CN117332704A - 一种颞下颌关节腔冲洗及注射导板生成方法及终端 - Google Patents
一种颞下颌关节腔冲洗及注射导板生成方法及终端 Download PDFInfo
- Publication number
- CN117332704A CN117332704A CN202311630235.4A CN202311630235A CN117332704A CN 117332704 A CN117332704 A CN 117332704A CN 202311630235 A CN202311630235 A CN 202311630235A CN 117332704 A CN117332704 A CN 117332704A
- Authority
- CN
- China
- Prior art keywords
- face
- data
- puncture
- point
- patient
- 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
- 238000002347 injection Methods 0.000 title claims abstract description 81
- 239000007924 injection Substances 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 57
- 210000001738 temporomandibular joint Anatomy 0.000 title claims abstract description 43
- 238000011010 flushing procedure Methods 0.000 title claims abstract description 39
- 238000007408 cone-beam computed tomography Methods 0.000 claims abstract description 67
- 230000001815 facial effect Effects 0.000 claims abstract description 34
- 238000005516 engineering process Methods 0.000 claims abstract description 23
- 238000013461 design Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000010146 3D printing Methods 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000009466 transformation Effects 0.000 claims description 13
- 230000011514 reflex Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 241000746998 Tragus Species 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000007639 printing Methods 0.000 claims description 4
- 238000000844 transformation Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 210000002615 epidermis Anatomy 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000008719 thickening Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 201000004569 Blindness Diseases 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 4
- 208000028911 Temporomandibular Joint disease Diseases 0.000 description 9
- 230000035515 penetration Effects 0.000 description 9
- 206010043220 Temporomandibular joint syndrome Diseases 0.000 description 8
- 230000000740 bleeding effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- WCDDVEOXEIYWFB-VXORFPGASA-N (2s,3s,4r,5r,6r)-3-[(2s,3r,5s,6r)-3-acetamido-5-hydroxy-6-(hydroxymethyl)oxan-2-yl]oxy-4,5,6-trihydroxyoxane-2-carboxylic acid Chemical compound CC(=O)N[C@@H]1C[C@H](O)[C@@H](CO)O[C@H]1O[C@@H]1[C@@H](C(O)=O)O[C@@H](O)[C@H](O)[C@H]1O WCDDVEOXEIYWFB-VXORFPGASA-N 0.000 description 1
- 208000006820 Arthralgia Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 229920002385 Sodium hyaluronate Polymers 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001055 chewing effect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 229940014041 hyaluronate Drugs 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 229940010747 sodium hyaluronate Drugs 0.000 description 1
- YWIVKILSMZOHHF-QJZPQSOGSA-N sodium;(2s,3s,4s,5r,6r)-6-[(2s,3r,4r,5s,6r)-3-acetamido-2-[(2s,3s,4r,5r,6r)-6-[(2r,3r,4r,5s,6r)-3-acetamido-2,5-dihydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-2-carboxy-4,5-dihydroxyoxan-3-yl]oxy-5-hydroxy-6-(hydroxymethyl)oxan-4-yl]oxy-3,4,5-trihydroxyoxane-2- Chemical compound [Na+].CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@H](O[C@H]2[C@@H]([C@@H](O[C@H]3[C@@H]([C@@H](O)[C@H](O)[C@H](O3)C(O)=O)O)[C@H](O)[C@@H](CO)O2)NC(C)=O)[C@@H](C(O)=O)O1 YWIVKILSMZOHHF-QJZPQSOGSA-N 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/34—Trocars; Puncturing needles
- A61B17/3403—Needle locating or guiding means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/42—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests having means for desensitising skin, for protruding skin to facilitate piercing, or for locating point where body is to be pierced
- A61M5/427—Locating point where body is to be pierced, e.g. vein location means using ultrasonic waves, injection site templates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/34—Trocars; Puncturing needles
- A61B17/3403—Needle locating or guiding means
- A61B2017/3405—Needle locating or guiding means using mechanical guide means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/10—Additive manufacturing, e.g. 3D printing
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Materials Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Vascular Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Hematology (AREA)
- Geometry (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Dermatology (AREA)
- Anesthesiology (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
- Image Processing (AREA)
Abstract
本发明涉及医疗数据处理技术领域，尤其涉及一种颞下颌关节腔冲洗及注射导板生成方法及终端，包括：获取待治疗患者的面部扫描数据和面部CBCT数据，并进行点云配准；基于面部扫描数据对穿刺点进行初步定位，得到初步穿刺位置；基于初步穿刺位置在CBCT数据上的对应位置，采用深度学习分割技术得到穿刺点集合，筛选最佳穿刺点后对最佳穿刺点在面部扫描数据上的位姿及深度进行计算；根据最佳穿刺点的位姿及深度，生成3D导板模型；利用3D打印技术将3D导板模型打印成注射导板。本发明能实现注射导板的定制化设计，确定最佳穿刺点和温度，避免了人工双针法的不精确和盲目，保证穿刺位置的稳定，实现快速便捷的进行颞下颌关节腔的冲洗及注射治疗。
Description
技术领域
本发明涉及医疗数据处理技术领域，尤其涉及一种颞下颌关节腔冲洗及注射导板生成方法及终端。
背景技术
颞下颌关节（Temporomandibular Joint，TMJ）是口腔颌面部的活动关节，由下颌骨、颞骨、关节盘等组成。它参与咀嚼、言语和表情等运动。颞下颌关节的疾病多种多样，最常见的是颞下颌关节紊乱病（Disturbance syndrome of Temporomandibular Joint，TMD），表现为关节疼痛、弹响和运动异常。全球近一半人口有TMD症状，其中10%需要治疗。TMD多发于20-40岁的女性，40%诊断为关节盘前移位。TMD会影响患者的生活质量和心理健康。
目前颞下颌关节紊乱病的常见治疗方法是关节冲洗注射，具体包括：先用液体冲洗关节腔，清除炎症物质和松弛关节盘，减少摩擦力和疼痛，再注射透明质酸钠（HA），增加润滑度和弹性。
目前广泛采用的是人工双针法，即在关节腔处建立两个通道。但这种方法没有考虑个体差异，只是以耳屏-外毗线为指示线根据经验值距离进行标记的穿刺点，容易伤到神经和血管，导致出血等并发症。同时人工双针法需要专业的医生操作，技术要求高，效率低。
发明内容
本发明所要解决的技术问题是：提供一种颞下颌关节腔冲洗及注射导板生成方法及终端，实现注射导板的定制化设计，有助于更加精确、快速和便捷的颞下颌关节腔冲洗及注射治疗。
为了解决上述技术问题，本发明采用的技术方案为：
一种颞下颌关节腔冲洗及注射导板生成方法，包括步骤：
S1、获取待治疗患者的面部扫描数据和面部CBCT数据，并进行点云配准；
S2、基于所述面部扫描数据对穿刺点进行初步定位，得到初步穿刺位置；
S3、基于所述初步穿刺位置在所述CBCT数据上的对应位置，采用深度学习分割技术得到穿刺点集合，筛选最佳穿刺点后对所述最佳穿刺点在所述面部扫描数据上的位姿及深度进行计算；
S4、根据所述最佳穿刺点的位姿及深度，生成3D导板模型；
S5、利用3D打印技术将所述3D导板模型打印成注射导板。
为了解决上述技术问题，本发明采用的另一个技术方案为：
一种颞下颌关节腔冲洗及注射导板生成终端，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现上述的一种颞下颌关节腔冲洗及注射导板生成方法中的步骤。
本发明的有益效果在于：通过获取患者高精度的面部扫描数据以及面部CBCT数据（即锥形束CT，Cone Beam Computed Tomography），将两者进行点云配准后集合深度学习分割技术来自动计算待治疗患者的穿刺参数，实现注射导板的定制化设计，能够针对不同的患者确定其最适合的穿刺位置和深度，避免了人工双针法的不精确和盲目，并通过3D打印技术精确地打印出贴合患者面部轮廓的注射导板，保证了穿刺位置的稳定，能够有效地减少穿刺次数，降低了感染、出血等并发症的风险，实现快速便捷的进行颞下颌关节腔的冲洗，操作简单，效率比传统方法有了极大的提升。
附图说明
图1为本发明实施例的一种颞下颌关节腔冲洗及注射导板生成方法的流程图；
图2为本发明实施例的一种颞下颌关节腔冲洗及注射导板生成方法的工作原理框图；
图3为基于结构光的三角测距数学模型示意图；
图4为结构光中面部扫描设备投影仪投射的编码图案；
图5为面部扫描设备对待治疗患者的面部采集示意图；
图6为采用基于结构光的面部扫描设备采集得到的高精度人脸表面三维信息示意图；
图7为采用基于结构光的面部扫描设备采集得到的带纹理信息的高精度人脸模型；
图8（a）为基于面部CBCT数据的组织重建模型；
图8（b）为基于面部扫描数据的面部扫描3D模型；
图8（c）为面部CBCT数据中组织数据与面部扫描数据的配准效果示意图；
图8（d）为面部CBCT数据中骨骼数据与面部扫描数据的配准效果示意图；
图9为人工双针穿刺法示意图；
图10为利用DLIB工具获取的患者面部68个关键点并确定初步穿刺点的示意图；
图11为理论的穿刺位置示意图（黑色部分）；
图12为根据初步穿刺点的CBCT断层数据选择示意图；
图13为根据初步穿刺点选择的CBCT断层数据中理论注射部分的语义分割效果示意图（白色部分为最佳穿刺点）；
图14为个性化注射导板的正面3D模型示意图；
图15为个性化注射导板的侧面3D模型示意图；
图16为本发明实施例的一种颞下颌关节腔冲洗及注射导板生成终端的结构示意图。
标号说明：
1、一种颞下颌关节腔冲洗及注射导板生成终端；2、存储器；3、处理器；4、用于固定的预留孔位；5、加厚的穿刺点底盘；6、带方向的高精度注射点；7、耳塞固定锚点；8、鼻子固定锚点。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1至图15，一种颞下颌关节腔冲洗及注射导板生成方法，包括步骤：
S1、获取待治疗患者的面部扫描数据和面部CBCT数据，并进行点云配准；
S2、基于所述面部扫描数据对穿刺点进行初步定位，得到初步穿刺位置；
S3、基于所述初步穿刺位置在所述CBCT数据上的对应位置，采用深度学习分割技术得到穿刺点集合，筛选最佳穿刺点后对所述最佳穿刺点在所述面部扫描数据上的位姿及深度进行计算；
S4、根据所述最佳穿刺点的位姿及深度，生成3D导板模型；
S5、利用3D打印技术将所述3D导板模型打印成注射导板。
由上述描述可知，本发明的有益效果在于：通过获取患者高精度的面部扫描数据以及面部CBCT（即锥形束CT，Cone Beam Computed Tomography）数据，将两者进行点云配准后集合深度学习分割技术来自动计算待治疗患者的穿刺参数，实现注射导板的定制化设计，能够针对不同的患者确定其最适合的穿刺位置和深度，避免了人工双针法的不精确和盲目，并通过3D打印技术精确地打印出贴合患者面部轮廓的注射导板，保证了穿刺位置的稳定，能够有效地减少穿刺次数，降低了感染、出血等并发症的风险，实现快速便捷的进行颞下颌关节腔的冲洗，操作简单，效率比传统方法有了极大的提升。
进一步地，所述步骤S1具体为：
S11、采用基于结构光的面部扫描设备，扫描待治疗患者面部，并通过三维重建技术获取所述待治疗患者的面部扫描数据，通过CBCT技术获取所述待治疗患者的面部CBCT数据；
S12、在所述面部CBCT数据中提取所述待治疗患者的两对眼角以及一对嘴角共六个关键点，先利用关键点配准算法将所述面部CBCT数据上的六个关键点与所述面部扫描数据上对应的六个关键点进行粗配准，然后利用点云配准算法对二者进行精配准。
由上述描述可知，虽然仅靠获取患者的面部CBCT数据就可以提供一定的三维数据，但是由于这些数据一方面精度较低，使得基于此设计的注射导板容易存在贴合性较差导致最后注射位姿出现偏差的问题，另一方面有面部扫描数据一般具有高保真的纹理数据，因此通过面部扫描设备获取患者的面部扫描数据可以有效利用纹理数据实现患者脸部关键点的精确定位，再结合点云配准算法进行配准，从而实现自动化的穿刺模板设计。
进一步地，所述面部扫描设备包括单反相机、工业相机和投影仪；
所述步骤S11中采用基于结构光的面部扫描设备，扫描待治疗患者面部，并通过三维重建技术获取所述待治疗患者的面部扫描数据，具体为：
采用所述单反相机捕捉所述待治疗患者的人脸左、中、右的面部纹理，同时采用所述工业相机和所述投影仪获取所述待治疗患者的人脸左、中、右的表面三维信息，然后通过所述单反相机的相机内参和所述工业相机的位姿关系，将所述面部纹理贴图到所述表面三维信息上，得到带纹理信息的所述面部扫描数据。
由上述描述可知，通过单反相机、工业相机和投影仪组成的面部扫描设备，其中单反相机用于捕捉患者面部纹理，工业相机结合投影仪用于获取患者面部三维信息，两者均针对患者人脸进行左中右三次扫描，最后利用两个相机各自的内外参与两者之间的位姿关系将面部纹理贴图到面部三维信息上，进而得到高精度、高保真的面部扫描数据，用于后续进行精确的穿刺点定位。
进一步地，所述关键点配准算法为基于SVD的人脸关键点配准算法；
所述步骤S12中先利用关键点配准算法将所述面部CBCT数据上的六个关键点与所述面部扫描数据上对应的六个关键点进行粗配准，具体为：
S121、在所述面部CBCT数据中提取所述待治疗患者的两对眼角以及一对嘴角共六个关键点，记作集合P，同时在所述面部扫描数据中提取与所述面部CBCT数据中的六个关键点一一对应的六个关键点，记作集合Q，分别求取集合P和集合Q的重心和/>：
（1）；
进行点云变换获取p’ i和q’ i：：
（2）；
对六个关键点均进行如上公式（2）的点云变换，得到集合P’和集合Q’，然后定义新的矩阵H，通过对矩阵H进行SVD分解获取矩阵U和矩阵V：
（3）；
其中，q’ i T为q’ i的转置，VT为矩阵V的转置；
通过矩阵U和矩阵V确定六个关键点在所述面部扫描数据和所述面部CBCT数据二者之间的旋转矩阵R与位移向量T：
（4）；
其中，UT为矩阵U的转置，R1和T1作为旋转矩阵R和位移向量T的初始姿态；
通过所述初始姿态R1和T1对所述面部扫描数据进行配准之后得到点云S1。
进一步地，所述点云配准算法为Trimmed ICP算法；
所述步骤S12中利用点云配准算法对二者进行精配准，具体为：
S122、定义所述面部CBCT数据上的表皮数据为点云S0，将点云S0和S1利用所述Trimmed ICP算法进行精配准，所述Trimmed ICP算法具体如下：
S122.1、为点云S0上每一个点找到它在点云S1上的匹配点，计算两者之间的残差平方d i 2，对d i 2作升值排序，选择前N ko个点对应的残差平方值求和得到S’ LTS；
其中N ko=ξN k，k为选取的点数，ξ为最小重叠率，可通过最小化目标函数式自适应求得，所述最小化目标函数式如下：
（5）；
其中，λ为预设非负数，e修建均方误差trimmed MSE，值为(S’ LTS/N ko)；
S122.2、当满足终止条件时，退出迭代，否则设置S LTS=S’ LTS，并开始新一轮迭代，并最小化S’ LTS，计算Nko个被选点的最优变换R和T，由得到的最优变换R和T做对应点的转换，并回到步骤S122.1；
所述终止条件为达到了设定的最大迭代次数。
由上述描述可知，由于面部扫描数据和面部CBCT数据是通过两个不同的仪器设备获取得到的，因此需要通过配准的方法将两种数据进行对齐配准；其中先采用基于SVD的人脸关键点配准算法对两种数据进行粗配准，再采用Trimmed ICP的点云配准算法对粗配准后的两种数据进行进一步的精配准，确保配准精度。
进一步地，所述步骤S2具体为：
利用C++中的DLIB工具对所述待治疗患者的面部进行68个关键点识别获取，并从所述面部扫描数据中得到以耳屏和眼角额所在位置为准的关键点，计算的得到人工穿刺点的一个初步穿刺位置。
由上述描述可知，由于目前人工双针法的穿刺点一般是以耳屏-外眦线为指示线标记两点，不仅容易存在标记位置偏差的问题，且关键点数量较少，进一步增加后续根据穿刺点进行注射的盲目性，而本申请通过利用DLIB工具，它是一个现代化的C++工具箱，是机器学习和计算机视觉领域的一个强大工具，能够提供图像处理、机器学习工具和算法，常用于人脸检测和人脸识别等其他视觉任务，因此本申请通过利用DLIB工具先确定患者面部的68个关键点，再从68个关键点中挑出面部扫描数据中对应患者耳屏和眼角额所在位置的关键点，再进行人工穿刺点的一个初步穿刺位置计算，得到的初步穿刺位置相比于人工双针法确定的穿刺位置，更具准确性。
进一步地，所述步骤S3具体为：
S31、利用步骤S2中得到的所述初步穿刺位置，将所述面部CBCT数据中与所述初步穿刺位置对应的初步穿刺点的前后正负第一预设厚度的位置的XZ断层平扫结果抽取出来；
S32、将抽取结果通过预先训练好U-Net网络进行分割得到穿刺点集合；
S33、对得到的所述穿刺点集合做一个空间图包，得到点云的中心，并以得到的中心出发向所述面部扫描数据做射线，以最短路径穿刺所述面部扫描数据的穿刺点作为最佳穿刺点，并计算所述最佳穿刺点在所述面部扫描数据中的位姿及深度。
由上述描述可知，为了极大确保穿刺点位置的确定准确性，将配准后的面部CBCT数据中与确定的初步穿刺点的前后正负第一预设厚度的位置部分抽取，并采用XZ断层平扫结果的表现形式并配合深度学习网络进行分割得到多个穿刺点，最后通过最短路劲的方式才确定最终的最佳穿刺点。
进一步地，所述步骤S4具体为：
以所述面部扫描数据中所述待治疗患者的眼部到鼻子下沿向外部第二预设厚度位置的部分，生成3D导板模型，并对所述最佳穿刺点所在位置进行加厚设计。
由上述描述可知，在步骤S3中已经在面部扫描数据中获得了最佳穿刺点的位姿及穿刺深度，利用面部扫描数据的高保真的纹理，有经验的医生实际上已经可以实现精准的注射，但是为了进一步实现便捷精准以及针对患者的个性化注射，因此利用确定最佳穿刺点及其穿刺深度的面部扫描数据裁取其眼部到鼻子瞎眼向外部第二预设厚度位置的部分生成3D导板模型，以便后续进行注射导板3D打印得到与患者面部具有高贴合度的个性化注射导板，确保注射位置不会偏移；其中对于最佳穿刺点所在的位置进行加厚设置，能更进一步贴合数据，实现无偏注射，配合计算得到的最佳穿刺深度，可以实现理想的颞下颌关节腔冲洗及注射。
进一步地，所述步骤S4还包括：
对所述3D导板模型上对应所述待治疗患者的耳朵位置处进行耳塞设计。
由上述描述可知，在定制化设计生成的3D导板模型上位于耳朵的地方就机械能耳塞设计，能进一步贴合数据，也能为患者提供舒适的体验。
请参照图16，一种颞下颌关节腔冲洗及注射导板生成终端，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现实现上述的一种颞下颌关节腔冲洗及注射导板生成方法中步骤。
由上述描述可知，本发明的有益效果在于：基于同一技术构思，配合上述的一种基于近电手环的多模态数据特征化方法，提供一种颞下颌关节腔冲洗及注射导板生成终端，通过获取患者高精度的面部扫描数据以及面部CBCT（即锥形束CT，Cone Beam ComputedTomography）数据，将两者进行点云配准后集合深度学习分割技术来自动计算待治疗患者的穿刺参数，实现注射导板的定制化设计，能够针对不同的患者确定其最适合的穿刺位置和深度，避免了人工双针法的不精确和盲目，并通过3D打印技术精确地打印出贴合患者面部轮廓的注射导板，保证了穿刺位置的稳定，能够有效地减少穿刺次数，降低了感染、出血等并发症的风险，实现快速便捷的进行颞下颌关节腔的冲洗，操作简单，效率比传统方法有了极大的提升。
本发明提供的一种颞下颌关节腔冲洗及注射导板生成方法及终端，适用于针对颞下颌关节紊乱病（TMD）患者的治疗场景下。以下结合实施例具体说明。
请参照图1及图2，本发明的实施例一为：
一种颞下颌关节腔冲洗及注射导板生成方法，如图1所示，包括步骤：
S1、获取待治疗患者的面部扫描数据和面部CBCT数据，并进行点云配准。
S2、基于面部扫描数据对穿刺点进行初步定位，得到初步穿刺位置。
S3、基于初步穿刺位置在CBCT数据上的对应位置，采用深度学习分割技术得到穿刺点集合，筛选最佳穿刺点后对最佳穿刺点在面部扫描数据上的位姿及深度进行计算。
S4、根据最佳穿刺点的位姿及深度，生成3D导板模型。
S5、利用3D打印技术将3D导板模型打印成注射导板。
即在本实施例中，如图2所示，本发明的核心点在于，通过获取患者高精度的面部扫描数据以及面部CBCT（即锥形束CT，Cone Beam Computed Tomography）数据，将两者进行点云配准后集合深度学习分割技术来自动计算待治疗患者的穿刺参数，实现注射导板的定制化设计，其中穿刺参数可以包括穿刺点的位置、角度、深度等，即能够针对不同的患者确定其最适合的穿刺位置和深度，避免了人工双针法的不精确和盲目，并通过3D打印技术精确地打印出贴合患者面部轮廓的注射导板，保证了穿刺位置的稳定，能够有效地减少穿刺次数，降低了感染、出血等并发症的风险，实现快速便捷的进行颞下颌关节腔的冲洗，操作简单，效率比传统方法有了极大的提升。
请参照图3至图8，本发明的实施例二为：
一种颞下颌关节腔冲洗及注射导板生成方法，在上述实施例一的基础上，在本实施例中，步骤S1具体为：
S11、采用基于结构光的面部扫描设备，扫描待治疗患者面部，并通过三维重建技术获取待治疗患者的面部扫描数据，同时通过CBCT技术获取待治疗患者的面部CBCT数据。
其中如图3所示，采用基于结构光的面部扫描设备，可以利用结构光的三角测距数学模型实现对人脸的精确扫描，基于结构光的三维重建可以实现0.01mm的高精度以及200万分辨率的稠密重建，同时在本实施例中，如图5所述，面部扫描设备包括单反相机、工业相机和投影仪，其中单反相机用于捕捉待治疗患者的人脸左、中、右的面部纹理，工业相机和投影仪获取待治疗患者的人脸左、中、右的表面三维信息，即如图6所示，结构光中投影仪投射的编码图案可由图4所示，在获取到了患者面部纹理及表面三维信息后，再通过单反相机的相机内参和工业相机的位姿关系，将面部纹理贴图到表面三维信息上，得到带纹理信息的面部扫描数据，即如图7所示。
即通过单反相机、工业相机和投影仪组成的面部扫描设备，其中单反相机用于捕捉患者面部纹理，工业相机结合投影仪用于获取患者面部三维信息，两者均针对患者人脸进行左中右三次扫描，最后利用两个相机各自的内外参与两者之间的位姿关系将面部纹理贴图到面部三维信息上，进而得到高精度、高保真的面部扫描数据，用于后续进行精确的穿刺点定位。
S12、然后在面部CBCT数据中提取待治疗患者的两对眼角以及一对嘴角共六个关键点，即如图8（a）所示；通过先利用关键点配准算法将面部CBCT数据上的六个关键点与面部扫描数据上对应的六个关键点进行粗配准，然后利用点云配准算法对二者进行精配准，配准的过程可由图8（b）至图8（d）所示，可以先将面部CBCT数据中的组织数据与面部扫描数据进行配准，再将面部CBCT数据中的骨骼数据与面部扫描数据进行配准。
即在本实施例中，虽然仅靠获取患者的面部CBCT数据就可以提供一定的三维数据，但是由于这些数据一方面精度较低，使得基于此设计的注射导板容易存在贴合性较差导致最后注射位姿出现偏差的问题，另一方面有面部扫描数据一般具有高保真的纹理数据，因此通过面部扫描设备获取患者的面部扫描数据可以有效利用纹理数据实现患者脸部关键点的精确定位，再结合点云配准算法进行配准，从而实现自动化的穿刺模板设计。
其中，在本实施例中，关键点配准算法为基于SVD的人脸关键点配准算法，则步骤S12中先利用关键点配准算法将面部CBCT数据上的六个关键点与面部扫描数据上对应的六个关键点进行粗配准，具体为：
S121、在面部CBCT数据中提取待治疗患者的两对眼角以及一对嘴角共六个关键点，记作集合P，同时在面部扫描数据中提取与面部CBCT数据中的六个关键点一一对应的六个关键点，记作集合Q，分别求取集合P和集合Q的重心和/>：
（1）。
进行点云变换获取p’ i和q’ i：：
（2）。
对六个关键点均进行如上公式（2）的点云变换，得到集合P’和集合Q’，然后定义新的矩阵H，通过对矩阵H进行SVD分解获取矩阵U和矩阵V：
（3）；
其中，q’ i T为q’ i的转置，VT为矩阵V的转置。
通过矩阵U和矩阵V确定六个关键点在面部扫描数据和面部CBCT数据二者之间的旋转矩阵R与位移向量T：
（4）；
其中，UT为矩阵U的转置，R1和T1作为旋转矩阵R和位移向量T的初始姿态。
最后通过初始姿态R1和T1对面部扫描数据进行配准之后得到点云S1。
其中，在本实施例中，点云配准算法为Trimmed ICP算法，则步骤S12中利用点云配准算法对二者进行精配准，具体为：
S122、定义面部CBCT数据上的表皮数据为点云S0，将点云S0和S1利用Trimmed ICP算法进行精配准，Trimmed ICP算法具体如下：
S122.1、为点云S0上每一个点找到它在点云S1上的匹配点，计算两者之间的残差平方d i 2，对d i 2作升值排序，选择前N ko个点对应的残差平方值求和得到S’ LTS。
其中N ko=ξN k，k为选取的点数，ξ为最小重叠率，可通过最小化目标函数式自适应求得，最小化目标函数式如下：
（5）；
其中，λ为预设非负数，e修建均方误差trimmed MSE，值为(S’ LTS/N ko)。
S122.2、当满足终止条件时，退出迭代，否则设置S LTS=S’ LTS，并开始新一轮迭代，并最小化S’ LTS，计算Nko个被选点的最优变换R和T，由得到的最优变换R和T做对应点的转换，并回到步骤S122.1。
终止条件为达到了设定的最大迭代次数。
即在本实施例中，由于面部扫描数据和面部CBCT数据是通过两个不同的仪器设备获取得到的，因此需要通过配准的方法将两种数据进行对齐配准；其中先采用基于SVD的人脸关键点配准算法对两种数据进行粗配准，再采用Trimmed ICP的点云配准算法对粗配准后的两种数据进行进一步的精配准，确保配准精度。在其他等同实施例中，面部扫描设备也可以采用去她高精度的面部扫描仪器，面部CBCT数据也可以替换成MR等其他相关可以识别处颞下颌关节腔冲洗及注射最佳位置的扫描手段。
请参照图9及图10，本发明的实施例三为：
一种颞下颌关节腔冲洗及注射导板生成方法，在上述实施例一或实施例二的基础上，在本实施例中，步骤S2具体为：
利用C++中的DLIB工具对待治疗患者的面部进行68个关键点识别获取，并从面部扫描数据中得到以耳屏和眼角额所在位置为准的关键点，计算的得到人工穿刺点的一个初步穿刺位置。
即在本实施例中，如图9所示，由于目前人工双针法的穿刺点一般是以耳屏-外眦线为指示线标记两点，第一点位于耳屏前10mm线下0.5mm，第二点位于耳屏前20mm线下1mm，不仅容易存在标记位置偏差的问题，且关键点数量较少，进一步增加后续根据穿刺点进行注射的盲目性；而本申请通过利用DLIB工具，它是一个现代化的C++工具箱，是机器学习和计算机视觉领域的一个强大工具，能够提供图像处理、机器学习工具和算法，常用于人脸检测和人脸识别等其他视觉任务，因此本申请通过利用DLIB工具先确定患者面部的68个关键点，再从68个关键点中挑出面部扫描数据中对应患者耳屏和眼角额所在位置的关键点，再进行人工穿刺点的一个初步穿刺位置计算，得到的初步穿刺位置相比于人工双针法确定的穿刺位置，更具准确性，即如图10所示，通过DLIB工具进行人脸68个关键点识别后能够更为精准的针对患者确定穿刺点位置。
请参照图11至图13，本发明的实施例四为：
一种颞下颌关节腔冲洗及注射导板生成方法，在上述实施例一至实施例三中任一实施例的基础上，在本实施例中，图11展示了由步骤S2中得到的初步穿刺位置作为理论的穿刺位置，则步骤S3具体为：
S31、利用步骤S2中得到的初步穿刺位置，将面部CBCT数据中与初步穿刺位置对应的初步穿刺点的前后正负第一预设厚度的位置的XZ断层平扫结果抽取出来，即如图12所示。
其中在本实施例中，第一预设厚度可以设置为3毫米。
S32、将抽取结果通过预先训练好U-Net网络进行分割得到穿刺点集合，如图13所示，图中白色部分即为穿刺点集合。因为断层CT中图像中的每一个像素点都对应着空间中的一个位置，所以将所有的分割得到的理论注射部分的像素点进行转化即可得到理论的空间注射部分。
S33、对得到的穿刺点集合做一个空间图包，得到点云的中心，并以得到的中心出发向面部扫描数据做射线，以最短路径穿刺面部扫描数据的穿刺点作为最佳穿刺点，并计算最佳穿刺点在面部扫描数据中的位姿及深度。该算法同时也可以结合面部CBCT中其他骨骼或组织位置信息，如穿刺路径如果遇到血管或者组织则使得该路径失效重新计算最路径得到新的最佳穿刺点，以及穿刺深度。
即在本实施例中，为了极大确保穿刺点位置的确定准确性，将配准后的面部CBCT数据中与确定的初步穿刺点的前后正负第一预设厚度的位置部分抽取，并采用XZ断层平扫结果的表现形式并配合深度学习网络进行分割得到多个穿刺点，最后通过最短路劲的方式才确定最终的最佳穿刺点。
请参照图14及图15，本发明的实施例五为：
一种颞下颌关节腔冲洗及注射导板生成方法，在上述实施例一至实施例四中任一实施例的基础上，在本实施例中，如图14所示，步骤S4具体为：
以面部扫描数据中待治疗患者的眼部到鼻子下沿向外部第二预设厚度位置的部分，生成3D导板模型，并对最佳穿刺点所在位置进行加厚设计，患者的鼻子、耳朵以及眼部两侧延伸到太阳穴的位置都可以作为针对指定的患者进行个性化的固定描点，即如图15所示，在生成的3D导报模型上，还可以开设用于固定的预留孔位4、在最佳穿刺点的位置进行加厚设计得到加厚的穿刺点底盘5、在加厚的穿刺点底盘5上标记处带方向的高精度注射点6、在耳朵位置标记定制化的耳塞固定锚点7以及在鼻子位置也标记定制化的鼻子固定锚点8。
其中，第二预设厚度可以设置为3毫米。
即在本实施例中，在步骤S3中已经在面部扫描数据中获得了最佳穿刺点的位姿及穿刺深度，利用面部扫描数据的高保真的纹理，有经验的医生实际上已经可以实现精准的注射，但是为了进一步实现便捷精准以及针对患者的个性化注射，因此利用确定最佳穿刺点及其穿刺深度的面部扫描数据裁取其眼部到鼻子瞎眼向外部第二预设厚度位置的部分生成3D导板模型，以便后续进行注射导板3D打印得到与患者面部具有高贴合度的个性化注射导板，确保注射位置不会偏移；其中对于最佳穿刺点所在的位置进行加厚设置，能更进一步贴合数据，实现无偏注射，配合计算得到的最佳穿刺深度，可以实现理想的颞下颌关节腔冲洗及注射。
另外，再如图15所述，步骤S4还包括：
对3D导板模型上对应待治疗患者的耳朵位置处进行耳塞设计。即在定制化设计生成的3D导板模型上位于耳朵的地方就机械能耳塞设计，能进一步贴合数据，也能为患者提供舒适的体验。同时，3D导板模型上还可以根据需要自行设计出用于固定的预留空位，以满足实际注射过程中注射导板与患者面部进行贴合定位的需要等。
请参照图16，本发明的实施例六为：
一种颞下颌关节腔冲洗及注射导板生成终端1，包括存储器2、处理器3以及存储在存储器2是上并可在处理器3上执行的计算机程序，在本实施例中，处理器3执行计算机程序时实现上述实施例一至实施例五中任一实施例中的步骤。
综上所述，本发明提供的一种颞下颌关节腔冲洗及注射导板生成方法及终端，具有以下有益效果：
1、能够智能地根据患者的颞下颌关节腔形态和位置，确定最佳的穿刺位置和深度，避免了人工双针法的不精确和盲目；
2、能够精确地打印出贴合患者面部轮廓的注射导板，保证了穿刺位置的稳定。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，包括步骤：
S1、获取待治疗患者的面部扫描数据和面部CBCT数据，并利用关键点配准算法和点云配准算法将所述面部扫描数据和所述面部CBCT数据进行配准，所述关键点配准算法为基于SVD的人脸关键点配准算法，所述点云配准算法为Trimmed ICP算法；
S2、基于所述面部扫描数据对穿刺点进行初步定位，得到初步穿刺位置；
S3、基于所述初步穿刺位置在所述CBCT数据上的对应位置，采用深度学习分割技术得到穿刺点集合，筛选最佳穿刺点后对所述最佳穿刺点在所述面部扫描数据上的位姿及深度进行计算；
S4、根据所述最佳穿刺点的位姿及深度，生成3D导板模型；
S5、利用3D打印技术将所述3D导板模型打印成注射导板。
2.根据权利要求1所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述步骤S1具体为：
S11、采用基于结构光的面部扫描设备，扫描待治疗患者面部，并通过三维重建技术获取所述待治疗患者的面部扫描数据，通过CBCT技术获取所述待治疗患者的面部CBCT数据；
S12、在所述面部CBCT数据中提取所述待治疗患者的两对眼角以及一对嘴角共六个关键点，先利用关键点配准算法将所述面部CBCT数据上的六个关键点与所述面部扫描数据上对应的六个关键点进行粗配准，然后利用点云配准算法对二者进行精配准。
3.根据权利要求2所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述面部扫描设备包括单反相机、工业相机和投影仪；
所述步骤S11中采用基于结构光的面部扫描设备，扫描待治疗患者面部，并通过三维重建技术获取所述待治疗患者的面部扫描数据，具体为：
采用所述单反相机捕捉所述待治疗患者的人脸左、中、右的面部纹理，同时采用所述工业相机和所述投影仪获取所述待治疗患者的人脸左、中、右的表面三维信息，然后通过所述单反相机的相机内参和所述工业相机的位姿关系，将所述面部纹理贴图到所述表面三维信息上，得到带纹理信息的所述面部扫描数据。
4.根据权利要求2所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述步骤S12中先利用关键点配准算法将所述面部CBCT数据上的六个关键点与所述面部扫描数据上对应的六个关键点进行粗配准，具体为：
S121、在所述面部CBCT数据中提取所述待治疗患者的两对眼角以及一对嘴角共六个关键点，记作集合P，同时在所述面部扫描数据中提取与所述面部CBCT数据中的六个关键点一一对应的六个关键点，记作集合Q，分别求取集合P和集合Q的重心和/>：
（1）；
进行点云变换获取p’ i和q’ i：
（2）；
对六个关键点均进行如上公式（2）的点云变换，得到集合P’和集合Q’，然后定义新的矩阵H，通过对矩阵H进行SVD分解获取矩阵U和矩阵V：
（3）；
其中，q’ i T为q’ i的转置，VT为矩阵V的转置；
通过矩阵U和矩阵V确定六个关键点在所述面部扫描数据和所述面部CBCT数据二者之间的旋转矩阵R与位移向量T：
（4）；
其中，UT为矩阵U的转置，R1和T1作为旋转矩阵R和位移向量T的初始姿态；
通过所述初始姿态R1和T1对所述面部扫描数据进行配准之后得到点云S1。
5.根据权利要求4所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述步骤S12中利用点云配准算法对二者进行精配准，具体为：
S122、定义所述面部CBCT数据上的表皮数据为点云S0，将点云S0和S1利用所述TrimmedICP算法进行精配准，所述Trimmed ICP算法具体如下：
S122.1、为点云S0上每一个点找到它在点云S1上的匹配点，计算两者之间的残差平方d i 2，对d i 2作升值排序，选择前N ko个点对应的残差平方值求和得到S’ LTS；
其中N ko=ξN k，k为选取的点数，ξ为最小重叠率，可通过最小化目标函数式自适应求得，所述最小化目标函数式如下：
（5）；
其中，λ为预设非负数，e修建均方误差trimmed MSE，值为(S’ LTS/N ko)；
S122.2、当满足终止条件时，退出迭代，否则设置S LTS=S’ LTS，并开始新一轮迭代，并最小化S’ LTS，计算N ko个被选点的最优变换R和T，由得到的最优变换R和T做对应点的转换，并回到步骤S122.1；
所述终止条件为达到了设定的最大迭代次数。
6.根据权利要求1所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述步骤S2具体为：
利用C++中的DLIB工具对所述待治疗患者的面部进行68个关键点识别获取，并从所述面部扫描数据中得到以耳屏和眼角额所在位置为准的关键点，计算的得到人工穿刺点的一个初步穿刺位置。
7.根据权利要求1所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述步骤S3具体为：
S31、利用步骤S2中得到的所述初步穿刺位置，将所述面部CBCT数据中与所述初步穿刺位置对应的初步穿刺点的前后正负第一预设厚度的位置的XZ断层平扫结果抽取出来；
S32、将抽取结果通过预先训练好U-Net网络进行分割得到穿刺点集合；
S33、对得到的所述穿刺点集合做一个空间图包，得到点云的中心，并以得到的中心出发向所述面部扫描数据做射线，以最短路径穿刺所述面部扫描数据的穿刺点作为最佳穿刺点，并计算所述最佳穿刺点在所述面部扫描数据中的位姿及深度。
8.根据权利要求1所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述步骤S4具体为：
以所述面部扫描数据中所述待治疗患者的眼部到鼻子下沿向外部第二预设厚度位置的部分，生成3D导板模型，并对所述最佳穿刺点所在位置进行加厚设计。
9.根据权利要求8所述的一种颞下颌关节腔冲洗及注射导板生成方法，其特征在于，所述步骤S4还包括：
对所述3D导板模型上对应所述待治疗患者的耳朵位置处进行耳塞设计。
10.一种颞下颌关节腔冲洗及注射导板生成终端，其特征在于，包括存储器、处理器和存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1至9中任一所述的一种颞下颌关节腔冲洗及注射导板生成方法中步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311630235.4A CN117332704B (zh) | 2023-12-01 | 2023-12-01 | 一种颞下颌关节腔冲洗及注射导板生成方法及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311630235.4A CN117332704B (zh) | 2023-12-01 | 2023-12-01 | 一种颞下颌关节腔冲洗及注射导板生成方法及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117332704A true CN117332704A (zh) | 2024-01-02 |
| CN117332704B CN117332704B (zh) | 2024-05-28 |
Family
ID=89277756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311630235.4A Active CN117332704B (zh) | 2023-12-01 | 2023-12-01 | 一种颞下颌关节腔冲洗及注射导板生成方法及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117332704B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102988114A (zh) * | 2011-09-15 | 2013-03-27 | 浙江大学医学院附属口腔医院 | 一种基于锥束ct数据的国产数字化手术导板制作的方法 |
| CN105342708A (zh) * | 2015-12-14 | 2016-02-24 | 四川大学 | 基于ct和cbct融合数据的数字化咬合导板及其重建方法 |
| EP4102513A1 (en) * | 2021-06-10 | 2022-12-14 | Inteneural Networks Inc. | Method and apparatus for registering a neurosurgical patient and determining brain shift during surgery using machine learning and stereooptical three-dimensional depth camera with a surfacemapping system |
| CN115530870A (zh) * | 2022-10-19 | 2022-12-30 | 南京瑞德医疗科技有限公司 | 一种cbct扫描区域精确定位系统和方法 |
| CN115828615A (zh) * | 2022-12-20 | 2023-03-21 | 四川大学 | 一种颞下颌关节腔注射用数字化导板的制作方法 |
| CN116763481A (zh) * | 2023-06-15 | 2023-09-19 | 南京笑领科技有限公司 | 一种基于多模态融合的颞下颌关节运动系统性还原方法 |
-
2023
- 2023-12-01 CN CN202311630235.4A patent/CN117332704B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102988114A (zh) * | 2011-09-15 | 2013-03-27 | 浙江大学医学院附属口腔医院 | 一种基于锥束ct数据的国产数字化手术导板制作的方法 |
| CN105342708A (zh) * | 2015-12-14 | 2016-02-24 | 四川大学 | 基于ct和cbct融合数据的数字化咬合导板及其重建方法 |
| EP4102513A1 (en) * | 2021-06-10 | 2022-12-14 | Inteneural Networks Inc. | Method and apparatus for registering a neurosurgical patient and determining brain shift during surgery using machine learning and stereooptical three-dimensional depth camera with a surfacemapping system |
| CN115530870A (zh) * | 2022-10-19 | 2022-12-30 | 南京瑞德医疗科技有限公司 | 一种cbct扫描区域精确定位系统和方法 |
| CN115828615A (zh) * | 2022-12-20 | 2023-03-21 | 四川大学 | 一种颞下颌关节腔注射用数字化导板的制作方法 |
| CN116763481A (zh) * | 2023-06-15 | 2023-09-19 | 南京笑领科技有限公司 | 一种基于多模态融合的颞下颌关节运动系统性还原方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117332704B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109785374B (zh) | 一种牙科增强现实手术导航的自动实时无标记图像配准方法 | |
| CN106875432B (zh) | 颞下颌关节运动重建系统 | |
| CN109310488B (zh) | 用于估计牙齿修复体的形状、位置以及取向中的至少一个的方法 | |
| Jones | Facial Reconstruction Using Volumetric Data. | |
| KR20160004862A (ko) | 환자맞춤형 치아교정 모의시술과 이를 통한 시뮬레이션 및 치아 교정장치 또는 치아교정 시술유도장치 제작방법 | |
| CN113052902B (zh) | 牙齿治疗监测方法 | |
| CN107240128B (zh) | 一种基于轮廓特征的x线片和彩色照片配准方法 | |
| CN111462055B (zh) | 颅骨检测方法及装置 | |
| CN117636446B (zh) | 脸部穴位定位方法、针灸方法、针灸机器人及存储介质 | |
| KR102372962B1 (ko) | 자연 두부 위치에서 촬영된 3차원 cbct 영상에서 기계 학습 기반 치아 교정 진단을 위한 두부 계측 파라미터 도출방법 | |
| CN117332704B (zh) | 一种颞下颌关节腔冲洗及注射导板生成方法及终端 | |
| CN112545537B (zh) | 头影测量描迹图生成方法及系统 | |
| CN112837812A (zh) | 一种用于牙齿矫正的智能复诊方法以及相关装置 | |
| CN115778333B (zh) | 一种视觉定位寸、关、尺脉搏穴位的方法和装置 | |
| CN114298986A (zh) | 一种基于多视点无序x光片的胸腔骨骼三维构建方法及系统 | |
| KR20210055847A (ko) | 영상처리와 ｃｎｎ을 이용한 자동 3차원 세팔로메트리 장치 및 방법 | |
| CN112085698A (zh) | 左右乳腺超声图像自动分析方法及装置 | |
| 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 | |
| CN111772664B (zh) | 一种快速头影测量装置及方法 | |
| CN117017272B (zh) | 一种基于鼻颅镜系统的鼻颅骨矫正信息的获取方法 | |
| KR102277022B1 (ko) | 구강 ct 영상 및 구강 스캔 영상의 정합 방법 및 장치 | |
| CN116863075A (zh) | 一种基于3d图形扫描技术的面部整形方法 | |
| US20240161317A1 (en) | Enhancing dental video to ct model registration and augmented reality aided dental treatment | |
| US20220392149A1 (en) | Methods for generating three-dimensional image data of human bones | |
| RU2508068C1 (ru) | Способ создания трехмерного дизайн-проекта краевого пародонта |
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 |