乳切牙树脂预成冠的数字化设计方法及初步应用

目的:本研究旨在探索乳切牙树脂预成冠的数字化设计和制作方法,并初步评价其临床适合性。方法:应用牙颌模型扫描仪获取儿童乳牙牙列教学模型4颗上颌乳切牙临床牙冠的三维数据,应用逆向工程软件Geomagic Wrap 2021,参考王慧芸教授对中国儿童乳牙外形的测量和统计数据,对上述上颌乳切牙三维扫描数据进行尺寸比例和三维形态的调整,以切端0.8 mm厚度和唇腭面0.3 mm厚度的牙冠设计参数,构建乳切牙预成冠标准尺寸数字模型。参考儿童口腔科临床常用的上颌乳切牙透明树脂冠各型号间的尺寸比例关系,设计出4个牙位(51、52、61、62)3个型号的乳切牙预成冠数字模型,通过五轴数控切削技术制作出临时冠桥树脂材质的乳切牙预成冠,进行临床病例试戴评价。结果:完成了上颌乳切牙(4个牙位)树脂预成冠的数字化设计和制作方法,并初步进行了临床病例应用,儿科高年资专家对本研究乳切牙树脂预成冠的应用评价显示,其在外观、颜色和强度等方面均可满足口腔儿科临床的应用需求。结论:本研究采用数字化方法设计和制作的乳切牙树脂预成冠,针对儿科临床乳切牙大范围龋损修复的病例,相比传统乳切牙透明树脂冠充填修复技术具有更好的牙冠解剖外形恢复和更佳的美观修复效果,并且该技术可以实现更便捷的临床操作流程,有较好的儿科临床应用前景。

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。

应用三维软组织空间线角模板法评价颏部对称性

目的:探讨建立一种基于三维颜面软组织标志点的颏部对称性评价方法,并对该方法的评价效果进行初步检验。方法:使用标准对称人脸进行颏结节点坐标变换,用以筛选软组织三维空间线角并构建相应的三维空间线角模板,从2021年3月至2022年3月就诊于北京大学口腔医院正畸科的初诊患者中选取10例临床诊断存在颏部不对称的患者,年龄12~32岁;收集患者的三维软组织面部扫描数据,通过MeshMonk非刚性配准算法程序自动确定测试患者面部扫描数据的标志点,并以此生成三维软组织空间线角模板及相应参数。同时在Geomagic Studio 2015软件中进行人脸镜像重叠分析,并生成颏部偏差色谱图作为检验参照,对比三维软组织空间线角模板指标相对于重叠分析的识别率。结果:通过坐标变换方式筛选三维空间线角指标9项,在10例患者中对其面部扫描数据进行镜像重叠分析和三维空间线角模板分析,以镜像重叠为“金标准”,计算用三维软组织空间线角模板分析法评价颏部不对称情况的识别率,颏部不对称识别率为90%(9/10),其中X维度识别率为86%,Y维度识别率为89%,Z维度识别率为100%。结论:应用三维软组织线角模板法在评价颏部软组织不对称上有一定的可行性,其在三维方向上具有分别识别不同维度不对称的能力,优于镜像重叠方法,但在识别率方面稍差,仍需进一步改进和优化。

5种椅旁三维颜面扫描技术正确度的初步评价

目的:量化评价5种椅旁三维颜面扫描技术的正确度,为口腔临床诊疗应用提供参考。方法:使用传统专业型三维颜面扫描仪Face Scan采集受试者三维颜面数据,作为本研究的参考数据。分别使用4种便携式三维颜面扫描仪(Space Spider、LEO、EVA和DS-FScan)及iPhoneⅩ手机(Bellus3D颜面扫描APP),采集受试者三维颜面数据。在Geomagic Studio 2013中通过数据配准、偏差分析等功能计算上述5种椅旁三维颜面扫描技术的整体三维偏差和面部分区三维偏差,评价其正确度的表现。扫描过程中同时记录扫描时间,并对受试者舒适度采用视觉模拟评分法(visual analogue scale,VAS)进行评分,评价5种三维颜面扫描技术的扫描效率和患者接受度。结果:测试数据与参考数据间平均整体和平均分区三维偏差最小者均为DS-FScan(分别为0.334 mm和0.329 mm),最大者均为iPhoneⅩ手机(分别为0.483 mm和0.497 mm)。Space Spider获取的三维颜面数据的细节特征表现力最好。扫描效率最高和受试者接受度最高者均为iPhoneⅩ手机,平均扫描时间为14 s,受试者扫描舒适度的VAS评分为9分。结论:5种椅旁三维颜面扫描技术中,4种便携式设备的扫描数据正确度没有显著差异,均优于iPhoneⅩ手机的扫描数据,iPhoneⅩ扫描技术的受试者体验最好。

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18996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个标志点的平均定点误差为1.42 mm,其中最小和最大误差分别为喙突顶点[右:(1.01±0.44)mm;左:(0.56±0.14)mm]和下颌升支前缘点[右:(2.52±0.95)mm;左:(2.57±1.10)mm],中线点平均定点误差为(1.15±0.60)mm,双侧点平均定点误差为(1.51±0.67)mm。结论:基于三维下颌骨平均模型和非刚性配准算法的三维下颌骨解剖标志点自动确定方法,可有效提高三维下颌骨数据特征自动标注的效率,其对无显著畸形下颌骨数据解剖标志点的自动确定效果可基本满足口腔临床应用的需求,对畸形下颌骨数据的标注效果有待进一步测试。

模型扫描结合逆向工程技术建立多植体空间位置信息的研究

目的:探讨牙列缺失种植修复患者石膏模型中多植体空间位置信息的建立方法,为比较不同方法获取的植体空间位置信息奠定基础。方法:选取6名8个牙列缺失种植固定修复患者,通过开窗夹板式聚醚橡胶制取印模,灌制石膏模型。通过模型扫描仪扫描石膏模型,输出三角网格数据(stereolithography,STL)作为参考模型数据库。探讨在Geomagic Control X软件中,确定单个植体和多颗植体的空间位置信息的可行性。结果:在Geomagic Control X软件的同一坐标系下,建立了单个和多颗植体的修复基台平面、中心线、中心点,并用这3个参数完成了石膏扫描数据与牙列缺失患者术后CBCT多颗植体的空间位置比较。结论:在Geomagic Control X软件可以获取多植体的空间位置信息,实现比较植体三维空间的位置偏差和角度偏差,本研究为比较多颗植体空间位置信息比对奠定了一定基础。

基于赋权形态学分析的三维面部对称参考平面构建方法

目的:建立一种基于三维形态学分析的赋权普氏分析(weighted Procrustes analysis,WPA)方法,实现对下颌偏斜患者面部解剖标志点不对称程度量化赋权的三维面部对称参考平面自动化构建。方法:临床收集下颌偏斜患者30例,基于本体-镜像关联法的普氏分析(Procrustes analysis,PA)算法和自主研发的WPA算法,分别构建每名患者三维面部模型的对称参考平面(实验组一和二),以专家定义的区域迭代最近点(iterative closest point,ICP)算法(选取对称性良好的区域)构建的对称参考平面为“真值平面”,作为参考组。以实验组与参考组的平面角度误差作为评价指标,分别比较两个实验组与参考组的差异,评价WPA算法构建对称参考平面的临床适用性。结果:30例下颌偏斜患者WPA算法构建的对称参考平面与真值平面的角度误差为1.53°±0.84°,PA算法构建的对称参考平面与真值平面的角度误差为2.06°±0.86°。对于下颌偏斜大于12 mm的患者,WPA算法比PA算法的平均平面角度误差小0.86°。结论:基于三维面部形态学分析的WPA算法对下颌偏斜面部不对称畸形患者构建三维面部对称参考平面的临床应用效果比传统PA算法有显著提高,初步达到了口腔临床专家级诊断策略的效果。

深度学习算法辅助构建三维颜面正中矢状平面

目的:旨在建立一种可准确确定三维颜面解剖标志点的深度学习算法——多视图堆叠沙漏神经网络(multi-view stacked hourglass convolutional neural networks,MSH-CNN),并结合赋权普氏分析算法实现三维颜面正中矢状平面的自动构建。方法:收集面部无明显畸形的受试者100例,获取三维颜面数据,由专家进行颜面标志点(21个)和正中矢状平面的标注。以上述其中80例受试者三维颜面数据作为训练集数据,训练并建立本研究的MSH-CNN算法模型。以其余20例作为测试集数据,由训练后的深度学习算法自动确定每例数据的三维颜面解剖标志点(21个),并评价算法标点与专家标点间“定点误差”。将MSH-CNN自动确定的三维颜面解剖标志点应用于本课题组前期研究建立的赋权普氏分析算法,可自动构建出20例受试者的三维颜面正中矢状平面。计算MSH-CNN结合赋权普氏分析算法构建的正中矢状平面与专家正中矢状平面间“角度误差”,评价三维颜面正中矢状平面自动构建方法的效果。结果:针对20例面部无明显畸形的受试者,基于MSH-CNN和赋权普氏分析算法构建正中矢状平面与专家平面间的角度误差平均为0.73°±0.50°,其中MSH-CNN自动确定颜面21个解剖标志点的定点误差平均为(1.13±0.24)mm,眶区定点误差最大平均为(1.31±0.54)mm,鼻区定点误差最小平均为(0.79±0.36)mm。结论:将深度学习算法与赋权普氏分析算法结合应用,实现了三维颜面正中矢状平面的全自动构建,初步达到了临床专家的构建效果,为自主知识产权的软件开发奠定了基础。

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°)、鼻唇角[分别为95.4°(19.2°)、99.9°(9.5°)]差异均无统计学意义(t=-0.23,P=0.823;Z=-1.72,P=0.086)。补全人脸三维数据鼻长与中面高的比值为0.63±0.03,鼻宽与内眦间距的比值为1.07±0.08。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曲线偏差(均方根值)为(0.37±0.09)mm、最大偏差为(1.14±0.32)mm,曲线偏差值位于±1 mm之内的占比为(97±3)%。补全人脸三维数据与原始三维颜面数据上对应鼻部标志点间距离分别为鼻根点[1.52(1.92)]mm,鼻尖点(3.27±1.21)mm,鼻下点(1.99±1.09)mm,右鼻翼点(2.64±1.34)mm,左鼻翼点(2.42±1.38)mm。结论本项研究提出的外鼻缺损三维形态补全方法有较好的可行性,构建的补全外鼻三维数据的面部协调性和边缘密合度较好,形态与原始三维颜面数据的鼻部形态接近。

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,也即完成自动定点过程。30例目标数据的自动定点过程重复3次。计算变形后模板数据与目标数据的稠密对应点对(约25000对)的三维偏差[均方根距离(root-mean-square distance,RMSD)],作为非刚性配准算法的变形误差,并分析非刚性配准算法3次变形误差的组内相关系数(intra-class correlation coefficient,ICC);计算24个解剖标志点自动定点结果与专家定点结果的直线距离作为自动定点误差,并分析3次自动定点三维坐标的ICC值。结果30例变形后模板数据与对应目标数据的三维偏差(RMSD)为(0.70±0.09)mm,非刚性配准算法3次变形误差的ICC值为1.00。24个解剖标志点自动定点误差为(1.86±0.30)mm,前鼻棘点自动定点误差最小,为(0.65±0.24)mm;左眶下缘点自动定点误差最大,为(3.27±2.28)mm;3次自动定点三维坐标ICC值均为1.00。结论本项研究建立了一种基于非刚性配准算法的上颌骨复合体三维数据自动定点方法,该方法应用于正常形态上颌骨复合体三维数据定点的准确性与可重复性较好。

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1200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R 2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DGRNet模型与ICP算法构建的三维颜面正中矢状面进行角度误差评价。结果基于200例三维颜面数据测试DGRNet模型旋转矩阵R 2为0.90,平移矩阵R 2为0.94。构建50例三维颜面数据正中矢状面共用时3 s,DGRNet模型与ICP算法构建的三维颜面正中矢状面角度误差为1.05°±0.56°,最小误差为0.13°,1.50°以内的准确率为78%(39/50),2.00°以内的准确率为90%(45/50)。结论本项研究提出的基于三维点云智能配准的DGRNet模型可构建三维颜面正中矢状面,并在一定程度上提升诊疗效率和效果。

下颌阻生第三磨牙拔除序列分牙导板的数字化设计方法应用初探

目的探索一种能辅助下颌水平阻生第三磨牙拔除的序列分牙导板的数字化设计制作方法,初步评价其可行性,以期为口腔临床应用提供参考。方法选择2021年3月至2022年1月于北京大学口腔医学院·口腔医院综合科就诊的下颌第三磨牙低位水平阻生患者20例,其中男性11例,女性9例,年龄(30.2±2.8)岁。术前拍摄锥形束CT显示牙根与下颌管直接接触,取患者口内全牙列范围印模、进行牙颌模型光学扫描。通过Mimics24.0、Geomagic Wrap 2021、Magics21.0等软件对患者的锥形束CT数据、光学扫描数据进行三维重建、解剖结构提取、配准融合,以及进行序列分牙导板(含截冠导板、分根导板)结构的设计,然后三维打印钛金属导板,导板在牙颌模型试戴确认后,辅助医师进行分牙操作。观察导板是否就位、分牙次数、牙齿分块与术前设计匹配度、手术时间及是否有并发症。结果本研究成功打印20例分牙导板,均在患者口内就位良好,平均分牙次数3.4次,牙齿分块与术前设计较匹配,导板平均手术时间(29.2±9.8)min,未出现骨皮质穿孔等并发症。结论初步验证在下颌阻生第三磨牙拔除术中采用序列分牙导板辅助分牙操作可准确实现术前分牙设计的效果,有望为提高手术精度、保证安全性提供一种数字化解决方案,其精度与安全性需要进一步更大样本量的研究评估。

基于三维人脸模板的颜面解剖标志点自动定点方法初探

目的探讨建立一种高效、自动确定三维数据颜面解剖标志点(简称标志点)的方法,并对该方法的定点效果进行初步评价。方法选取2021年6至8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(面部对称性良好)30例,年龄18~45岁;采集患者三维颜面数据,基于普氏分析算法进行尺寸归一化和重叠对齐。在Geomagic Studio 2013软件中构建三维人脸平均模型,并通过参数化处理构建三维人脸模板,使用MeshLab 2020软件在其上确定32个标志点序号(10个中线标志点和22个双侧标志点)。选取2021年6至8月于北京大学口腔医学院·口腔医院正畸科或口腔颌面外科就诊的下颌无偏斜和下颌轻度偏斜男性患者各5例,获取患者三维颜面数据作为测试数据,基于三维人脸模板及其标志点序号,借助MeshMonk非刚性配准算法程序自动确定测试数据32个标志点坐标,作为模板法定点数据。由同一名主治医师人工确定测试数据32个标志点位置,记录标志点坐标作为专家法定点数据。计算模板法与专家法标志点距离,作为定点误差,评价模板法的定点效果。结果对于5例下颌无偏斜患者,模板法所有标志点的定点误差为(1.65±1.19)mm,其中中线标志点的定点误差为(1.19±0.45)mm,双侧标志点的定点误差为(1.85±1.33)mm。对于5例下颌轻度偏斜患者,模板法所有标志点的定点误差为(2.55±2.22)mm,其中中线标志点的定点误差为(1.85±1.13)mm,双侧标志点的定点误差为(2.87±2.45)mm。结论本项研究提出的通过三维人脸模板自动确定标志点的方法具有一定的可行性,其对中线标志点的定点效果优于双侧标志点,对下颌无偏斜患者标志点的定点效果优于下颌轻度偏斜患者。

三维颜面解剖标志点自动确定算法的研究进展

解剖标志点对人颅颌面解剖形态特征的测量、评价、分析有重要意义,也是口腔医学临床工作中诊断分析、治疗设计、疗效评价的重要参考和依据。颜面及颅颌面解剖标志点在口腔修复治疗中可辅助排牙[1]、确立咬合垂直距离[2]及确定三维正中矢状平面[3];在颌面缺损外科手术中,可辅助用于颌面部不对称性分析[4];在正颌外科手术中,可辅助术前分析、手术设计、术后预测及疗效评价[5]。上述应用领域中,颅颌面解剖标志点的确定都是必不可少的环节,标志点确定的准确性与临床治疗效果密切相关。