CN112562084B - 一种提取牙齿三维点云模型牙弓曲线的方法及系统 - Google Patents
一种提取牙齿三维点云模型牙弓曲线的方法及系统 Download PDFInfo
- Publication number
- CN112562084B CN112562084B CN202011519256.5A CN202011519256A CN112562084B CN 112562084 B CN112562084 B CN 112562084B CN 202011519256 A CN202011519256 A CN 202011519256A CN 112562084 B CN112562084 B CN 112562084B
- Authority
- CN
- China
- Prior art keywords
- data
- vertex
- tooth
- point cloud
- curve
- 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
- 210000002455 dental arch Anatomy 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000013598 vector Substances 0.000 claims abstract description 31
- 238000011176 pooling Methods 0.000 claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 30
- 238000010606 normalization Methods 0.000 claims description 19
- 230000002776 aggregation Effects 0.000 claims description 17
- 238000004220 aggregation Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 abstract description 6
- 210000003484 anatomy Anatomy 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 238000000605 extraction Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000004195 gingiva Anatomy 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000004283 incisor Anatomy 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000011505 plaster Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本发明涉及一种提取牙齿三维点云模型牙弓曲线的方法及系统，所述方法包括：通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程Ax+By+Cz+D＝0确定咬合平面；以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线。本发明的优点在于：能够自动定位牙齿三维点云数据的关键解剖结构，需要的训练数据集少，定位准确，泛化性能高，降低医生重复劳动；支持可视化手动调整，操作简便，可实现自动拟合牙弓曲线。
Description
技术领域
本发明涉及一种提取牙弓曲线的方法，尤其涉及一种提取牙齿三维点云模型牙弓曲线的方法及系统。
背景技术
在错颌畸形的诊断和治疗中，需要对特定解剖结构进行识别和分析测量；其中，牙弓曲线是指导牙齿根据牙槽骨个性化排列的重要依据；传统的提取方式包括根据WALA嵴(附着牙龈与牙槽黏膜交界软组织带上最凸点和牙旋转中心处于同一平面)手绘和CBCT提取；但是这些牙弓曲线提取方式主要基于石膏模型或者CBCT的二维影像界面，其操作繁杂且误差较大。
口内扫描设备利用结构光扫描重建牙齿三维模型，其数据采集速度快、精度高，数字化模型易存储、便于可视化分析，已逐渐成为行业主流；但是点云模型的自动化分割与识别难度较大，原因在于点云的不规则性和无序性，不利于深度学习；目前，大多数方法都是将点云转换为结构化网络，以便于深层神经网络的处理；然而，这些方法要么导致深度信息的丢失，要么引入转换伪影，并且需要更高的计算成本。
发明内容
本发明的目的在于克服现有技术的缺点，提供了一种提取牙齿三维点云模型牙弓曲线的方法及系统，解决了现有牙弓曲线提取方法存在的不足。
本发明的目的通过以下技术方案来实现：一种提取牙齿三维点云模型牙弓曲线的方法，所述方法包括：
通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；
提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程Ax+By+Cz+D＝0确定咬合平面；
以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线。
所述通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，通过池化处理集成邻域信息后输出关键解剖标志点点结果包括：
提取STL顶点数据、顶点法向量和三角面特征，使用Delaunay函数计算Delaunay三角剖分连接矩，绘制网格转换为无向图G＝(V，E)，并提取无向图边数据(E)；
拼接顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值并进行归一化处理；
对已标记数据进行随机旋转扩增并归一化，将数据标签、特征值、边、顶点、三角面和法向量集合得到COO format数据集；
输入所有顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值，并进行三次邻居聚合，在每次邻居聚合后通过最大池化和平均池化对输出进行拼接处理，再将三组拼接处理后的值相加后依次输入到三个线性层进行处理，最后输出关键解剖标志点点结果。
所述方法还包括牙齿三维点云数据采集步骤：所述牙齿三维点云数据采集步骤包括通过口内扫描或者CBCT高精度重建点云得到牙齿的三维点云数据。
所述方法还包括排牙步骤；所述排牙步骤包括根据所述牙弓曲线按照andrews 6要素进行排牙。
一种提取牙齿三维点云模型牙弓曲线系统，它包括：关键解剖标志点自动定位与牙齿分割模块、咬合平面确定模块和牙弓曲线拟合模块；
所述关键解剖标志点自动定位与牙齿分割模块用于通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；
所述咬合平面确定模块用于提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程Ax+By+Cz+D＝0确定咬合平面；
所述牙弓曲线拟合模块用于以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线。
所述关键解剖标志点自动定位与牙齿分割模块包括数据提取与转换单元、数据归一化处理单元、组装数据集单元和聚合拼接单元；
所述数据提取与转换单元用于提取STL顶点数据、顶点法向量和三角面特征，使用Delaunay函数计算Delaunay三角剖分连接矩，绘制网格转换为无向图G＝(V，E)，并提取无向图边数据(E)；
所述数据归一化处理单元用于拼接顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值并进行归一化处理；
所述组装数据集单元用于对已标记数据进行随机旋转扩增并归一化，将数据标签、特征值、边、顶点、三角面和法向量集合得到COO format数据集；
所述聚合拼接单元用于输入所有顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值，并进行三次邻居聚合，在每次邻居聚合后通过最大池化和平均池化对输出进行拼接处理，再将三组拼接处理后的值相加后依次输入到三个线性层进行处理，最后输出关键解剖标志点点结果。
还包括数据采集模块和排牙模块；所述数据采集模块用于通过口内扫描或者CBCT高精度重建点云得到牙齿的三维点云数据；所述排牙模块用于根据牙弓曲线按照andrews6要素进行排牙。
本发明具有以下优点：一种提取牙齿三维点云模型牙弓曲线的方法及系统，能够自动定位牙齿三维点云数据的关键解剖结构，需要的训练数据集少，定位准确，泛化性能高，降低医生重复劳动；支持可视化手动调整，操作简便，可实现自动拟合牙弓曲线。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1所示，本发明涉及一种提取牙齿三维点云模型牙弓曲线的方法，所述方法包括：
S1、输入牙齿三维点云数据，该数据可以来源于口内扫描，也可以来源于CBCT高精度重建点云；
S2、关键解剖标志点点自动定位：采用基于图的动态边缘卷积神经网络处理无序三维点云数据.本神经网络将各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，接着使用具有动态卷积核的多层感知器MLP(Multi-Layer Perceptrons)学习边特征，最大池化用来集成邻域信息，输出关键解剖标志点点结果。
S21、数据提取与转换
提取STL顶点数据、顶点法向量和三角面特征，使用Delaunay函数计算Delaunay三角剖分连接矩，绘制网格转换为无向图G＝(V，E)，并提取无向图边数据(E)；
S22、数据归一化(标准化)处理
拼接顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值并进行归一化处理；
S23、组装COO format数据集
对已标记数据进行随机旋转扩增并归一化，将数据标签、特征值、边、顶点、三角面和法向量集合得到COO format数据集；
S24、输入所有顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值，聚合1阶邻居、2阶邻居和3阶邻居；防止出现过平滑问题，在每层邻居聚合后使用最大池化和平均池化对输出进行拼接处理；再这三组拼接处理后的值相加，依次输入三个线性层；最后输出关键解剖标志点点S25、训练方法
训练10000次，学习率0.001，每批次36个Data，优化器使用Adam，损失函数(神经网络的输出和标签欧式距离的均方差)MSELoss；
采用梯度下降(Gradient Descent)法进行训练，利用Loss进行backpropagation(反向传播)不断地iteration(迭代)，更新权重，偏置参数找到损失最低点，寻求到全局最优解。
S26、测试方法
使用50副未进行训练的牙齿数据作为测试集，输入上述训练后的模型进行测试。
S3、确定咬合平面
将牙齿三维点云数据输入S2的神经网络中，提取下颌牙齿关键解剖标志点点，使用最小二乘法对上述三维空间离散点拟合平面方程Ax+By+Cz+D＝0,(C≠0)，即让所有点到拟合平面距离之和最短，作为排牙基准平面，并以下颌中切牙切点为全局三维坐标系原点。
其中，为保证能够适应所有病例，允许自主调节参与拟合的解剖标志点及每个点的权重。
S4、拟合牙弓曲线
以S3确定的基准平面和坐标系，根据牙齿关键解剖标志点点拟合牙弓曲线。
曲线拟合公式可采用3次B样条函数，F0,3(t)＝3！1∑j＝03(-1)jC4j)(t+3-0-j)3
β函数或其它函数。
将曲线的各参数设置为可调节参数，以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最小化函数。通过梯度下降法不断调节曲线的各个参数，从而生成符合牙齿排列情况的牙弓曲线。
S5、根据所述牙弓曲线按照Andrews 6要素进行排牙。
S6、根据排牙结果得到相应的治疗方案。
本发明的另一实施例涉及一种提取牙齿三维点云模型牙弓曲线系统，它包括：关键解剖标志点自动定位与牙齿分割模块、咬合平面确定模块和牙弓曲线拟合模块；
所述关键解剖标志点自动定位与牙齿分割模块用于通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；
所述咬合平面确定模块用于提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程Ax+By+Cz+D＝0确定咬合平面；
所述牙弓曲线拟合模块用于以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线。
所述关键解剖标志点自动定位与牙齿分割模块包括数据提取与转换单元、数据归一化处理单元、组装数据集单元和聚合拼接单元；
所述数据提取与转换单元用于提取STL顶点数据、顶点法向量和三角面特征，使用Delaunay函数计算Delaunay三角剖分连接矩，绘制网格转换为无向图G＝(V，E)，并提取无向图边数据(E)；
所述数据归一化处理单元用于拼接顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值并进行归一化处理；
所述组装数据集单元用于对已标记数据进行随机旋转扩增并归一化，将数据标签、特征值、边、顶点、三角面和法向量集合得到COO format数据集；
所述聚合拼接单元用于输入所有顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值，并进行三次邻居聚合，在每次邻居聚合后通过最大池化和平均池化对输出进行拼接处理，再将三组拼接处理后的值相加后依次输入到三个线性层进行处理，最后输出关键解剖标志点点结果。
还包括数据采集模块和排牙模块；所述数据采集模块用于通过口内扫描或者CBCT高精度重建点云得到牙齿的三维点云数据；所述排牙模块用于根据牙弓曲线按照andrews6要素进行排牙。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种提取牙齿三维点云模型牙弓曲线的方法，其特征在于：所述方法包括：
通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；
提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程确定咬合平面；
以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线；
所述通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，通过池化处理集成邻域信息后输出关键解剖标志点点结果包括：
提取STL顶点数据、顶点法向量和三角面特征，使用Delaunay函数计算Delaunay三角剖分连接矩，绘制网格转换为无向图G=（V，E），并提取无向图边数据（E）；
拼接顶点数据（x，y，z）、顶点法向量（α，β，γ）作为数据特征值并进行归一化处理；
对已标记数据进行随机旋转扩增并归一化，将数据标签、特征值、边、顶点、三角面和法向量集合得到COO format数据集；
输入所有顶点数据（x，y，z）、顶点法向量（α，β，γ）作为数据特征值，并进行三次邻居聚合，在每次邻居聚合后通过最大池化和平均池化对输出进行拼接处理，再将三组拼接处理后的值相加后依次输入到三个线性层进行处理，最后输出关键解剖标志点点结果。
2.根据权利要求1所述的一种提取牙齿三维点云模型牙弓曲线的方法，其特征在于：所述方法还包括牙齿三维点云数据采集步骤：所述牙齿三维点云数据采集步骤包括通过口内扫描或者CBCT高精度重建点云得到牙齿的三维点云数据。
3. 根据权利要求2所述的一种提取牙齿三维点云模型牙弓曲线的方法，其特征在于：所述方法还包括排牙步骤；所述排牙步骤包括根据所述牙弓曲线按照Andrews 6要素进行排牙。
4.一种提取牙齿三维点云模型牙弓曲线系统，其特征在于：它包括：关键解剖标志点自动定位与牙齿分割模块、咬合平面确定模块和牙弓曲线拟合模块；
所述关键解剖标志点自动定位与牙齿分割模块用于通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；
所述咬合平面确定模块用于提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程确定咬合平面；
所述牙弓曲线拟合模块用于以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线；
所述关键解剖标志点自动定位与牙齿分割模块包括数据提取与转换单元、数据归一化处理单元、组装数据集单元和聚合拼接单元；
所述数据提取与转换单元用于提取STL顶点数据、顶点法向量和三角面特征，使用Delaunay函数计算Delaunay三角剖分连接矩，绘制网格转换为无向图G=（V，E），并提取无向图边数据（E）；
所述数据归一化处理单元用于拼接顶点数据（x，y，z）、顶点法向量（α，β，γ）作为数据特征值并进行归一化处理；
所述组装数据集单元用于对已标记数据进行随机旋转扩增并归一化，将数据标签、特征值、边、顶点、三角面和法向量集合得到COO format数据集；
所述聚合拼接单元用于输入所有顶点数据（x，y，z）、顶点法向量（α，β，γ）作为数据特征值，并进行三次邻居聚合，在每次邻居聚合后通过最大池化和平均池化对输出进行拼接处理，再将三组拼接处理后的值相加后依次输入到三个线性层进行处理，最后输出关键解剖标志点点结果。
5. 根据权利要求4所述的一种提取牙齿三维点云模型牙弓曲线系统，其特征在于：还包括数据采集模块和排牙模块；所述数据采集模块用于通过口内扫描或者CBCT高精度重建点云得到牙齿的三维点云数据；所述排牙模块用于根据牙弓曲线按照andrews 6要素进行排牙。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011519256.5A CN112562084B (zh) | 2020-12-21 | 2020-12-21 | 一种提取牙齿三维点云模型牙弓曲线的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011519256.5A CN112562084B (zh) | 2020-12-21 | 2020-12-21 | 一种提取牙齿三维点云模型牙弓曲线的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112562084A CN112562084A (zh) | 2021-03-26 |
| CN112562084B true CN112562084B (zh) | 2024-05-07 |
Family
ID=75031192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011519256.5A Active CN112562084B (zh) | 2020-12-21 | 2020-12-21 | 一种提取牙齿三维点云模型牙弓曲线的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112562084B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601509B (zh) * | 2022-11-11 | 2023-06-09 | 四川大学 | 一种标准化牙槽骨弓形态的提取方法 |
| CN115588006B (zh) * | 2022-11-11 | 2023-11-21 | 四川大学 | 一种标准化牙弓形态的提取方法 |
| WO2024108341A1 (zh) * | 2022-11-21 | 2024-05-30 | 深圳先进技术研究院 | 基于点云理解的自动排牙方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201544077A (zh) * | 2014-05-27 | 2015-12-01 | Metal Ind Res & Dev Ct | 牙體立體影像建立方法 |
| 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 |
| CN110678145A (zh) * | 2017-05-17 | 2020-01-10 | 3M创新有限公司 | 数字3d牙弓对的自动对齐和取向 |
| CN111968146A (zh) * | 2020-07-14 | 2020-11-20 | 电子科技大学 | 三维牙颌网格模型分割方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10783655B2 (en) * | 2018-04-11 | 2020-09-22 | Siemens Healthcare Gmbh | System and method for assisted patient positioning |
| US10572770B2 (en) * | 2018-06-15 | 2020-02-25 | Intel Corporation | Tangent convolution for 3D data |
-
2020
- 2020-12-21 CN CN202011519256.5A patent/CN112562084B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201544077A (zh) * | 2014-05-27 | 2015-12-01 | Metal Ind Res & Dev Ct | 牙體立體影像建立方法 |
| 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 |
| CN110678145A (zh) * | 2017-05-17 | 2020-01-10 | 3M创新有限公司 | 数字3d牙弓对的自动对齐和取向 |
| CN111968146A (zh) * | 2020-07-14 | 2020-11-20 | 电子科技大学 | 三维牙颌网格模型分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| 三维模型分割技术在数字牙齿医疗领域的应用研究;孟宏伟;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20180815(第8期);E074-2 * |
| 基于GCNN的CBCT模拟口扫点云数据牙齿分割算法;张雅玲 等;《计算机辅助设计与图形学学报》;20200713;第32卷(第7期);1162-1170 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112562084A (zh) | 2021-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112562084B (zh) | 一种提取牙齿三维点云模型牙弓曲线的方法及系统 | |
| JP7489964B2 (ja) | 深層学習を使用した自動化矯正治療計画 | |
| US11464467B2 (en) | Automated tooth localization, enumeration, and diagnostic system and method | |
| US11443423B2 (en) | System and method for constructing elements of interest (EoI)-focused panoramas of an oral complex | |
| JP2019518552A (ja) | 歯科修復物の形状、位置及び向きの少なくとも１つの推定方法 | |
| CN115619773B (zh) | 一种三维牙齿多模态数据配准方法及系统 | |
| CN111685899A (zh) | 基于口内图像和三维模型的牙齿正畸治疗监测方法 | |
| US11540906B2 (en) | Processing digital dental impression | |
| CN115205469A (zh) | 基于cbct的牙齿与牙槽骨重建方法、设备及介质 | |
| KR101838992B1 (ko) | 투명 교정 장치의 설계를 위한 치아 모델링 장치 및 방법 | |
| Huang et al. | Tooth position determination by automatic cutting and marking of dental panoramic X-ray film in medical image processing | |
| CN113554607A (zh) | 一种牙体检测模型、生成方法及牙体分割方法 | |
| CN116524118B (zh) | 基于三维牙齿cbct数据和口腔扫描模型的多模态渲染方法 | |
| TW202409874A (zh) | 牙齒復原自動化技術 | |
| US20240249471A1 (en) | Image processing method | |
| KR20200012707A (ko) | 해부학적 랜드마크의 예측 방법 및 이를 이용한 디바이스 | |
| CN113902766A (zh) | 一种基于最短路径的牙齿三维模型分割方法及系统 | |
| US20240144598A1 (en) | Method, system, and computer program for generating 3d models of dentures in occlusion conditions | |
| WO2024097286A1 (en) | Method, system, and computer program for generating 3d models of dentures in occlusion conditions | |
| EP4307229A1 (en) | Method and system for tooth pose estimation | |
| CN117392149A (zh) | 一种三维牙颌网格模型分割与边界优化方法及相关装置 | |
| CN116563455A (zh) | 一种基于全景x线片和口扫数据的牙齿三维重建方法 | |
| CN118247219A (zh) | 基于深度学习的牙根外吸收检测系统 | |
| KR101986801B1 (ko) | 투명 디바이스 모델링 장치 및 그 방법 | |
| KR20230041560A (ko) | 인공신경망 학습을 통한 하치조 신경 추론 장치 및 방법 |
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 |