【文献阅读】20210906-20210910文献阅读

1 Tooth Segmentation of Dental Study Models Using Range Images 基于检测辐条分割牙齿

1 对齐

手动识别四个参考点，确定咬合平面。第一磨牙的分布颊尖(标记为1和4)和第一前磨牙的颊尖(标记为2和3)。参考点不需要精确定位，因为程序会在手动选择的点附近搜索最高点。
使咬合平面平行于x-y平面，且两个分布颊尖具有相同的y坐标

2 得到平面视距图像

将三维数据的顶点映射到一个规则间隔的二维数组。
每个像素对应的空间间距为毫米。最高的15毫米的三维数据被量化为256个灰度级，每个灰度级的高度分辨率为0.059毫米。

3 检测牙脊

梯度方向分析(GOA)：梯度方向上的不连续将表明局部峰的存在

4 两步拟合牙弓

第一步：三阶多项式曲线拟合，通过加权最小二乘拟合得到最佳拟合曲线，使误差项最小
为了减少牙弓尖端附近的拟合误差，我们引入了一个权重函数，以更强调前牙的特征
使用检测辐条搜索局部峰值
第二步：我们通过使用四阶多项式的加权最小二乘拟合，找到适合这些局部峰值的曲线。

5 全景深度图像

我们通过计算牙齿的颊(外)面和参考面之间的距离生成一个全景范围图像，参考面是通过将检测到的牙弓(描述为一个四阶多项式)沿垂直于平面的方向延伸来定义的。因此，参考面被写为

其中，a,b,c,d为多项式的系数。在拱门上的任何一点上，垂直于参考面的平面是

这个平面与牙齿的颊面相交的点是通过取那些位于距离平面较短距离内的顶点(样本点)得到的。
这是必要的，因为顶点可能不完全在平面上。
从选定的点到参考表面的距离随后被计算和量化到256灰度级，以产生距离图像。图8(a)为像素大小的全景范围图像。像素大小垂直为0.3 mm，水平为0.5 mm，其中一个灰度级约为0.06 mm。很明显，产生距离图像的过程不会造成任何重大的信息损失

---

牙齿分割首先在平面视图和全景范围图像中检测牙齿之间的间隙。然后将这两种结果结合起来得到间隙的位置和方向。一个完整的分割还需要牙齿与牙龈分离

---

6 平面视距图像中的齿间隙检测

我们沿着检测到的拱门设置了检查辐条，并垂直于它，并围绕它们与拱门的交点旋转(图)。5 (a)]。图5(b)所示为沿辐条旋转前后的两个高度廓线。当检查辐条正确地定位和导向与齿间隙，辐条的最大高度值将小于其他位置和导向的高度值。因此，牙齿间隙的检测被简化为在这些高度值与位置(深度图)的图中找到显著的山谷的任务。

步骤如下：
（1）设置垂直于牙弓的检查辐条，辐条间隔等于扫描仪的平均空间分辨率。
（2）求出该检测辐的最高像素的深度值
（3）绕交点旋转-30°、-20°、-10°、10°、20°、30°
（4）同时求出每个方向的最高像素的深度值
（5）从7个值中选择最小的深度值，找到该辐条的最佳方向，并将深度值和所选方向存储
（6）对所有检查辐条重复步骤2)-5)

指示器对距离图像中出现的山谷响应强烈;因此，它可以有效地检测后牙之间的间隙和错位牙之间的间隙，两者都是相对较深的。一个可能的缺点是很难识别门牙之间的浅间隙。为了解决这一问题，我们引入了从全景距离图像中获得的另一指标。

7 全景距离图像中的齿间隙检测

8 综合指标

9 牙齿与牙龈分离

2 Interactive Tooth Separation from Dental Model Using Segmentation Field

1 定义分割场

2 加权方案

HF用作牙齿分割，要满足两点：
（1）线段光滑、边界清晰
（2）识别模型的形状变化，对凹区域敏感
eij：边e的长度
Gi：点i的高斯曲率
γ：0.0001，防止除数为0
β：0.01，使对凹区域敏感

当满足下式时，顶点为凹顶点

vi ni ：顶点i的位置和法向
vadj nadj：与i相邻的点的位置和法向
θ：0.001经验阈值

3 约束点的选取

边界约束的数量和位置对精确的分割结果至关重要。
下图为两个约束点与四对约束点的分割效果比较


一种识别边界约束位置和数量的有效方法是采用Yokesh Kumar等人[38]提出的方法，该方法可以自动检测特征点。**通过检测牙齿间隙[30]，可以将所有的特征点分N组，其中N是牙齿的数量。**因此，同一组中的特征点用相同颜色的球体(红色球体或蓝色球体)来表示

4 切割边界选择

通过计算这些等高线的场梯度大小，识别出梯度最大的等高线

通过在间隔区间[0,Vmed]和(Vmed, 1]中分别选取梯度幅值最大的两条等值线，得到目标齿及其相邻齿c

5 用户界面

用户在牙齿上点一个点P，找到离P最近的两个特征点组，通过计算测地距离，近的作为目标点，远的作为背景点

6 附录

HF用于网格分割：参考文献19-21，32

3 A Multi-stage Approach for 3D Teeth Segmentation from Dentition Surfaces

本文提出了一种基于二维模型轮廓检索算法的多阶段牙列分割方法。
首先，将一个3D齿列模型加载到系统中，并创建一个距离图像。
其次，生成二值化的二维断面图像并提取轮廓;在几个加工步骤中，一组牙齿轮廓候选人产生和评估。每颗牙齿的最佳轮廓都是用蛇来修饰的。
最后，将二维轮廓融合到全三维分割结果中。

1 预处理

首先，以3D颌骨几何(STL格式)的形式将3D齿列模型加载到系统中，并从中创建一个范围图像(图3)。

其次，用户在距离图像中看到的每个牙齿的中心附近设置一个参考点。（手动）
第三，在多个平面上切割义齿表面的切片，并从每个切片创建一个范围图像，得到多个二维切片图像。
最后，利用简单的阈值对剖面图像进行二值化，使白色像素表示可用的几何形状，黑色像素表示背景。

2 2D牙齿轮廓和3D分割结果

对于每个参考点，即对于每个牙齿，从预处理得到的每个二值图像中提取二维轮廓。因此，在每一幅二值图像中，都要考虑参考点周围一个大小固定的正方形邻近区域。对每个区域逐行采用Suzuki的迭代轮廓提取算法[6]。

因此，所有的轮廓都存储在一个树形数据结构中，即轮廓树。根据每个轮廓的类型(白到黑通道或黑到白通道)，它被表示为内部或外部。显然，内部轮廓代表二值图像中的人工(整体)(白色区域中的黑色像素)，在进一步的研究中被忽略。选取包围参考点的轮廓树中最长的外轮廓作为算法后续步骤的主轮廓。臼齿周围区域形成的主要轮廓如图4所示

为了重塑轮廓，使其与牙齿轮廓相匹配，必须确定牙齿之间的分离点(图4中突出显示)。为此，首先检测轮廓的优势点。优势点的候选p是通过在轮廓中插入三角形来确定的，如图5所示。采用Chetverikov[7]算法

太老了不想看

4 Automatic tooth segmentation of dental mesh using a transverse plane

我们定义了一个横平面，它能最好地代表从去噪的平均曲率点集拟合的齿横截面，而不管模型方向如何。横平面将模型划分为齿和未知部分。将齿部点云投影到横平面上，通过检测近端齿面聚类成单个齿。
我们将区域生长技术应用于由牙龈和剩余牙齿组成的未知部分，以完全分割单个牙齿或牙龈。

1 求横截面

我们把横平面定义为一个包含牙齿舌面和唇面横截面的平面，同时保留单个牙齿的形状。横切面从牙龈水平穿过所有的牙齿。寻找横切面的目的是:1)推导出牙齿的数量;2)粗略地将每个牙齿分开

求平均曲率，用高阈值得到不连续的边界，然后去噪[18]。
横截面：去噪点集Sc加上随机旋转矩阵，代偿最小的面（z最小：p和pz，它在xy平面上的投影点。）

2 分离牙齿

全景分离生成一个全景视图，沿着牙体模型的拱型寻找近端接触点。然而，这不能分离错合或一个单一的牙齿有几个峰而不是凹边界。
曲率分离通过曲率阈值检测出近端接触点，但不能从噪声曲率中找到准确的切割点。

该方法通过寻找唇链的近端接触点，将这些近端接触点与舌链进行匹配，并使用分离线对顶点进行聚类，从而从一组投影顶点中找到近端接触点

横截面将牙齿分成两部分，较小的为齿点集St，印射到平面Sp
利用最小二乘法拟合出一个椭圆到SP，提取出外边界SB[19]，得到SB与椭圆两端的两个交点。然后将SB分为唇链和舌链
每条曲线与椭圆中心的距离函数，求局部最小值，配对

3 在横平面下聚簇顶点

包围盒：横平面到Sc最低点

我们将区域生长应用于包围盒ROI，其中仍然包括牙龈和齿尖。
设k为齿数，由2的分割结果得到。
我们选择(k + 2)种种子点类型，同时从每个种子点进行区域生长。
(k + 2)种点类型代表k个独立的牙齿、牙龈以及牙齿与牙龈的边界。
ST的分段顶点，成为每个齿的种子点。
为了从牙龈中选择分布均匀的种子点，我们在一组位于ROI外的顶点中，从SP的分割顶点的每个中心中选取距离最近的t个顶点。
SC顶点成为牙齿和牙龈边界的种子点。
这个区域增长算法可以看看

4 附录

参考文献：去噪[18]
13 全景分割
提取出外边界[19]
区域增长算法

5 Improved Segmentation of Teeth in Dental Models

这篇文章的重点就是不连续的牙龈线怎么闭合

1 牙齿-牙龈分割

S1)去除基底，计算网格顶点处的曲率估计，得到特征区域为高曲率顶点区域(图2(a-c))。
通过为用户提供一个直观的滑动工具，可以在实时观察特征区域变化的同时，将曲率阈值设置为一个令人满意的值
S2)细化特征区域，使用“flood-fill”方法将牙龈与牙齿分离，形成连接的牙齿组件(图2(d))。
S3)提取并修复牙龈线，重新初始化补片的牙齿和牙龈组件(图2(d-f))

2 牙齿-牙齿分割

S4)将牙龈线分为舌链(舌侧)和唇链(外)，检测牙龈线上的间隙点(角)(图3(a-b))。
S5)从舌链和唇链中成对匹配间隙点，并在相邻牙齿之间构建分离曲线，作为每对匹配的间隙点之间的最短路径(沿网格面)(图3(c-e))。
S6)从网格中删除这些曲线上的顶点，将网格分离为每个牙齿对象的单独网格。同样，通过添加新的顶点来修补在这些网格中创建的洞