【文献阅读】20210913-20210917文献阅读

4 Automatic tooth segmentation of dental mesh using a transverse plane 区域增长算法

6 Computerized Algorithm for 3D Teeth Segmentation 全景分割

7 Bio-Information Based Segmentation of 3D Dental Models不能下载

1 Snake-Based Segmentation of Teeth from Virtual Dental Casts

本文提出了一种基于最小用户交互的牙齿分割方法。
在一开始，牙齿和牙龈之间的分离曲线的初步估计被计算和优化使用活动轮廓。
第二步是计算牙弓和牙齿之间的间隙。为了准确地检测每颗牙齿的表面，我们最后在每颗牙齿的尖端放置一条蛇

1 牙齿与牙龈之间的分离曲线

平均曲率<-0.3，形态学闭合牙龈线
每个点新定义一个曲率函数

KH是平均曲率

构造一个新的点集

η=0.8

通过对顶点集D的主成分分析得到最佳拟合平面。

2 Single-Tooth Modeling for 3D Dental Model

根据顶点邻域关系，可以有效地识别特征区域中包含的小块，当小块的顶点数小于给定值时，可以自动从特征区域中删除小块。

大牙没处理

曲率 - 基于顶点复杂度的分割边界提取[29]（骨架化） - 删除分支（环形分支需要交互删除）

附录

[29] C. Rossl, L. Kobbelt, and H.-P. Seidel, “Extraction of featurelines ontriangulated surfaces using morphological operators,”in Proceedings of the AAAI Symposium on Smart Graphics, pp.71–75, 2000.

3 Tooth Segmentation of Dental Mesh Based on Improved Region Growing

将区域相似性描述从单参数扩展到多参数。设计了一种参数自适应的方法，消除了手动参数调整的问题，提高了工作效率。此外，本文还提出了一种多级标号优化算法用于分割的细化。
本文提出了一种基于扩展区域相似描述的区域增长算法。针对不适当的参数会导致顶点数量急剧变化的事实，设计了一种参数自适应方法，避免了人工调整参数。此外，我们提出了一种基于标签一致性的多级标签优化算法来细化分割结果。

1 牙齿分割

改进后的区域增长算法：

计算齿面网格的平均曲率分布
对曲率特征进行零均值标准化

选择种子顶点并设置阈值参数
当种子点不为空时执行：
弹出第一个或最后一个种子
搜索种子的邻域N
对于N中的每一点v，执行：
如果v没有标签，并且 顶点间距离、曲率和曲率变化率 满足条件，执行：
评估邻域中没有标签的顶点与有标签的区域的相似程度。通过这种方法，新的种子被确定并贴上标签。
endif
end
end

通过迭代地实现该过程，我们得到牙科模型的初始标记结果。

先贴个初始标签
这个条件怎么设定？

2 分割细化

由于凹陷，磨牙有缺失
我们设计了一种基于标签一致性的多级标签优化算法来细化分割结果。

第一阶段是处理区域增长后的所有顶点。
首先，我们从原始网格数据中搜索每个顶点的邻域。
然后根据距离和曲率对邻近顶点的标号进行累加。最后，如果标签累积的最大比例超过了预定义的阈值，我们认为对应的标签应该是正确的结果。否则，标签保持不变。

第二阶段是处理标签优化第一阶段之后剩下的未标记顶点
我们将挑选离目标顶点最近的已标记顶点，并直接用相同的标签标记目标顶点。在标签优化的第一阶段，我们可以根据实际情况和分割细化结果，使用不同的阈值参数进行相似度测量和标签积累，进行多次优化。这些操作构成了我们的多级标签优化算法。完整的工作流程如下

标签优化
在d q（距离、曲率）的基础上搜索v的邻域
计算邻居的标签比率
大于阈值，给v标上相应的标签

未标签的点集U，搜索最近的已标记顶点
用同样的标签标记v

3 参数调整

参数自适应

通过深入的观察和调查，我们发现，在同一颗牙齿上，由原始种子正常生长的顶点总数应该是相对稳定的。总数在1000到3000之间，正好是组成一个牙齿的顶点的数量。我们方法的主要内容如下所示。我们通过反复执行改进的区域生长算法，计算组成不同牙齿的顶点总数来寻找合适的参数。

顶点的总数不满足要求时，执行：
更新参数
执行改进的区域增长算法
计算各种牙齿上的顶点总数

区域增长可以和自动识别特征点结合到一起

4 Interactive Tooth Segmentation of Dental Models

提出了一种新的交互式精确分割牙齿的方法。根据三角形网格的曲率值，将特征点连接到特征区域。从区域中提取特征线后，借助用户提供的信息得到特征轮廓。利用特征轮廓线，对齿进行了精确、独立的分割

1 对齐

2 特征提取

设k(v)表示顶点v处的最小曲率值，µ为平均值，σ为网格中所有顶点k(v)的标准差。

轮廓特征提取。(a)初始特征区域。(b)阈值后的特征区域。©用户交互后的特征区域。(d)骨架后的特征线。

我们利用用户提供的信息来去除噪声特征线。在牙齿之间的每个间隙，用户提供一个点，这意味着分裂最近的两个牙齿。
为了去除臼齿上的特征线，我们利用用户提供的信息来去除噪声特征线。在牙齿之间的每个间隙，用户提供一个点，这意味着分裂最近的两个牙齿。点不应该被准确地提供，程序会在用户输入的附近搜索一个最低点。这些点将被用来检测牙弓。与[6]相似，采用四阶多项式拟合牙弓曲线。但是，我们不需要使用两步拟合，因为我们最后的拟合点更精确。作为一种替代方法，我们也可以使用[6]中的算法来自动检测拟合点。首先，我们断开特征区域中超过两条特征线的所有顶点。然后删除所有与拟合牙弓曲线切线方向最近点相似的特征线。对于那些垂直于牙弓曲线且不在拟合点附近的线，我们也把它们去掉。通过以上技巧和一些用户交互，我们可以获得所有必要的特征线。

5 Orthodontics Treatment Simulation by Teeth Segmentation and Setup

1 使用切割平面进行牙齿分割

1.1牙齿与模型分离

1.2 用户需要手动在平面上定位直线，然后程序会自动计算并生成垂直面，将每个牙齿与牙齿分开，并标记成不同的颜色，分别如图5和6所示。分割每个牙齿的技术类似于上面在水平面切割中描述的平面切割。

6 Interactive Tooth Segmentation Method of Dental Model based on Geodesic

利用分组好的牙齿特征保证分界线不把磨牙分成几份
用户交互优化边界

自己的想法

还有什么特征可以用上啊？
1.曲率
2.牙齿特征点

中间切一半，这么投影过去，可以像【基于检测辐条】找到门牙分割线一样找到磨牙分割线吗？