三维模型分割技术在数字牙齿医疗领域的应用研究
发布时间:2021-12-31 12:42
本文主要进行了三维牙齿模型分割和口腔下颌神经管分割方面的研究。在过去几年中,数字化牙齿模型在牙齿正畸干预的模拟和计划中得到了广泛应用。计算机辅助正畸的一个重要预处理是精确地将牙齿从牙齿模型中分割出来,人们希望尽可能减少人工干预的情况下,获取牙齿在口腔中的精确位置。但是,由于牙齿形状和位置因人而异,因此,要实现牙齿的全自动分割并非易事,尤其当发生严重的牙齿咬合不正常和拥挤问题时,牙齿的全自动分割任务就更是变得异常困难。现有的大多数方法要么需要大量的人工交互,要么获取的牙齿位置不准确。本文在总结前人工作的基础上,提出了用于牙齿网格的全自动分割框架。该方法相对之前的研究成果可以有效地识别牙齿牙龈分割边界与牙齿间分割边界,但是该方法依然不足以应对复杂的临床试验条件。为了使牙齿分割算法在工业上可行,提出了一个交互式的快速分割框架。大量的实验表明,本文提出的交互式方法,能够完全胜任临床的复杂情况,并且相对先前的牙齿分割算法,本文提出的使用少量交互的算法处理速度快且鲁棒性很强。本文的另一个关注点是下颌神经管的分割技术。下颌神经分割主要应用于辅助临床种植牙,并且与三维牙齿分割技术结合制作医疗辅助器械。...
【文章来源】:中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】:64 页
【学位级别】:硕士
【部分图文】:
半边网格结构示意图
图 2-2 Snake 曲线元素能量分析如图 2-2 所示,在每个 Snake 元素上, ( )表示 Snake 曲线在每个离散点的单位法量。其中 (§ ) (§ ) × (§ ), (§ )表示点 所在位置的表面法向量,在每次迭代中,个 Snake 元素只能移动到其邻域内的一个顶点 ( ) ( ),进一步按照 Milroy(Milroy M J, Bradley C, Vickers G W.,1997)提出的方式限制可能的候选点。每个 Snake素被移动到与 Snake 曲线垂直的两个相邻顶点 中的一个,或者保持在其当前位置 。(b)显示了候选点的选择。对于该点的能量定义为: ( ) ( ) ( ) ,中 是内部能量, 是外部能量。在迭代过程中,每个元素被移动到对应于 ( )的小值的顶点。最小化的能量函数写为: ( ) ¢ ( ) 公式(2-9)根据贪婪原理求解这个方程(Boscaini D, Masci J, Melzi S, et al,2015)。内部能量通常由曲线的一阶和二阶导数组成,也分别对应为曲线张力能量和弯曲能
=,( )( ) ( , )fNs i j i ji 1 j iE L E l l ¥公式(2-15)其中, ¥ ( i)表示与面片 相邻的面片。为了保证模型的简洁性和稳定性,采用 Pott模型,即公式 2-16 所示: ( ) { 公式(2-16)其中 表示面片 和jf 之间的二面角。该模型可以采用 Alpha-expansion 快速进行优化。实验中采用高度信息作为数据项,采用 EM 聚类方法获取初始标签。
本文编号:3560279
【文章来源】:中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】:64 页
【学位级别】:硕士
【部分图文】:
半边网格结构示意图
图 2-2 Snake 曲线元素能量分析如图 2-2 所示,在每个 Snake 元素上, ( )表示 Snake 曲线在每个离散点的单位法量。其中 (§ ) (§ ) × (§ ), (§ )表示点 所在位置的表面法向量,在每次迭代中,个 Snake 元素只能移动到其邻域内的一个顶点 ( ) ( ),进一步按照 Milroy(Milroy M J, Bradley C, Vickers G W.,1997)提出的方式限制可能的候选点。每个 Snake素被移动到与 Snake 曲线垂直的两个相邻顶点 中的一个,或者保持在其当前位置 。(b)显示了候选点的选择。对于该点的能量定义为: ( ) ( ) ( ) ,中 是内部能量, 是外部能量。在迭代过程中,每个元素被移动到对应于 ( )的小值的顶点。最小化的能量函数写为: ( ) ¢ ( ) 公式(2-9)根据贪婪原理求解这个方程(Boscaini D, Masci J, Melzi S, et al,2015)。内部能量通常由曲线的一阶和二阶导数组成,也分别对应为曲线张力能量和弯曲能
=,( )( ) ( , )fNs i j i ji 1 j iE L E l l ¥公式(2-15)其中, ¥ ( i)表示与面片 相邻的面片。为了保证模型的简洁性和稳定性,采用 Pott模型,即公式 2-16 所示: ( ) { 公式(2-16)其中 表示面片 和jf 之间的二面角。该模型可以采用 Alpha-expansion 快速进行优化。实验中采用高度信息作为数据项,采用 EM 聚类方法获取初始标签。
本文编号:3560279
本文链接:https://www.wllwen.com/yixuelunwen/kouq/3560279.html
最近更新
教材专著