CN112927358A - 一种基于多模态数据配准的自动化完整牙齿重建方法 - Google Patents
一种基于多模态数据配准的自动化完整牙齿重建方法 Download PDFInfo
- Publication number
- CN112927358A CN112927358A CN202110259318.1A CN202110259318A CN112927358A CN 112927358 A CN112927358 A CN 112927358A CN 202110259318 A CN202110259318 A CN 202110259318A CN 112927358 A CN112927358 A CN 112927358A
- Authority
- CN
- China
- Prior art keywords
- tooth
- crown
- surface mesh
- mesh model
- boundary
- 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.)
- Pending
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本发明公开了一种基于多模态数据配准的自动化完整牙齿重建方法。方法包括以下步骤:1)将同时期采集的牙冠表面网格模型和CBCT数据进行配准,分别获得配准后的牙冠表面网格模型和CBCT数据;2)对牙冠表面网格模型中每颗牙齿模型进行处理,获得八联通的牙冠边界像素点集;3)根据牙冠边界像素点集,利用图像分割算法对CBCT数据进行图像分割,得到每层牙齿边界像素点集;4)对每层牙齿边界像素点集进行三维重建,得到完整牙齿三维表面网格模型;5)利用配准后的牙冠表面网格模型的网格边界点集对完整牙齿三维表面网格模型进行处理后获得牙冠部分的完整牙齿三维表面网格模型。本发明实现完整牙齿的自动化重建,拥有牙冠部分和完整牙根。
Description
技术领域
本发明涉及了一种完整牙齿重建方法,具体涉及了一种基于多模态数据配准的自动化完整牙齿重建方法。
背景技术
基于CBCT数据的完整牙齿模型重建技术已经相对成熟,大多是在图像分割和三维重建的基础上进行优化,然而单纯使用CBCT数据重建牙齿会出现如下几个问题:
1、牙冠部分因为上下颌咬合关系,导致图像分割时不能精确地将上下颌区分开,经常会出现上下两颗牙齿分不开的情况,也就导致最终重建出的模型完全不对;
2、CBCT的图像分割需要初始层以及初始点集的信息才能进行,通常需要专业人士手工标注,耗时又耗力;
3、CBCT的精度不够,通过Marching Cubes等算法重建出来的网格模型质量较差。
发明内容
本发明所提供一种基于多模态数据配准的自动化完整牙齿重建方法。该方法可以解决上下颌咬合关系导致的重建模型不对的问题,并且使用牙冠表面网格模型可以省略人工标注环节,自动化进行图像分割、重建以及最后的牙冠替换、模型修复、平滑。得到的模型是带有牙冠部分的完整牙齿三维模型。
本发明采用的技术方案是:
方法包含如下步骤:
1)同时期采集牙冠表面网格模型M0和CBCT数据,将一个牙冠表面网格模型M0和CBCT数据进行配准,分别获得配准后的牙冠表面网格模型M0和CBCT数据;
2)对配准后的牙冠表面网格模型M0中每颗牙齿模型进行计算,获得每颗牙齿模型的环形点集,根据环形点集生成八联通的牙冠边界像素点集Pinit;
3)以八联通的牙冠边界像素点集Pinit作为CBCT数据的图像分割算法的初始点集,利用图像分割算法对CBCT数据的轴向的每一层图像进行图像分割,得到沿CT轴向的每层牙齿边界像素点集;
4)利用移动立方体算法对每层牙齿边界像素点集进行三维重建,得到完整牙齿三维表面网格模型Tmi;
5)利用配准后的牙冠表面网格模型M0的网格边界点集Pborder对完整牙齿三维表面网格模型Tmi进行切割,切割后获得完整牙齿三维表面网格模型Tmi的牙冠部分和牙根部分,利用配准后的牙冠表面网格模型M0对牙冠部分进行替换并且和牙根部分缝补,得到牙冠部分的完整牙齿三维表面网格模型Tr。
所述牙冠表面网格模型M0由各颗牙齿模型和相关配置组成,每颗牙齿模型为每一颗牙齿的牙冠模型,不包含牙龈组织模型;牙冠表面网格模型M0的相关配置包括每一颗牙齿的局部坐标系和每一颗牙齿的牙冠模型的边界点集,主要由所有牙齿的牙冠模型的边界点集组成牙冠表面网格模型M0的网格边界点集Pborder。
所述步骤1)将一个牙冠表面网格模型M0和CBCT数据进行配准,分别获得配准后的牙冠表面网格模型M0和CBCT数据,具体为:
利用牙冠表面网格模型M0的牙齿的局部坐标,对牙冠表面网格模型M0和CBCT数据进行初始朝向配准,分别获得初配准后的牙冠表面网格模型M0和CBCT数据,之后利用迭代最近点算法对初配准后的牙冠表面网格模型M0和CBCT数据进行精细配准,分别获得配准后的牙冠表面网格模型M0和CBCT数据。
所述步骤2)具体为:
沿CBCT数据的XOY坐标系的轴向,对配准后的牙冠表面网格模型M0进行遍历计算,获取每颗牙齿模型的近似最大横截面;XOY坐标系的轴向为与XOY坐标系垂直的Z轴方向,XOY坐标系由以点O为原点,并且以X轴和垂直于X轴的Y轴组成;
所述沿CBCT数据的坐标系的轴向,对配准后的牙冠表面网格模型M0进行遍历计算,获取每颗牙齿模型的近似最大横截面,具体为:
首先,计算配准后的牙冠表面网格模型M0中每颗牙齿的所有点在Z轴上的极值点,获得每颗牙齿的极值点范围[Pzmin,Pzmax],然后构建与XOY坐标系平面平行的横截面,将横截面沿CBCT数据的坐标系的轴向从最小极值点Pzmin等间隔多次平移至最大极值点Pzmax,横截面平移间隔等于CBCT数据的层间隔,计算每次平移后的横截面与该颗牙齿相交产生的边界点个数Czi,取边界点个数Czi最多的平移后的横截面作为该颗牙齿的近似最大横截面;
每颗牙齿与自身的近似最大横截面相交产生多个边界点,将每颗牙齿模型的相邻的边界点进行连接后形成环形边界点,每颗牙齿的环形边界点作为一个环形点集,将每个环形点集中的每一个边界点进行坐标变换,转化为像素点,由所有像素点组成一个像素点集;将一个边界点坐标p(x,y,z)变换为像素点坐标pix(m,n)通过以下公式进行设置:
其中,psx和psy分别为CBCT数据的在X轴方向和在Y轴方向上的像素间隔;
构建牙冠边界像素点集Pinit,将每个像素点集中的所有像素点均进行八联通扩展,获得新的像素点,将每个像素点集和新的像素点同时加入到牙冠边界像素点集Pinit,去除牙冠边界像素点集Pinit中重复的像素点,获得八联通的牙冠边界像素点集Pinit。
所述利用配准后的牙冠表面网格模型M0的网格边界点集Pborder对完整牙齿三维表面网格模型Tmi进行切割,具体为:
查找完整牙齿三维表面网格模型Tmi中与网格边界点集Pborder中的每个点对应最近的点作为判断点,以判断点以及所有包含该判断点的三角面片作为分界,删除分界实现对完整牙齿三维表面网格模型Tmi进行切割,遍历网格边界点集Pborder,删除完整牙齿三维表面网格模型Tmi中所有与网格边界点集Pborder相对应的判断点以及包含该判断点的三角面片,完成完整牙齿三维表面网格模型Tmi的整体切割。
所述步骤5)中利用配准后的牙冠表面网格模型M0对牙冠部分进行替换并且和牙根部分缝补,得到牙冠部分的完整牙齿三维表面网格模型Tr,具体为:
将配准后的牙冠表面网格模型M0替换完整牙齿三维表面网格模型Tmi的牙冠部分,保留完整牙齿三维表面网格模型Tmi的牙根部分并获得牙根部分的边界点集,最后利用模型缝补算法对配准后的牙冠表面网格模型M0和牙根部分之间的缝隙进行缝补,缝隙具体是网格边界点集Pborder与牙根部分的边界点集之间的空隙;获得缝补后的完整牙齿三维表面网格模型Tmi,对缝补后的完整牙齿三维表面网格模型Tmi进行平滑处理,得到牙冠部分的完整牙齿三维表面网格模型Tr。
所述模型缝补算法具体为三角形网格修复算法,根据网格边界点集Pborder与牙根部分的边界点集利用三角形网格修复算法将缝隙进行缝补。
所述边界点个数Czi通过以下方式进行判断:计算每颗牙齿的所有点到横截面的距离,如果某个点到横截面的距离小于等于距离参数δ,则该点在横截面上,该点为边界点;否则,该点不为边界点。
本发明的有益效果是:
1.本发明使用表面网格数据和CBCT数据两种模态的数据,将患者精准的牙冠数据和牙根数据结合起来,得到的模型是带有牙冠部分和完整牙根部分的三维模型,有利于更好的进行数字化排牙设计;
2.本发明实现了自动化重建,通过自动寻找牙冠边界点集,实现了CBCT牙齿的自动分割和牙冠部分、牙根部分的自动融合,提高了完整牙根建模的操作效率。
本发明能利用两种模态数据实现自动化地完整牙齿重建,并且得到的牙齿三维模型拥有牙冠部分以及完整牙根。
附图说明
图1是本发明方法的流程图。
图2是口内扫描并重建得到的牙冠表面网格模型的点集展示效果。
图3是CBCT通过阈值选取出来的点集可视化效果。
图4是配准后牙冠表面网格模型M0和CBCT数据的可视化效果。
图5展示了自动获取牙冠边界像素点集的流程。
图6是牙冠替换,模型修复算法流程。
图7是最终完整牙齿模型。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
如图1所示,本发明包含如下步骤:
牙冠表面网格模型M0通过口内扫描仪扫描重建获得或者通过对石膏模型扫描重建获得。
1)如图2和3所示,同时期采集牙冠表面网格模型M0和CBCT数据,将一个牙冠表面网格模型M0和CBCT数据进行配准,使得牙冠表面网格模型M0和CBCT数据在世界坐标系下进行重叠,分别获得配准后的牙冠表面网格模型M0和CBCT数据,如图4所示;
步骤1)中将一个牙冠表面网格模型M0和CBCT数据进行配准,使得牙冠表面网格模型M0和CBCT数据在世界坐标系下进行重叠,分别获得配准后的牙冠表面网格模型M0和CBCT数据,具体为:
利用牙冠表面网格模型M0的局部坐标,对牙冠表面网格模型M0和CBCT数据进行初始朝向配准,分别获得初配准后的牙冠表面网格模型M0和CBCT数据,之后利用迭代最近点(ICP)算法对初配准后的牙冠表面网格模型M0和CBCT数据进行精细配准,分别获得配准后的牙冠表面网格模型M0和CBCT数据。
2)对配准后的牙冠表面网格模型M0中每颗牙齿模型进行计算,获得每颗牙齿模型的环形点集,根据环形点集生成八联通的牙冠边界像素点集Pinit;牙冠表面网格模型M0由各颗牙齿模型和相关配置组成,每颗牙齿模型为每一颗牙齿的牙冠模型,不包含牙龈组织模型;牙冠表面网格模型M0的相关配置包括每一颗牙齿的局部坐标系和每一颗牙齿的牙冠模型的边界点集,主要由所有牙齿的牙冠模型的边界点集组成牙冠表面网格模型M0的网格边界点集Pborder。
步骤2)具体为:
如图5所示,沿CBCT数据的XOY坐标系的轴向,对配准后的牙冠表面网格模型M0进行遍历计算,获取每颗牙齿模型的近似最大横截面;XOY坐标系的轴向为与XOY坐标系垂直的Z轴方向,XOY坐标系由以点O为原点,并且以X轴和垂直于X轴的Y轴组成;
沿CBCT数据的坐标系的轴向,对配准后的牙冠表面网格模型M0进行遍历计算,获取每颗牙齿模型的近似最大横截面,具体为:
首先,计算配准后的牙冠表面网格模型M0中每颗牙齿的所有点在Z轴上的极值点,获得每颗牙齿的极值点范围[Pzmin,Pzmax],然后构建与XOY坐标系平面平行的横截面,将横截面沿CBCT数据的坐标系的轴向从最小极值点Pzmin等间隔多次平移至最大极值点Pzmax,横截面平移间隔等于CBCT数据的层间隔,即CBCT数据的轴向的相邻层图像之间的间隔,间隔具体为1mm,计算每次平移后的横截面与该颗牙齿相交产生的边界点个数Czi,取边界点个数Czi最多的平移后的横截面作为该颗牙齿的近似最大横截面,并将近似最大横截面作为后续CBCT数据中每颗牙齿分割的初始面;
其中,边界点个数Czi通过以下方式进行判断:计算每颗牙齿的所有点到横截面的距离,如果某个点到横截面的距离小于等于距离参数δ,距离参数δ<0.3,则该点在横截面上,该点为边界点;否则,该点不为边界点;
每颗牙齿与自身的近似最大横截面相交产生多个边界点,将每颗牙齿模型的相邻的边界点进行连接后形成环形边界点,每颗牙齿的环形边界点作为一个环形点集,将每个环形点集中的每一个边界点进行坐标变换,转化为图像空间内的像素点,由所有像素点组成一个像素点集;将一个边界点坐标p(x,y,z)变换为像素点坐标pix(m,n)通过以下公式进行设置:
其中,psx和psy分别为CBCT数据的在X轴方向和在Y轴方向上的像素间隔;
构建牙冠边界像素点集Pinit,将每个像素点集中的所有像素点均进行八联通扩展,获得新的像素点,将每个像素点集和新的像素点同时加入到牙冠边界像素点集Pinit,去除牙冠边界像素点集Pinit中重复的像素点,获得八联通的牙冠边界像素点集Pinit;对于一个像素点坐标pix(m,n),进行八连通拓展后获得8个新的像素点坐标,分别为:pix(m,n+1)、pix(m,n-1)、pix(m+1,n)、pix(m-1,n)、pix(m+1,n+1)、pix(m+1,n-1)、pix(m-1,n+1)、pix(m-1,n-1)。
3)以牙冠边界像素点集Pinit作为CBCT数据的图像分割算法的初始点集,初始点集中每颗牙齿的初始面为该颗牙齿的近似最大横截面,如图5所示,利用Level Set图像分割算法对CBCT数据的每一层图像进行图像分割,将每一层图像分割为牙齿部分和非牙齿部分两部分,得到沿CT轴向的每层牙齿边界像素点集;
4)利用移动立方体(Marching Cubes)算法对每层牙齿边界像素点集进行三维重建,得到完整牙齿三维表面网格模型Tmi;
5)图6展示了牙冠替换,模型修复算法流程,利用配准后的牙冠表面网格模型M0的网格边界点集Pborder对完整牙齿三维表面网格模型Tmi进行切割,三维完整牙齿网格模型Tmi与配准后的牙冠表面网格模型M0是已经配准的,原因在于CBCT数据与牙冠表面网格模型M0在步骤1)中已经配准,由此重建出来的三维完整牙齿网格模型Tmi与配准后的牙冠表面网格模型就是配准的。切割后获得完整牙齿三维表面网格模型Tmi的牙冠部分和牙根部分,利用配准后的牙冠表面网格模型M0对牙冠部分进行替换并且和牙根部分缝补,得到牙冠部分的完整牙齿三维表面网格模型Tr。
利用配准后的牙冠表面网格模型M0的网格边界点集Pborder对完整牙齿三维表面网格模型Tmi进行切割,具体为:
查找完整牙齿三维表面网格模型Tmi中与网格边界点集Pborder中的每个点对应最近的点作为判断点,以判断点以及所有包含该判断点的三角面片作为分界,删除分界实现对完整牙齿三维表面网格模型Tmi进行切割,遍历网格边界点集Pborder,删除完整牙齿三维表面网格模型Tmi中所有与网格边界点集Pborder相对应的判断点以及包含该判断点的三角面片,完成完整牙齿三维表面网格模型Tmi的整体切割。
步骤5)中利用配准后的牙冠表面网格模型M0对牙冠部分进行替换并且和牙根部分缝补,得到牙冠部分的完整牙齿三维表面网格模型Tr,具体为:
将配准后的牙冠表面网格模型M0替换完整牙齿三维表面网格模型Tmi的牙冠部分,保留完整牙齿三维表面网格模型Tmi的牙根部分并获得牙根部分的边界点集,最后利用模型缝补算法对配准后的牙冠表面网格模型M0和牙根部分之间的缝隙进行缝补,缝隙具体是网格边界点集Pborder与牙根部分的边界点集之间的空隙;获得缝补后的完整牙齿三维表面网格模型Tmi,对缝补后的完整牙齿三维表面网格模型Tmi进行平滑处理,得到牙冠部分的完整牙齿三维表面网格模型Tr,如图7所示。
模型缝补算法具体为三角形网格修复算法,根据网格边界点集Pborder与牙根部分的边界点集利用三角形网格修复算法将缝隙进行缝补。
本发明具体实施过程中可以使用的参考文献如下:
所述的步骤1)中使用的ICP配准是通过初始化矩阵进行粗配准的Improved ICP配准,这样可以更快速地收敛,并得到更好的结果,可参考[Besl PJ,McKay ND,1992.Methodfor registration of 3-d shapes.Sensor Fusion IV:Control Paradigms and DataStructures,1611:586-607.]。
所述步骤2)和步骤3)中的图像分割方法使用的是DRLSE方法,是一种ImprovedLevel Set方法,可参考[Li C,Xu C,Gui C,et al.,2010.Distance regularized levelset evolution and its application to image segmentation.IEEE transactions onimage processing,19(12):3243-3254.],并且本发明省掉了DRLSE中的人工初始化阶段,变为自动初始化。
所述的步骤4)中三维重建方法使用的是Marching Cubes算法,得到的是三维三角形网格模型,可参考[Sethian JA,1999.Level set methods and fast marchingmethods:evolving interfaces in computational geometry,fluid mechanics,computer vision,and materials science.Cambridge university press.]。
所述步骤5)中的模型缝补算法使用的是优化过的Gap Filling算法,可参考[XiaG,Chen L,2014.3d dental mesh repairing using template-based deformation.20147th International Conference on Biomedical Engineering and Informatics,p.410-414.]。
Claims (8)
1.一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:包含如下步骤:
1)同时期采集牙冠表面网格模型M0和CBCT数据,将一个牙冠表面网格模型M0和CBCT数据进行配准,分别获得配准后的牙冠表面网格模型M0和CBCT数据;
2)对配准后的牙冠表面网格模型M0中每颗牙齿模型进行计算,获得每颗牙齿模型的环形点集,根据环形点集生成八联通的牙冠边界像素点集Pinit;
3)以八联通的牙冠边界像素点集Pinit作为CBCT数据的图像分割算法的初始点集,利用图像分割算法对CBCT数据的轴向的每一层图像进行图像分割,得到沿CT轴向的每层牙齿边界像素点集;
4)利用移动立方体算法对每层牙齿边界像素点集进行三维重建,得到完整牙齿三维表面网格模型Tmi;
5)利用配准后的牙冠表面网格模型M0的网格边界点集Pborder对完整牙齿三维表面网格模型Tmi进行切割,切割后获得完整牙齿三维表面网格模型Tmi的牙冠部分和牙根部分,利用配准后的牙冠表面网格模型M0对牙冠部分进行替换并且和牙根部分缝补,得到牙冠部分的完整牙齿三维表面网格模型Tr。
2.根据权利要求1所述的一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:所述牙冠表面网格模型M0由各颗牙齿模型和相关配置组成,每颗牙齿模型为每一颗牙齿的牙冠模型,不包含牙龈组织模型;牙冠表面网格模型M0的相关配置包括每一颗牙齿的局部坐标系和每一颗牙齿的牙冠模型的边界点集,主要由所有牙齿的牙冠模型的边界点集组成牙冠表面网格模型M0的网格边界点集Pborder。
3.根据权利要求1所述的一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:所述步骤1)将一个牙冠表面网格模型M0和CBCT数据进行配准,分别获得配准后的牙冠表面网格模型M0和CBCT数据,具体为:
利用牙冠表面网格模型M0的牙齿的局部坐标,对牙冠表面网格模型M0和CBCT数据进行初始朝向配准,分别获得初配准后的牙冠表面网格模型M0和CBCT数据,之后利用迭代最近点算法对初配准后的牙冠表面网格模型M0和CBCT数据进行精细配准,分别获得配准后的牙冠表面网格模型M0和CBCT数据。
4.根据权利要求1所述的一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:所述步骤2)具体为:
沿CBCT数据的XOY坐标系的轴向,对配准后的牙冠表面网格模型M0进行遍历计算,获取每颗牙齿模型的近似最大横截面;XOY坐标系的轴向为与XOY坐标系垂直的Z轴方向,XOY坐标系由以点O为原点,并且以X轴和垂直于X轴的Y轴组成;
所述沿CBCT数据的坐标系的轴向,对配准后的牙冠表面网格模型M0进行遍历计算,获取每颗牙齿模型的近似最大横截面,具体为:
首先,计算配准后的牙冠表面网格模型M0中每颗牙齿的所有点在Z轴上的极值点,获得每颗牙齿的极值点范围[Pzmin,Pzmax],然后构建与XOY坐标系平面平行的横截面,将横截面沿CBCT数据的坐标系的轴向从最小极值点Pzmin等间隔多次平移至最大极值点Pzmax,横截面平移间隔等于CBCT数据的层间隔,计算每次平移后的横截面与该颗牙齿相交产生的边界点个数Czi,取边界点个数Czi最多的平移后的横截面作为该颗牙齿的近似最大横截面;
每颗牙齿与自身的近似最大横截面相交产生多个边界点,将每颗牙齿模型的相邻的边界点进行连接后形成环形边界点,每颗牙齿的环形边界点作为一个环形点集,将每个环形点集中的每一个边界点进行坐标变换,转化为像素点,由所有像素点组成一个像素点集;将一个边界点坐标p(x,y,z)变换为像素点坐标pix(m,n)通过以下公式进行设置:
其中,psx和psy分别为CBCT数据的在X轴方向和在Y轴方向上的像素间隔;
构建牙冠边界像素点集Pinit,将每个像素点集中的所有像素点均进行八联通扩展,获得新的像素点,将每个像素点集和新的像素点同时加入到牙冠边界像素点集Pinit,去除牙冠边界像素点集Pinit中重复的像素点,获得八联通的牙冠边界像素点集Pinit。
5.根据权利要求1所述的一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:所述利用配准后的牙冠表面网格模型M0的网格边界点集Pborder对完整牙齿三维表面网格模型Tmi进行切割,具体为:
查找完整牙齿三维表面网格模型Tmi中与网格边界点集Pborder中的每个点对应最近的点作为判断点,以判断点以及所有包含该判断点的三角面片作为分界,删除分界实现对完整牙齿三维表面网格模型Tmi进行切割,遍历网格边界点集Pborder,删除完整牙齿三维表面网格模型Tmi中所有与网格边界点集Pborder相对应的判断点以及包含该判断点的三角面片,完成完整牙齿三维表面网格模型Tmi的整体切割。
6.根据权利要求1所述的一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:所述步骤5)中利用配准后的牙冠表面网格模型M0对牙冠部分进行替换并且和牙根部分缝补,得到牙冠部分的完整牙齿三维表面网格模型Tr,具体为:
将配准后的牙冠表面网格模型M0替换完整牙齿三维表面网格模型Tmi的牙冠部分,保留完整牙齿三维表面网格模型Tmi的牙根部分并获得牙根部分的边界点集,最后利用模型缝补算法对配准后的牙冠表面网格模型M0和牙根部分之间的缝隙进行缝补,缝隙具体是网格边界点集Pborder与牙根部分的边界点集之间的空隙;获得缝补后的完整牙齿三维表面网格模型Tmi,对缝补后的完整牙齿三维表面网格模型Tmi进行平滑处理,得到牙冠部分的完整牙齿三维表面网格模型Tr。
7.根据权利要求1所述的一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:所述模型缝补算法具体为三角形网格修复算法,根据网格边界点集Pborder与牙根部分的边界点集利用三角形网格修复算法将缝隙进行缝补。
8.根据权利要求4所述的一种基于多模态数据配准的自动化完整牙齿重建方法,其特征在于:所述边界点个数Czi通过以下方式进行判断:计算每颗牙齿的所有点到横截面的距离,如果某个点到横截面的距离小于等于距离参数δ,则该点在横截面上,该点为边界点;否则,该点不为边界点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110259318.1A CN112927358A (zh) | 2021-03-10 | 2021-03-10 | 一种基于多模态数据配准的自动化完整牙齿重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110259318.1A CN112927358A (zh) | 2021-03-10 | 2021-03-10 | 一种基于多模态数据配准的自动化完整牙齿重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112927358A true CN112927358A (zh) | 2021-06-08 |
Family
ID=76172351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110259318.1A Pending CN112927358A (zh) | 2021-03-10 | 2021-03-10 | 一种基于多模态数据配准的自动化完整牙齿重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927358A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344950A (zh) * | 2021-07-28 | 2021-09-03 | 北京朗视仪器股份有限公司 | 一种深度学习结合点云语义的cbct图像牙齿分割方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130249907A1 (en) * | 2011-09-12 | 2013-09-26 | Medical Modeling Inc., a Colorado Corporaiton | Fiducial system to facilitate co-registration and image pixel calibration of multimodal data |
CN105447908A (zh) * | 2015-12-04 | 2016-03-30 | 山东山大华天软件有限公司 | 基于口腔扫描数据和cbct数据的牙列模型生成方法 |
CN106327535A (zh) * | 2016-08-16 | 2017-01-11 | 苏州迪凯尔医疗科技有限公司 | Cbct的牙根与口内扫描的牙冠的融合方法 |
CN107564023A (zh) * | 2017-08-02 | 2018-01-09 | 杭州美齐科技有限公司 | 一种cbct牙齿分割及建模算法 |
CN108335318A (zh) * | 2018-03-26 | 2018-07-27 | 北京正齐口腔医疗技术有限公司 | 牙冠和牙根融合的方法及装置 |
CN108765474A (zh) * | 2018-04-17 | 2018-11-06 | 天津工业大学 | 一种针对ct与光学扫描牙齿模型的高效配准方法 |
EP3503038A1 (en) * | 2017-12-22 | 2019-06-26 | Promaton Holding B.V. | Automated 3d root shape prediction using deep learning methods |
CN110363750A (zh) * | 2019-06-28 | 2019-10-22 | 福建师范大学 | 一种基于多模态数据融合的牙根管形态自动提取方法 |
-
2021
- 2021-03-10 CN CN202110259318.1A patent/CN112927358A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130249907A1 (en) * | 2011-09-12 | 2013-09-26 | Medical Modeling Inc., a Colorado Corporaiton | Fiducial system to facilitate co-registration and image pixel calibration of multimodal data |
CN105447908A (zh) * | 2015-12-04 | 2016-03-30 | 山东山大华天软件有限公司 | 基于口腔扫描数据和cbct数据的牙列模型生成方法 |
CN106327535A (zh) * | 2016-08-16 | 2017-01-11 | 苏州迪凯尔医疗科技有限公司 | Cbct的牙根与口内扫描的牙冠的融合方法 |
CN107564023A (zh) * | 2017-08-02 | 2018-01-09 | 杭州美齐科技有限公司 | 一种cbct牙齿分割及建模算法 |
EP3503038A1 (en) * | 2017-12-22 | 2019-06-26 | Promaton Holding B.V. | Automated 3d root shape prediction using deep learning methods |
CN108335318A (zh) * | 2018-03-26 | 2018-07-27 | 北京正齐口腔医疗技术有限公司 | 牙冠和牙根融合的方法及装置 |
CN108765474A (zh) * | 2018-04-17 | 2018-11-06 | 天津工业大学 | 一种针对ct与光学扫描牙齿模型的高效配准方法 |
CN110363750A (zh) * | 2019-06-28 | 2019-10-22 | 福建师范大学 | 一种基于多模态数据融合的牙根管形态自动提取方法 |
Non-Patent Citations (2)
Title |
---|
QIAN, JIAHONG, ET AL.: "An automatic tooth reconstruction method based on multimodal data", 《JOURNAL OF VISUALIZATION》 * |
李占利等: "基于牙冠与牙根特征的牙齿建模方法", 《图学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344950A (zh) * | 2021-07-28 | 2021-09-03 | 北京朗视仪器股份有限公司 | 一种深度学习结合点云语义的cbct图像牙齿分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327535B (zh) | Cbct的牙根与口内扫描的牙冠的融合方法 | |
CN106504331B (zh) | 基于三维模型检索的牙齿建模方法 | |
KR102273438B1 (ko) | 구강 스캔 데이터의 크라운 분할을 이용한 구강 스캔 데이터와 컴퓨터 단층촬영 이미지 자동 정합 장치 및 방법 | |
JP2022000211A (ja) | 歯列メッシュ矯正具除去のための方法および装置 | |
US8970581B2 (en) | System and method for interactive contouring for 3D medical images | |
GB2515510A (en) | Image processing method | |
CN111862171A (zh) | 基于多视图融合的cbct与激光扫描点云数据牙齿配准方法 | |
WO2020263987A1 (en) | Processing digital dental impression | |
CN111968146A (zh) | 三维牙颌网格模型分割方法 | |
CN115619773B (zh) | 一种三维牙齿多模态数据配准方法及系统 | |
Cohen et al. | Virtual reconstruction of archeological vessels using expert priors and intrinsic differential geometry information | |
JP2006325629A (ja) | 3次元関心領域設定方法,画像取得装置およびプログラム | |
Molnar et al. | Idealized landmark-based geometric reconstructionsof poorly preserved fossil material: a case study of an early tetrapod vertebra | |
CN112927358A (zh) | 一种基于多模态数据配准的自动化完整牙齿重建方法 | |
CN107146232A (zh) | 口腔cbct图像与激光扫描牙齿网格的数据融合方法 | |
CN114549540A (zh) | 一种口扫牙齿数据与cbct数据自动融合的方法及其应用 | |
CN114612318A (zh) | 基于文物ct图像轮廓线的三维建模方法、系统及设备 | |
Ben-Hamadou et al. | 3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge | |
CN113393470A (zh) | 一种牙齿全自动分割方法 | |
CN116749522A (zh) | 一种用于正畸矫正工具的3d打印系统和方法 | |
CN110942433A (zh) | 一种基于颅骨cbct图像的修复导板生成方法 | |
KR100338247B1 (ko) | 생체 구조물의 3차원 유한 요소 모델 구성방법 | |
CN109147061B (zh) | 一种对体数据的分割结果进行人机交互编辑的方法 | |
Wei et al. | Automatic mesh fusion for dental crowns and roots in a computer-aided orthodontics system | |
CN109118501A (zh) | 图像处理方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210608 |