高分辨率深度生成网络的缺失牙体形态设计

目的 针对口腔修复体设计中采用标准牙数据库进行再设计时未考虑缺失牙多样性以及个性化程度不足的问题,提出基于高分辨生成式对抗网络（high resolution generative adversarial network,HRGAN）的缺失牙冠个性化设计方法。方法 首先,利用图像熵的多方向正交投影方法计算牙体的深度距离值,并构建出咬合面、舌侧面和颊侧面的具有像素值增强的高分辨率深度图像数据集;其次,通过构建的HRGAN模型合成具有高分辨率的缺失牙深度图像,并采用像素—距离的映射关系得到缺失牙齿的3维点云数据;最后,采用点云配准技术和网格重建方法完成3组点云的拼接及3维牙冠形态重建。结果 实验采用500副牙冠模型进行训练和测试,通过设置不同损失条件的实验,与不同方法进行比较分析设计牙冠与目标牙冠的偏差。与计算机辅助设计（computer aided design,CAD）方法和基于生成模型的设计方法对比得出,本文构建的HRGAN模型生成的牙冠形态的标准偏差相比前两者分别降低了21.2%和7%,均方根值（root mean square,RMS）分别下降了43.8%和9.8%,并且牙冠咬合面形态与专家设计牙冠形态最为接近。结论 本文提出的基于高分辨率生成网络的牙体设计方法能够有效地完成缺失牙体的形态设计,设计的牙冠具有天然牙解剖形态特征。     

基于条件生成对抗网络的缺失牙体功能性咬合面形态设计方法

针对牙齿修复体设计中未考虑牙齿磨耗形态分布以及标准牙难以表达天然牙形态多样性的问题,提出基于颌位空间约束以及牙齿磨耗面引导的缺失牙体功能性咬合面形态设计方法。利用启发式搜索算法半自动提取牙齿磨耗面,并采用自适应视距的正交投影法计算出牙冠及其磨耗面在正视方向上的深度图像。通过对缺失牙齿功能性咬合面特征分级表达,采用基于颌位空间约束的生成网络获得牙齿咬合面的整体形貌,然后以磨耗面为约束条件,合成具有天然牙冠细节特征的功能性咬合面。最后,利用网格重建算法及蒙皮方法设计出满足正常咀嚼功能的全冠修复体。实验结果表明,通过该方法设计出的全冠修复体具有足够的天然牙解剖形态特征以及较高的临床适用性。     

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.     

导电聚合物驱动器电化学机械特性的研究

采用自行搭建的导电聚合物驱动器弯曲特性测试实验系统,研究其电化学机械特性。对不同长度的驱动器施加0~1V低电压,测量其顶端弯曲变形量;通过分析驱动器弯曲位移与电压的关系及位移与频率的关系,建立电机械转换模型。实验测试结果表明,电压与驱动器顶端力成线性关系;当电压为0.8V、采样周期为0.02s时,随着频率的增大,驱动器的弯曲位移逐渐减小。最后通过不同尺寸驱动器举起重物,验证了驱动器宽度越大,顶端弯曲力越大;驱动器长度越长,顶端弯曲力越小。     

采用条件生成式对抗网络的缺损牙全冠修复技术

针对传统手工修复缺损牙治疗周期长,牙科CAD系统修复缺乏个性化的问题,提出一种结合条件生成式对抗网络和高维特征损失约束的全冠咬合面个性化设计方法.首先,通过计算三维牙齿曲面深度信息,获取患牙预备体及其他条件模型的二维深度图并构建数据集;其次,以对颌牙条件数据作为咬合关系约束,同名对称牙冠数据作为形态辅助信息,利用构建的网络模型实现预备体数据向目标牙冠数据的空间映射;然后,将生成的牙冠深度图重建为三维网格模型,完成缺损牙的形态重建;最后,选取部分患牙模型进行实验测试,分析了不同约束条件对生成的牙冠咬合面形态的影响,对比了不同修复方法重建牙冠的质量.结果表明,该方法能够高效、个性化地重建全冠咬合面的解剖特征,满足缺损牙功能性修复的设计要求.     

结合稀疏八叉树卷积神经网络的牙齿预备体颈缘线提取方法

针对传统手工提取牙齿预备体颈缘线需要交互标记特征点,操作复杂,效率低的问题,提出了一种基于稀疏八叉树的卷积神经网络自动提取牙齿预备体颈缘线的方法.首先利用稀疏八叉树的空间划分,牙齿预备体模型被预处理为带有标签信息的稀疏点云,构建牙齿预备体数据集;其次利用已训练的卷积神经网络模型将牙齿预备体点云分割为2部分;然后采用密集条件随机场优化分割点云的边界,再将边界点拟合及插值获取新的边界点集;最后连接边界点在预备体模型上对应的投影点形成牙齿预备体颈缘线.在牙齿预备体数据集上的实验结果表明,卷积神经网络模型的预测准确率达到97.23%,通过对该方法提取的预备体颈缘线与专业医生提取的颈缘线之间的曲线偏差进行对比分析,验证了该方法的有效性.     

基于自适应融合和显微成像的乳腺肿瘤分级网络

基于显微成像技术的肿瘤分级对于乳腺癌诊断和预后有着重要的意义,且诊断结果需具备高精度和可解释性。目前,集成Attention的CNN模块深度网络归纳偏差能力较强,但可解释性较差;而基于ViT块的深度网络其可解释性较好,但归纳偏差能力较弱。本文通过融合ViT块和集成Attention的CNN块,提出了一种端到端的自适应模型融合的深度网络。由于现有模型融合方法存在负融合现象,无法保证ViT块和集成Attention的CNN块同时具有良好的特征表示能力;另外,两种特征表示之间相似度高且冗余信息多,导致模型融合能力较差。为此,本文提出一种包含多目标优化、自适应特征表示度量和自适应特征融合的自适应模型融合方法,有效地提高了模型的融合能力。实验表明本文模型的准确率达到95.14%,相比ViT-B/16提升了9.73%,比FABNet提升了7.6%;模型的可视化图更加关注细胞核异型的区域(例如巨型核、多形核、多核和深色核),与病理专家所关注的区域更加吻合。整体而言,本文所提出的模型在精度和可解释性上均优于当前最先进的(state of the art)模型。     

导电聚合物驱动器悬臂梁模型建立及柔性抓取装置设计

基于导电聚合物具有柔韧性好、驱动电压低、能耗小等特性,采用自制的多层弯曲型导电聚合物驱动器搭建实验系统,依据等效悬臂梁理论建立驱动器力学模型。通过测量驱动器的弯曲变形量建立偏转位移与电压、长度的函数关系式,并且计算出等效均布载荷值。实验结果表明,驱动器偏转位移与电压、长度成线性关系;当驱动电压达到1.0 V时,驱动器偏转速度趋于稳定,且偏转效果最佳。为改善普通微操作装置结构复杂、能耗大的缺点,采用导电聚合物智能材料设计并制作出微型手爪制动器,最后验证了手爪可稳定抓起0.0111 g左右的重物。