【牙颌模型分割算法研究现状的文献综述1800字】

[13]。但这些广义上的网格分割方法并不都适用于牙齿网格分割，这是因为牙齿网格的差异性巨大，不同人的牙齿形状千变万化，以及每个患者都有着各种不同形状的畸形牙齿，对分割算法的稳定性和适用性提出了更大要求。因此，需要对牙颌模型设计专用的分割算法，目前主要的牙颌模型分割方法有基于调和场的分割方法、基于活动轮廓线的分割方法、基于形态学操作的分割方法、基于路径规划的分割方法以及近些年广泛应用的基于深度学习的分割方法。文献REF_Ref71637369\r\h[14]REF_Ref71637371\r\h[15]提出了基于调和场的人工交互式牙颌模型分割方法，通过人工取点的方式确定计算牙颌模型上的每颗牙齿的分割约束点，并设计牙龈线凹陷处敏感的加权方案，进而计算出牙齿表面的调和场。从调和场中提取所需要的可以分割出牙齿的边界，将牙齿从输入网格中分离，完成分割过程，如图1-1所示。图1-1文献REF_Ref71637369\r\h[14]的牙颌模型分割流程文献REF_Ref71638705\r\h[16]提出了一种基于Snake活动轮廓线的全自动的牙齿分割方法。首先，计算牙齿网格上各点的主曲率，并选择合适的平均曲率对各点进行阈值操作，在剩余的点中，进行PCA分析得到分割牙床的平面，由此去除掉牙床上的噪声点，就可以获得牙齿上点构成的一个或多个闭合轮廓。随后，每个闭合轮廓都转换成一个活动轮廓线，每条活动线独立进化，它们相互碰撞挤压收缩合并，当轮廓线扩展到牙齿牙龈交界处时即停止进化，舍弃掉不合适的结果，获得最终的牙颌模型分割线。主要流程如图1-2所示。图1-2文献REF_Ref71638705\r\h[16]的分割方法流程文献REF_Ref71639420\r\h[17]提出了基于形态学操作的牙齿模型分割方法。其主要流程为：先由局部平面拟合法计算模型表面各点的曲率，通过观察曲率规律，选择合适的阈值，初步分理出分割线周围的特征区域。然后，对特征区域的网格进行膨胀或腐蚀的形态学操作，去除部分噪声，而特征区域间断的地方则通过区域增长的方式填充。最后从连通的分割区域的网格剥离出骨架线，得到最终的牙颌模型分割线，如图1-3所示。此外，文献REF_Ref71895978\r\h[18]REF_Ref71708105\r\h[19]也都采用了形态学操作的方法。图1-3文献REF_Ref71640132\r\h[17]计算的牙颌模型分割线文献REF_Ref71642298\r\h[20]提出了一种基于路径规划的牙颌模型分割方法，首先根据局部曲面拟合的方法提取各点的曲率值，进而获得各点的最大主曲率，在阈值操作和连通性过滤之后得到遍布分割区域的点集。随后，以这些点构造最短路径算法的权值矩阵，选取点集两端的终点作为最短路径的起终点，分两次计算舌侧和唇侧的牙齿牙龈交界处分割线。然后，计算拟合牙弓曲线，进而通过计算牙齿牙龈分割线上各点的法向量和距离牙弓曲线上距离各点最近点的法向量识别出分割线上的凹点。对于每个牙齿的齿间分割线，则根据这些凹点重新计算每一条分割线。最终，再进行分割线的细化和光顺之后，得出完整的牙齿分割路径，分理出每颗牙齿如图1-4所示。图1-4文献REF_Ref71642298\r\h[20]的分割结果文献REF_Ref71653479\r\h[21]提出了提出基于稀疏体素八叉树和3D卷积神经网络（CNNs）分段的牙颌模型分割和牙齿类型分类方法。首先，提出了基于两级层次特征学习的牙齿分类方法，解决了高度相似牙齿分类中的误分类问题；其次，利用改进的基于深度卷积特征的三层分层分割方法分别对牙牙龈和牙间进行分割，并利用条件随机场模型对牙龈边缘和牙间融合区域的边界进行细化，具有效率高、准确率高的优点。图1-5展示了其分割效果。图1-5文献REF_Ref71653479\r\h[21]的分割结果参考文献MotohashiN,KurodaT.A3Dcomputer-aideddesignsystemappliedtodiagnosisandtreatmentplanninginorthodonticsandorthognathicsurgery[J].EUROPEANJOURNALOFORTHODONTICS,1999,21(3):263-274.MaT,XuYQ,ChengYB,etal.Anovelcomputer-assisteddrillguidetemplateforthoracicpediclescrewplacement:acadavericstudy.[J].ArchivesofOrthopaedic&TraumaSurgery,2012,132(1):65-72.GlossopND,HuRW,RandleJA.Computer-aidedpediclescrewplacementusingframelessstereotaxis.[J].Spine,1996,21(17):2026-2034.ChenHY,XiaoXY,ChenCW,etal.Resultsofusingrobotic-assistednavigationalsysteminpediclescrewplacement[J].PLoSONE,2019,14(8):e0220851.周勇,谭志国,张朝跃,等.一种脊柱后路手术术中实时评估与校正的方法:,CN103976790A[P].2014.陈宣煌,余正希,吴长福,等.Quadrant系统下3D打印导航模块辅助腰椎精准植钉的应用研究[J].中国修复重建外科杂志,2017,031(002):203-209.ZhengY.DotScissor:ASingle-ClickInterfaceforMeshSegmentation[J].IEEETransactionsonVisualizationandComputerGraphics,2012.孟敏,计忠平,刘利刚.基于保特征调和场的交互式网格分片[J].计算机辅助设计与图形学学报,2008(09):52-58.ZhangH,WuC,DengJ,etal.Anewtwo-stagemeshsurfacesegmentationmethod[J].TheVisualComputer,2017.GolovinskiyA,FunkhouserT.Randomizedcutsfor3Dmeshanalysis[J].ACMTransactionsonGraphics,2008,27(5):1.ChenL,GeorganasND.Anefficientandrobustalgorithmfor3Dmeshsegmentation[J].MultimediaToolsandApplications,2006,29(2):109-125.LeeY,LeeS,ShamirA,etal.IntelligentMeshScissoringUsing3DSnakes[C]//12thPacificConferenceonComputerGraphicsandApplications(PG2004),6-8October2004,Seoul,Korea.IEEE,2004.LeT,BuiG,DuanY.AMulti-viewRecurrentNeuralNetworkfor3DMeshSegmentation[J].Computers&Graphics,2017,66(aug.):103-112.LiZhongyi,WangHao.InteractiveToothSeparationfromDentalModelUsingSegmentationField.[J].PloSone,2016,11(8).ZouBJ,LiuSJ,LiaoSH,etal.Interactivetoothpartitionofdentalmeshbaseontooth-targetharmonicfield[J].ComputersinBiologyandMedicine,2015,56:132-144.KronfeldT,BrunnerD,BrunnettG.Snake-BasedSegmentationofTeethfromVirtualDentalCasts[J].Computer-AidedDesignandApplications,2010,7(2):221-233.YuanTR,DaiN,HaoGD,etal.Bio-InformationBasedSegmentationof3DDentalModels[C]//InternationalConferenceonBioinformatics&BiomedicalEngineering.IEEE,2008.ZhaoM,MaL,TanW,etal.Interactivetoothsegmen