甚至,同一检查对象在同一仪器上两次采集的CT数据的阈值也可能不同,因此,对三维重建的阈值进行微调至相同。
结合第一方面,在第一方面另一种可能的实现方式中,在获取预设数据库之前还包括:获取健康头颅模型CT数据;根据所述健康头颅模型CT数据生成该健康头颅模型的三维形态影像;在每个健康头颅模型的三维形态影像中选取标准特征标志点;获取每个健康头颅模型对应的预设三维标准特征标志点的特征信息,所述预设三维特征信息包括:线距、角度、比例参数以及每个预设特征标志点坐标;根据每个健康头颅模型的三维形态影像以及预设三维特征信息生成预设数据库。
在本实现方式中,在所述健康头颅模型的三维形态影像上标示常用的特征标志点,并提取和记录这些特征标志点对应的特征信息,避免在每次检索时进行重复性操作,便于后续使用。
结合第一方面,在第一方面另一种可能的实现方式中,所述提取待修复三维特征信息包括:在所述待修复头颅的三维形态影像上标示多个待修复特征标志点;获取所述待修复头颅的待修复三维特征信息,所述待修复三维特征信息包括线距、角度、比例参数以及每个特征标志点坐标。
在本实现方式中,在所述待修复头颅的三维形态影像上标示与健康头颅模型上对应的特征标志点,从而为计算待修复头颅与健康头颅模型的相似度提供基础。
结合第一方面,在第一方面另一种可能的实现方式中,所述获取归一化预设三维特征信息包括:获取所述健康头颅模型的当前坐标,所述当前坐标为所述健康头颅模型上所有数据点在当前坐标系中坐标;根据所述当前坐标生成归一化坐标,所述归一化坐标为当前数据点在归一化坐标系中的坐标。
在本实现方式中,由于健康头颅模型可能采自不同的仪器,或者虽然使用的是相同仪器,但是不同被采集者的位置等会有些许不同,因此,即使均将蝶鞍中心点校正至相同坐标系的原点上,但是各个健康头颅模型的三维形态影像在同一坐标系中的方向可能会稍有不同,由于位置的细小差异,由不同头颅或者同一头颅不同采集时间采集的CT数据所生成的三维形态影像在同一坐标系中的位置不同,或者方向角度不同,因此,本申请通过归一化的方法,具体地,通过标示待修复头颅的蝶鞍中心点使得所述待修复头颅的三维形态影像与归一化数据库中的头颅模型的三维形态影像建立于相同的坐标系中,将所述蝶鞍中心点校正至所述坐标系的原点上,将所有健康头颅模型的三维形态影像的方向调整为相同,从而使所有健康头颅模型的特征标志点的位置坐标具有可比性,使待修复头颅与健康头颅模型具有可比性,为计算相似度提供准确的基础。
结合第一方面,在第一方面另一种可能的实现方式中,所述根据所述当前坐标生成归一化坐标包括根据下列式I计算当前数据点的归一化坐标:
结合第一方面,在第一方面另一种可能的实现方式中,所述计算备选头颅模型与所述待修复头颅的相似度包括:选择参与计算的待修复特征标志点和参与计算的备选特征标志点,其中,所述参与计算的待修复特征标志点为按照第一预设条件从待修复信息中选取的三维特征标志点,所述参与计算的备选特征标志点为按照第二预设条件在健康头颅模型上选取的三维特征标志点;分别获取参与计算的待修复标志点对应的待修复归一化坐标Pi(xi,yi,zi)以及参与计算的备选标志点对应的备选模型归一化坐标P‘i(x′i,y′i,z′i),其中,所述待修复归一化坐标为所述参与计算的待修复特征标志点在归一化坐标系中的坐标,所述备选模型归一化坐标为所述参与计算的备选头颅模型特征标志点在归一化坐标系中的坐标,其中,i=1,2,3…n,n为参与计算的特征标志点的个数;利用备选模型归一化坐标以及待修复归一化坐标分别计算每个备选头颅模型与所述待修复头颅的相似度,所述相似度为待修复特征标志点与所述模型特征标志点的距离。
在本实现方式中,所述第一预设条件与所述第二预设条件可以相同也可以不同,优选为相同,以便于从待修复头颅以及备选头颅中选取的特征标志点相对应,使得待修复头颅与备选头颅的相似度更准确。
在本实现方式中,由于颅颌面的形态与其功能的实现具有十分复杂的联系,即使是形态比例均十分相似,但是由于绝对尺寸的差异,采用这个健康头颅模型也可能导致待修复头颅在修复完成后,某些功能不能复健,如张口受限、视觉和咀嚼等功能异常,从而这些健康头颅模型不能作为待修复头颅的手术设计用模板。因此,本申请选择待修复特征标志点与所述模型特征标志点的距离作为相似度,兼顾形态比例和绝对尺寸两方面因素,为待修复头颅寻找最为可靠的手术设计用模板。
结合第一方面,在第一方面一种可能的实现方式中,计算每个备选头颅模型与所述待修复头颅的相似度包括根据下列式II和式III计算每个备选头颅模型与所述待修复头颅的相似度F:
F=∑Ei/n 式II
其中,F表示当前备选头颅模型与所述待修复头颅的相似度;
Ei表示待修复头颅的当前特征标志点与当前备选头颅模型上对应的参与计算的特征标志点之间的欧几里得距离,
i=1,2,3…n,其中,n为参与计算的特征标志点的个数。
本申请提供的检索方法,能够在预设数据库中寻找到与待修复头颅最为相似的健康头颅模型,该健康头颅模型可以作为双侧均遭创伤或者缺损的待修复头颅的手术设计模板,最大限度地减少待修复头颅术后可能会产生的张口受限、视觉和咀嚼等功能异常。
第二方面,本申请还提供一种基于颅颌面三维形态数据库的相似模型检索装置,所述装置包括:获取单元,用于获取所述待修复头颅的三维形态影像和预设数据库,所述预设数据库包括多个健康头颅模型的三维形态影像以及预设三维特征信息;处理单元,用于提取待修复三维特征信息;获取归一化预设三维特征信息和归一化待修复信息;根据所述归一化预设三维特征信息和归一化待修复信息依次计算所述预设数据库中每个健康头颅模型与所述待修复头颅的相似度;获取候选头颅模型;按照预设规则从所述候选头颅模型中选取目标头颅模型;其中,所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息;所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息;所述归一化三维特征信息为预设三维特征信息归一化处理而得,所述归一化待修复信息为待修复三维特征信息归一化处理而得;所述候选头颅模型为与所述待修复头颅相似度最高的若干个候选头颅模型。
与现有技术相比,本申请提供的检索方法所使用的预设数据库是基于大量健康头颅基础建立的,所述预设数据库中的三维形态影像是以CT数据为基础,利用三维重建模块生成的,所述三维形态影像的细节较人工绘制的三维形态模型更加丰富、真实和客观;本申请提供的检索方法操作简单快捷,对于每个待修复头颅,当对所述待修复头颅的特征标志点提取以及在所述预设数据内检索到合适的手术设计模板用时一般不超过10分钟,节省大量人力成本;而且,检索到的手术设计模板个性化程度高,具有针对性。
附图说明
图1示出本申请实施例一种半自动标记标准特征标志点的程序界面;
图2示出本申请实施例一处基于颅颌面三维形态数据库的相似模型检索方法的处理流程。
具体实施方式
为了使本技术领域的人员更好地理解本申请实施例中的技术方案,并使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中的技术方案作进一步详细的说明。
在对本申请实施例的技术方案说明之前,首先对本申请实施例的技术场景做简要说明。
人颅面部的形态特征十分复杂,虽然所有人的颅面部具有明显的共性特征,但是每个人的颅部又具有非常明显的个性特征,而张口、视觉和咀嚼等功能需要与颅面部的个性特征相适配才能够正常发挥。由于创伤、肿瘤、炎症等疾病可以导致面部骨组织、软组织的大范围缺损,其重建修复效果依赖于对原有组织的形态解剖分析、供体的形态设计、供体存活条件(血供)、功能分析和美观设计。
由于,对于复杂的颅面三维结构和颅面畸形的认识不仅需要医生和专业人士定性、定位的观察,更需要定量化准确的描述。传统方案中,通常为医生凭借经验制定手术设计模板,这就增加了手术风险和预后的不确定性。
本申请应用于医学图像生成与应用领域,特别涉及基于颅颌面三维形态数据库的相似模型检索,通过计算待修复头颅与健康头颅模型的相似度,从预设数据库中检索出与待修复头颅最为相似的健康头颅,从而为修复所述待修复头颅提供可靠的手术设计模板,更贴切地恢复双侧大范围缺损患者正常的解剖形态,减少术后患者颅颌面部的畸形和功能异常。
本实施例提供的方法涉及对待修复头颅的三维形态影像以及预设数据库中健康头颅模型的三维形态影像处理,所述待修复头颅的三维形态影像可以通过CT(ComputedTomography,电子计算机断层扫描),也可以以其他三维形态影像采集设备采集而得,例如核磁共振成像等数据为基础进行三维重建而得,同样地,所述健康头颅模型的三维形态影像可以是通过三维形态影像采集设备采集而得,也可以以CT数据为基础进行三维重建而得。
在本实施例中,所述CT数据可以是通过CT设备采集而得的,需要说明的是,对于同一患者而言,使用不同的CT设备采集到的CT数据可能是不同的,不同患者使用相同CT设备采集到的CT数据不同,同一患者使用同一CT设备采集到的CT数据可能相同也可能不同。
在本实施例中,所述健康头颅模型不是人为设计的头颅模型,而是采集得到的颅颌面功能正常人群的头颅数据,所述颅颌面功能正常人群是指至少有一部分颅颌面功能是正常的,允许有一部分颅颌面功能有缺损,但是这些缺损并不妨碍功能正常部分作为手术设计模板。例如,该患者患有腮腺肿瘤,但是该患者的眶壁骨、颌骨等均正常,则这些正常部位对应的功能也都正常,则该患者也可以为认为是正常人群。
本申请的整体流程可以包括两部分处理过程,分别是预设数据库建立过程和在预设数据库中检索目标头颅模型过程。
本实施例提供的数据库建立方法,可以为修复颅面部缺损的手术设计提供数据基础,所述方法的执行主体可以是包括显示器的终端,该终端的形态包括并不限于电脑或手机。
所述预设数据库建立包括:
S101,获取健康头颅模型CT数据。在本实施例中,所采集CT数据的扫描基线可以是听眦线,也可以是听眉线,在本实施例中以听眦线为例进行说明。听眦线为CT扫描中是最为常用的基本扫描基线。所采集的CT数据没有明显的数据缺失,扫描层厚小于或等于2mm,以避免由于扫描层厚过厚导致重建而得的模型精度太低,进一步导致后续特征点的提取误差超过2mm,CT数据的格式可以为Dicom标准格式。
在本实施例中,所述健康头颅模型CT数据通常需要数据完整,扫描范围包含自眶上至颏下,牙尖交错位;扫描基线为听眦线,磨牙大致中性关系,覆盖基本正常,双侧基本对称;无CT可见的手术史;可以有软组织小肿物或异常存在,但无骨质受累、骨折及骨质缺损。
在本实施例中排除以下任意一种情形的CT数据:
(1)CT数据严重缺损,存在无法修复的伪影及其他影响重建和重要标志点选取的情况;
(2)严重骨性畸形、发育异常及骨组织肿瘤等疾病;
(3)软组织肿物累及骨质,骨质有破坏或受压改变;
(4)乳牙列及混合牙列儿童。
例如,用于本实施例的一个CT数据是根据以下参数获得的:
16排螺旋CT(Siemens,Germany),扫描电压为120kV,扫描电流>200mA,矩阵512×512,扫描层厚1.25mm。
在上述参数下获得的CT数据完整,扫描范围包含自眶上至颏下,牙尖交错位;扫描基线为听眦线,磨牙大致中性关系,覆盖基本正常,双侧基本对称;无CT可见的手术史。
S102,根据所述健康头颅模型CT数据生成该健康头颅模型的三维形态影像。
在本实施例中,所获取的CT数据可以采用网络传输或者采用其它方式传输至处理器,所述CT数据采用通用的Dicom标准格式存储于存储器中,采用预设窗宽、预设窗位和预设界定阈值,以所述CT数据为基础,重建三维颅颌面骨组织,从而生成健康头颅的三维形态影像,所述健康头颅模型的三维形态影像可以以stl格式文件输出并保存于存储器中。
在本实施例中,可以采用现有技术中任意一种基于CT数据进行三维重建的方法来重建三维颅颌面骨组织,可选地,可以采用基于表面绘制的方法重建三维颅颌面骨组织。
在本实施例中,所述预设窗宽为适于观察头颅颅颌面骨形态的窗宽,例如500Hu,所述预设窗位为适于观察颅颌面骨病变情况的窗位,例如+100Hu,界定阈值可以为226~3071Hu。
窗技术是CT检查中用以观察不同密度的正常组织或病变的一种显示技术,包括窗宽和窗位。由于各种组织结构或者病变具有不同的CT值,因此,欲显示某一组织结构细节时,应选择适合观察该组织或者病变的窗宽和窗位,以获得最佳显示。其中,窗宽是CT图像上显示的CT值范围,在此CT值范围内的组织和病变均以不同模拟灰度显示,而CT值高于该范围的上限,均以白影显示,若CT值低于该范围的下限,则均以黑影显示。窗宽增大,CT图像所示的CT值范围增大,显示具有不同密度的组织结构增多,但是各个结构之间的灰度差别减小,减小窗宽,显示具不同密度的组织结构减少,但是各组织之间的灰度差别增加。而窗位是窗的中心位置,同样的窗宽,由于窗位不同,其所包括CT值范围的上下限位置不同,例如,窗宽同为100H,当窗位为0H时,其对应的CT值范围为-50H~+50H,如果窗位为+35H,则其对应的CT值范围为-15H~+85H。
在本实施例中,窗宽采用500Hu,窗位采用+100Hu,界定阈值采用226~3071Hu则可获得颅颌面骨的最佳显示,以此CT数据为基础重建而得的头颅模型三维形态影像能够满足对比分析的需求。
S103,在每个健康头颅模型的三维形态影像中选取标准特征标志点。
在本实施例中,所述标准特征标志点是指从健康头颅模型的三维形态影像上提取的特征标志点,所述特征标志点可以包括颅部标志点、上颌标志点和下颌标志点等,其中,颅部标志点可以包括鼻根点(正中矢状面上鼻额缝最前点)、左右鼻额点(上颌骨额突与鼻额缝的交点)、蝶鞍点(蝶鞍中心点)和颅底点(枕骨大孔前缘中点)等;所述上颌标志点可以包括前鼻棘点(前鼻棘尖部)、上齿槽座点(正中矢状面上前鼻棘与上齿槽缘之间骨的最凹点)、上齿槽缘点(上牙槽空在正中矢状面上的最前点)和上中切牙点(正中矢状面上上中切牙切缘的最前点)等;所述下颌标志点可以包括下切牙点(正中矢状面上下中切牙切缘的最前点)、左右下第一磨牙点(下第一磨牙近中颊尖)、下齿槽缘点(下牙槽突在正中矢状面上的最前点)和下齿槽座点(正中矢状面上下齿槽缘与颏前之间骨的最凹点)等。
在本实施例中,所述标准特征标志点可以是利用现有技术中任意一种自动标记模块在所述健康头颅模型的三维形态影像中自动识别并标记出来,也可以为操作者在所述健康头颅模型的三维形态影像上手动标记,也可以是操作者与计算机交互实现半自动标记。其中,所述半自动标记可以通过以下场景实现,当操作者在健康头颅的三维形态影像中的标准特征标志点时,计算机系统提示第一个标准特征标志点为鼻根点,并提示该标准特征标志点的位置为正中矢状面上鼻额缝最前点,操作者即可根据该提示寻找到该标准特征标志点,依次地,按照上述方式人机互动标记出所有标准特征标志点。本申请人发现,通过操作者与计算机交互半自动标记得到的标准特征标志点既能够避免纯自动标记的机械性而导致的误差,也能够提高操作者的工作效率和准确率。
例如,如图1所示,是一种半自动标记标准特征标志点的程序界面,利用该程序可以多角度清晰地显示健康头颅的三维形态影像,并给以特定角度自然光照,使三维显示效果明显增强,可以自由拖动、旋转缩放图像,以便于在各个角度观察,准确定位特征标志点。
S104,获取每个标准特征标志点的特征信息,所述特征信息包括:标准特征标志点坐标、标准线距、标准角度和标准比例参数。
在本实施例中,在所述健康头颅模型的三维形态影像中标示出标准特征标志点后,提取每个标准特征标志点对应的特征信息,为计算待修复头颅与该健康头颅的相似度提供基础。
在一种实现方式中,所述标准特征标志点坐标为每个标准特征标志点的位置坐标。
所述标准线距为所述健康头颅模型的颅部线距、眶部线距、下颌线距、上颌线距和面高线距等,其中,所述颅部线距具体包括前颅底长、后颅底长和全颅底长,所述眶部线距具体包括左右眶外侧间距、左右眶内侧间距、左右眶高度和左右眶宽度;所述下颌线距具体包括下颌骨宽度、左右下颌支高度、左右下颌支高度和左右下颌体长;所述上颌线距具体包括:上面宽、颧骨宽度、中面宽、上颌宽度、上颌长和上牙槽高度;所述面高线距具体包括:前面高、上前面高、下前面高和后面高。
所述标准角度为所述健康头颅模型的三维形态影像中各结构的夹角,例如在颅部测量的颅底角,在上下颌骨处测量的左右下颌角等。
所述标准比例参数为健康头颅模型的各个线距的比例,例如,前后面高比、前下面高与前面高比、下颌宽度与颧面宽的比、下颌宽度与眶宽度比、下颌宽度与髁突宽度比、颧面宽与眶宽的比和颧面宽与髁突宽度比等。
在一种可实现的方式中,所述标准特征标志点坐标、标准线距、标准角度和标准比例参数可以由软件模块根据提取的特征点计算而得。
S105,根据每个标准特征标志点的特征信息生成预设数据库,所述预设数据库包括多个健康头颅模型特征信息,每个健康头颅模型特征信息包括该健康头颅模型对应的所有标准特征点的特征信息。
在本实施例中,将每个健康头颅模型的三维形态影像与该健康头颅的所有标准特征标志点对应的标准特征信息均形成对应关系,形成包括多个健康头颅模型特征信息的数据库,即为预设数据库。
在本实施例中,根据以上方法建立的预设数据库还可以包括以下三个子系统:(1)患者基本信息子系统、(2)影像资料子系统和(3)手术资料子系统。
在本实施例中,所述患者基本信息子系统包括患者基本信息、患者诊疗信息和患者手术信息等字段,其中,所述患者基本信息包括病历号、患者姓名、患者性别、患者年龄等信息;所述患者诊疗信息包括主诊断等,所述患者手术信息包括手术日期、手术名称、手术虚拟设计照片等。
在一种实现方式中,所述患者基本信息子系统的数据来源可以为患者就诊医院的HIS系统(Hospital Information System,医院信息管理系统),也可以为其它来源。
在本实施例中,所述影像资料系统包含CT数据,所述CT数据采用标准Dicom格式以文件方式存储。由于CT数据影像资料的数据量大,所占用的存储空间大,导致检索速度慢,为使所述预设数据库日常功能高效运行,本实施例中将每个CT数据等影像资料以一个文件方式存储于数据库专用磁盘阵列中,而在预设数据库中仅用必须的字段来存储每个影像资料的相对存储路径,并提供链接地址,使得在进行手术模板设计时能够快速准确地调用所需的影像资料。
在本实施例中,所述手术资料子系统包括患者病史、术前术中术后照片、检查结果、手术虚拟设计数据和模型虚拟手术数据等20余种数据,可选地,这些数据也采用以患者为划分,给每位患者建立一个单独的文件,并以文件的方式存储于数据库专用磁盘阵列中。
在一种实现方式中,所述预设数据库可以根据存储数据类型设计字段类型,根据患者与住院信息一对多关系、患者与影像资料一对多关系、患者与手术信息一对多关系,
在另一种可实现的方式中,所述预设数据库还可以包括存储、检索、插入、更新、删除、统计和输入输出等功能,从而更新所述预设数据库中的信息。
以下对本实施例检索部分进行详细说明。
本申请实施例提供的检索方法,可在患者双侧颅颌面均缺损的情况为其寻找到最可靠的手术设计模板。
如图2所示,所述基于颅颌面三维形态数据库的相似模型检索方法,该方法的执行主体可以是包括显示器的终端,该终端的形态包括并不限于电脑或手机。
所述方法包括:
S201,获取所述待修复头颅的三维形态影像和预设数据库,所述预设数据库包括多个健康头颅模型的三维形态影像以及预设三维特征信息,所述预设三维特征信息为在每个健康头颅模型的三维形态影像中提取的三维特征信息。
在一种实现方式中,所述获取所述待修复头颅的三维形态影像包括:
S211,获取待修复头颅的CT数据。
在本实施例中,所述待修复头颅的CT数据可以由任意一台CT设备采集。可选地,采集所述待修复头颅CT数据所用的参数与采集预设数据库中健康头颅模型的参数相同。
S212,对所述待修复头颅的CT数据进行预处理。
经过预处理,能够使待修复头颅的三维形态影像与预设数据库中健康头颅模型的三维形态影像具备归一化前提。
在本实施例中,以待修复头颅与健康头颅模型在采集CT数据时所使用的参数不同为例,说明如何对待修复头颅的CT数据进行预处理。
所述对所述待修复头颅的CT数据进行预处理具体包括:
在所述待修复头颅CT数据中标示蝶鞍中心点;
调整所述待修复头颅CT数据的阈值。
在本实施例中,首先在所述待修复头颅的CT数据中标示蝶鞍中心点,并将该点作为设置为坐标系的原点,使得待修复头颅与健康头颅模型具有相同的度量基准点。
并且,将所述待修复头颅CT数据的阈值调整至与预设数据库中健康头颅模型CT数据的阈值相同,以便待修复头颅CT数据重建得到的三维形态影像与健康头颅模型的三维形态影像具有可比性。
S213,根据预处理后的待修复头颅CT数据生成所述待修复头颅的三维形态影像。
在本实施例中,本步骤的实现方式请参见步骤S102的实现方式,在此不再赘述。可选地,本步骤的实现方式与步骤S102的实现方式相同。
进一步地,所述预设数据库可以为根据前述方法建立的数据库,也可以为现有技术中任意一种存储有健康头颅模型三维形态影像的数据库。
S202,提取待修复三维特征信息,所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息。
所述提取待修复三维特征信息可以具体包括:
在所述待修复头颅的三维形态影像上标示多个特征标志点;
获取每个特征标志点对应的特征信息,所述特征信息包括特征标志点坐标、线距、角度和比例参数。
在本实施例中,在所述待修复头颅的三维形态影像上标示多个特征标志点的实现方式可以参数步骤S103,在此不再赘述。
在本实施例中,获取每个特征标志点对应的特征信息的实现方式具体可以参照步骤S104,在此不再赘述。
S203,获取归一化预设三维特征信息和归一化待修复三维特征信息,所述归一化预设三维特征信息为预设三维特征信息归一化处理而得,所述归一化待修复三维特征信息为待修复三维特征信息归一化处理而得。
具体地,所述归一化预设三维特征信息包括健康头颅模型的线距、角度、比例参数和归一化特征标志点坐标等,同样地,所述归一化待修复三维特征信息包括待修复头颅模型的线距、角度、比例参数和归一化特征标志点坐标等,其中,归一化特征标志点坐标为在原始图像中标记的特征标志点经过归一化处理后的坐标。而线距、角度以及比例参数等参数可以使用该头颅模型在原始三维形态影像中的生成的相应数值,从而避免由于归一化处理导致的误差,而这些误差在归一化过程中难以避免。
在本实施例中,由于健康头颅模型的三维形态影像所在的坐标系(下文称原坐标系)与CT拍摄基线及拍摄时的头位有关,因此,各个健康头颅模型的三维形态影像与人体标准解剖方位有差异,为方便比较不同颅骨间特征标志点的坐标差异,以及后续相似度比较需要,本实施例为所述头颅模型(包括健康头颅模型和待修复头颅)建立统一的坐标系,即归一化(Regularize)处理,所有头颅模型的三维形态影像在经过归一化处理后记录于归一化数据库中。
在本实施例中,定义FH-S-N坐标系作为标准化坐标系。所述FH-S-N坐标系参考二维头影测量学中的基准平面FH平面(眶耳平面),以眶下缘中点及双侧耳点所构成的平面作为XOY平面,过蝶鞍点作XOY平面的法线,为Z轴,Z轴与XOY平面的交点即为原点O,过Z轴和鼻根点得到XOZ平面,XOY和XOZ平面的交线为X轴,XOY平面中,过原点垂直于X轴的直线为Y轴,从而得到FH-S-N坐标系。
将头颅模型的三维形态影像上所有点转换到FH-S-N坐标系下,单位化FH-S-N坐标系中沿着X轴方向的向量得到单位向量同理可以得到沿Y轴方向的单位向量沿Z轴方向的单位向量并且和构成了FH-S-N坐标系下的一个单位正交基。
在本实施例中,所述获取归一化预设数据库包括:
S231,获取所述健康头颅模型的当前坐标,所述当前坐标为所述健康头颅模型上所有数据点在当前坐标系中坐标。
S232,根据所述当前坐标生成归一化坐标,所述归一化坐标为当前数据点在归一化坐标系中的坐标。
在一种实现方式中,所述根据所述当前坐标生成归一化坐标包括根据下列式I计算当前数据点的归一化坐标:
S233,根据所述归一化坐标生成归一化健康头颅模型,所述归一化健康头颅模型为当前健康头颅在归一化坐标系中重建的模型。
在本实施例中,所述归一化健康头颅模型的三维形态影像与人体标准解剖方位相同。
S204,根据所述归一化预设三维特征信息和归一化待修复三维特征信息依次计算所述预设数据库中每个健康头颅模型与所述待修复头颅的相似度。
在本实施例中,基于前述采用人工提取特征点方法建立的正常人颅面骨性三维形态数据库,本实施例以特征点最小距离法作为三维形态影像相似度。具体地,对于任一待修复头颅H,其特征标志点定义为Pi(xi,yi,zi),归一化数据库中任一健康头颅H’,与待修复头颅相对应的特征标志点为P‘i(x′i,y′i,z′i),将待修复头颅用前述方法归一化至FH-S-N坐标系下,可计算两头颅任一特征标志点之间的欧几里得距离Ei,再计算两头颅间所有对应特征点欧氏距离的均值F,并以该均值F作为二者的相似度,F越大,表示两头颅相似度越小,反之,F越小,表示两头颅越相似。
具体地,所述计算备选头颅模型与所述待修复头颅的相似度包括:
分别获取待修复归一化坐标Pi(xi,yi,zi)与备选模型归一化坐标P‘i(x′i,y′i,z′i),其中,所述待修复归一化坐标为所述待修复特征标志点在归一化坐标系中的坐标,所述备选模型归一化坐标为所述备选头颅模型特征标志点在归一化坐标系中的坐标,其中,i=1,2,3…n,n为参与计算的特征标志点的个数;
分别计算每个备选头颅模型与所述待修复头颅的相似度,所述相似度为待修复特征标志点与所述模型特征标志点的距离。
计算每个备选头颅模型与所述待修复头颅的相似度包括根据下列式II和式III计算每个备选头颅模型与所述待修复头颅的相似度F:
F=∑Ei/n 式II
其中,F表示当前备选头颅模型与所述待修复头颅的相似度;
Ei表示待修复头颅的当前特征标志点与当前备选头颅模型上对应的特征标志点之间的欧几里得距离,
i=1,2,3…n,其中,n为参与计算的特征标志点的个数。
S205,获取候选头颅模型,所述候选头颅模型为与所述待修复头颅相似度最高的若干个备选头颅模型。
由于颅颌面部的结构极其复杂,通过前述方法计算得到的相似度最高的几个头颅的相似度可能仅差别小数点后几位,即,从相似度数据上看几乎没有差别,因此,单纯依靠相似度来选取手术设计模板可能也会存在一些与患者具体情况不匹配的问题,因此,在本实施例中,首先选取相似度最高的若干个健康头颅模型作为备选头颅模型。
S206,按照预设规则从所述候选头颅模型中选取目标头颅模型。
在本实施例中,所述预设规则可以为凭借医生的经验而设置的规则,也可以为其它适用于选取目标头颅模型的规则。
在一种可实现的方式中,所述目标头颅模型只有一个。
本实施例还对提供的检索方法的可靠性进行了检验,具体地,本申请人对上述技术进行分步骤的可靠性检验,包括对特征提取的重现性检验、相似三维头颅检索的可行性检验、色谱分析评价三维模型相似性、分面部不同区域缺失特征点的检索实验等。检验方法为:不同医生按同样流程方法采集特征点,计算平均误差;比较按照如上方法选取的相似头颅模型进行色谱分析,计算色谱分布的范围,检验结果为:人为采集平均误差为2mm;相似组头颅标准偏差为5mm,与不相似组差异显著。均验证了上述技术的可靠性和稳定性。
本申请提供的基于颅颌面三维形态数据库的相似模型检索装置包括:
获取单元,用于获取所述待修复头颅的三维形态影像和预设数据库,所述预设数据库包括多个健康头颅模型的三维形态影像以及预设三维特征信息;
处理单元,用于提取待修复三维特征信息;获取归一化预设三维特征信息和归一化待修复信息;根据所述归一化预设三维特征信息和归一化待修复信息依次计算所述预设数据库中每个健康头颅模型与所述待修复头颅的相似度;获取候选头颅模型;按照预设规则从所述候选头颅模型中选取目标头颅模型;
其中,所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息;所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息;所述归一化三维特征信息为预设三维特征信息归一化处理而得,所述归一化待修复信息为待修复三维特征信息归一化处理而得;所述候选头颅模型为与所述待修复头颅相似度最高的若干个候选头颅模型。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (8)
1.一种基于颅颌面三维形态数据库的相似模型检索方法,其特征在于,所述方法包括:
获取待修复头颅的三维形态影像和预设数据库,所述预设数据库包括多个健康头颅模型的三维形态影像以及预设三维特征信息,所述预设三维特征信息为在每个健康头颅模型的三维形态影像中提取的三维特征信息;
提取待修复三维特征信息,所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息;
获取归一化预设三维特征信息和归一化待修复三维特征信息,所述归一化预设三维特征信息为预设三维特征信息归一化处理而得,所述归一化待修复三维特征信息为待修复三维特征信息归一化处理而得;
根据所述归一化预设三维特征信息和归一化待修复三维特征信息依次计算所述预设数据库中每个健康头颅模型与所述待修复头颅的相似度;
获取候选头颅模型,所述候选头颅模型为与所述待修复头颅相似度最高的若干个健康头颅模型;
按照预设规则从所述候选头颅模型中选取目标头颅模型;
其中,所述预设数据库中每个健康头颅模型为一个备选头颅模型,
计算所述备选头颅模型与所述待修复头颅的相似度包括:
选择参与计算的待修复特征标志点和参与计算的备选特征标志点,其中,所述参与计算的待修复标志点为按照第一预设条件在待修复头颅模型上选取的三维特征标志点,所述参与计算的备选特征标志点为按照第二预设条件在健康头颅模型上选取的三维特征标志点;
分别获取参与计算的待修复标志点对应的待修复归一化坐标Pi(xi,yi,zi)以及参与计算的备选标志点对应的备选模型归一化坐标P‘i(x′i,y′i,z′i),其中,所述待修复归一化坐标为所述参与计算的待修复特征标志点在归一化坐标系中的坐标,所述备选模型归一化坐标为所述参与计算的备选头颅模型特征标志点在归一化坐标系中的坐标,其中,i=1,2,3…n,n为参与计算的特征标志点的个数;
分别计算每个备选头颅模型与所述待修复头颅的相似度,所述相似度为待修复特征标志点与所述模型特征标志点的距离,具体地,计算每个备选头颅模型与所述待修复头颅的相似度包括根据下列式II和式III计算每个备选头颅模型与所述待修复头颅的相似度F:
F=∑Ei/n 式II
其中,F表示当前备选头颅模型与所述待修复头颅的相似度;
Ei表示待修复头颅的当前特征标志点与当前备选头颅模型上对应的参与计算的特征标志点之间的欧几里得距离,
i=1,2,3…n,其中,n为参与计算的特征标志点的个数。
2.根据权利要求1所述的方法,其特征在于,所述获取所述待修复头颅的三维形态影像包括:
获取待修复头颅的CT数据;
对所述待修复头颅的CT数据进行预处理;
根据预处理后的待修复头颅CT数据生成所述待修复头颅的三维形态影像。
3.根据权利要求2所述的方法,其特征在于,所述对所述待修复头颅的CT数据进行预处理包括:
在所述待修复头颅的CT数据中标示蝶鞍中心点;
调整所述待修复头颅的CT数据的三维重建阈值范围。
4.根据权利要求1所述的方法,其特征在于,在获取预设数据库之前还包括:
获取健康头颅模型CT数据;
根据所述健康头颅模型CT数据生成该健康头颅模型的三维形态影像;
在每个健康头颅模型的三维形态影像中选取标准特征标志点;
获取每个健康头颅模型对应的预设三维特征信息,所述预设三维特征信息包括:线距、角度、比例参数以及每个预设特征标志点坐标;
根据每个健康头颅模型的三维形态影像以及预设三维特征信息生成预设数据库。
5.根据权利要求1所述的方法,其特征在于,所述提取待修复三维特征信息包括:
在所述待修复头颅的三维形态影像上标示多个待修复特征标志点;
获取所述待修复头颅的待修复三维特征信息,所述待修复三维特征信息包括:线距、角度、比例参数以及每个待修复特征标志点坐标。
6.根据权利要求1所述的方法,其特征在于,所述获取归一化预设三维特征信息包括:
获取所述健康头颅模型的当前坐标,所述当前坐标为所述健康头颅模型上所有数据点在当前坐标系中坐标;
根据所述当前坐标生成归一化坐标,所述归一化坐标为当前数据点在归一化坐标系中的坐标。
8.一种基于颅颌面三维形态数据库的相似模型检索装置,其特征在于,所述装置包括:
获取单元,用于获取待修复头颅的三维形态影像和预设数据库,所述预设数据库包括多个健康头颅模型的三维形态影像以及预设三维特征信息;
处理单元,用于提取待修复三维特征信息;获取归一化预设三维特征信息和归一化待修复信息;根据所述归一化预设三维特征信息和归一化待修复信息依次计算所述预设数据库中每个健康头颅模型与所述待修复头颅的相似度;获取候选头颅模型;按照预设规则从所述候选头颅模型中选取目标头颅模型;
其中,所述待修复三维特征信息为在所述待修复头颅的三维形态影像中提取的三维特征信息;所述归一化预设三维特征信息为预设三维特征信息归一化处理而得,所述归一化待修复信息为待修复三维特征信息归一化处理而得;所述候选头颅模型为与所述待修复头颅相似度最高的若干个候选头颅模型,其中,所述预设数据库中每个健康头颅模型为一个备选头颅模型,计算所述备选头颅模型与所述待修复头颅的相似度包括:
选择参与计算的待修复特征标志点和参与计算的备选特征标志点,其中,所述参与计算的待修复标志点为按照第一预设条件在待修复头颅模型上选取的三维特征标志点,所述参与计算的备选特征标志点为按照第二预设条件在健康头颅模型上选取的三维特征标志点;
分别获取参与计算的待修复标志点对应的待修复归一化坐标Pi(xi,yi,zi)以及参与计算的备选标志点对应的备选模型归一化坐标P‘i(x′i,y′i,z′i),其中,所述待修复归一化坐标为所述参与计算的待修复特征标志点在归一化坐标系中的坐标,所述备选模型归一化坐标为所述参与计算的备选头颅模型特征标志点在归一化坐标系中的坐标,其中,i=1,2,3…n,n为参与计算的特征标志点的个数;
分别计算每个备选头颅模型与所述待修复头颅的相似度,所述相似度为待修复特征标志点与所述模型特征标志点的距离,具体地,计算每个备选头颅模型与所述待修复头颅的相似度包括根据下列式II和式III计算每个备选头颅模型与所述待修复头颅的相似度F:
F=∑Ei/n 式II
其中,F表示当前备选头颅模型与所述待修复头颅的相似度;
Ei表示待修复头颅的当前特征标志点与当前备选头颅模型上对应的参与计算的特征标志点之间的欧几里得距离,
i=1,2,3…n,其中,n为参与计算的特征标志点的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910035136.9A CN109767841B (zh) | 2019-01-15 | 2019-01-15 | 一种基于颅颌面三维形态数据库的相似模型检索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910035136.9A CN109767841B (zh) | 2019-01-15 | 2019-01-15 | 一种基于颅颌面三维形态数据库的相似模型检索方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109767841A CN109767841A (zh) | 2019-05-17 |
CN109767841B true CN109767841B (zh) | 2021-04-09 |
Family
ID=66454012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910035136.9A Active CN109767841B (zh) | 2019-01-15 | 2019-01-15 | 一种基于颅颌面三维形态数据库的相似模型检索方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109767841B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110236673B (zh) * | 2019-06-10 | 2021-04-09 | 北京大学口腔医学院 | 一种基于数据库的双侧颌骨缺损重建术前设计方法及装置 |
CN110169782B (zh) * | 2019-06-27 | 2023-06-02 | 北京大学第三医院(北京大学第三临床医学院) | 一种颅面骨骼结构的头影测量方法 |
CN110378941A (zh) * | 2019-07-16 | 2019-10-25 | 北京大学口腔医学院 | 一种获取面中部缺损目标参照数据的刚性配准方法 |
CN112017275B (zh) * | 2020-08-26 | 2022-10-21 | 长春理工大学 | 一种面部正中矢状参考平面的辅助定位方法 |
CN112785691A (zh) * | 2021-01-29 | 2021-05-11 | 北京大学口腔医学院 | 一种下颌骨缺损重建方法、装置电子设备及存储介质 |
CN113180776B (zh) * | 2021-04-21 | 2023-01-10 | 四川大学 | 颧骨颧弓整形手术用截骨导板及内推导板生成方法 |
CN113488189A (zh) * | 2021-08-03 | 2021-10-08 | 罗慕科技(北京)有限公司 | 相似病例检索装置、方法及计算机可读存储介质 |
CN115830128B (zh) * | 2023-02-15 | 2023-05-12 | 成都全景德康医学影像诊断中心有限公司 | 一种面部定位测量方法、装置及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258349A (zh) * | 2013-05-30 | 2013-08-21 | 西北大学 | 颅面复原用模型库及颅面复原方法 |
CN104598879A (zh) * | 2015-01-07 | 2015-05-06 | 东南大学 | 基于半刚性区域面部轮廓线的三维人脸识别方法 |
CN105608741A (zh) * | 2015-12-17 | 2016-05-25 | 四川大学 | 预测颌面骨整形术后软组织容貌变化的计算机仿真方法 |
CN106485667A (zh) * | 2015-09-02 | 2017-03-08 | 北京师范大学 | 一种颅面复原方法 |
-
2019
- 2019-01-15 CN CN201910035136.9A patent/CN109767841B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258349A (zh) * | 2013-05-30 | 2013-08-21 | 西北大学 | 颅面复原用模型库及颅面复原方法 |
CN104598879A (zh) * | 2015-01-07 | 2015-05-06 | 东南大学 | 基于半刚性区域面部轮廓线的三维人脸识别方法 |
CN106485667A (zh) * | 2015-09-02 | 2017-03-08 | 北京师范大学 | 一种颅面复原方法 |
CN105608741A (zh) * | 2015-12-17 | 2016-05-25 | 四川大学 | 预测颌面骨整形术后软组织容貌变化的计算机仿真方法 |
Non-Patent Citations (2)
Title |
---|
正常人数据库辅助跨中线面中部缺损导航下精确重建方法的初步研究;贺洋 等;《第十四次中国口腔颌面外科学术会议论文汇编》;20181031;第763-764页 * |
颅颌面骨三维形态数据库建立及三维检索的;王晶 等;《第九次全国口腔医学计算机应用学术会议论文汇编》;20110831;第48页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109767841A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767841B (zh) | 一种基于颅颌面三维形态数据库的相似模型检索方法及装置 | |
CN110236673B (zh) | 一种基于数据库的双侧颌骨缺损重建术前设计方法及装置 | |
Bulatova et al. | Assessment of automatic cephalometric landmark identification using artificial intelligence | |
CN110946652B (zh) | 一种骨螺钉的钉道规划方法和装置 | |
CN108765483B (zh) | 一种从脑部ct图像中确定中矢面的方法及系统 | |
CN112102291A (zh) | 一种解剖特征点匹配获取面中部缺损目标参照数据方法 | |
CN111462055B (zh) | 颅骨检测方法及装置 | |
Jang et al. | Fully automatic integration of dental CBCT images and full-arch intraoral impressions with stitching error correction via individual tooth segmentation and identification | |
CN111563953A (zh) | 基于机器学习的颌骨缺损重建方法、装置、终端和介质 | |
CN109700531B (zh) | 个体化下颌骨导航配准导板及其配准方法 | |
US9639977B2 (en) | Processing model data representing a biological body section having a defect portion | |
Hettiarachchi et al. | Linear and volumetric analysis of maxillary sinus pneumatization in a sri lankan population using cone beam computer tomography | |
CN112288797A (zh) | 颅骨矫正方案生成系统、构建方法、获取方法及装置 | |
Yun et al. | Automated 3D cephalometric landmark identification using computerized tomography | |
CN114680911A (zh) | 一种头颅测量三维坐标系及其建立方法和应用 | |
Motie et al. | Application of Artificial Intelligence in Diagnosing Oral and Maxillofacial Lesions, Facial Corrective Surgeries, and Maxillofacial Reconstructive Procedures | |
CN116883428B (zh) | 一种下颌骨螺旋ct影像分区分割方法 | |
CN114004940B (zh) | 面部缺损参照数据的非刚性生成方法、装置及设备 | |
Qin et al. | Registration in oral and maxillofacial surgery | |
CN117649442B (zh) | 利用平衡器官解剖标志构筑三维头影测量坐标系的方法 | |
CN114022611B (zh) | 单侧正锁合下颌骨功能单元的形态学测量分析系统、方法及应用 | |
KR102243271B1 (ko) | 신체 유사도 지수 산출 방법과, 이를 이용한 수술 계획 시뮬레이션 방법 및 장치 | |
Ezzat et al. | A novel computerized system to simulate orthodontic treatment plan | |
CN116843733A (zh) | 一种三维面中部骨性标志点自动确定方法 | |
Harun et al. | 3D CT imaging for craniofacial analysis based on anatomical regions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |