本發(fā)明屬于口腔醫(yī)療數(shù)字化領(lǐng)域，特別是涉及一種口腔cbct圖像與激光掃描牙齒網(wǎng)格的數(shù)據(jù)融合方法。

背景技術(shù)：

目前大部分相關(guān)軟件產(chǎn)品的對齊功能需要用戶交互，且該交互需要不少的工作量(用戶需要調(diào)整兩個模型的視角，并較為精確地在兩個模型上標(biāo)記3組(或以上)的對應(yīng)點)。

極少數(shù)產(chǎn)品提供自動化對齊功能，但仍需要用戶交互式進(jìn)行預(yù)處理且算法的穩(wěn)定性不能保證(如nobleclinician或blueskyplant)。

公布號為cn105447908a的專利公開了一種基于口腔掃描數(shù)據(jù)和cbct數(shù)據(jù)的牙列模型生成方法，該方法在對齊cbct圖像和掃描牙齒數(shù)據(jù)時仍然需要用戶標(biāo)記多組對應(yīng)點，不利于軟件的用戶友好性。

2017年2月第34卷第1期發(fā)表在生物醫(yī)學(xué)工程學(xué)雜志的論文“基于口腔計算機斷層掃描圖像與激光掃描圖像融合的牙齒三維模型重構(gòu)”在對齊cbct和掃描數(shù)據(jù)時，需要先分別從cbct圖像和掃描網(wǎng)格數(shù)據(jù)分割出牙冠部分，兩邊的分割算法都需要用戶的交互進(jìn)行初始化，算法過程較為復(fù)雜，存在一定的效率和穩(wěn)定性問題，尤其是從cbct圖像分割牙冠。

總而言之：目前絕大部分的cbct圖像與掃描牙齒網(wǎng)格數(shù)據(jù)對齊技術(shù)仍然采用選取多組對應(yīng)點進(jìn)行對齊，而少量的自動化對齊方案算法過程復(fù)雜，存在效率和穩(wěn)定性方面的不足。

技術(shù)實現(xiàn)要素：

有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明所要解決的技術(shù)問題是提供一種效率更高的口腔cbct圖像與激光掃描牙齒網(wǎng)格的數(shù)據(jù)融合方法。

為實現(xiàn)上述目的，本發(fā)明提供了一種口腔cbct圖像與激光掃描牙齒網(wǎng)格的數(shù)據(jù)融合方法，其特征在于包括以下步驟：

步驟1：讀取cbct圖像和掃描牙齒網(wǎng)格模型數(shù)據(jù)

讀取cbct掃描得到的三維dicom圖像序列數(shù)據(jù)，以及激光掃描的牙齒網(wǎng)格模型；

步驟2：從cbct圖像重建出帶牙齒部位的頭部骨骼網(wǎng)格模型

首先從cbct圖像重建出包含牙齒部位的網(wǎng)格，從cbct圖像中抽取等值面網(wǎng)格，重建出包含有牙齒部位的頭部骨骼網(wǎng)格模型；

步驟3：用戶標(biāo)記一組對應(yīng)點并設(shè)置對齊模式

在所述頭部骨骼網(wǎng)格模型和所述牙齒網(wǎng)格模型上，用戶手動拾取一組對應(yīng)標(biāo)記點；

步驟4：從所述頭部骨骼網(wǎng)格模型中分割出牙齒部位網(wǎng)格

設(shè)定灰度值閾值a，從cbct圖像中抽取出所有大于該灰度閾值的像素位置形成估計點集；然后，使用所述估計點集的軸向平行包圍盒從重建的頭部骨骼網(wǎng)格模型中分割出整個牙齒部位的網(wǎng)格；

步驟5：分割牙齒上下頜

使用graphcut算法分割牙齒的上下頜；在步驟4得到的牙齒網(wǎng)格上建立一個流量圖，網(wǎng)格的頂點作為圖的節(jié)點，網(wǎng)格的邊作為圖的邊，邊的權(quán)重(或容量)設(shè)置為兩個節(jié)點在網(wǎng)格上的高斯曲率的平均值；

選擇接近上頜牙齒分割平面的點作為源集sources，接近下頜分割平面的點作為匯集sinks；最后使用多源多匯的最大流算法求解最小割，得到分割后的兩個網(wǎng)格模型；分割后的模型中連接源集的網(wǎng)格模型為牙齒上頜模型，連接匯集的網(wǎng)格模型為牙齒下頜模型；

步驟6：設(shè)定用于對齊的固定模型和浮動模型

將固定模型設(shè)為分割后的上頜牙齒或下頜牙齒；將浮動模型設(shè)為掃描牙齒網(wǎng)格模型；在對齊過程中，浮動模型通過幾何坐標(biāo)變換向固定模型運動以達(dá)到兩個模型的最佳配準(zhǔn)。

步驟7：初始化對齊

初始化對齊的目標(biāo)是將固定模型和浮動模型進(jìn)行粗略地對齊；

首先，對齊兩個模型的牙尖的朝向；采用主成分分析方法分析兩個網(wǎng)格模型的形態(tài)，得到三個主方向和三個對應(yīng)的特征值；將固定模型與浮動模型按照主成分分析方法估計的最小主方向進(jìn)行對齊；

然后，根據(jù)步驟3中標(biāo)記的對應(yīng)點進(jìn)一步對齊牙齒的位置和朝向；將固定模型和浮動模型按照標(biāo)記點的位置進(jìn)行平移重合，并在保持牙尖朝向的條件下對齊標(biāo)記點的法向量，即將法向量分別向牙尖朝向進(jìn)行投影分解，然后對齊各自垂直于主方向的分量；采用icp算法嘗試兩種初步對齊狀態(tài)，并將具有最多對應(yīng)點個數(shù)的對齊結(jié)果作為最終的初始化對齊狀態(tài)；

步驟8：精確對齊；

在icp算法配置中首先采用一對一對應(yīng)點篩選器篩選對應(yīng)點進(jìn)行對齊；然后采用倒置對應(yīng)點篩選器篩選對應(yīng)點進(jìn)一步進(jìn)行對齊；

經(jīng)過精確對齊后的浮動模型狀態(tài)作為最終掃描牙齒網(wǎng)格模型對齊到cbct圖像牙齒部位的結(jié)果。

較佳的，所述點到平面的icp方法的一般過程為按以下步驟進(jìn)行迭代：

(1)尋找固定模型和當(dāng)前浮動模型的對應(yīng)點；

(2)計算最優(yōu)的剛性變換矩陣m，且應(yīng)用變換m更新當(dāng)前浮動模型；直至收斂，最后的浮動模型為對齊后的狀態(tài)。

較佳的，對應(yīng)點的尋找方法為對浮動模型中的每一個點，尋找固定模型中的距離最近的點作為對應(yīng)點。

較佳的，通過使用對應(yīng)點篩選器對找到的對應(yīng)點進(jìn)行篩選。

較佳的，所述對應(yīng)點篩選器為一對一對應(yīng)點篩選器；一對一對應(yīng)點篩選器對多個浮動模型的點對應(yīng)固定模型中的同一個點的對應(yīng)關(guān)系進(jìn)行篩選，保留距離最近的一組對應(yīng)點。

較佳的，所述對應(yīng)點篩選器為倒置對應(yīng)點篩選器；倒置對應(yīng)點篩選器保留相互是最近點的對應(yīng)點。

本發(fā)明的有益效果是：本發(fā)明可在用戶選取一對點的情況下自動對齊口腔cbct圖像和激光掃描牙齒網(wǎng)格模型，這得益于本技術(shù)方案能自動分割出cbct圖像數(shù)據(jù)的上下頜牙齒，采用了合適的icp初始化以及算法的優(yōu)化配置。

本技術(shù)方案通過先簡單分割出cbct中的牙齒部位，以及進(jìn)一步利用圖論里的最小割方法自動分割出上下頜，減少了cbct這邊非牙齒部位數(shù)據(jù)(尤其是另一側(cè)牙齒)的干擾，對下一步的初始化對齊和精確對齊有很大幫助。而在本文了解的現(xiàn)有產(chǎn)品和技術(shù)中，這部分通常是用戶在對齊模型前需要提前交互分割好上頜(或下頜)牙齒(或者需要分開帶有上下頜的上下頭骨)。這往往會產(chǎn)生較大的用戶交互量，并且分割時容易裁剪掉重要的牙齒部位(尤其是牙冠)的數(shù)據(jù)。

本技術(shù)方案中，icp算法配置為：首先結(jié)合一對一對應(yīng)點篩選器進(jìn)行初步精確對齊，然后使用倒置對應(yīng)點篩選器，進(jìn)一步最終精確對齊。初步精確對齊的過程一方面對初始化較為魯棒，使得可以通過采用pca結(jié)合單個標(biāo)記點初始化；另一方面具有快速的收斂速度，能較快得到一個基本的初步精確對齊狀態(tài)。采用倒置對應(yīng)進(jìn)一步精確對齊，可篩選出更準(zhǔn)確的對應(yīng)點，提高對齊的精度。另外，采用一對一對應(yīng)點篩選器和使用倒置對應(yīng)約束，對噪音數(shù)據(jù)(比如cbct牙齒數(shù)據(jù)和掃描牙齒數(shù)據(jù)都存在一些非牙冠區(qū)域)較為穩(wěn)定，因而在本技術(shù)方案中基本不需要對兩邊的牙冠進(jìn)行分割。

總結(jié)而言，本發(fā)明公布的對齊技術(shù)方案具有流程簡單、更高的效率以及極好的穩(wěn)定性等優(yōu)點。另外，本發(fā)明的技術(shù)方案，使得交互式的選點對齊更為用戶友好化。首先，本發(fā)明公布了一種單點標(biāo)記對齊技術(shù)，大大減少了用戶的交互程度；其次，本發(fā)明的方案使得用戶在選點時，也不需要十分精確，大大降低了用戶的交互難度。

附圖說明

圖1是本發(fā)明一具體實施方式的輔助示意圖。

圖2是口腔cbct圖像序列示意圖。

圖3是激光掃描模型(上頜)示意圖。

圖4是骨骼網(wǎng)格示意圖。

圖5是牙齒網(wǎng)格示意圖。

圖6是分割后的上頜示意圖。

圖7是分割后的下頜示意圖。

圖8是單點初始化結(jié)果示意圖。

圖9是精準(zhǔn)對齊結(jié)果示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步說明：

如圖1至圖9所示，一種口腔cbct圖像與激光掃描牙齒網(wǎng)格的數(shù)據(jù)融合方法，包括以下步驟：

步驟1：讀取cbct圖像和掃描牙齒網(wǎng)格模型數(shù)據(jù)

讀取cbct掃描得到的三維dicom圖像序列數(shù)據(jù)，以及激光掃描的牙齒網(wǎng)格模型；

步驟2：從cbct圖像重建出帶牙齒部位的頭部骨骼網(wǎng)格模型

首先從cbct圖像重建出包含牙齒部位的網(wǎng)格，將cbct圖像與掃描網(wǎng)格模型的牙齒部位的對齊轉(zhuǎn)換為重建的網(wǎng)格模型與掃描牙齒模型的牙齒部位對齊。具體采用marchingcubes方法從cbct圖像中抽取等值面網(wǎng)格(isosurface)，重建出包含有牙齒部位的頭部骨骼網(wǎng)格模型；等值面的值設(shè)置為接近骨骼的cbct圖像的灰度值，本實施例取灰度值1000。

步驟3：用戶標(biāo)記一組對應(yīng)點并設(shè)置對齊模式

在所述頭部骨骼網(wǎng)格模型和所述牙齒網(wǎng)格模型上，用戶手動拾取一組對應(yīng)標(biāo)記點。本實施例在對應(yīng)的某顆牙齒上的近似部位(例如都取在牙齒外側(cè)表面的接近中間的部位)分別拾取一個點，用于后面初始化對齊。計算(或獲取)并記錄標(biāo)記點的位置(拾取到的在網(wǎng)格上某個三角面片內(nèi)的點的坐標(biāo))和法向量(即標(biāo)記點所在的一個三角網(wǎng)格面片的法向量)。另外，用戶設(shè)置對齊上頜牙齒或是下頜牙齒；

步驟4：從所述頭部骨骼網(wǎng)格模型中分割出牙齒部位網(wǎng)格

設(shè)定較高的灰度值閾值a，本實施例取2600，從cbct圖像中抽取出所有大于該灰度閾值的像素位置形成估計點集；由于牙齒部位的像素灰度值相對較高，抽取出的點集基本集中在牙齒部位，因而通過估計點集的aabb包圍盒(軸向平行包圍盒)，可粗略得到牙齒部位的位置。然后，使用所述估計點集的軸向平行包圍盒從重建的頭部骨骼網(wǎng)格模型中分割出整個牙齒部位的網(wǎng)格。

步驟5：分割牙齒上下頜

使用graphcut算法(具體為s-tcut)分割牙齒的上下頜；在步驟4得到的牙齒網(wǎng)格上建立一個流量圖，網(wǎng)格的頂點作為圖的節(jié)點，網(wǎng)格的邊作為圖的邊，邊的權(quán)重(或容量)設(shè)置為兩個節(jié)點(即網(wǎng)格頂點)在網(wǎng)格上的高斯曲率的平均值；

選擇接近上頜牙齒分割平面(即過牙齒模型的具有最小z值的頂點，且平行于xy平面的面)的點作為源集sources，接近下頜分割平面(即過牙齒模型的具有最大z值的頂點，且平行于xy平面的平面)的點作為匯集sinks；最后使用多源多匯的最大流算法求解最小割，得到分割后的兩個網(wǎng)格模型；分割后的模型中連接源集的網(wǎng)格模型為牙齒上頜模型，連接匯集的網(wǎng)格模型為牙齒下頜模型；

步驟6：設(shè)定用于對齊的固定模型和浮動模型

將固定模型設(shè)為分割后的上頜牙齒或下頜牙齒；若用戶在步驟4選擇對齊上頜，則將上頜牙齒模型設(shè)置為固定模型；反之，則將下頜牙齒模型設(shè)為固定模型。將浮動模型設(shè)為掃描牙齒網(wǎng)格模型；

步驟7：初始化對齊

初始化對齊的目標(biāo)是將固定模型和浮動模型進(jìn)行粗略地對齊；

首先，大致對齊兩個模型的牙尖的朝向；采用主成分分析方法(principlecomponentanalysis，pca)分析兩個網(wǎng)格模型的形態(tài)(即網(wǎng)格的所有頂點的分布)，分別得到三個主方向和三個對應(yīng)的特征值；對應(yīng)特征值最大的兩個主方向形成的平面，指示了構(gòu)成牙齒的網(wǎng)格的頂點主要分布(或牙弓曲線所接近)的平面，對應(yīng)的特征值最小的主方向近似于牙尖的朝向。因而，先將固定模型與浮動模型按照主成分分析方法估計的最小主方向進(jìn)行對齊；

然后，根據(jù)步驟3中標(biāo)記的對應(yīng)點進(jìn)一步對齊牙齒的位置和朝向；將固定模型和浮動模型按照標(biāo)記點的位置進(jìn)行平移重合，并在保持牙尖朝向的條件下對齊標(biāo)記點的法向量，即將法向量分別向牙尖朝向(最小主方向)進(jìn)行投影分解，然后對齊各自垂直于主方向的分量(方向)；由于兩個模型牙尖方向的朝向存在正負(fù)方向問題(即最小主方向可能與牙尖朝向剛好相反)，具有兩個相反朝向的初步對齊狀態(tài)。采用icp(iterativeclosestpoint，點到面的迭代最近點)算法嘗試兩種初步對齊狀態(tài)，并將具有最多對應(yīng)點個數(shù)的對齊結(jié)果作為最終的初始化對齊狀態(tài)；

步驟8：精確對齊；

步驟801、初始化對齊的icp的算法配置分為兩個階段，首先采用一對一對應(yīng)點篩選器篩選對應(yīng)點進(jìn)行對齊，收斂的最大迭代次數(shù)設(shè)置為30次；然后采用倒置對應(yīng)點篩選器篩選對應(yīng)點進(jìn)一步進(jìn)行對齊，收斂的最大迭代次數(shù)設(shè)置為10次；

最后，計算浮動模型的每個點的對應(yīng)點，并使用倒置對應(yīng)篩選器進(jìn)行篩選，得到更可靠的對應(yīng)點對；選擇具有更多的對應(yīng)點對的對齊狀態(tài)作為用于下一步精確對齊的初始狀態(tài)；

步驟802、采用點到平面的icp算法在初始化對齊狀態(tài)下進(jìn)一步精確對齊固定模型和浮動模型；

icp算法配置為首先采用一對一對應(yīng)點篩選器篩選對應(yīng)點進(jìn)行對齊，收斂的最大迭代次數(shù)設(shè)置為70次；然后采用倒置對應(yīng)點篩選器篩選對應(yīng)點進(jìn)一步進(jìn)行對齊，收斂的最大迭代次數(shù)設(shè)置為30次。

經(jīng)過精確對齊后的浮動模型狀態(tài)作為最終掃描牙齒網(wǎng)格模型對齊到cbct圖像牙齒部位的結(jié)果。

本實施例中所述點到平面的icp方法的一般過程為按以下步驟進(jìn)行迭代：

(1)尋找固定模型和當(dāng)前浮動模型的對應(yīng)點；

(2)計算最優(yōu)的剛性變換矩陣m(m能使得將當(dāng)前浮動模型應(yīng)用變換m后，點到固定模型的對應(yīng)點所在的平面的平均平方距離誤差最小)，且應(yīng)用變換m更新當(dāng)前浮動模型；直至收斂，最后的浮動模型為對齊后的狀態(tài)。

本實施例中對應(yīng)點的尋找方法為對浮動模型中的每一個點，尋找固定模型中的距離最近的點作為對應(yīng)點。

本實施例中通過使用對應(yīng)點篩選器對找到的對應(yīng)點進(jìn)行篩選，以提升算法的穩(wěn)定性。

本實施例中所述對應(yīng)點篩選器為一對一對應(yīng)點篩選器；一對一對應(yīng)點篩選器對多個浮動模型的點對應(yīng)固定模型中的同一個點的對應(yīng)關(guān)系進(jìn)行篩選，保留距離最近的一組對應(yīng)點。

當(dāng)然在其他實施例中，所述對應(yīng)點篩選器還可以為倒置對應(yīng)點篩選器；倒置對應(yīng)點篩選器保留相互是最近點的對應(yīng)點。

以上詳細(xì)描述了本發(fā)明的較佳具體實施例。應(yīng)當(dāng)理解，本領(lǐng)域的普通技術(shù)人員無需創(chuàng)造性勞動就可以根據(jù)本發(fā)明的構(gòu)思作出諸多修改和變化。因此，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過邏輯分析、推理或者有限的實驗可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書所確定的保護(hù)范圍內(nèi)。