-
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
编辑人员丨6天前
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1 200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。
...不再出现此类内容
编辑人员丨6天前
-
两种方式构建的正中矢状面在面部畸形患者中的准确性研究
编辑人员丨1个月前
目的 探讨本体/镜像关联法和点构法所构建的三维头颅的正中矢状面(median sagittal plane,MSP)在面部畸形患者中的准确性,为颌面部对称性分析提供依据.方法 本研究通过医院伦理委员会批准.选取30例面部畸形患者的锥形束CT数据,以DICOM格式保存输出,在Mimics21.0下完成数据分割获取数字化三维头颅,将所生成数字化头颅数据导入逆向工程软件geomagic studio 2014中.分别使用本体/镜像关联法、点构法构建头颅的MSP.本体/镜像关联法对数字化头颅数据进行左右镜像后合并,获取对称特征平面即为所构建的MSP平面(S1).点构法通过Mimics21.0在数字化头颅数据中选取鼻根点(nasion,N)、鸡冠点(crista galli,CG)、蝶鞍点(sella,S)、颅底点(basion,Ba)、梨骨点(vomer,V)、后鼻棘点(posterior nasal spine,PNS)、切牙孔点(incisive foramen,IF)、前鼻棘点(anterior nasal spine,ANS);一并导入geomagic studio 2014中,获取的最佳拟合平面即为所构建的MSP平面(S2).由5位颌面外科高年资医生,采用单盲法对两种方法构建的S1、S2结果进行主观评分,对两组评分进行配对t检验.再次重复实验评分,对5位颌面外科高年资医生的前后两次评分进行一致性分析,验证专家评价法的可重复性.结果 本体/镜像关联法构建S1平均得分为65.73,点构法构建S2平均得分为75.90.S1、S2组配对t检验得出点构法得分高于本体/镜像关联法,差异具有统计学意义(P<0.01).一致性分析检验结果表明本研究的专家评分具有可重复性及一致性.结论 在面部畸形患者中,点构法所构建的MSP优于本体/镜像关联法所构建的MSP,可为颌面部对称性分析提供依据,具有临床可行性.
...不再出现此类内容
编辑人员丨1个月前
