基于非刚性配准算法的上颌骨复合体三维数据自动定点研究

目的探索上颌骨复合体三维数据解剖标志点的自动定点方法, 并初步评价其可重复性与准确性。方法从2021年6月至2022年12月就诊于北京大学口腔医学院·口腔医院口腔颌面外科的口腔疾病患者螺旋CT资料中, 选取31例颅颌面骨骼形态大致正常者的螺旋CT资料, 其中男性15例, 女性16例, 年龄(33.3±8.3)岁, 通过Mimics软件对上颌骨复合体进行三维重建, 通过Geomagic软件对上颌骨复合体三维数据进行网格优化。由2名主治医师和1名副主任医师对31例上颌骨复合体数据进行人工定点, 确定24个解剖标志点, 取3人定点均值作为专家定点结果。选择其中1例符合健康人颅颌面骨骼三维形态平均特征的上颌骨复合体数据作为模板数据, 其余30例作为目标数据。采用MeshMonk开源程序(一种非刚性配准算法)将模板数据与目标数据基于4个标志点(鼻根点、左右颧弓最突点、前鼻棘点)进行初对齐, 再将模板数据基于非刚性配准算法变形为目标数据的形状, 得到变形后模板数据, 基于模板数据变形前后同名标志点的索引不变特性, 自动检索变形后模板数据各标志点坐标, 以此作为目标数据同名标志点自动定点坐标, 也即...     

儿童带环丝圈式间隙保持器的椅旁数字化设计与制作方法初探

目的 提出一种儿童带环丝圈式间隙保持器的椅旁数字化设计与制作方法,并初步验证其临床可行性。方法 选取10例因乳牙早失需要进行间隙保持的患儿为研究对象,采集患儿口内扫描数据建立缺牙数字模型,使用自主研发的儿童带环丝圈式间隙保持器设计软件,完成个性化带环与丝圈结构的快速设计,生成一体化带环丝圈式间隙保持器的数字模型。分别采用椅旁金属数控切削工艺（试验组）和技工室金属3D打印工艺（对照组）制作间隙保持器。对保持器进行模型试戴,邀请儿童口腔高年资专家采用视觉模拟评分法（VAS）从间隙保持器的密合度、就位稳定性两个方面进行评价,并进行统计学分析。结果 试验组10例间隙保持器的设计及制作总时间均小于1 h。统计分析结果表明,2组间隙保持器均满足临床使用需求,试验组间隙保持器的密合度、稳定性优于对照组。结论 本研究提出的儿童带环丝圈式间隙保持器的椅旁数字化设计与制作方法,可实现初次就诊当日佩戴间隙保持器,临床可行性好,具有良好的临床应用潜力。     

基于三维下颌骨平均模型的颌骨标志点自动确定方法

目的：探索一种高效、自动确定三维下颌骨数据解剖标志点的方法,并对该方法的定点效果进行初步评价。方法：选取40例颅颌面三维形态正常患者的CT数据(其中30例用来建立三维下颌骨平均模型,10例作为测试本研究方法确定下颌骨标志点效果的测试数据),将数据导入到Mimics软件中进行下颌骨三维重建。在这40例三维重建后的下颌骨数据中,选取与中国人下颌骨特征均值更为接近的30例,在MATLAB软件中基于普氏分析(Procrustes analysis)算法对此30例下颌骨数据进行尺寸归一化处理,并在Geomagic Wrap软件中,构建上述30例下颌骨数据的三维平均形状模型,通过对称化处理、曲率采样、索引标记等过程,构建出具有18 996个类标志点和19个下颌骨解剖标志点索引的三维下颌骨结构化模板。应用开源非刚性配准算法程序Meshmonk,将上述构建的三维下颌骨模板通过非刚性变形与患者三维下颌骨数据进行匹配,获得患者三维下颌骨数据的19个解剖标志点位置。与口腔专家手动标注的标志点位置误差(定点误差)进行比较,评价本方法的准确性。结果：将本研究方法应用于10例无显著下颌骨形态畸形患者数据,19个标...     

基于三维人脸模板的外鼻缺损三维形态补全方法初探

目的基于三维人脸模板的非刚性配准过程探讨外鼻缺损三维形态补全方法, 为鼻赝复体的数字化设计提供新的解决方案。方法选取2022年6至12月于北京大学口腔医学院·口腔医院修复科就诊的牙体缺损或缺失男性患者20例, 年龄18～45岁, 采集患者原始三维颜面数据, 用Geomagic Wrap 2021软件构建外鼻缺损三维颜面数据。使用课题组前期研究中构建的结构化三维人脸模板数据, 基于非缺损区形态, 通过MeshMonk程序(一种非刚性配准算法)将三维人脸模板变形配准至外鼻缺损三维颜面数据上, 获得三维人脸模板个性化变形后的数据, 即补全人脸三维数据。基于外鼻缺损三维颜面数据的缺损边界, 在补全人脸三维数据上裁剪出补全外鼻三维数据。对比分析补全人脸三维数据与原始三维颜面数据的鼻面角和鼻唇角, 测量补全人脸三维数据鼻长与中面高、鼻宽与内眦间距的比值, 评价补全外鼻三维数据的边缘曲线与外鼻缺损三维颜面数据缺损边缘曲线的边缘密合度, 并分析补全外鼻三维数据与原始三维颜面数据鼻部相同标志点间距离值。结果 20例原始三维颜面数据与补全人脸三维数据的鼻面角(分别为28.2°±2.9°、28.4°±3.5...     

基于深度学习点云配准的三维颜面正中矢状面构建算法研究

目的基于可变图结构配准网络(DGRNet)模型, 建立一种可实现三维点云智能配准的本体-镜像关联深度学习算法, 以实现三维颜面正中矢状面的自动化构建, 为口腔临床数字化设计与分析提供参考。方法收集200例2020年10月至2022年10月就诊于北京大学口腔医学院·口腔医院修复科、正颌外科和口腔正畸科的无明显颜面畸形的牙体缺损或缺失或错畸形患者的三维颜面数据。通过数据增强(平移和旋转)的方式获得1 200例三维颜面数据, 分为训练集(800例)、验证集(200例)、测试集(200例), 用于DGRNet模型训练与测试。DGRNet模型包含构造本体与镜像点云中关键点的特征向量、基于特征向量获取本体和镜像点云中关键点的对应关系, 并通过奇异值分解计算旋转矩阵和平移矩阵。基于DGRNet模型实现本体点云与镜像点云的智能配准, 获得本体-镜像联合点云, 并采用主成分分析算法获得DGRNet模型正中矢状面。基于决定系数R²指标对测试集平移及旋转矩阵进行模型评价, 以迭代最近点(ICP)算法构建的三维颜面正中矢状面作为真值。选择上述200例临床患者中的50例数据, 对DGRNe...