CN118252639A - 一种义齿边缘线确定方法、装置、介质及设备 - Google Patents
一种义齿边缘线确定方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN118252639A CN118252639A CN202410668470.9A CN202410668470A CN118252639A CN 118252639 A CN118252639 A CN 118252639A CN 202410668470 A CN202410668470 A CN 202410668470A CN 118252639 A CN118252639 A CN 118252639A
- Authority
- CN
- China
- Prior art keywords
- rigid body
- point
- determining
- scanning
- edge
- 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 87
- 210000000746 body region Anatomy 0.000 claims abstract description 73
- 230000008859 change Effects 0.000 claims abstract description 63
- 210000000214 mouth Anatomy 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 24
- 210000003205 muscle Anatomy 0.000 claims description 34
- 230000003068 static effect Effects 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 210000001909 alveolar process Anatomy 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 210000002455 dental arch Anatomy 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 6
- 210000004877 mucosa Anatomy 0.000 description 5
- 230000003387 muscular Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000002356 single layer Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 210000001847 jaw Anatomy 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 206010049244 Ankyloglossia congenital Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 230000001114 myogenic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001720 vestibular Effects 0.000 description 1
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
- G06T7/13—Edge detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C9/00—Impression cups, i.e. impression trays; Impression methods
- A61C9/004—Means or methods for taking digitized impressions
-
- 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
- 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)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本申请提供一种义齿边缘线确定方法、装置、介质及设备,方法包括:获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧;将所述图像帧中的口腔数据进行数据融合,生成整体模型的非刚体区域;确定整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点;基于整体模型的非刚体区域中每个三维点与各对应的扫描点,确定三维点的位置变化幅度;将位置变化幅度满足预设范围的三维点作为边缘点,并根据边缘点确定义齿边缘线。本申请通过获取口腔牵拉扫描过程中得到的口腔数据,自动计算各个扫描点的位置变化,并以此自动确定义齿的边缘线,相较于传统的人工取印模方法,大大提升获取义齿边缘线的效率与精度,有效避免人为主观因素影响。
Description
技术领域
本说明书涉及义齿制作技术领域,尤其涉及一种义齿边缘线确定方法、装置、介质及设备。
背景技术
目前,在口腔临床上制作总义齿或可摘局部义齿时,通常采用医生人工取印模的方式进行边缘整塑以获取义齿的边缘线。然而,这种人工取印模的方式存在一些缺点,例如可能会给患者带来不适感受,且取印模的效率较低,同时对医生的技术要求较高,需要医生根据印模进行人工画线,导致不同医生获得的边缘线具有较大的不确定性,受人为主观因素影响较大。
发明内容
为克服相关技术中存在的问题,本说明书提供了一种义齿边缘线确定方法、装置、介质及设备。
根据本说明书实施例的第一方面,提供一种义齿边缘线确定方法,所述方法包括:
获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧;
将所述图像帧中的口腔数据进行数据融合,生成整体模型的非刚体区域;
确定所述整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点;
基于所述整体模型的非刚体区域中每个三维点与各对应的扫描点,确定所述三维点的位置变化幅度;
将所述位置变化幅度满足预设范围的三维点作为边缘点,并根据所述边缘点确定义齿边缘线。
根据本说明书实施例的第二方面,提供一种义齿边缘线确定装置,包括:
扫描图像帧获取模块,用于获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧;
数据融合模块,用于将所述图像帧中的口腔数据进行数据融合,生成整体模型的非刚体区域;
对应扫描点确定模块,用于确定所述整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点;
位置变化幅度确定模块,用于基于所述整体模型的非刚体区域中每个三维点与各对应的扫描点,确定所述三维点的位置变化幅度;
边缘线确定模块,用于将所述位置变化幅度满足预设范围的三维点作为边缘点,并根据所述边缘点确定义齿边缘线。
根据本说明书实施例的第三方面,提供一种计算机可读存储介质,存储有计算机程序,所述程序被处理器执行时实现上述义齿边缘线确定方法的步骤。
根据本说明书实施例的第四方面,提供一种计算机设备,包括存储器、处理器及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程序时实现上述义齿边缘线确定方法的步骤。
本说明书的实施例提供的技术方案可以包括以下有益效果:
本说明书实施例中,通过获取口腔牵拉扫描过程中得到的口腔数据,生成整体模型的非刚体区域,自动计算整体模型的非刚体区域每个三维点的位置变化,并以此自动确定义齿的边缘线,相较于传统的人工取印模方法,大大提升获取义齿边缘线的效率与精度,有效避免人为主观因素影响。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
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,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本说明书根据一示例性实施例示出的一种义齿边缘线确定方法的流程图。
图2是本说明书根据一示例性实施例示出的一种非刚体区域中三维点随牵拉发生位置变化运动的示意图。
图3是本说明书根据一示例性实施例示出的一种义齿边缘线确定方法中确定整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点的步骤流程图。
图4是本说明书根据一示例性实施例示出的另一种义齿边缘线确定方法中确定整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点的步骤流程图。
图5是本说明书根据一示例性实施例示出的另一种义齿边缘线确定方法中确定整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点的步骤流程图。
图6是本说明书根据一示例性实施例示出的一种非刚体区域中不同位置的三维点在牵拉过程中的位置变化幅度示意图。
图7是本说明书根据一示例性实施例示出的一种肌静力线在非刚体区域中的显示示意图。
图8是本说明书根据一示例性实施例示出的一种义齿边缘线确定装置所在计算机设备的硬件结构图。
图9是本说明书根据一示例性实施例示出的一种义齿边缘线确定装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
目前,在口腔临床上制作总义齿或可摘局部义齿时,通常采用医生人工取印模的方式进行边缘整塑以获取义齿的边缘线。然而,这种人工取印模的方式存在一些缺点,例如可能会给患者带来不适感受,且取印模的效率较低,同时对医生的技术要求较高,需要医生根据印模进行人工画线,导致不同医生获得的边缘线具有较大的不确定性,受人为主观因素影响较大。
鉴于上述问题,本申请提供一种新的确定义齿边缘线的方法,通过获取口腔牵拉扫描过程中得到的口腔数据,生成整体模型的非刚体区域,自动计算整体模型的非刚体区域每个三维点的位置变化,并以此自动确定义齿的边缘线(基托的边缘线)。相较于传统的人工取印模方法,大大提升获取义齿边缘线的效率与精度,有效避免人为主观因素影响。
下面结合附图对本说明书实施例进行详细说明。
图1是本说明书根据一示例性实施例示出的一种义齿边缘线确定方法的流程图。其中,义齿边缘线确定方法可以是在扫描过程中实时进行的,也可以是在扫描结束后进行的。如图1所示,该义齿边缘线确定方法包括:S101-S105。
S101、获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧。
具体地,本实施例中,牵拉的方式可以是通过带扩口器对口腔进行牵拉,比如带两种不同大小的扩口器,或者一次带扩口器和一次不带扩口器,也可以是直接通过人手进行牵拉等,本实施例对此不做限定。每个图像帧中包含的是牵拉过程中的各个时刻扫描到的口腔局部区域的图像数据,可以用于表征各扫描时刻的扫描点形态,例如位置坐标等,图像帧的数量取决于扫描频率。
S102、将图像帧中的口腔数据进行数据融合,生成整体模型的非刚体区域。
为了确保依据义齿边缘线制作出的义齿的稳定性和适配性,义齿边缘线的位置通常需要设置在表征口腔内牙齿牙龈与肌肉黏膜动静交界处的肌静力线的基础上,再进一步深入口腔内肌肉黏膜组织,以使义齿能够灵活地适应口腔内肌肉黏膜的运动,以及利用肌肉黏膜的自然支撑来增强其稳定性。换句话说,义齿边缘线应当处于牙齿中的非刚体区域,例如前庭沟、系带或者边缘线区域等,这些区域中的点能够随着口腔肌肉黏膜的运动而运动,图2为非刚体区域中三维点随牵拉发生位置变化运动的示意图。故为了确定义齿边缘线,可以先基于扫描得到的口腔数据,生成牙齿完整模型的非刚体区域,进而通过分析非刚体区域中三维点在牵拉过程发生的变化,确定出义齿边缘线。
而又由于前述步骤得到的每个图像帧均仅包含每个时刻扫描到的局部区域的口腔数据,无法反映整个牵拉过程中区域中三维点的变化,因此需要对所有图像帧的口腔数据进行数据融合,以生成牙齿整体模型的非刚体区域。其中,图像帧的数据融合方式不限,融合生成的整体模型的非刚性区域,可以包括点云模型或者网格模型,而三维点可以是点云模型中的点,也可以是网格模型中顶点,也可以是指一块区域。
需要说明的是:将图像帧中的口腔数据进行数据融合,其中进行数据融合的图像帧是可以是步骤S101获取的全部或部分图像帧。
S103、确定整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点。
为了分析生成的整体模型的非刚体区域中点在牵拉过程中发生的位置变化,可以先将整体模型的非刚体区域中的每个三维点与各个图像帧的扫描的进行匹配对应,通过确定三维点和其对应点之间的位置差异,得到三维点在牵拉过程中发生的位置变化。
具体地,确定整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点可以有以下多种方式。
在一些实施例中,如图3所示,确定整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点,可以包括:S301-S303。
S301、确定整体模型的非刚体区域中每个三维点的法向;
S302、将各个图像帧中的所有扫描点投射至整体模型的非刚体区域所在的三维空间中;
S303、将落在同一三维点法向直线上的若干扫描点确定为整体模型的非刚体区域中该三维点在各个图像帧中对应的扫描点。
在对口腔进行牵拉扫描时,大多情况下是朝着同一个方向进行牵拉的,则导致非刚体区域中三维点即使发生位置变化也基本沿着同一个轨迹方向进行移动。因此,本实施例中,为了简化计算,提升计算效率,可以认为非刚体区域中三维点在牵拉时基本沿着各自法向方向进行运动,则可以在确定整体模型的非刚体区域中每个三维点的法向,将各个图像帧中的扫描点投射至整体模型的非刚体区域所在的三维空间中后,简单将落在同一三维点法向直线上的若干扫描点确定为整体模型的非刚体区域中各三维点在各个图像帧中对应的扫描点,法向直线可以理解为沿法向延伸的一条直线。确定三维点和扫描点的对应关系时,可以采用以下几种具体实施方式:可以利用三维点的法向直线所经过的三维体素区域对各个图像帧中的扫描点进行命中相交,将命中的点认为是整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点;也可以当图像帧中的扫描点落在某个三维点的法向直线所经过的三维体素区域时,确定该扫描点为该三维点的对应扫描点;或者,利用现有搜索算法,从三维点的法向开始搜索,当找到位于三维点的法向直线上的扫描点时,确定该扫描点与该三维点对应。而对于确定三维点法向的具体方式,可以采用各种现有的算法或技术实现,例如表面法向估计算法或曲面拟合方法等,本实施例对此不作限定。
在另一些实施例中,如图4所示,确定整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点,还可以包括:S401-S402。
S401、确定整体模型的非刚体区域和每个图像帧的非刚体变换关系;
S402、利用非刚体变换关系,确定整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点。
该实施例中,通过对整体模型的非刚体区域和各个图像帧进行非刚体配准,确定非刚体区域和每个图像帧的非刚体变换关系,进而准确、全面地确定每个三维点在各个图像帧中的对应扫描点,有利于提升后续确定义齿边缘线的精准度。
在另一些实施例中,如图5所示,确定整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点,可以包括:S501-S503。
S501、根据每个图像帧的相机内外参,确定获取每个图像帧时的相机位姿;
S502、将三维点根据所述相机位姿重投影到每个图像帧;
S503、将每个图像帧中与投影三维点重合的若干扫描点,确定为整体模型的非刚体区域中该三维点在各个图像帧中对应的扫描点。
本实施例中,利用每个图像帧的内外参,将三维点重投影到相关图像帧上,从而确定整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点。
S104、基于整体模型的非刚体区域中每个三维点与各对应的扫描点,确定三维点的位置变化幅度。
三维点的位置变化可以具体通过变化幅度的大小进行衡量,通过计算比较不同位置三维点的位置变化幅值,识别出可能为义齿边缘线上边缘点的三维点,进而确定义齿边缘线。非刚体区域中不同位置的三维点在牵拉过程中的位置变化幅度示意图可以如图6所示,不同颜色表示位置变化幅值大小不同。
具体地,确定三维点的位置变化幅度可以采用多种方式,例如,在一些实施例中,可以通过计算整体模型的非刚体区域中每个三维点与各对应的扫描点之间的距离,确定最大距离为该三维点的位置变化幅度。
或者,在另一些实施例中,还可以通过计算整体模型的非刚体区域中每个三维点与各对应的扫描点之间的曲率变化,确定最大曲率变化为该三维点的位置变化幅度。
其中,位移可以表征扫描点在空间中的实际移动距离,能够简单直接反映出扫描点在整个牵拉过程中位置的变化情况,因此,可以优选通过计算各三维点在牵拉过程中发生的最大位移作为度量位置变化幅度的方式,以简化位置变化幅度的计算过程,提高确定义齿边缘线的准确性和效率。
具体实施过程中,在牵拉口腔时进行口腔扫描,得到的是按照扫描时间顺序的多个图像帧,记录的是扫描仪在不同时刻扫描到的不同区域的口腔数据。为了确定每个三维点在牵拉过程发生的最大位移,可以采用以下两种具体实施方式:
第一种方式可以是在整个牵拉扫描过程结束之后,将牵拉扫描过程中得到的所有图像帧的数据进行数据融合,生成对应整个牵拉扫描过程的整体模型的非刚体区域,再将整体模型的非刚体区域中的每个三维点和各个图像帧中的扫描点一一对应,通过计算整体模型的非刚体区域中每个三维点和各个图像帧中对应的扫描点之间的距离,确定最大的距离,并将最大距离确定为该扫描点在牵拉过程中发生的最大位移;
第二种方式也可以是在每一个扫描时刻,将当前图像帧的数据和之前图像帧数据进行融合,生成对应当前时刻的当前非刚性区域,将当前非刚性区域中的每个三维点和之前图像帧中的扫描点进行对应,通过计算当前非刚性区域中每个三维点和之前图像帧中对应的扫描点之间的距离,确定当前时刻最大的距离,在下一个扫描时刻,重复之前步骤,再利用下一时刻确定的最大距离更新之前时刻确定的最大距离,直至扫描结束后,将最终时刻确定的最大距离确定为该扫描点在牵拉过程中发生的最大位移。
而确定的扫描点的最大位移,也就是该扫描点在牵拉过程中发生的位置变化幅度,从而可以准确地量化口腔在牵拉过程中的形态变化,为后续的义齿边缘线确定提供了可靠的数据基础。其中,计算三维点和对应的扫描点之间距离或者曲率变化的方式可以为现有的所有点距离或者曲率变化计算方式,本实施例对此不做限定。
S105、将位置变化幅度满足预设范围的三维点作为边缘点,并根据边缘点确定义齿边缘线。
由于义齿边缘线上的点在牵拉过程中发生的位置变化通常较大,如果直接利用其对应的位置变化幅度作为非刚体区域中三维点的筛选范围,则可能导致筛选出的三维点数量较多,后续确定义齿边缘线的难度较大。而肌静力线是牙齿与肌肉黏膜动与不动的交界处,肌静力线上的点理想状态下位置变化为0,则可以利用一个较小范围快速筛选出肌静力线上的三维点,确定出肌静力线后,再根据肌静力线与义齿边缘线的距离位置关系,确定义齿边缘线,从而简化确定义齿边缘线的难度,提升效率。
因此,在一些实施例中,将位置变化幅度满足预设范围的扫描点作为边缘点,并根据边缘点确定义齿边缘线,包括:
将位置变化幅度满足第一预设范围的扫描点作为第一边缘点,根据第一边缘点确定肌静力线,并基于肌静力线确定义齿边缘线;或者,
将位置变化幅度满足第二预设范围的扫描点作为第二边缘点,根据第二边缘点确定义齿边缘线;
第一预设范围小于第二预设范围。
其中,确定肌静力线的第一预设范围以及确定义齿边缘线的第二预设范围均可以通过医生经验设定或机器学习模型学习训练所得,第一预设范围可以优选设为0mm或0-0.2mm(大于等于0,小于等于0.2mm),第二预设范围可以优选设为0.4-0.6mm(大于等于0.4mm,小于等于0.6mm)。
基于肌静力线确定义齿边缘线的方式可以是:将肌静力线向着靠近牙龈方向2mm-5mm(大于等于2mm,小于等于5mm)左右的等距线确定为义齿边缘线。
具体地,根据第一边缘点确定肌静力线包括:
根据牙弓方向对第一边缘点进行拟合平滑处理,得到第一曲线,将第一曲线确定为肌静力线;
根据第二边缘点确定义齿边缘线包括:
根据牙弓方向对第二边缘点拟合平滑处理,得到第二曲线,将第二曲线确定为义齿边缘线。
其中,肌静力线或义齿边缘线的拟合平滑处理如下:
利用肌静力线或义齿边缘线各自设定的阈值范围在整体模型的非刚体区域确定一条连续的位置变化幅度等值线,即为对应的肌静力线或义齿边缘线。具体地:以生成的整体模型的非刚体区域网格上每个顶点位置变化幅度作为输入,从牙颌颊侧后区的某个给定阈值点出发,沿着牙弓方向穿过位置变化幅度接近阈值的点并收集(这里不严格要求穿过给到阈值点,会综合考虑曲线的光顺与位置变化幅度与阈值的差异),直道抵达牙颌的另外一边的颊侧后区,如此形成一条有序光滑非封闭的肌静力线或义齿边缘线。
进一步地,在一些实施例中,确定肌静力线和/或义齿边缘线后,还可以根据深度学习和/或经验值判断肌静力线和/或义齿边缘线是否正确;
若肌静力线和/或义齿边缘线不正确,发出提示信息以使用户对肌静力线和/或义齿边缘线进行调整,或者自动对肌静力线和/或义齿边缘线进行调整并显示调整后的肌静力线和/或义齿边缘线。
其中,肌静力线不正确的情况,具体例如确定出的肌静力线距离牙齿整体模型中的牙槽嵴区域过近或过远,或者线条过于波折,比如拐角过大等情形,又或者利用训练好的深度学习模型对确定出的肌静力线的正确值打分,分数过低等。
在一些实施例中,可以通过交互的方式对肌静力线和/或义齿边缘线进行调整,包括:在确定肌静力线和/或义齿边缘线后,在交互界面显示初始的肌静力线和/或义齿边缘线;
基于用户的交互操作,确定用户的修改请求;
根据用户的修改请求、三维点的位置变化幅度对初始的肌静力线和/或义齿边缘线进行局部重新计算以及拟合平滑处理,生成并显示调整后的肌静力线和/或义齿边缘线。
具体地,可以使用两种交互方式调整肌静力线和/或义齿边缘线局部线条形态:绘制方式和控制点方式。绘制方式是用户使用鼠标在整体模型的非刚体区域网格表面画一条线,预设算法将使用这条线局部替换临近的肌静力线和/或义齿边缘线。控制点位置方式则是将肌静力线和/或义齿边缘线采样得到若干控制点,拖动控制点用样条插值得到新的曲线以改变相邻控制点之间的肌静力线和/或义齿边缘线。
为了更直观的观察肌静力线以及义齿边缘线在非刚体区域中的位置,可以将肌静力线和/或义齿边缘线显示在整体模型的非刚体区域上,肌静力线在非刚体区域中的显示示意图如图7所示。
此外,又由于确定义齿边缘线的最终目的是为了制作与用户实际牙齿情况相匹配的义齿,为了确保义齿边缘线的精确性,直观地观察义齿边缘线和用户实际牙齿情况的适配效果,以便后续进行精细调整,提高后续义齿制作的效率和质量,有助于提升患者的舒适度和满意度,提供更加个性化和精准的治疗方案,在一些实施例中,还可以在获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧步骤之前,获取进行刚体区域扫描得到的刚体数据,并基于刚体数据生成并显示整体模型的刚体区域,以及进一步在扫描过程中,将整体模型的非刚体区域和整体模型的刚体区域实时拼接融合,生成整体模型,并在交互界面上显示。
其中,刚体区域指的是口腔内的牙齿牙龈区域等,获取刚体数据的扫描过程可以是在未进行口腔牵拉前完成的,即先扫描刚体区域,再进行口腔牵拉扫描非刚体区域,分开进行两次扫描;也可以是在口腔被牵拉的情况下,例如带扩口器,同时对刚体区域连同非刚体区域一次性进行扫描完成的。
当刚体区域和非刚体区域是分开进行两次扫描或是前后连续扫描时,由于整体模型的刚体区域是基于口腔未被牵拉情况下扫描得到的刚体数据生成的,而本申请确定义齿边缘线的过程是基于用户口腔被牵拉情况下的扫描数据确定的,在牵拉过程中,为确保能够准确、完整地确定出整条义齿边缘线,牵拉扫描的范围往往会超出未被牵拉时的扫描范围。因此,为了确保刚体区域中与义齿安装直接相关的牙槽嵴区域不受牵拉过程非刚体区域变形影响,可以先在整体模型的刚体区域中识别并锁定牙槽嵴区域,以提供一个稳定的参考框架,再在这个稳定的基础上,通过牵拉扫描确定义齿边缘线。
具体地,可以通过人工或AI智能识别的方式识别牙槽嵴区域。而锁定牙槽嵴区域,是在计算机内部锁定模型中该区域不变,避免牵拉扫描时得到的新增数据改变该区域的数据,使得该区域可以作为后续的义齿设计基础。锁定过程可以是由计算机AI自动执行,也可以是发出提示框,以供人为选择。锁定的具体实施方式可以是在计算机界面上通过不同颜色进行显示或者边界提示,也可以是隐式处理,不用显示锁定。
更具体地,在一些实施例中,在生成整体模型的非刚体区域或生成整体模型的步骤中,或者在生成整体模型的非刚体区域或生成整体模型的步骤之后,包括:
在所有图像帧中,选择出现概率最高且连续的区域进行融合,以使得整体模型的非刚体区域完整平滑。
其中,整体模型的非刚体区域的数据来源是在口腔被牵拉的情况下,此时被扫描物体是动态的,如果将所有图像帧数据进行全部融合,则会形成一个与多个运动状态的口腔对应的粗糙的多层模型数据,处理速度快,但可能不利于使用者查看扫描情况,且可能不利于确定肌静力线和/或义齿边缘线。
因此,可选地,本实施例在扫描的过程中或者在扫描结束后或者在扫描暂停后对图像帧进行筛选处理,选择出现概率最高且连续的区域进行融合,从而融合形成一个完整平滑的、静态的单层模型数据,使得整体模型的非刚体区域完整平滑,基于此,不仅利于使用者查看扫描情况,而且利于确定肌静力线和/或义齿边缘线,并提高最终确定结果准确性。
其中,若在生成整体模型的非刚体区域或生成整体模型的步骤中对图像帧进行筛选处理,选择出现概率最高且连续的区域进行融合,就是在扫描的过程中自动对图像帧进行筛选处理,选择出现概率最高且连续的区域进行融合,则交互界面可以一直实时显示为完整平滑的、静态的单层模型数据。
若在生成整体模型的非刚体区域或生成整体模型的步骤之后对图像帧进行筛选处理,选择出现概率最高且连续的区域进行融合,就是在扫描过程中是采用所有图像帧数据进行全部融合,在扫描结束后或者扫描暂停后,自动对图像帧进行筛选处理,选择出现概率最高且连续的区域进行融合,以使得整体模型的非刚体区域完整平滑。则交互界面可以先实时显示为与多个运动状态的口腔对应的粗糙的多层模型数据,再经过后处理优化显示为完整平滑的、静态的单层模型数据。
与前述方法的实施例相对应,本说明书还提供了义齿边缘线确定装置及其所应用的终端的实施例。
本说明书义齿边缘线确定装置的实施例可以应用在计算机设备上,例如服务器或终端设备。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图8所示,为本说明书实施例义齿边缘线确定装置所在计算机设备的一种硬件结构图,除了图8所示的处理器801、内存802、网络接口803、以及非易失性存储器804之外,实施例中义齿边缘线确定装置所在的服务器或电子设备,通常根据该计算机设备的实际功能,还可以包括其他硬件,对此不再赘述。
如图9所示,图9是本说明书根据一示例性实施例示出的一种义齿边缘线确定装置的框图,装置包括:
扫描图像帧获取模块901,用于获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧;
数据融合模块902,用于将所述图像帧中的口腔数据进行数据融合,生成整体模型的非刚体区域;
对应扫描点确定模块903,用于确定整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点;
位置变化幅度确定模块904,用于基于整体模型的非刚体区域中每个三维点与各对应的扫描点,确定三维点的位置变化幅度;
边缘线确定模块905,用于将位置变化幅度满足预设范围的三维点作为边缘点,并根据边缘点确定义齿边缘线。
相应的,本说明书还提供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义齿边缘线确定方法的步骤。
相应的,本说明书还提供一种计算机设备,包括:存储器、处理器及存储在存储器上的计算机程序,处理器执行计算机程序以实现上述义齿边缘线确定方法的步骤。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (16)
1.一种义齿边缘线确定方法,其特征在于,包括:
获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧;
将所述图像帧中的口腔数据进行数据融合,生成整体模型的非刚体区域;
确定所述整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点;
基于所述整体模型的非刚体区域中每个三维点与各对应的扫描点,确定所述三维点的位置变化幅度;
将所述位置变化幅度满足预设范围的三维点作为边缘点,并根据所述边缘点确定义齿边缘线。
2.根据权利要求1所述的方法,其特征在于,基于所述整体模型的非刚体区域中每个三维点与各对应的扫描点,确定所述三维点的位置变化幅度,包括:
计算所述整体模型的非刚体区域中每个三维点与各对应的扫描点之间的距离,确定最大距离为该三维点的位置变化幅度。
3.根据权利要求1所述的方法,其特征在于,基于所述整体模型的非刚体区域中每个三维点与各对应的扫描点,确定所述三维点的位置变化幅度,包括:
计算所述整体模型的非刚体区域中每个三维点与各对应的扫描点之间的曲率变化,确定最大曲率变化为该三维点的位置变化幅度。
4.根据权利要求1所述的方法,其特征在于,确定所述整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点,包括:
确定所述整体模型的非刚体区域中每个三维点的法向;
将各个图像帧中的所有扫描点投射至所述整体模型的非刚体区域所在的三维空间中;
将落在同一三维点法向直线上的若干扫描点确定为所述整体模型的非刚体区域中该三维点在各个图像帧中对应的扫描点。
5.根据权利要求1所述的方法,其特征在于,确定所述整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点,包括:
确定所述整体模型的非刚体区域和每个图像帧的非刚体变换关系;
利用所述非刚体变换关系,确定所述整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点。
6.根据权利要求1所述的方法,其特征在于,确定所述整体模型的非刚体区域中每个三维点在各个图像帧中对应的扫描点,包括:
根据每个图像帧的相机内外参,确定获取所述每个图像帧时的相机位姿;
将所述三维点根据所述相机位姿重投影到每个图像帧;
将所述每个图像帧中与投影三维点重合的若干扫描点,确定为所述整体模型的非刚体区域中该三维点在各个图像帧中对应的扫描点。
7.根据权利要求1至6任一项所述的方法,其特征在于,将所述位置变化幅度满足预设范围的扫描点作为边缘点,并根据所述边缘点确定义齿边缘线,包括:
将所述位置变化幅度满足第一预设范围的扫描点作为第一边缘点,根据所述第一边缘点确定肌静力线,并基于所述肌静力线确定义齿边缘线;或者,
将所述位置变化幅度满足第二预设范围的扫描点作为第二边缘点,根据所述第二边缘点确定义齿边缘线;
所述第一预设范围小于所述第二预设范围。
8.根据权利要求7所述的方法,其特征在于,根据所述第一边缘点确定肌静力线包括:
根据牙弓方向对所述第一边缘点进行拟合平滑处理,得到第一曲线,将所述第一曲线确定为肌静力线;
根据所述第二边缘点确定义齿边缘线包括:
根据牙弓方向对所述第二边缘点拟合平滑处理,得到第二曲线,将所述第二曲线确定为义齿边缘线。
9.根据权利要求7所述的方法,其特征在于,还包括:
在确定所述肌静力线和/或义齿边缘线后,根据深度学习模型和/或经验值判断所述肌静力线和/或义齿边缘线是否正确;
若所述肌静力线和/或义齿边缘线不正确,发出提示信息以使用户对所述肌静力线和/或义齿边缘线进行调整,或者自动对对所述肌静力线和/或义齿边缘线进行调整并显示调整后的肌静力线和/或义齿边缘线。
10.根据权利要求7所述的方法,其特征在于,还包括:
在确定所述肌静力线和/或义齿边缘线后,在交互界面显示初始的肌静力线和/或义齿边缘线;
基于用户的交互操作,确定用户的修改请求;
根据用户的修改请求、所述三维点的位置变化幅度对所述初始的肌静力线和/或义齿边缘线进行局部重新计算以及拟合平滑处理,生成并显示调整后的所述肌静力线和/或义齿边缘线。
11.根据权利要求7所述的方法,其特征在于,还包括:
将所述肌静力线和/或义齿边缘线显示在整体模型的非刚体区域上。
12.根据权利要求7所述的方法,其特征在于,在获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧之前,还包括:
获取进行刚体区域扫描得到的刚体数据,并基于所述刚体数据生成并显示整体模型的刚体区域;
所述方法还包括:在扫描过程中,整体模型的非刚体区域和整体模型的刚体区域实时拼接融合,生成整体模型,并在交互界面上显示;
在所述整体模型的刚体区域中,识别并锁定牙槽嵴区域,所述牙槽嵴区域在生成整体模型的过程中不发生变化。
13.根据权利要求12所述的方法,其特征在于,在生成整体模型的非刚体区域或生成整体模型的步骤中,或者在生成整体模型的非刚体区域或生成整体模型的步骤之后,包括:
在所有图像帧中,选择出现概率最高且连续的区域进行融合,以使得整体模型的非刚体区域完整平滑。
14.一种义齿边缘线确定装置,其特征在于,包括:
扫描图像帧获取模块,用于获取在口腔被牵拉的情况下进行口腔扫描得到的若干图像帧;
数据融合模块,用于将所述图像帧中的口腔数据进行数据融合,生成整体模型的非刚体区域;
对应扫描点确定模块,用于确定所述整体模型的非刚体区域中的每个三维点在各个图像帧中对应的扫描点;
位置变化幅度确定模块,用于基于所述整体模型的非刚体区域中每个三维点与各对应的扫描点,确定所述三维点的位置变化幅度;
边缘线确定模块,用于将所述位置变化幅度满足预设范围的三维点作为边缘点,并根据所述边缘点确定义齿边缘线。
15.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至13任一项所述方法的步骤。
16.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至13任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410668470.9A CN118252639B (zh) | 2024-05-27 | 2024-05-27 | 一种义齿边缘线确定方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410668470.9A CN118252639B (zh) | 2024-05-27 | 2024-05-27 | 一种义齿边缘线确定方法、装置、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118252639A true CN118252639A (zh) | 2024-06-28 |
CN118252639B CN118252639B (zh) | 2024-08-02 |
Family
ID=91607037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410668470.9A Active CN118252639B (zh) | 2024-05-27 | 2024-05-27 | 一种义齿边缘线确定方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118252639B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019172636A1 (ko) * | 2018-03-08 | 2019-09-12 | 주식회사 디오 | 디지털 오버덴쳐 제조방법 및 제조시스템 |
CN110974453A (zh) * | 2019-12-25 | 2020-04-10 | 中国医科大学附属口腔医院 | 一种配合3d打印模型设计埋伏牙牵引方向的数字化方法 |
CN218247443U (zh) * | 2022-06-08 | 2023-01-10 | 四川大学 | 用于无牙颌口扫时加装于扫描头的可拆卸支撑结构 |
US20240024076A1 (en) * | 2022-07-22 | 2024-01-25 | Align Technology, Inc. | Combined face scanning and intraoral scanning |
-
2024
- 2024-05-27 CN CN202410668470.9A patent/CN118252639B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019172636A1 (ko) * | 2018-03-08 | 2019-09-12 | 주식회사 디오 | 디지털 오버덴쳐 제조방법 및 제조시스템 |
CN110974453A (zh) * | 2019-12-25 | 2020-04-10 | 中国医科大学附属口腔医院 | 一种配合3d打印模型设计埋伏牙牵引方向的数字化方法 |
CN218247443U (zh) * | 2022-06-08 | 2023-01-10 | 四川大学 | 用于无牙颌口扫时加装于扫描头的可拆卸支撑结构 |
US20240024076A1 (en) * | 2022-07-22 | 2024-01-25 | Align Technology, Inc. | Combined face scanning and intraoral scanning |
Non-Patent Citations (1)
Title |
---|
董会 等: "个性化牵拉器在上颌无牙颌数字化印模中的应用", 医疗装备, vol. 36, no. 21, 30 November 2023 (2023-11-30), pages 48 - 50 * |
Also Published As
Publication number | Publication date |
---|---|
CN118252639B (zh) | 2024-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11744682B2 (en) | Method and device for digital scan body alignment | |
KR102419552B1 (ko) | 치아 수복물의 형상, 위치 및 배향 중 적어도 하나를 추정하는 방법 | |
US20200350059A1 (en) | Method and system of teeth alignment based on simulating of crown and root movement | |
JP7386215B2 (ja) | 歯列メッシュ矯正具除去のための方法および装置 | |
CN114746952A (zh) | 用于从二维草图创建三维牙科修复体的方法、系统和计算机可读存储介质 | |
JP7152455B2 (ja) | セグメンテーション装置および学習モデルの生成方法 | |
JP2019536561A (ja) | 歯列メッシュからのブレース除去のための方法およびシステム | |
JP2019524367A (ja) | ハイブリッドメッシュセグメンテーションのための方法及びシステム | |
CN111685899A (zh) | 基于口内图像和三维模型的牙齿正畸治疗监测方法 | |
CN111631744B (zh) | Ct扫描定位的方法、装置及系统 | |
US20220361992A1 (en) | System and Method for Predicting a Crown and Implant Feature for Dental Implant Planning | |
US11488305B2 (en) | Segmentation device | |
US20240024076A1 (en) | Combined face scanning and intraoral scanning | |
CN118252639B (zh) | 一种义齿边缘线确定方法、装置、介质及设备 | |
US20230419631A1 (en) | Guided Implant Surgery Planning System and Method | |
TWI744859B (zh) | 牙齒目標檢測方法及利用牙齒目標的影像整合方法及裝置 | |
CN115457053A (zh) | 一种三维牙齿网格模型自动分割方法、装置、设备及介质 | |
US20230215027A1 (en) | Oral image marker detection method, and oral image matching device and method using same | |
US20240180675A1 (en) | Functional impression for dental prostheses | |
US20230298272A1 (en) | System and Method for an Automated Surgical Guide Design (SGD) | |
US20240177397A1 (en) | Generation of dental renderings from model data | |
CN115100380A (zh) | 基于眼部体表特征点的医学影像自动识别方法 | |
CN117788747A (zh) | 一种口扫数据与cbct融合的牙冠三维重建方法 | |
CN117137696A (zh) | 颞下颌关节假体植入方法、装置、设备及存储介质 | |
CN115471506A (zh) | 一种口扫模型的位置调整方法、存储介质和电子设备 |
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 |