3维牙颌模型牙齿分割的路径规划方法

目的 从3维牙颌模型上分割出单颗牙齿是计算机辅助正畸系统的重要步骤。由于3维测量分辨率和网格重建精度的有限性,三角网格牙颌模型上牙龈和牙缝边界往往融合在一起,使得单颗牙齿的自动分割变得极为困难。传统方法容易导致分割线断裂、分支干扰等问题,且手工交互较多,为此提出一种新颖的基于路径规划技术的单颗牙齿自动分割方法。方法 为避免在探测边界时牙龈和牙缝相互干扰,采用牙龈路径和牙缝路径分开规划策略。首先基于离散曲率分析和一种双重路径规划法搜索牙龈分割路径,并基于搜索到的牙龈路径利用图像形态学和B样条拟合技术构建牙弓曲线;然后综合牙龈路径和牙弓曲线的形态特征探测牙龈路径上的牙缝凹点以划界每颗牙齿的牙龈边界轮廓,并通过匹配和搜索牙龈边界轮廓上颊舌侧凹点间的最优路径确定齿间牙缝边界路径;最后细化整个路径以获取每颗牙齿精确的封闭分割轮廓。结果 对不同畸形程度的患者牙颌模型进行分割实验,结果表明,本文方法对于严重畸形的牙齿能够产生正确的分割结果,而且简单快速,整个分割过程基本能够控制在20 s以内。和现有方法相比,本文方法具有较少的人工干预和参数调整,除了在个别牙齿边界较为模糊的位置需要手动调整外,大部分情况都是自动的。结论 提出的路径规划方法具有强大的抗干扰能力,能够有效克服牙缝牙沟等分支干扰以及分割线断裂等问题,最大程度地减少人工干预,适用于各类畸形牙患者模型的牙齿分割。     

基于测地路径的牙齿模型交互分割算法研究

从3维牙颌模型中精确地分离出单颗牙齿是计算机辅助正畸治疗的重要步骤。由于牙齿有不同的形状并且不同个体之间有很大差异,其自动分离比较困难。为此,提出一种交互分割单颗牙齿的方法：首先,在牙颌模型上交互选定特征点,然后计算特征点间近似测地路径,待测地路径封闭后,利用区域生长方法从整个牙颌模型上精确分离出单颗牙齿。实验结果显示,该算法执行速度快,用户交互量少,且分割得到的牙齿边界线平滑,较好地满足口腔正畸的临床要求。     

基于特征线分段技术的牙齿分割算法

牙齿分割是计算机口腔正畸的重要技术,针对三维牙颌模型直接进行牙齿分割而不对齿间融合区域进行处理会存在精确度较差、缺失侧面形状的问题,以及现有牙齿形状建模方法交互多、效率低的问题,提出一种基于特征线分段技术的牙齿分割算法。根据曲率信息筛选特征区域并采用形态学算法提取牙列特征线;结合特征线分段和分支点匹配算法以及形态学膨胀操作实现齿间融合区域的自动识别;利用匹配的分支点对齿间孔洞搭桥修补,实现牙齿形状的自动恢复;提取齿间龈缘线,然后以所有龈缘线作为牙齿分割线分离出单颗牙齿。实验结果表明,该算法不仅能准确分离出具有侧面形状的单颗牙齿,而且避免了牙齿形状建模时的交互操作,而且与手动识别并删除齿间粘连区域、采用曲面能量约束方式重建齿间缺失曲面的方法相比,提高了牙齿分割效率60%~90%。     

多级层次三维卷积神经网络的牙颌模型分割与识别技术

牙齿分割是计算机辅助口腔正畸治疗的重要技术.针对传统牙齿分割方法因交互操作复杂、手工干预程度高导致分割效率和精度较低的问题,提出一种基于多级层次三维卷积神经网络的牙颌模型自动分割与识别方法.首先利用基于哈希表的八叉树稀疏表达模型对牙颌模型进行标签化预处理;然后采用构建的Level-1网络和Level-2网络,分别实现普通牙齿间类别和高相似度牙齿间类别的区分;最后采用基于深度卷积特征的多级层次分割网络实现牙齿与牙龈以及牙齿间的分割,并利用条件随机场模型对龈缘区及齿间接触区的局部细节特征进行建模与优化.实验结果表明,在自行采集的牙齿数据集上的牙齿识别准确率均维持在0.858以上,单颗牙齿的分割准确率为0.898,与同类分割方法对比,验证了层次特征学习方法具有较高的准确率和鲁棒性,适用于各种不同程度畸形牙患者的牙齿分割,在计算机辅助口腔治疗诊断中具有巨大的应用潜力.     

计算机辅助牙齿隐形正畸系统

针对牙齿隐形正畸术依赖于预先排齐错位牙齿的需求,提出了包括牙齿形状建模以及虚拟矫治2个部分的完整的计算机辅助牙齿隐形正畸系统.该系统的输入是由光学扫描获得的牙颌数字模型,输出用于快速成型加工的中间母模模型,主要包括牙齿分割、牙齿修复、牙齿运动设计、牙龈变形、矫治方案制定以及虚拟咬合等环节.基于牙颌模型的几何特征,采用两步牙齿模型分割方法:首先确定分割区域,进而利用控制曲线裁切获得光滑边界;对于相邻牙齿之间的缺失区域,利用控制曲线网指定曲面位置约束,并利用微分坐标方法重建;采用移动最小二乘插值解决牙龈变形中由于求解大规模线性系统而导致的消耗内存过多问题.该系统是生产隐形矫治器的关键步骤,同时也为医生诊断病情提供了可视化虚拟环境.近50例临床试验结果表明,该系统能够有效地进行牙齿矫治,并正在进行产业化.     

水平集活动轮廓模型的3维牙齿重建

目的 建立患者口腔每颗牙齿独立的3维模型对于计算机口腔修复的精确定位和量化评估具有十分重要的意义。针对口腔CT图像序列的牙齿形态变化和排列特点,提出一种新颖的基于水平集活动轮廓模型的3维牙齿重建方法。方法 基于层间映射机制,对不同部位牙层切片采用不同的分割模型：利用先验形状约束能量、基于Flux模型的边缘梯度能量、基于先验灰度的局部区域能量相结合构造的单相混合水平集模型分割牙根层切片轮廓;利用结合区域竞争约束的双相混合水平集模型分割牙冠层切片轮廓;最后利用这些层间轮廓重建出牙齿3维模型。结果 对不同位置的牙齿CT图像进行分割实验,结果表明,与现有的方法相比,本文方法具有较好的分割效果和较高的准确率,平均分割相似系数达到96%。结论 本文的混合水平集模型能有效克服牙髓腔和牙槽骨的干扰以及图像灰度不均匀等问题,较准确地重建出每颗牙齿独立的3维模型,从而为制定口腔修复规划、生物力学分析等奠定坚实的基础。     

参考1维光谱差异的区域生长种子点选取方法

目的 区域生长法是遥感影像分割中常用的算法,该算法首先选取适当的像元作为生长的起始点（种子点）。现有的种子点选取方法存在种子点数目较多、效率低以及地物细节种子点不足等问题。针对种子点选取存在的问题,提出一种基于1维光谱差异的区域生长种子点的选取方法。方法 首先计算像元间1维（水平、竖直）方向上的光谱差异,然后选取光谱差异的局部极小值作为种子点,最后对种子点进行优选,得到区域生长的起点。结果 应用本文方法选取种子点,对高分辨率的IKONOS遥感影像进行了区域生长。将实验结果与分形网络演化方法及Kernel Graph Cuts方法的分割结果进行了目视对比,并且分别计算了3种方法所得分割结果的基元内部同质性和基元间相关性的评价指数。目视比较的结果表明,本文的种子点选取方法能够为区域生长提供具有代表性的种子点,得到了精细的分割结果。在定量评价上,本文方法也表现出了数值优势,各波段分割质量指数均提高15%以上。结论 提出的种子点选取方法能够为高分辨率遥感图像的区域生长分割提供具有代表性的种子点,产生精细的分割图像,对于地物细节有良好的分割效果,具有较高的实用价值。     

融合图卷积和差异性池化函数的点云数据分类分割模型

目的 深度网络用于3维点云数据的分类分割任务时,精度与模型在全局和局部特征上的描述能力密切相关。现有的特征提取网络,往往将全局特征和不同尺度下的局部特征相结合,忽略了点与点之间的结构信息和位置关系。为此,通过在分类分割模型中引入图卷积神经网络（graph convolution neural network,GCN）和改进池化层函数,增强局部特征表征能力和获取更丰富的全局特征,改善模型对点云数据的分类分割性能。方法 GCN模块通过K近邻算法构造图结构,利用相邻点对的边缘卷积获取局部特征,在深度网络模型中动态扩展GCN使模型获得完备的局部特征。在池化层,通过选择差异性的池化函数,联合提取多个全局特征并进行综合,保证模型在数据抖动时的鲁棒性。结果 在ModelNet40、ShapeNet和S3DIS（stanford large-scale 3D indoor semantics）数据集上进行分类、部分分割以及语义场景分割实验,验证模型的分类分割性能。与PointNet相比,在ModelNet40分类实验中,整体精度和平均分类精度分别提升4%和3.7%;在ShapeNet部分分割数据集和S3DIS室内场景数据集中,平均交并比（mean intersection-over-union, mIoU）分别高1.4%和9.8%。采用不同的池化函数测试结果表明,本文提出的差异性池化函数与PointNet提出的池化函数相比,平均分类精度提升了0.9%,有效改善了模型性能。结论 本文改进的网络模型可以有效获取点云数据中的全局和局部特征,实现更优的分类和分割效果。     

结合全卷积网络和GrowCut的肾皮质分割算法

目的 肾脏图像分割对于肾脏疾病的诊断有着重要意义,临床上通过测量肾皮质的体积和厚度可判断肾脏是否有肿瘤、慢性动脉硬化性肾病和肾移植急性排斥反应等。现有的肾脏分割算法大多针对一种模态,且只能分割出肾脏整体。本文提出一种基于全卷积网络和GrowCut的肾皮质自动分割算法,用于多模态肾脏图像分割。方法 首先用广义霍夫变换对肾脏进行检测,提取出感兴趣区域,通过数据增强扩充带标签数据;然后用VGG-16预训练模型进行迁移学习,构建适用于肾皮质分割的全卷积网络,设置网络训练参数,使用扩充数据训练网络。最后用全卷积网络分割图像,提取最后一层卷积层的特征图得到种子点标记,结合肾脏图像的先验知识纠正错误种子点,将该标记图作为GrowCut初始种子点可实现肾皮质准确分割。结果 实验数据为30组临床CT和MRI图像,其中一组有标记的CT图像用于训练网络并测试算法分割准确性,该文算法分割准确率IU（region intersection over union）和DSC（Dice similarity coefficient）分别达到91.06%±2.34%和91.79%±2.39%。与全卷积网络FCN-32s相比,本文提出的网络参数减少,准确率更高,可实现肾皮质分割。GrowCut算法考虑像素间的邻域信息,与全卷积网络结合可进一步将分割准确率提高3%。结论 该方法可准确分割多模态肾脏图像,包括正常和变异肾脏的图像,说明该方法优于主流方法,能够为临床诊断提供可靠依据。     

结合拓扑持续性和热扩散理论的3维模型分割

目的 针对已有的3维模型分割方法人为设定过多参数的问题,提出了一种基于拓扑持续性和热亲和度矩阵的3维模型分割方法,只需给定分割部件数即可自动完成分割。方法 首先通过拓扑持续性处理3维模型的热核签名,选取生存期最长的几个特征点作为模型被分割部件的显著特征点,对于模型躯干等无法通过生长周期选取特征点的部件,则选取热核签名的最小值所对应的顶点作为显著特征点,从而获得模型的初始聚类中心;然后使用不同的扩散时间所对应的热亲和度矩阵进行k-means聚类,并根据聚类中心的偏移距离等参数筛选聚类结果,从而获得3维模型的分割结果。结果 选取人体模型进行分割实验,并与其他方法进行对比分析。结果表明,所提出的热亲和度的计算时间明显优于常用的测地距离和幂指数核;相比基于拓扑持续性和基于测地距离的聚类,本文方法可以正确分割模型的各个部件并获得恰当的分割边界。此外,本文方法针对姿态不同的同一非刚体3维模型可以取得一致性的分割结果,而且对模型表面噪声具有较好的鲁棒性。结论 和已有方法相比,本文的基于拓扑持续性和热亲和度矩阵的3维模型分割方法可以在给定分割部件的前提下自动选定聚类中心并获得恰当的分割边界,并广泛适用于常见动物模型的分割。     

Individual tooth segmentation from CT images using level set method with shape and intensity prior

3D visualization of teeth from CT images provides important assistance for dentists performing orthodontic surgery and treatment. However, dental CT images present several major challenges for the segmentation of tooth, which touches with adjacent teeth as well as surrounding periodontium and jaw bones. Moreover, tooth contour suffers from topological changes and splits into several branches. In this work, we focus on the segmentation of individual teeth with complete crown and root parts. To this end, we propose adaptive active contour tracking algorithms: single level set method tracking for root segmentation to handle the complex image conditions as well as the root branching problem, and coupled level set method tracking for crown segmentation in order to separate the touching teeth and create the virtual common boundaries between them. Furthermore, we improve the variational level set method in several aspects: gradient direction is introduced into the level set framework to prevent catching the surrounding object boundaries; in addition to the shape prior, intensity prior is introduced to provide adaptive shrinking or expanding forces in order to deal with the topological changes. The test results for both tooth segmentation and 3D reconstruction show that the proposed method can visualize individual teeth with high accuracy and efficiency.     

SRF-Net: Spatial Relationship Feature Network for Tooth Point Cloud Classification

3D scanned point cloud data of teeth is popular used in digital orthodontics. The classification and semantic labelling for point cloud of each tooth is a key and challenging task for planning dental treatment. Utilizing the priori ordered position information of tooth arrangement, we propose an effective network for tooth model classification in this paper. The relative position and the adjacency similarity feature vectors are calculated for tooth 3D model, and combine the geometric feature into the fully connected layers of the classification training task. For the classification of dental anomalies, we present a dental anomalies processing method to improve the classification accuracy. We also use FocalLoss as the loss function to solve the sample imbalance of wisdom teeth. The extensive evaluations, ablation studies and comparisons demonstrate that the proposed network can classify tooth models accurately and automatically and outperforms state-of-the-art point cloud classification methods.     

基于深度学习的牙齿嵌塞自动判别方法

食物嵌塞是口腔常见病征,容易引发局部牙龈红肿、溢脓、龋齿等口腔问题,给患者带来极大的痛苦和不便。目前临床上难以自动筛查嵌塞牙齿,且传统的锥形束CT重建方法的准确度及精度均有待提高。提出一种牙齿嵌塞自动化判断的方法,对牙齿模型进行单个牙体的精准分割,在U-Net网络的基础上使用KPConv卷积核代替二维卷积核来构建分割网络,并使用图割方法优化分割结果。同时,采用平面拟合的方法将分割后的牙齿模型投影到水平和竖直平面上,在平面上求出牙齿嵌塞特征,并利用支持向量机根据所求特征对牙齿的嵌塞情况进行判断。通过充分利用样本模型的几何结构信息,设计简化牙齿模型的几何采样及包含牙齿几何结构约束的图割方法提高网络模型的运算时间及精度。实验结果表明,该方法对牙齿模型的分割准确率为92%,对牙齿嵌塞的判断正确率为81%,能够为医生提供辅助诊断。     

三维牙颌模型的牙齿形状建模方法

针对三维牙颌模型由于齿间粘连导致单颗牙齿局部形状缺失的问题,提出一种综合性的牙齿形状建模方法.根据三维牙颌模型的形态特征,采用基于曲面最小主曲率的方法对粘连区域进行准确的检测提取;对删除齿间粘连区域后生成的齿间开口利用局部最优化权值规则进行剖分并细分优化,生成"中间"恢复曲面;根据牙齿的生理医学特征,以齿间开口的边界信息为约束条件,采用基于最小化曲面能量函数的方法对"中间"恢复曲面进行变形调整,实现单颗牙齿缺失形状的准确恢复.实验结果表明,采用文中方法能取得满足临床口腔医学要求的形状建模结果.     

牙缝约束下模糊连接法对单颗牙齿的分割

采用模糊连接分割算法克服牙齿边界的模糊性对待选牙齿进行初分割,以获取完整的外缘轮廓,其次采用牙弓拟合及牙缝定位方法获取牙缝边界信息,并对初分割结果施以边界约束,从而克服模糊连接分割算法难于分割粘连牙的特点.实验结果表明,该方法能够有效地分割出单颗牙齿,将其扩展到CT序列切片上,即可实现单颗牙齿的三维分割,克服畸形牙的分割难题.     

一种基于PSO的自动化排牙方法

在牙齿三维矫正中需要对牙齿进行排列,常用方法是通过人机交互完成,效率不高。提出了一种基于粒子群的自动化排牙方法,将每颗牙齿上的特征点到标准牙弓曲线的距离和作为目标函数,利用粒子群算法对解空间进行搜索,在搜索过程中加入约束条件,得到牙齿移动的最终位置。利用该算法对牙齿进行排列,可以省去人机交互中的平移等操作。实验结果表明该算法能够有效地用于牙齿三维矫正中,提高了排牙效率。     

虚拟正畸治疗中的错位牙齿自动排列方法

针对虚拟正畸技术中人工排牙效率低下问题，提出一种基于拟合优化的错位牙齿 自动排列方法。对输入的牙列模型建立排牙坐标系，定义单颗牙齿特征点并建立牙齿局部坐标 系。在此基础上，从低维角度分析牙列中各颗牙齿的位置和姿态，采用加权拟合优化的方法分别 计算牙齿的坐标平移量与局部坐标轴旋转量，形成牙齿位姿与空间牙列曲线的关联约束，并结合 矩形包围盒的碰撞检测方法，设计基于最速下降法的迭代算法在空间牙列曲线约束范围内调整牙 齿位姿，完成牙齿的自动排列。实验结果表明，排好的牙列与人工排牙结果相差无异，排牙效率 大大提高；与现有排牙方法相比，更贴近临床牙齿矫治，且牙齿移动代价总量明显降低。