CN115457198A - 牙齿模型生成方法、装置、电子设备和存储介质 - Google Patents

牙齿模型生成方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115457198A
CN115457198A CN202211045812.9A CN202211045812A CN115457198A CN 115457198 A CN115457198 A CN 115457198A CN 202211045812 A CN202211045812 A CN 202211045812A CN 115457198 A CN115457198 A CN 115457198A
Authority
CN
China
Prior art keywords
dimensional data
data
tooth
jaw
single tooth
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
Application number
CN202211045812.9A
Other languages
English (en)
Inventor
王嘉磊
邱凯佳
来锴楠
张健
江腾飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shining 3D Technology Co Ltd
Original Assignee
Shining 3D Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shining 3D Technology Co Ltd filed Critical Shining 3D Technology Co Ltd
Priority to CN202211045812.9A priority Critical patent/CN115457198A/zh
Publication of CN115457198A publication Critical patent/CN115457198A/zh
Priority to PCT/CN2023/115960 priority patent/WO2024046400A1/zh
Pending legal-status Critical Current

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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开涉及一种牙齿模型生成方法、装置、电子设备和存储介质。牙齿模型生成方法包括：对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据；根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据；将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准；基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。本公开提供的方法，能够实现CBCT数据和口内扫描仪扫描的三维数据的自动融合，生成的完整、高精确度的牙齿模型能够最大限度的满足临床需求，且融合效率也比较高。

Description

牙齿模型生成方法、装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种牙齿模型生成方法、装置、电子设备和存储介质。
背景技术
在口腔医学领域，单一数据显示已经不能满足临床需求。在专业种植、正畸等牙科领域，往往需要获取单个牙的完整几何信息，才能重建出整颗单牙，以指导后续的种植和正畸流程。
目前，通过口内扫描仪扫描患者口腔或通过齿科桌面扫描仪扫描患者咬过的印模可以获取患者口腔内上、下颌的三维网格数据(三角形面片)，即可以得到高精度的牙冠数据，但会存在临接面信息丢失的问题，也无法获取到牙根数据，容易忽略未暴露的智齿等牙齿数据。通过CBCT(Cone Beam Computed Tomography，锥形束CT)可以获取到完整的牙齿和颌骨的三维信息，然而，由于图像分辨率有限以及存在各种金属伪影，仅通过采集的CBCT数据无法描绘牙齿表面的精确细节，精确度比较低。
此外，目前多是通过手动从CBCT数据中分割出牙齿区域，以及手动地将CBCT数据和口扫网格数据进行配准，整个流程耗时较长，需要进行人为交互，无法做到完全自动化。
因此，为得到满足临床需求的完整、高精确度的牙齿模型，急需提出进一步的解决方案。
发明内容
为了解决上述技术问题，本公开提供了一种牙齿模型生成方法、装置、电子设备和存储介质，能够实现CBCT数据和口内扫描仪扫描的三维数据的自动融合，生成的完整、高精确度的牙齿模型能够最大限度的满足临床需求，且融合效率也比较高。
第一方面，本公开实施例提供了一种牙齿模型生成方法，包括：
对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据；
根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据；
将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准；
基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。
可选的，所述重建的三维数据包括所述目标牙颌的三维数据和组成所述目标牙颌的单个牙齿的第一三维数据。
可选的，所述将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准，包括：
将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，得到所述单个牙齿的初始位姿；
基于所述单个牙齿的初始位姿，将所述单个牙齿的第一三维数据和所述扫描的三维数据进行精细配准。
可选的，所述将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，得到所述单个牙齿的初始位姿，包括：
通过特征拼接算法，将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，并得到所述目标牙颌的初始位姿；
基于所述目标牙颌的初始位姿得到所述单个牙齿的初始位姿。
可选的，所述基于所述单个牙齿的初始位姿，将所述单个牙齿的第一三维数据和所述扫描的三维数据进行精细配准，包括：
对所述扫描的三维数据进行实例分割，得到组成所述目标牙颌的单个牙齿的第二三维数据；
基于所述单个牙齿的初始位姿，通过迭代最近点算法将所述单个牙齿的第一三维数据和所述单个牙齿的第二三维数据进行精细配准。
可选的，所述基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型，包括：
将配准后的所述单个牙齿的第一三维数据中的牙根数据和临接面数据同所述扫描的三维数据分割出的所述单个牙齿的第二三维数据中的牙冠数据进行融合，生成牙齿模型。
可选的，所述方法还包括：
根据所述扫描的三维数据分割出所述目标牙颌中牙龈的三维数据；
响应于显示标识的触发操作，显示所述牙龈的三维数据。
可选的，所述CBCT数据包括多张CBCT图像，所述多张CBCT图像中的每张图像包括组成所述目标牙颌的至少一个牙齿的信息。
可选的，所述对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据，包括：
通过预先建立的深度学习模型对所述多张CBCT图像进行分类，确定所述多张CBCT图像中每张CBCT图像包括的单个牙齿的类别，并根据所述单个牙齿的类别进行分割，得到所述单个牙齿的分割数据；
根据所述多张CBCT图像中具有相同类别的单个牙齿所对应的分割数据，得到组成所述目标牙颌的单个牙齿的体素数据。
第二方面，本公开实施例提供了一种牙齿模型生成装置，所述装置包括：
确定模块，用于对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据；
重建模块，用于根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据；
配准模块，用于将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准；
生成模块，用于基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。
第三方面，本公开实施例提供了一种电子设备，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述的牙齿模型生成方法。
第四方面，本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的牙齿模型生成方法的步骤。
本公开实施例提供了一种牙齿模型生成方法、装置、电子设备和存储介质。牙齿模型生成方法包括：对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据；根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据；将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准；基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。本公开提供的方法，能够实现CBCT数据和口内扫描仪扫描的三维数据的自动融合，生成的完整、高精确度的牙齿模型能够最大限度的满足临床需求，且融合效率也比较高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种牙齿模型生成方法的流程示意图；
图2为本公开实施例提供的一种牙齿网格化的示意图；
图3为本公开实施例提供的一种牙齿模型的示意图；
图4为本公开实施例提供的一种牙齿模型生成方法的流程示意图；
图5为本公开实施例提供的一种粗配准的牙齿模型示意图；
图6为本公开实施例提供的一种精细配准的牙齿模型示意图；
图7为本公开实施例提供的一种牙齿模型生成装置的结构示意图；
图8为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
目前，在专业牙科领域，需要获取到单牙的完整几何信息进行建模，便于追踪正畸过程和指导手术。数字口内扫描仪输出的三维数据精度较高，但会丢失临接面信息，且无法获取到牙根信息。而CBCT数据受到图像分辨率限制，获得的牙齿几何信息较为粗糙。另外，对CBCT数据进行处理时，通常会采用手动的方式从CBCT数据中分割出牙齿信息，以及手动的将CBCT数据和口扫网格数据进行配准，整个处理流程耗时比较长，还需要人为交互操作，且生成的牙齿模型精度也比较低，无法实现自动化。
针对上述技术问题，本公开实施例提供了一种牙齿模型生成方法，通过将CBCT数据和数字口内扫描仪输出的三维数据自动进行适当融合，可以提供详细的三维牙龈表面以及相应的包括牙冠、牙颈部、牙根的几何结构，生成的牙齿模型精度比较高，且整个流程实现了自动化，不需要人为交互和干预，同时也减少了耗时和人力物力的浪费，牙齿模型可以有效应用于咬合分析、种植手术等方面。
图1为本公开实施例提供的一种牙齿模型生成方法的流程示意图，可以应用于终端，还可以应用于服务端，以终端执行牙齿模型生成方法为例，终端根据获取的CBCT数据和口扫三维数据进行配准和融合，生成高精度的完整牙齿模型，其中，CBCT数据和口扫三维数据可以是其他终端发送的，或者是其他终端预处理后发送的，终端获取数据的方式在此不作限定，服务端生成牙齿模型的方式在此不作赘述。具体的，牙齿模型生成方法具体包括如图1所示的如下步骤S110至S140：
S110、对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据。
其中，所述CBCT数据包括多张CBCT图像，所述多张CBCT图像中的每张图像包括组成所述目标牙颌的至少一个牙齿的信息。
可理解的，利用CBCT扫描对象的口腔，生成CBCT数据，CBCT数据是由多张CBCT图像组成的，每张图像包括组成目标牙颌的至少一个牙齿的信息，且每张图像包括的牙齿信息可能不完全相同，其中，目标牙颌为口腔内整体牙颌，目标牙颌可以进一步划分为上牙颌和下牙颌，多张CBCT图像可以进一步分为上牙颌图像和下牙颌图像，上牙颌图像由多张CBCT图像组成，下牙颌图像则由剩余的多张CBCT组成。可理解的是，在对CBCT数据进行实例分割时，可以获取单个牙齿的独立体素数据及包括单个牙齿的独立体素数据在内的目标牙颌的整体体素数据，体素数据为三维数据，获取的多张CBCT图像为二维数据，每张目标牙颌的二维数据经实例分割会得到单个牙齿的二维数据，单个牙齿的多张二维数据重建成对应的体素数据。
可选的，从CBCT数据中分割出单个牙齿的体素数据，具体可以通过下述步骤实现：
通过预先建立的深度学习模型对所述多张CBCT图像进行分类，确定所述多张CBCT图像中每张CBCT图像包括的单个牙齿的类别，并根据所述单个牙齿的类别进行分割，得到所述单个牙齿的分割数据。
根据所述多张CBCT图像中具有相同类别的单个牙齿所对应的分割数据，得到组成所述目标牙颌的单个牙齿的体素数据。
可理解的，预先获取大量的CBCT图像作为训练样本，大量的CBCT图像可以属于多个对象的牙颌，随后对CBCT图像进行标注，以单个牙齿作为一个类型进行标注，例如，将口腔内下牙颌所包括的牙齿分别标注为编号17至32，上牙颌所包括的牙齿分别标注为编号1至16，根据牙齿的编号可以确定牙齿在上牙颌还是下牙颌，其中，还可以添加牙颌骨的标签，基于训练样本对预先构建的深度学习模型进行训练，深度学习模型可以是基于nnUNet框架构建的，具体构建模型的方法不作限定，可以进行单个牙齿识别和体素数据分割即可，深度学习模型的具体训练方法不作限定。
可理解的，通过预先训练的深度学习模型，对多张CBCT图像进行分类，确定多张CBCT图像中每张CBCT图像包括的单个牙齿的类别，具体识别出单个牙齿的编号，每个编号对应一个类别，根据编号可以确定该牙齿在上牙颌还是下牙颌，便于后续以牙颌为整体进行粗配准，例如编号5的牙齿自动确定在上牙颌；还可以先识别上牙颌或下牙颌，之后再识别划分各牙颌中的单个牙齿的编号，也就是先划分牙颌再确定牙齿编号。针对每张CBCT图像，确定其上单个牙齿的类别，同时按照单个牙齿的类别进行分割，分割出单个牙齿的分割数据，例如，将第一张CBCT图像包括的13个单个牙齿按照类别进行分割，得到13个分割数据。最后，将多张CBCT图像中，具有相同类别的单个牙齿所对应的分割数据进行组合，得到单个牙齿的体素数据，该种情况下，单个牙齿所对应的分割数据可以理解为二维数据，根据牙齿类别将同类别的分割数据经过处理组合成单个牙齿的体素数据，该单个牙齿的体素数据为三维的体素数据。
S120、根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据。
可选的，所述重建的三维数据包括所述目标牙颌的三维数据和组成所述目标牙颌的单个牙齿的第一三维数据。
可理解的，在上述S110的基础上，基于CBCT数据分割出的单个牙齿的体素数据，重建出组成目标牙颌的单个牙齿的第一三维数据和目标牙颌的三维数据，单个牙齿的第一三维数据和目标牙颌的三维数据可以是同时生成的，也可以是分别生成的，目标牙颌的三维数据和第一三维数据可以是点云数据，也可以是网格数据，下述实施例以目标牙颌的三维数据和第一三维数据是网格数据为例进行说明，也就是将体素数据进行网格化处理，在网格化处理过程中，还可以进行平滑等预处理，以提升网格数据的精确度。
示例性的，参见图2，图2为本公开实施例提供的一种牙齿网格化的示意图，图2所示的CBCT数据210包括多张CBCT图像，基于CBCT数据210进行实例分割后重建出单个牙齿的第一三维数据220，重建出第一三维数据220后，还可以显示由单个牙齿的第一三维数据组成的网格化的牙齿模型，在显示的时候，还可以为不同的单个牙齿设置不同填充色，以便于更加直观了解到牙齿信息。
S130、将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准。
可理解的，在上述S120的基础上，获取口内扫描仪扫描目标牙颌后生成的扫描的三维数据，将重建的三维数据和扫描的三维数据进行配准，口内扫描仪扫描的三维数据可以是扫描的网格数据，口内扫描仪扫描得到的可能是目标牙颌的整体三维数据，具体的，可以根据单个牙齿的类别对单个牙齿进行划分，针对上下牙颌可以分别进行配准，也就是以牙颌为单位进行粗配准，例如，将组成下牙颌的多个单个牙齿的第一三维数据和扫描的三维数据中下牙颌的网格数据进行配准，将组成上牙颌的多个单个牙齿的第一三维数据和扫描的三维数据中上牙颌的网格数据进行配准。
S140、基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。
可选的，生成牙齿模型具体可以通过如下步骤实现：
将配准后的所述单个牙齿的第一网格数据中的牙根数据和临接面数据同所述扫描的三维数据分割出的所述单个牙齿的第二三维数据中的牙冠数据进行融合，生成牙齿模型。
可理解的，在上述S130的基础上，单个牙齿的第一三维数据包括牙冠数据、临接面数据和牙根数据，但是牙冠数据表面精确度比较低，依据牙冠数据无法描绘牙齿表面的精确细节。获取基于扫描的三维数据分割得到的单个牙齿的第二三维数据，单个牙齿的第二三维数据中包括高精度的牙冠数据，因此，针对同一对象的单个牙齿来说，将配准后的第一三维数据中的临接面数据和牙根数据同第二三维数据中的牙冠数据进行拼接，也就是将CBCT数据和扫描的三维数据中一一对应的后，将同一个牙齿的第一三维数据和第二三维数据进行拼接融合，具体的，将同一个牙齿的第二三维数据中的牙冠数据同第一三维数据中的牙根数据、临接面数据进行拼接融合，拼接完成后还可以进行平滑处理，以得到完整、高精度的牙齿模型，其中，得到的牙齿模型包括上牙颌模型和下牙颌模型，每个牙颌模型由多个单牙模型组成，具体还包括单牙模型的相对位置等信息，牙齿模型还可以融合牙床信息和牙龈信息，牙齿模型可能包括的其他信息在此不作赘述。
示例性的，参见图3，图3为本公开实施例提供的一种融合后的牙齿模型的示意图，该牙齿模型精度比较高，且还包括完整的单个牙齿的三维信息，并为用户提供详细高精度的牙冠信息、牙龈表面信息、临接面信息以及牙根信息，牙冠信息详细描述了牙齿表面的精确细节，牙根信息详细记录了未暴露的智齿、牙根产生碰撞的情况，临接面信息将牙根和牙冠进行更好的融合。
本公开实施例提供了一种牙齿模型生成方法，通过深度学习技术自动将CBCT数据进行实例分割，分割成单个牙齿的体素数据，随后通过网格重建技术，基于单个牙齿的体素数据自动构建出重建的三维数据，重建的三维数据包括所述目标牙颌的三维数据和组成所述目标牙颌的单个牙齿的第一三维数据，将数字口内扫描仪的口扫数据和重建的三维数据进行配准，最后，针对单个牙齿，基于配准后的重建的三维数据中的第一三维数据中的临接面数据和牙根数据同口扫数据分割得到的第二三维数据中的牙冠数据进行融合，生成完整的、高精准度的牙齿模型。本公开提供的方法，将口扫数据中高精度的牙冠数据和CBCT数据中的临接面信息以及牙根信息进行融合，也就是全自动地融合CBCT数据和数字口内扫描仪输出的牙齿的网格数据，在保留高质量牙冠数据的基础上，增加牙根数据以及临接面数据，对虚拟种植体定位、颌面部手术模拟和正畸治疗起到指导作用，也解决了CBCT数据因包含金属伪影而无法描绘牙冠的细节信息的问题，同时还解决了口扫数据存在的临接面信息丢失以及无法获取到牙根信息的问题，进一步可以在正畸过程中发现未暴露的智齿、牙根产生碰撞的情况，且自动执行整个牙齿模型的生成过程，不需要人为交互，同时牙齿模型的精度也比较高，一定程度上也减少了耗时。
在上述实施例的基础上，参见图4，图4为本公开实施例提供的一种牙齿模型生成方法的流程示意图，可选的，所述将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准，具体包括如图4所示的如下步骤S410至S420：
S410、将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，得到所述单个牙齿的初始位姿。
可理解的，将目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，得到所述单个牙齿的初始位姿。
可选的，单个牙齿的初始位姿可以通过如下步骤实现：
通过特征拼接算法，将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，并得到所述目标牙颌的初始位姿。
基于所述牙颌的初始位姿得到所述单个牙齿的初始位姿。
可理解的，得到的重建的三维数据包括目标牙颌的三维数据(牙颌的网格数据)和组成目标牙颌的单个牙齿的第一三维数据(单个牙齿的网格数据)，具体的，可以根据单个牙齿的类型(编号)确定牙齿的第一三维数据是在上牙颌的网格数据还是下牙颌的网格数据中，上牙颌的网格数据和下牙颌的网格数据可以分别处理，处理顺序不作限定，还可以构建多个进程同时处理，将牙颌的网格数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，也就是以牙颌为整体进行全局配准，并得到牙颌的初始位姿，口扫的网格数据存在对应的坐标系，第一三维数据同样存在对应的坐标系，首先将两个网格数据统一到同一坐标系下，以下牙颌为例，将CBCT对应的下牙颌的网格数据旋转平移至口扫的网格数据中下牙颌的网格数据处，得到下牙颌的初始位姿，即粗配准后下牙颌的CBCT重建的三维数据相对口内扫描仪重建的三维数据的初始位姿。最后，基于牙颌的初始位姿得到单个牙齿的初始位姿，对于单个牙齿来说，单个牙齿的CBCT重建的网格数据相对于口内扫描仪重建的网格数据的初始位姿，与下牙颌的初始位姿是相同的，该单个牙齿的初始位姿也为经CBCT获取的单个牙齿的三维数据与经口内三维扫描仪获取的单个牙齿的三维数据之间的初始位姿。
示例性的，参见图5，图5为本公开实施例提供的一种粗配准的牙齿模型示意图，图5包括口扫的网格数据510、牙颌的网格数据520和粗配准后的牙齿模型530，口扫的网格数据510和牙颌的网格数据520进行粗配准后，可以显示粗配准后的牙齿模型530，以便于直观的了解配准的情况，在显示的时候，还可以显示牙龈。
S420、基于所述单个牙齿的初始位姿，通过迭代最近点算法将所述单个牙齿的第一三维数据和所述扫描的三维数据进行精细配准。
可理解的，在上述S410的基础上，基于单个牙齿的初始位姿，通过迭代最近点(Iterative Closed Point，ICP)算法，以单个牙齿为处理单元进行局部优化，将CBCT数据分割重建出的单个牙齿的第一三维数据与口内扫描仪扫描出的网格数据分割出的单个牙齿的第二三维数据进行精细配准，若三维数据是网格数据，则提取网格数据中的点数据，基于点数据进行ICP算法配准，若三维数据是点数据，则直接进行ICP算法配准。
可选的，精细配准的过程如下：
对所述扫描的三维数据进行实例分割，得到组成所述目标牙颌的单个牙齿的第二三维数据。
基于所述单个牙齿的初始位姿，通过迭代最近点算法将所述单个牙齿的第一三维数据和所述单个牙齿的第二三维数据进行精细配准。
可理解的，对扫描的三维数据进行实例分割，得到单个牙齿的第二三维数据，第二三维数据包括高精度的牙冠数据，其中，实例分割的方法可以是深度学习方法，具体方法不作限定。针对单个牙齿，基于其初始位姿，即单个牙齿的CBCT重建的网格数据相对于单个牙齿的口内扫描仪重建的网格数据的初始位姿，也即单个牙齿的CBCT重建的网格数据相对于口内扫描仪重建的整体网格数据的初始位姿，通过迭代最近点算法将第一三维数据和第二三维数据进行精细配准，实现以单个牙齿为处理单元的局部优化，以提高配准的精确度。可理解的是，扫描的三维数据中可能会包括牙龈数据，在对扫描的三维数据进行实例分割时，将牙龈数据单独分割，在进行精细配准的过程中，基于单个牙齿的初始位姿，将第一三维数据中牙冠的网格数据和第二三维数据中的牙冠的网格数据进行精确配准，以便于后续进行网格数据的融合。
可选的，根据所述扫描的三维数据分割出所述目标牙颌中牙龈的三维数据；响应于显示标识的触发操作，显示所述牙龈的三维数据。
示例性的，参见图6，图6包括扫描的三维数据610和第一三维数据620，对扫描的三维数据610进行实例分割，分割出单个牙齿的第二三维数据和牙龈数据，在精细配准的过程中不使用牙龈数据，只使用第二三维数据，其中，第一三维数据和第二三维数据包括具有相同编号的单个牙齿的网格数据，例如，编号3的牙齿存在对应的第二三维数据和第一三维数据。随后，对具有相同编号的单个牙齿对应的第二三维数据和第一三维数据，通过ICP算法进行局部精细配准。进行精细配准后，还可以将配准后的第二三维数据和第一三维数据组成的网格化的牙齿模型进行显示，还可以在显示界面设置牙龈的显示标识，牙龈的显示标识用以在显示网格化的牙齿模型的基础上，响应于显示标识的触发操作，显示基于扫描的三维数据分割出的牙龈数据，以便于直观了解到精细配准后的结果，同时还可以为不同牙齿设置不同的填充色，便于区分。
本公开实施例提供了一种牙齿模型生成方法，将重建的三维数据中牙颌的网格数据同口扫的网格数据中牙颌的网格数据进行粗配准，也就是以牙颌为配准单元进行网格数据的全局配准，并确定CBCT数据中牙颌的初始位姿，再基于牙颌的初始位姿确定CBCT数据中单个牙齿的初始位姿，基于CBCT数据中单个牙齿的初始位姿，以单个牙齿作为配准单元进行第一三维数据和第二三维数据之间的局部配准，在实现自动配准的同时，还可以提高配准的准确精确度，便于后续更好的进行CBCT数据和口扫数据的融合，得到完整且高精度的牙齿数据。
本公开实施例提供了一种牙齿模型生成方法，将基于CBCT获取的目标牙颌的CBCT数据通过实例分割，并重建各个牙齿的独立的三维数据及牙颌的整体的三维数据，作为优选的，牙颌的整体的三维数据由各个牙齿的独立的三维数据组成；将基于口内扫描仪获取的目标牙颌的表面数据，重建牙颌的整体的三维数据及各个牙齿的独立的三维数据，作为优选的，基于口内扫描仪获取的各个牙齿的独立的三维数据通过基于口内扫描仪获取的牙颌的整体的三维数据分割形成；基于CBCT获取的目标牙颌的整体的三维数据同基于口内扫描仪获取的目标牙颌的整体的三维数据进行粗配准，也就是以目标牙颌的整体的三维数据为配准单元进行两个整体三维数据的全局配准，并确定两个整体三维数据之间的初始相对位姿(下称目标牙颌的初始位姿)，再基于目标牙颌的初始位姿确定目标牙颌中单个牙齿的初始位姿(即对于单个牙齿来说基于CBCT获取的单个牙齿的独立的三维数据同基于口内三维扫描仪获取的单个牙齿的独立的三维数据之间的初始相对位姿)，基于单个牙齿的初始位姿对单个牙齿的两个独立的三维数据进行精细配准，即以单个牙齿作为配准单元进行第一三维数据和第二三维数据之间的局部配准，在实现自动配准的同时，还可以提高配准的准确精确度，便于后续更好的进行CBCT数据和口扫数据的融合，得到完整且高精度的牙齿数据。
图7为本公开实施例提供的一种牙齿模型生成装置的结构示意图。本公开实施例提供的牙齿模型生成装置可以执行上述牙齿模型生成方法实施例提供的处理流程，如图7所示，牙齿模型生成装置700包括确定模块710、重建模块720、配准模块730以及生成模块740，其中：
确定模块710，用于对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据；
重建模块720，用于根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据；
配准模块730，用于将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准；
生成模块740，用于基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。
可选的，所述重建的三维数据包括所述目标牙颌的三维数据和组成所述目标牙颌的单个牙齿的第一三维数据。
可选的，配准模块730具体用于：
将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，得到所述单个牙齿的初始位姿；
基于所述单个牙齿的初始位姿，将所述单个牙齿的第一三维数据和所述扫描的三维数据进行精细配准。
可选的，配准模块730具体用于：
基于特征拼接算法，将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，并得到所述目标牙颌的初始位姿；
基于所述目标牙颌的初始位姿得到所述单个牙齿的初始位姿。
可选的，配准模块730具体用于：
对所述扫描的三维数据进行实例分割，得到组成所述目标牙颌的单个牙齿的第二三维数据；
基于所述单个牙齿的初始位姿，通过迭代最近点算法将所述单个牙齿的第一三维数据和所述单个牙齿的第二三维数据进行精细配准。
可选的，生成模块740具体用于：
将配准后的所述单个牙齿的第一三维数据中的牙根数据和临接面数据同所述扫描的三维数据分割出的所述单个牙齿的第二三维数据中的牙冠数据进行融合，生成牙齿模型。
可选的，装置700还用于：
根据所述扫描的三维数据分割出所述目标牙颌中牙龈的三维数据；
响应于显示标识的触发操作，显示所述牙龈的三维数据。
可选的，所述CBCT数据包括多张CBCT图像，所述多张CBCT图像中的每张图像包括组成所述目标牙颌的至少一个牙齿的信息。
可选的，确定模块710具体用于：
通过预先建立的深度学习模型对所述多张CBCT图像进行分类，确定所述多张CBCT图像中每张CBCT图像包括的单个牙齿的类别，并根据所述单个牙齿的类别进行分割，得到所述单个牙齿的分割数据；
根据所述多张CBCT图像中具有相同类别的单个牙齿所对应的分割数据，得到组成所述目标牙颌的单个牙齿的体素数据。
图7所示实施例的牙齿模型生成装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图8为本公开实施例提供的一种电子设备的结构示意图。本公开实施例提供的一种电子设备可以执行上述实施例提供的处理流程，如图8所示，电子设备800包括：处理器810、通讯接口820和存储器830；其中，计算机程序存储在存储器830中，并被配置为由处理器810执行如上述的牙齿模型生成方法。
另外，本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的牙齿模型生成方法。
此外，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的牙齿模型生成方法。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种牙齿模型生成方法，其特征在于，所述方法包括：
对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据；
根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据；
将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准；
基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。
2.根据权利要求1所述的方法，其特征在于，所述重建的三维数据包括所述目标牙颌的三维数据和组成所述目标牙颌的单个牙齿的第一三维数据，所述将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准，包括：
将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，得到所述单个牙齿的初始位姿；
基于所述单个牙齿的初始位姿，将所述单个牙齿的第一三维数据和所述扫描的三维数据进行精细配准。
3.根据权利要求2所述的方法，其特征在于，所述将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，得到所述单个牙齿的初始位姿，包括：
基于特征拼接算法，将所述目标牙颌的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行粗配准，并得到所述目标牙颌的初始位姿；
基于所述目标牙颌的初始位姿得到所述单个牙齿的初始位姿。
4.根据权利要求2所述的方法，其特征在于，所述基于所述单个牙齿的初始位姿，将所述单个牙齿的第一三维数据和所述扫描的三维数据进行精细配准，包括：
对所述扫描的三维数据进行实例分割，得到组成所述目标牙颌的单个牙齿的第二三维数据；
基于所述单个牙齿的初始位姿，通过迭代最近点算法将所述单个牙齿的第一三维数据和所述单个牙齿的第二三维数据进行精细配准。
5.根据权利要求2所述的方法，其特征在于，所述基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型，包括：
将配准后的所述单个牙齿的第一三维数据中的牙根数据和临接面数据同所述扫描的三维数据分割出的所述单个牙齿的第二三维数据中的牙冠数据进行融合，生成牙齿模型。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述扫描的三维数据分割出所述目标牙颌中牙龈的三维数据；
响应于显示标识的触发操作，显示所述牙龈的三维数据。
7.根据权利要求1所述的方法，其特征在于，所述CBCT数据包括多张CBCT图像，所述多张CBCT图像中的每张图像包括组成所述目标牙颌的至少一个牙齿的信息，
所述对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据，包括：
通过预先建立的深度学习模型对所述多张CBCT图像进行分类，确定所述多张CBCT图像中每张CBCT图像包括的单个牙齿的类别，并根据所述单个牙齿的类别进行分割，得到所述单个牙齿的分割数据；
根据所述多张CBCT图像中具有相同类别的单个牙齿所对应的分割数据，得到组成所述目标牙颌的单个牙齿的体素数据。
8.一种牙齿模型生成装置，其特征在于，所述装置包括：
确定模块，用于对获取的目标牙颌的CBCT数据进行实例分割，确定组成所述目标牙颌的单个牙齿的体素数据；
重建模块，用于根据所述目标牙颌中单个牙齿的体素数据进行重建，得到重建的三维数据；
配准模块，用于将所述重建的三维数据和获取的口内扫描仪扫描所述目标牙颌得到的扫描的三维数据进行配准；
生成模块，用于基于配准后的所述重建的三维数据和所述扫描的三维数据进行融合，生成牙齿模型。
9.一种电子设备，其特征在于，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1至7中任一所述的牙齿模型生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的牙齿模型生成方法的步骤。
CN202211045812.9A 2022-08-30 2022-08-30 牙齿模型生成方法、装置、电子设备和存储介质 Pending CN115457198A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211045812.9A CN115457198A (zh) 2022-08-30 2022-08-30 牙齿模型生成方法、装置、电子设备和存储介质
PCT/CN2023/115960 WO2024046400A1 (zh) 2022-08-30 2023-08-30 牙齿模型生成方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211045812.9A CN115457198A (zh) 2022-08-30 2022-08-30 牙齿模型生成方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115457198A true CN115457198A (zh) 2022-12-09

Family

ID=84301008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211045812.9A Pending CN115457198A (zh) 2022-08-30 2022-08-30 牙齿模型生成方法、装置、电子设备和存储介质

Country Status (2)

Country Link
CN (1) CN115457198A (zh)
WO (1) WO2024046400A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116468848A (zh) * 2023-03-08 2023-07-21 雅客智慧（北京）科技有限公司 三维牙齿模型重建方法、装置、电子设备和存储介质
CN117745746A (zh) * 2024-02-19 2024-03-22 中国人民解放军总医院第四医学中心 一种基于可变形nnUNet的图像分割方法和装置
CN117830317A (zh) * 2024-03-05 2024-04-05 天津医科大学口腔医院 基于图像处理的正畸自动检测方法及系统
WO2024183760A1 (zh) * 2023-03-07 2024-09-12 先临三维科技股份有限公司 一种扫描数据拼接方法、装置、设备及介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024183760A1 (zh) * 2023-03-07 2024-09-12 先临三维科技股份有限公司 一种扫描数据拼接方法、装置、设备及介质
CN116468848A (zh) * 2023-03-08 2023-07-21 雅客智慧（北京）科技有限公司 三维牙齿模型重建方法、装置、电子设备和存储介质
CN117745746A (zh) * 2024-02-19 2024-03-22 中国人民解放军总医院第四医学中心 一种基于可变形nnUNet的图像分割方法和装置
CN117745746B (zh) * 2024-02-19 2024-05-31 中国人民解放军总医院第四医学中心 一种基于可变形nnUNet的图像分割方法和装置
CN117830317A (zh) * 2024-03-05 2024-04-05 天津医科大学口腔医院 基于图像处理的正畸自动检测方法及系统

Also Published As

Publication number Publication date
WO2024046400A1 (zh) 2024-03-07

Similar Documents

Publication Publication Date Title
US11903788B2 (en) Multifaceted registration of intraoral scans
US10219875B1 (en) Selection and locking of intraoral images
US20200350059A1 (en) Method and system of teeth alignment based on simulating of crown and root movement
EP3595574B1 (en) Automatic dental arch mapping system and method
WO2021046434A1 (en) Automated detection, generation and/or correction of dental features in digital models
JP2022000211A (ja) 歯列メッシュ矯正具除去のための方法および装置
CN115457198A (zh) 牙齿模型生成方法、装置、电子设备和存储介质
JP2010524529A (ja) 顔面解析を用いた特注歯セットアップのコンピュータ支援作成
US20220361992A1 (en) System and Method for Predicting a Crown and Implant Feature for Dental Implant Planning
US20220358740A1 (en) System and Method for Alignment of Volumetric and Surface Scan Images
US20230419631A1 (en) Guided Implant Surgery Planning System and Method
CN116563461A (zh) 基于cbct以及口扫数据快速模拟牙齿排齐的系统
US20240312132A1 (en) Method and system for generation of a model for use in a virtual extraction procedure of a targeted extraction object in a patient
Barone et al. Three-dimensional tooth segmentation by integrating multiple ray-sum images from CBCT data
CN117788534A (zh) 一种融合口扫数据与cbct数据的方法及系统
CN117788747A (zh) 一种口扫数据与cbct融合的牙冠三维重建方法

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