【论文信息】
Tooth model reconstruction based upon data fusion for orthodontic treatment simulation
Computers in Biology and Medicine 2014 IF 1.5 二区
【背景】
回头看
【方法】
- 首先将石膏模型数字化,将上面每个牙齿分割下来。使用如下公式计算顶点的斜率。
然后对斜率设定一个filter,就可以得到想要的区域。然后用形态学腐蚀来抽取骨架。最后用区域生长就可以得到网格模型。 - 接下来是牙根的提取,采用了Gao等人的LS算法,按照惯例还是要手动选取一个初始点(容易分割的slice)用来产生初始轮廓。文章还做过实验,用区域生长来分割,结果是牙根和皮质骨模糊,轮廓溢出。
- 牙冠位置配准。由于CT序列不能直接被用来当做配准目标,文章首先把它用MC算法重建为网格模型,包含头颅和牙冠的数据,用来配准。配准分为两步,粗配准和精配准。文章用三点定位法进行粗配准;用ICP进行精配准。目标函数如下,很简单的平移和旋转:
- 把2D轮廓转换为3D点云。本文用的CT机分辨率是0.4^3 mm, 400×400 。转换其实就是从CT的局部坐标到世界坐标的转换,需要考虑CT分辨率。
- 至此,牙根和牙冠的点云已经可以连在一起了。然后使用DBRG算法区域生长,得到网格模型,最后smooth一下。效果比一般MC出来的要好。
【讨论&启发】
这篇论文创新点主要在于整个流程,CT和扫描结合起来,很新。但他的具体算法都是很简单的拿过来搭积木。然后就可以发二区的文章。
文章做了实验,扫描的结果和CT的结果差别挺大的,精度肯定还是扫描的高。比较他们用的这台CBCT分辨率是0.4,而扫描仪很容易达到0.01。所以直接从CT中重建出来的结果,牙冠表面的细节肯定都没有了。
LS的参数对于每个牙齿都需要改变,如果能根据牙根附近灰度分布自适应地调整就比较好。