CN112308861A - 一种牙齿牙龈分割方法、牙齿分割方法和电子设备 - Google Patents
一种牙齿牙龈分割方法、牙齿分割方法和电子设备 Download PDFInfo
- Publication number
- CN112308861A CN112308861A CN201910703275.4A CN201910703275A CN112308861A CN 112308861 A CN112308861 A CN 112308861A CN 201910703275 A CN201910703275 A CN 201910703275A CN 112308861 A CN112308861 A CN 112308861A
- Authority
- CN
- China
- Prior art keywords
- tooth
- gum
- feature points
- region
- dental model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000011218 segmentation Effects 0.000 title claims abstract description 72
- 238000004422 calculation algorithm Methods 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 42
- 238000009499 grossing Methods 0.000 claims description 8
- 238000005295 random walk Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000011505 plaster Substances 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims 1
- 238000012937 correction Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 7
- 210000001847 jaw Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 210000004195 gingiva Anatomy 0.000 description 3
- 210000004283 incisor Anatomy 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000004513 dentition Anatomy 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000036346 tooth eruption Effects 0.000 description 2
- 210000003781 tooth socket Anatomy 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本发明实施例涉及口腔临床正畸领域,公开了一种牙齿牙龈分割方法、牙齿分割方法和电子设备。本发明中牙齿牙龈分割方法,包括:获取待分割的数字化牙颌模型的数据信息,数字化牙颌模型为三角面片模型;选取数字化牙颌模型上的第一类特征点;对第一类特征点进行分类,确定第一类特征点属于牙齿区域或属于牙龈区域;根据第一类特征点的分类结果对数字化牙颌模型上第二类特征点分类,确定第二类特征点属于牙齿区域或属于牙龈区域;分别合并属于牙齿区域的第二类特征点和属于牙龈区域的第二类特征点,获得分割后的牙齿区域和牙龈区域;其中,第二类特征点根据数字化牙颌模型中三角面片网格的顶点确认,使得更为准确地分割牙齿。
Description
技术领域
本发明涉及口腔临床正畸领域,特别涉及牙齿牙龈分割方法、牙齿分割方法和电子设备。
背景技术
牙颌畸形是口腔三大疾病之一,有很高的患病率。传统的牙齿矫治主要是在齿列表面设置托槽和弓丝,起到矫治作用,通过扭转和推移的方式进行矫治。为了美观,矫治器由唇侧转移到了舌侧,外观上看不出来,但是这种方法对医生的要求较高,患者口腔损伤较大,不仅异物感增强,并且造价较高。随着技术的进步,隐形矫治越来越被患者接纳和使用,无托槽隐形矫治是一种计算机辅助设计和制作的透明弹性材料活动矫正装置,它是一序列连续的矫治装置,通过不断地小范围牙齿移动,达到牙齿的矫治目的。该矫治器不仅可以控制矫治力的大小,而且可以控制矫治力作用的时间,不同阶段仅某些牙齿可以移动,而另外的牙齿作为支抗,从而完成牙齿的矫正。在这个过程中,需要将单颗牙齿进行分割,再进行后续的牙齿排列,所以单颗牙齿的分割质量就会影响后续的牙齿排列准确性。
现有切牙过程中,一般根据设计医生的经验,在数字化牙颌模型上手动绘制或调整出各牙齿的轮廓线,而这种方法的准确性取决于医生的经验程度,准确性不易保证。现有方式手动进行切牙,无法实现自动化生产牙套,不能为实现工业自动化大规模生产奠定重要的基础。
发明内容
本发明解决的技术问题是提供一种牙齿牙龈分割方法、牙齿分割方法和电子设备,使得更为准确地分割牙齿精准分割。
为解决上述技术问题,本发明提供了一种牙齿牙龈分割方法,包括:获取待分割的数字化牙颌模型的数据信息,所述数字化牙颌模型为三角面片模型;选取所述数字化牙颌模型上的第一类特征点;对所述第一类特征点进行分类,确定所述第一类特征点属于牙齿区域或属于牙龈区域;根据所述第一类特征点的分类结果对所述数字化牙颌模型上第二类特征点分类,确定所述第二类特征点属于牙齿区域或属于牙龈区域;分别合并属于牙齿区域的第二类特征点和属于牙龈区域的第二类特征点,获得分割后的牙齿区域和牙龈区域;其中,所述第一类特征点通过以下方式获得:获得所述数字化牙颌模型中三角面片网格的顶点高度函数;从所述数字化牙颌模型中查找所述顶点高度函数的局部最小点;根据所述局部最小点确定出所述第一类特征点;所述第二类特征点根据所述数字化牙颌模型中三角面片网格的顶点确认。
本发明还提供了一种牙齿分割方法,包括:通过上述的牙齿牙龈分割方法对待分割的数字化牙颌模型进行分割,获得分割后的牙齿区域和牙龈区域;对所述牙齿区域分割,获得各单颗牙齿区域。
本发明还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述的牙齿牙龈分割方法。
本发明还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述的牙齿分割方法。
本发明相对于现有技术而言,主要区别及其效果在于:通过将数字化牙颌模型整体上选取第一类特征点,对第一类特征点分类,继而根据对第一类特征点的分类结果对模型上的第二类特征点进行分类再集合,实现将牙齿区域和牙龈区域分割开,由于两类特征点是基于数字化牙颌模型整体选取的,特征点的分类信息就涵盖了数字化牙颌模型整体的分类特征,所以即使模型存在噪声数据,也会将噪声数据均摊至全局数据中,使得整个分割方法的容错率高。另外,在牙齿牙龈准确分割后,如果需要对牙齿区域进一步分割单颗牙齿时,单颗牙齿得以分割得更为精准。
作为进一步改进,所述根据所述局部最小点确定出所述第一类特征点,包括:所述根据所述局部最小点确定出所述第一类特征点的步骤包括:根据各所述局部最小点的高度和所述局部最小点所属区域的区域边缘的高度,计算出各所述局部最小点所属区域的区域高度;筛选出所述区域高度最小的若干个区域,将筛选出的所述若干个区域中的局部最小点作为所述第一类特征点。上述方案明确局部最小点的一种获取方式。
作为进一步改进,利用聚类算法对所述第一类特征点进行分类。
作为进一步改进,利用模糊c-均值聚类算法对所述第一类特征点进行分类。明确分类的具体方式,使得分类快速准确。
作为进一步改进,利用图割算法或聚类算法或者随机游走算法,根据所述第一类特征点的分类结果对所述数字化牙颌模型上第二类特征点分类。明确对第二类特征点分类的具体方式,使得分类快速准确。
作为进一步改进,通过口内扫描或通过扫描牙颌石膏模型获取所述待分割的数字化牙颌模型。明确可以获得数字化牙颌模型的多种方式,便于根据实际需要选择。
作为进一步改进,所述第二类特征点为所述数字化牙颌模型上各三角面片网格的顶点,或,除所述第一类特征点之外的所述数字化牙颌模型上各三角面片网格的顶点。明确第二类特征点的取点范围,提供多种取点方式,在实际应用中可根据需求选择不同的取点方式,使实现方式更为灵活多变。
作为进一步改进,所述获得分割后的牙齿区域和牙龈区域之后,还包括:光滑所述牙齿区域和所述牙龈区域的边界。光滑后进一步降低交界处的数据模糊,使得分割更为准确,从而使得牙齿区进一步分割牙齿时准确不易出错。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施方式中牙齿牙龈分割方法的流程图;
图2是根据本发明第一实施方式中牙齿牙龈分割方法中三角面片模型的示意图;
图3是根据本发明第一实施方式中选取数字化牙颌模型上的第一类特征点的流程图;
图4是根据本发明第一实施方式中牙齿牙龈分割方法中的从数字化牙颌模型中查找出的局部最小点Oi的分布示意图;
图5是根据本发明第一实施方式中牙齿牙龈分割方法中筛选出的第一类特征点的分布示意图;
图6是根据本发明第一实施方式中牙齿牙龈分割方法中对第一类特征点的分类结果示意图;
图7是根据本发明第一实施方式中牙齿牙龈分割方法中分割出的牙齿区域和牙龈区域的示意图;
图8是根据本发明第四实施方式中牙齿分割方法的流程图;
图9是根据本发明第五实施方式中牙齿分割方法的流程图;
图10是根据本发明第四实施方式中牙齿分割方法中得到的舌侧牙龈线和颊侧牙龈线的示意图;
图11是根据本发明第四实施方式中牙齿分割方法中分割后的单颗牙齿示意图;
图12是根据本发明第五实施方式中牙齿分割方法中查找出的局部最小点Oi的分布示意图;
图13a是根据本发明第五实施方式中牙齿分割方法中筛选出的特征点的分布示意图;
图13b是根据本发明第五实施方式中牙齿分割方法中分别确定出各特征点所属的牙齿的示意图;
图14是根据本发明第五实施方式中牙齿分割方法中分割后的单颗牙齿示意图;
图15是根据本发明第六实施方式中电子设备的示意图;
图16是根据本发明第七实施方式中电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
实施例一
本发明的第一实施方式涉及一种牙齿牙龈分割方法。流程如图1所示,具体如下:
步骤101,获取待分割的数字化牙颌模型的数据信息。
具体的说,数字化牙颌模型可以通过对患者口内扫描获得的数字化牙颌模型,实际应用中,也可以先制作患者的牙颌石膏模型,再通过扫描牙颌石膏模型获取待分割的数字化牙颌模型,具体可以根据实际应用场景选择,在此不做限定。
更具体的说,数字化牙颌模型可以为如图2所示的三角面片模型,可以看出,模型包括大量三角面片组成的网格,各三角面片都包括顶点和边。
步骤102,选取数字化牙颌模型上的第一类特征点。
具体的说,可以具体通过如图3所示的步骤选取:
步骤1021,获得数字化牙颌模型中三角面片网络的顶点高度函数。
具体的说,本步骤具体计算数字化牙颌模型的顶点曲率H1,并归一化到[-1,1]。再计算数字化牙颌模型的顶点到牙颌底部的距离H2,并归一化到[0,1],便于后续运算。从而得出数字化牙颌模型的顶点高度函数:H=(-H1)+(-H2)。
步骤1022,从数字化牙颌模型中查找顶点高度函数的局部最小点Oi。
具体的说,查找顶点高度函数的局部最小点Oi(高度函数值小于一环邻域顶点的高度函数值),每个局部最小点Oi代表一个区域Si的中心。对于网格上的其他顶点,沿高度函数值变化最大的方向落到相应的区域,查找结果如图4所示。
步骤1023,根据各Oi的高度和Oi所属区域的区域边缘的高度,计算出各Oi所属区域的区域高度。
具体的说,每个区域Si的区域高度,具体等于区域边缘高度函数值与区域内部中心点Oi高度函数值之差。
步骤1024,筛选出区域高度最小的若干个区域,将筛选出的若干个区域中的Oi作为第一类特征点。
具体的说,本步骤将区域Si按区域高度进行排序,选择区域高度最小的n个区域(n=50-150),最终n个区域的中心点Oi即为特征点位置。通过区域高度筛选出第一类特征点,有利于减少参与后续计算的特征点的数量,同时又能保证第一类特征点涵盖模型全局的特征。在一个例子中,筛选出的第一类特征点如图5所示。
可见,上述步骤1023和步骤1024具体根据Oi确定出第一类特征点,具体通过高度函数找到局部最小点,即离牙颌底面最远、并越凸的点,牙齿高度较大的点,根据局部最小点获取特征点,局部最小点可以在整个模型上大范围找到,所以特征点的获取范围得以从模型整体选取,更能体现模型整体的特征。
步骤103,对第一类特征点进行分类,确定各第一类特征点属于牙齿区域或属于牙龈区域。
具体的说,本实施方式可以由人工进行标定分类,确定步骤102中选取的第一类特征点属于牙齿区域或属于牙龈区域,分类后的第一类特征点分布如图6所示,图中*点代表属于牙齿区域的特征点,空心点代表属于牙龈区域的特征点。
步骤104,根据第一类特征点的分类结果对数字化牙颌模型上第二类特征点分类。
具体的说,第二类特征点的数量可以大于第一类特征点的数量,更具体的说,第二类特征点可以是数字化牙颌模型上各三角面片网格的顶点,具体分类时,可以将数字化牙颌模型三角网格看成图结构,设置图的边权重wij:wij=||vi-vj||·exp(-dij),其中vi和vj分别表示顶点i和j的坐标。
在一个例子中,通过以下公式(1)计算出顶点i和j所在区域的曲面的弯曲程度:
dij=||N(vi)-N(vj)||2; (1)
其中,N代表顶点法向量,eij为顶点i和j连线所在的边。
在另一个例子中,通过以下公式(2)计算出顶点i和j所在区域的曲面的弯曲程度,其中,增设η参数,强化曲面的弯曲特征:
dij=η·||N(vi)-N(vj)||2; (2)
其中,N代表顶点法向量,eij为顶点i和j连线所在的边,η的取值根据边eij为凸边或凹边确定,具体如果边eij为凹边,则η=1,如果边eij为凸边,则η=0.2。
继续说明,本实施方式利用聚类算法对模型上第二类特征点进行分类,算法具体如下:
计算数字化牙颌模型中所有顶点到牙齿特征点的图最短距离L1,计算数字化牙颌模型中所有顶点到牙龈特征点的图最短距离L2,图最短距离可以使用Dijastra算法(即迪杰斯特拉算法),计算过程中图上边eij的权重设置为wij。对于数字化牙颌模型中任意一顶点,如果其到牙齿特征点的图最短距离大于到牙龈特征点的图最短距离,那么该顶点属于牙龈区域,反之,其属于牙齿区域。
需要说明的是,本实施方式中第二类特征点可以是所有三角面片网格的顶点,实际应用中,可以只取部分三角面片网格的顶点作为第二类特征点,减少第二类特征点的数量,可以减少整体运算量,加快分类速度。
步骤105,分别合并属于牙齿区域的第二类特征点和属于牙龈区域的第二类特征点,获得分割后的牙齿区域和牙龈区域。
具体的说,将步骤104中聚类至牙齿分类的特征点合并,获得牙齿区域,将步骤104中聚类至牙龈分类的特征点合并,获得牙龈区域,具体如图7所示。
步骤106,光滑牙齿区域和牙龈区域的边界。
具体的说,本实施方式可以采用光滑能量函数光滑边界,光滑能量函数可以为:
E=E1+E2;
E2为代表光滑能量项。其中,N1(i)代表顶点i的一环邻域顶点集,n代表一环邻域顶点数目。之后,最小化光滑能量函数,得到每个顶点光滑后的φ值,所有φ>0顶点所组成的区域为光滑后牙齿模型区域,所有φ<0顶点所组成的区域为光滑后牙龈模型区域。注,此处的光滑分割边界即为牙龈线。
可见,本实施方式通过将数字化牙颌模型整体上选取第一类特征点,对第一类特征点分类,继而根据对第一类特征点的分类结果对模型上的第二类特征点进行分类再集合,实现将牙齿区域和牙龈区域分割开,由于两类特征点是基于数字化牙颌模型整体选取的,特征点的分类信息就涵盖了数字化牙颌模型整体的分类特征,所以即使模型存在噪声数据,也会将噪声数据均摊至全局数据中,使得整个分割方法的容错率高。另外,在牙齿牙龈准确分割后,如果需要对牙齿区域进一步分割单颗牙齿时,单颗牙齿得以分割得更为准确。
实施例二
本发明的第二实施方式涉及一种牙齿牙龈分割方法。第二实施方式与第一实施方式大致相同,主要区别之处在于:在第一实施方式中,对第一类特征点进行分类时,由人工进行标定分类,而在本发明第二实施方式中,通过算法进行自动分类,使得对第一类特征点的分类更为快速准确。
具体的说,本实施方式中利用聚类算法对第一类特征点分类,更具体的说,可以利用模糊c-均值聚类算法(即Fuzzy C-Means算法)对第一类特征点进行分类。
其中,Uij代表第i个特征点属于第j类的概率(1≤i≤n,n为特征点数目;j=1,2;1代表牙齿,2代表牙龈),xi为第i个特征点到牙颌底部的距离,cj为聚类中心,具体算法如下:
1.进入迭代
1.1计算聚类中心
1.2更新Uij
其中,k=1表示牙齿,k=2表示牙龈;
1.3检查前后两次目标函数的差值是否小于设定阈值δ
从Uij删选出概率大于0.7的特征点,并根据其类别将其分成牙齿特征点和牙龈特征点。其中,概率表征选出的特征点属于牙齿或属于牙龈的分类准确率,阈值越接近1.0,则分类准确率越高,阈值越小,则分类准确率越低。本实施方式选定0.7作为阈值,实际应用中,阈值的范围可以是0.5-1.0之间,在此不做限定。
可见,本实施方式采用模糊c-均值聚类算法对第一类特征点进行分类,使得分类快速准确。值得一提的是,实际应用中还可以采用其他聚类算法,或者采用其他分类算法,在此不再一一列举。
实施例三
本发明的第三实施方式涉及一种牙齿牙龈分割方法。第三实施方式与第一实施方式大致相同,主要区别之处在于:在第一实施方式中,利用聚类算法对第二类特征点分类,而本实施方式中采用图割算法对第二类特征点分类,提供另一种分类方式,使得本申请更为灵活多变,在实际应用中可以根据实际情况选择不同的算法进行分类。
具体的说,利用图割算法对第二类特征点分类的方式具体如下:
当牙齿和牙龈的分割为L时,其分割能量可以表示为:E(L)=R(L)+B(L),R(L)为区域项,代表数字化牙颌模型上各第二类特征点(可以是模型中各三角面片网格的顶点)属于牙齿或牙龈区域的概率。具体表达式为:R(L)=∑Ri,对于牙齿区域的第二类特征点,那么Ri=-lnPr(i|牙齿),其中Pr(i|牙齿)=exp(-L1),L1计算方法同上,其代表该第二类特征点属于牙齿区域的概率,对于牙龈区域的第二类特征点,那么Ri=-lnPr(i|牙龈),Pr(i|牙龈)=exp(-L2),L2计算方法同上,其代表该第二类特征点属于牙龈区域的概率。B(L)为边界项,代表分割边界的长度,具体表达式为:
然后优化能量函数使其值达到最小,此时数字化牙颌模型即分割为牙齿区域和牙龈区域。
可见,本实施方式中提供了对第二类特征点进行分类的又一种算法,使得本申请更为灵活多变,在实际应用中可以根据实际情况选择不同的算法进行分类。
还需要说明的是,除了第一实施方式中采用的聚类算法,以及本实施方式中采用的图割算法可以对第二类特征点进行分类,实际应用中还可以采用随机游走算法,具体算法为:
将属于牙齿区域的第一类特征点设置为φ=1,属于牙龈区域的第一类特征点设置为φ=-1,之后通过以下公式计算第二类特征点i的φ值φi:
其中,N1(i)代表顶点i的一环邻域第二类特征点集。
之后,求解第二类特征点φ值相当于求解线性方程组。最后,将所有满足φ>0条件的第二类特征点所组成的区域为牙齿区域,所有满足φ<0条件的第二类特征点所组成的区域为牙龈区域,经比较此种算法的运算时间较图割算法和聚类算法的运算时间更短。
实施例四
本发明的第四实施方式涉及一种牙齿分割方法。流程如图8所示,具体如下:
步骤801,对待分割的数字化牙颌模型进行分割,获得分割后的牙齿区域和牙龈区域。
具体的说,对待分割的数字化牙颌模型进行分割时,可以采用上述第一实施方式至第三实施方式中任意一个牙齿牙龈分割方法对牙齿区域和牙龈区别进行分割,在此不再赘述。
步骤802,分别计算舌侧牙龈线和颊侧牙龈线在牙缝处的拐点。
具体的说,将计算得到的分成舌侧牙龈线和颊侧牙龈线,然后分别计算舌侧牙龈线和颊侧牙龈线在牙缝处的拐点,基于Dijkstra算法(即迪杰斯特拉算法)分别搜索每颗牙齿的舌侧牙龈线起点到颊侧牙龈线起点的最优路径,以及舌侧牙龈线终点到颊侧牙龈线终点的最优路径,以获得每颗牙齿两侧的牙缝线,搜索出的舌侧牙龈线和颊侧牙龈线如图10所示。
步骤803,利用区域生长法将每颗牙齿从三维模型中分离。
将每颗牙齿的牙龈线和牙缝线组合,以构成每颗牙齿封闭的分割线,然后利用区域生长算法将每个牙齿从三维数字化牙颌模型上分割出来。具体为:计算每颗牙齿分割线的质心,将三维数字化牙颌模型上与该质心的x、y坐标最相近的点作为种子点,不断搜索种子点的邻域,直到达到当前牙齿的分割线为止,分割后的单颗牙齿如图11中所示。
也就是说,上述步骤802和步骤803具体对牙齿区域分割,获得各单颗牙齿区域。
可见,本实施方式基于牙齿牙龈分割之后,进一步对牙齿区域进行单颗牙齿的分割,由于在牙齿牙龈分割时,采用了从模型全局选取特征点并分类的方式分割两个区域,使得分割结果受模型的噪点影响小,容错度高,基于这样的牙齿区域进一步分割出的单颗牙齿也会更加准确,为自动化生产牙套奠定基础。
实施例五
本发明的第五实施方式涉及一种牙齿分割方法。第五实施方式与第四实施方式大致相同,主要区别之处在于:在第四实施方式中,对牙齿区域进行单颗牙齿分割时利用区域生长法将每颗牙齿从三维模型中分离,而本实施方式中通过对牙齿区域模型上的特征点进行分类的方式,分割出每颗牙齿。
本实施方式中牙齿分割方法的流程如图9所示,具体如下:
本实施方式中的步骤901与第四实施方式中的步骤801相类似,在此不再赘述。
步骤902,选取牙齿模型上的特征点。
具体的说,本步骤具体通过以下方式选取牙齿模型上的特征点:
(1)根据牙齿区域模型(模型具体为三角面片模型),计算牙齿模型的顶点曲率H1,并归一化到[-1,1],其中的顶点为三角面片模型中各三角面片网格的顶点。计算牙齿模型的顶点到牙颌底部的距离H2,并归一化到[0,1]。从而得到牙齿模型的顶点高度函数:H=(-H1)+(-H2)。
(2)查找顶点高度函数的局部最小点Oi(高度函数值小于一环邻域顶点的高度函数值),每个局部最小点Oi代表一个区域Si的中心。对于网格上的其他顶点,沿高度函数值变化最大的方向落到相应的区域,查找到的Oi的分布结果如下图12所示。
(3)计算每个区域Si的区域高度,即区域边缘高度函数值与区域内部中心点Oi高度函数值之差。将区域Si按区域高度进行排序,选择区域高度最小的n个区域(n=50-150),最终n个区域的中心点Oi即为特征点位置。特征点位置如图13a所示。
步骤903,分别确定各特征点所属的牙齿。
具体的说,本步骤中先设置数字化牙颌模型上的边权重,再利用牙列特征点对模型进行牙列的分割。
(1)设置边权重时,将数字化牙颌模型三角网格看成图结构,设置图的边权重wij:wij=||vi-vj||·exp(-dij),其中,vi和vj分别表示顶点i和j的坐标,dij=η·||N(vi)-N(vj)||2,N代表顶点法向量,进一步设定η的取值,如果边eij为凹边,则η=1,如果边eij为凸边,则η=0.2。
(2)本实施方式中具体采用聚类算法,将三维模型进行分割,具体如下:计算数字化牙颌模型中所有网格的顶点到牙齿特征点的图最短距离L1,图最短距离可以使用Dijastra算法,计算过程中图上边eij的权重设置为wij。对于数字化牙颌模型中任意一顶点,如果其到该牙齿特征点的图最短距离大于到其他牙齿特征点的图最短距离,那么该顶点属于该牙齿特征点所形成的分割区域。
图13b示意各特征点所属的牙齿,可以看出每颗牙齿对应有若干个特征点,图示中归属不同牙齿的特征点通过不同的符号点表示。
实际应用中,除本实施方式中的聚类算法外,还可以采用图割算法或者随机游走算法。
图割算法:当牙齿特征点的分割为L时,其分割能量可以表示为:E(L)=R(L)+B(L),R(L)为区域项,代表数字化牙颌模型上各顶点属于该牙齿特征点或非该牙齿特征点区域的概率。具体表达式为:R(L)=∑Ri,对于牙齿区域顶点,那么Ri=-lnPr(i|牙齿),其中Pr(i|牙齿)=exp(-L1),L1计算方法同上,其代表该顶点属于牙齿区域的概率。
随机游走算法:将牙齿特征点设置为φ=1,对于其他顶点i的φ值其中N1(i)代表顶点i的一环邻域顶点集。求解其他顶点φ值等价于求解线性方程组。最后将所有φ>0顶点所组成的区域为该特征点所形成的分割区域。
上述三种算法在实际应用中可以根据实际情况选择,在此不做限定。
步骤904,分别合并各特征点,获得分割后的各单颗牙齿。
具体的说,定义区域合并能量,计算所有相邻区域的合并能量,选择合并能量最小的相邻区域合并:
Wij=∑wk·lk/∑lk;
其中,Wij为区域i和区域j的合并能量,wk和lk为区域i和区域j相交的边权重以及边长。
进一步说,更新所有相邻区域的合并能量,之后迭代上述步骤903和904直至合并后能量值达到局部最小,此时最终区域个数即牙齿个数,分割后的单颗牙齿的示意图如图14所示。
可见,本实施方式基于牙齿牙龈分割之后,进一步对牙齿区域进行单颗牙齿的分割,由于在牙齿牙龈分割时,采用从模型整体选取特征点,再对特征点分别确定所属牙齿的方式分割出单颗牙齿,由于特征点从模型整体中选出,所以即使模型存在噪点,也会均摊至全局数据中,进一步提升牙齿分割方法的容错率较高。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
实施例六
本发明第六实施方式涉及一种电子设备,如图15所示,包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述第一实施方式至第三实施方式中任意一个牙齿牙龈分割方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
其中,处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
实施例七
本发明第七实施方式涉及一种电子设备,如图16所示,包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述第四实施方式或第五实施方式中的牙齿分割方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
其中,处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
实施例八
本发明第八实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述第一实施方式至第三实施方式中任意一项方法实施例。
实施例九
本发明第九实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述第四实施方式或第五实施方式中任意一项方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (22)
1.一种在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,包括:
获取待分割的数字化牙颌模型的数据信息,所述数字化牙颌模型为三角面片模型;
选取所述数字化牙颌模型上的第一类特征点;
对所述第一类特征点进行分类,确定所述第一类特征点属于牙齿区域或属于牙龈区域;
根据所述第一类特征点的分类结果对所述数字化牙颌模型上第二类特征点分类,确定所述第二类特征点属于牙齿区域或属于牙龈区域;
分别合并属于牙齿区域的第二类特征点和属于牙龈区域的第二类特征点,获得分割后的牙齿区域和牙龈区域;
其中,所述第一类特征点通过以下方式获得:
获得所述数字化牙颌模型中三角面片网格的顶点高度函数;
从所述数字化牙颌模型中查找所述顶点高度函数的局部最小点;
根据所述局部最小点确定出所述第一类特征点;
所述第二类特征点根据所述数字化牙颌模型中三角面片网格的顶点确认。
2.根据权利要求1所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,所述根据所述局部最小点确定出所述第一类特征点的步骤包括:
根据各所述局部最小点的高度和所述局部最小点所属区域的区域边缘的高度,计算出各所述局部最小点所属区域的区域高度;
筛选出所述区域高度最小的若干个区域,将筛选出的所述若干个区域中的局部最小点作为所述第一类特征点。
3.根据权利要求1所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,所述顶点高度函数通过以下方式获得:
根据所述数字化牙颌模型的数据信息,计算所述牙颌模型的顶点曲率H1,并归一化到[-1,1];
分别计算所述数字化牙颌模型的各顶点到牙颌底部的距离H2,并归一化到[0,1];
获取H=(-H1)+(-H2),作为所述顶点高度函数。
4.根据权利要求1所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,利用聚类算法对所述第一类特征点进行分类。
5.根据权利要求4所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,利用模糊c-均值聚类算法对所述第一类特征点进行分类。
7.根据权利要求1所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,利用图割算法或聚类算法或者随机游走算法,根据所述第一类特征点的分类结果对所述数字化牙颌模型上第二类特征点分类。
8.根据权利要求7所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,利用聚类算法根据所述第一类特征点的分类结果对所述数字化牙颌模型上第二类特征点分类,具体包括:
计算所述第二类特征点到一牙齿特征点的图最短距离L1;
计算所述第二类特征点到一牙龈特征点的图最短距离L2;
其中,所述图最短距离L1或L2使用迪杰斯特拉算法;
将图上边eij的权重设置为wij;
确定所述数字化牙颌模型中第二类特征点的分类,其中,如果该第二类特征点到牙齿特征点的图最短距离大于到牙龈特征点的图最短距离,那么该第二类特征点属于牙龈区域,如果该第二类特征点到牙齿特征点的图最短距离小于或等于到牙龈特征点的图最短距离,那么该第二类特征点属于牙齿区域。
9.根据权利要求7所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,利用图割算法根据所述第一类特征点的分类结果对所述数字化牙颌模型上第二类特征点分类,具体包括:
所述牙齿和所述牙龈的分割线为L时,其分割能量函数可以表示为:E(L)=R(L)+B(L);
其中,所述R(L)=∑Ri,对于所述牙齿区域中的所述第二类特征点,所述Ri=-lnPr(i|牙齿),所述Pr(i|牙齿)=exp(-L1),所述B(L)为边界项,代表分割边界的长度;
计算所述第二类特征点到一牙齿特征点的图最短距离L1;
计算所述第二类特征点到一牙龈特征点的图最短距离L2;
其中,所述图最短距离L1或L2使用迪杰斯特拉算法;
最小化所述分割能量函数,获得所述牙齿区域和所述牙龈区域。
11.根据权利要求1所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,通过口内扫描或通过扫描牙颌石膏模型获取所述待分割的数字化牙颌模型。
12.根据权利要求1所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,所述第二类特征点为所述数字化牙颌模型上各三角面片网格的顶点,或,除所述第一类特征点之外的所述数字化牙颌模型上各三角面片网格的顶点。
13.根据权利要求1至12中任意一项所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,所述获得分割后的牙齿区域和牙龈区域之后,还包括:
光滑所述牙齿区域和所述牙龈区域的边界。
14.根据权利要求13所述的在数字化牙颌模型中进行牙齿牙龈分割的方法,其特征在于,所述光滑所述牙齿区域和所述牙龈区域的边界,具体包括:
获取光滑能量函数:
E=E1+E2;
其中,所述E1为∑|φi-φi0|2,代表光滑后牙齿牙龈分割区域与光滑前牙齿牙龈分割区域的偏差,其中,所述代表光滑前的牙齿牙龈分割结果,对于牙齿顶点所述对于牙龈顶点所述所述代表光滑后牙齿牙龈分割结果;
最小化所述光滑能量函数,得到每个顶点光滑后的φ值;
其中,所有φ>0顶点所组成的区域为光滑后牙齿模型区域,所有φ<0顶点所组成的区域为光滑后牙龈模型区域。
15.一种在数字化牙颌模型中进行牙齿分割的方法,其特征在于,包括:
通过权利要求1至14中任意一项所述的在数字化牙颌模型中进行牙齿牙龈分割的方法对待分割的数字化牙颌模型进行分割,获得分割后的牙齿区域和牙龈区域;
对所述牙齿区域分割,获得各单颗牙齿区域。
16.根据权利要求15所述的在数字化牙颌模型中进行牙齿分割的方法,其特征在于,所述对所述牙齿区域分割,获得各单颗牙齿区域包括:
分别计算所述牙齿区域中舌侧牙龈线和颊侧牙龈线在牙缝处的拐点;
根据所述舌侧牙龈线和颊侧牙龈线在牙缝处的拐点,利用区域生长法将各牙齿从所述牙齿区域中分离,获得所述各单颗牙齿区域。
17.根据权利要求16所述的在数字化牙颌模型中进行牙齿分割的方法,其特征在于,所述分别计算所述牙齿区域中舌侧牙龈线和颊侧牙龈线在牙缝处的拐点的步骤,具体包括:
分别计算舌侧牙龈线和颊侧牙龈线在牙缝处的拐点,其中,所述舌侧牙龈线和所述颊侧牙龈线来自所述牙齿区域和所述牙龈区域的交界线;
基于迪杰斯特拉算法分别搜索每颗牙齿的舌侧牙龈线起点到颊侧牙龈线起点的最优路径,以及舌侧牙龈线终点到颊侧牙龈线终点的最优路径,以获得每颗牙齿两侧的牙缝线。
18.根据权利要求16所述的在数字化牙颌模型中进行牙齿分割的方法,其特征在于,所述根据所述舌侧牙龈线和颊侧牙龈线在牙缝处的拐点,利用区域生长法将各牙齿从所述牙齿区域中分离,获得所述各单颗牙齿区域的步骤,具体包括:
分别计算每颗牙齿分割线的质心;
将所述数字化牙颌模型上与各所述质心的x、y坐标中最相近的点作为种子点;
不断搜索种子点的邻域,直到达到当前牙齿的分割线为止,以完成分离过程。
19.根据权利要求15所述的在数字化牙颌模型中进行牙齿分割的方法,其特征在于,所述对所述牙齿区域分割,获得各单颗牙齿区域包括:
选取所述数字化牙颌模型上的牙齿区域的第三类特征点;
分别确定各所述第三类特征点所属的牙齿;
分别合并属于每颗牙齿的所述第三类特征点,获得分割后的数字化各单颗牙齿模型。
20.根据权利要求19所述的在数字化牙颌模型中进行牙齿分割的方法,其特征在于,所述选取所述数字化牙颌模型上的牙齿区域的第三类特征点的步骤,具体包括:
根据所述牙齿区域的模型,计算所述牙齿区域的模型的顶点曲率H1,并归一化到[-1,1];
计算所述牙齿区域的模型的顶点到牙颌底部的距离H2,并归一化到[0,1];
获得H=(-H1)+(-H2),作为所述牙齿区域的模型的顶点高度函数;
查找所述顶点高度函数的局部最小点;
根据各所述局部最小点的高度和所述局部最小点所属区域的区域边缘的高度,计算出各所述局部最小点所属区域的区域高度;
筛选出所述区域高度最小的若干个区域,将筛选出的所述若干个区域中的局部最小点作为所述第三类特征点。
21.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至14中任一项所述的牙齿牙龈分割方法。
22.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求15至20中任一项所述的牙齿分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910703275.4A CN112308861B (zh) | 2019-07-31 | 2019-07-31 | 一种牙齿牙龈分割方法、牙齿分割方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910703275.4A CN112308861B (zh) | 2019-07-31 | 2019-07-31 | 一种牙齿牙龈分割方法、牙齿分割方法和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308861A true CN112308861A (zh) | 2021-02-02 |
CN112308861B CN112308861B (zh) | 2023-10-27 |
Family
ID=74486248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910703275.4A Active CN112308861B (zh) | 2019-07-31 | 2019-07-31 | 一种牙齿牙龈分割方法、牙齿分割方法和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308861B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463328A (zh) * | 2022-04-11 | 2022-05-10 | 四川大学 | 一种自动化正畸难度系数评估方法 |
CN115330820A (zh) * | 2022-10-14 | 2022-11-11 | 江苏启灏医疗科技有限公司 | 一种基于x光片的牙齿图像分割方法 |
CN116385474A (zh) * | 2023-02-27 | 2023-07-04 | 雅客智慧(北京)科技有限公司 | 基于深度学习的牙齿扫描模型分割方法、装置、电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706971A (zh) * | 2009-11-27 | 2010-05-12 | 西安科技大学 | 一种牙齿模型中牙冠的自动分割方法 |
CN105046750A (zh) * | 2015-08-24 | 2015-11-11 | 杭州美齐科技有限公司 | 一种自动分割全颌牙齿三角网格模型的方法 |
CN106228549A (zh) * | 2016-07-14 | 2016-12-14 | 嘉兴学院 | 一种基于路径规划的三角网格牙齿分割方法 |
CN108986111A (zh) * | 2018-07-02 | 2018-12-11 | 西安增材制造国家研究院有限公司 | 一种用于计算机辅助隐形正畸的三维牙颌模型分割方法 |
CN109998709A (zh) * | 2019-04-15 | 2019-07-12 | 杭州美齐科技有限公司 | 一种基于牙齿特征点的牙齿倒凹自动填充打印方法 |
-
2019
- 2019-07-31 CN CN201910703275.4A patent/CN112308861B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706971A (zh) * | 2009-11-27 | 2010-05-12 | 西安科技大学 | 一种牙齿模型中牙冠的自动分割方法 |
CN105046750A (zh) * | 2015-08-24 | 2015-11-11 | 杭州美齐科技有限公司 | 一种自动分割全颌牙齿三角网格模型的方法 |
CN106228549A (zh) * | 2016-07-14 | 2016-12-14 | 嘉兴学院 | 一种基于路径规划的三角网格牙齿分割方法 |
CN108986111A (zh) * | 2018-07-02 | 2018-12-11 | 西安增材制造国家研究院有限公司 | 一种用于计算机辅助隐形正畸的三维牙颌模型分割方法 |
CN109998709A (zh) * | 2019-04-15 | 2019-07-12 | 杭州美齐科技有限公司 | 一种基于牙齿特征点的牙齿倒凹自动填充打印方法 |
Non-Patent Citations (2)
Title |
---|
吴婷,张礼兵: ""3 维牙颌模型牙齿分割的路径规划方法"", 《中国图象图形学报》 * |
张倩 等: ""临床牙列缺损患者牙颌模型三维测量应用的研究"", 《第十一届中国国际口腔器材展览会暨学术研讨会论文集》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463328A (zh) * | 2022-04-11 | 2022-05-10 | 四川大学 | 一种自动化正畸难度系数评估方法 |
CN115330820A (zh) * | 2022-10-14 | 2022-11-11 | 江苏启灏医疗科技有限公司 | 一种基于x光片的牙齿图像分割方法 |
CN116385474A (zh) * | 2023-02-27 | 2023-07-04 | 雅客智慧(北京)科技有限公司 | 基于深度学习的牙齿扫描模型分割方法、装置、电子设备 |
CN116385474B (zh) * | 2023-02-27 | 2024-06-04 | 雅客智慧(北京)科技有限公司 | 基于深度学习的牙齿扫描模型分割方法、装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112308861B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106228549B (zh) | 一种基于路径规划的三角网格牙齿分割方法 | |
TWI741284B (zh) | 製造牙齒用具之方法及系統 | |
CN112308861B (zh) | 一种牙齿牙龈分割方法、牙齿分割方法和电子设备 | |
CN105551081B (zh) | 一种虚拟牙龈三角网格构建和随动方法 | |
WO2019098887A1 (en) | Dental image processing protocol for dental aligners | |
CN108932716A (zh) | 用于牙齿图像的图像分割方法 | |
CN108986111B (zh) | 一种用于计算机辅助隐形正畸的三维牙颌模型分割方法 | |
WO2011097947A1 (zh) | 一种适用于从牙颌三角网格曲面分割牙齿三角网格曲面的方法 | |
CN106327535A (zh) | Cbct的牙根与口内扫描的牙冠的融合方法 | |
CN109993751B (zh) | 基于凹陷感知调和标量场的牙颌半自动精确分割算法 | |
CN111685899A (zh) | 基于口内图像和三维模型的牙齿正畸治疗监测方法 | |
CN107689254B (zh) | 一种全冠修复体外表面数字化生成方法 | |
CN113223063B (zh) | 一种基于icp算法与点云剔除算法的牙齿配准方法 | |
WO2022193909A1 (zh) | 去除牙齿三维数字模型上的附件的方法 | |
CN107146232B (zh) | 口腔cbct图像与激光扫描牙齿网格的数据融合方法 | |
CN115272585A (zh) | 一种三维牙列模型构建装置及方法 | |
KR102250520B1 (ko) | 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치 | |
CN108242056B (zh) | 一种基于调和场算法的三维牙齿网格数据的分割方法 | |
CN114663621A (zh) | 一种基于几何信息的三维牙冠模型优化方法 | |
CN112396609B (zh) | 一种牙列分割方法、牙齿分割方法、装置及电子设备 | |
CN117095145B (zh) | 一种牙齿网格分割模型的训练方法及终端 | |
CN115760882A (zh) | 基于调和场标量强度优选种子点的牙颌分割方法 | |
CN111524065A (zh) | 一种基于牙冠的种植牙个性化基台自动生成方法 | |
CN112070897B (zh) | 壳状牙齿矫治器的制备方法 | |
CN114897924B (zh) | 牙齿模型分割方法及装置 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 122, 2305 Zuchongzhi Road, Pudong New Area, Shanghai, 200120 Applicant after: Zhengya Dental Technology (Shanghai) Co.,Ltd. Address before: Room 122, 2305 Zuchongzhi Road, Pudong New Area, Shanghai, 200120 Applicant before: SHANGHAI SMARTEE DENTI-TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |