【技术实现步骤摘要】
一种基于半监督的CBCT与激光扫描点云数据配准方法
本专利技术涉及医学图像处理
,具体涉及一种基于半监督的CBCT与激光扫描点云数据配准方法。
技术介绍
在口腔医学领域内,正畸治疗需要完整的三维牙模型进行诊断、制定正畸治疗计划和监测牙体运动等过程,与此同时完整、精确的三维牙体模型也是牙科种植体或正颌外科手术计划的必要前提,医生通过三维模型可以对病人病灶部位的三维空间位置有更加深刻的理解。获得口腔内三维牙体模型方式有两种:基于锥形束计算机断层扫描(CBCT)图像重建和直接患者口内扫描或光学扫描石膏模型方式获取。CBCT图像可快速获得患者口腔内图像包括三个视平面(矢状,冠状和横向)的解剖结构,通过CBCT图像构建完整的三维牙齿模型也是现在数字化正畸软件中常用的三维牙齿模型可视化手段,但由于CBCT的精度、切片厚度、金属伪影的影响以及患者在拍摄CBCT图像时牙齿为咬合状态,导致重建的三维牙模型的牙冠表面精度低、上下牙冠难以分开等现象。随着光学设备发展,诸多学者利用点、线激光光束或是图像传感器CCD技术直接获取三维牙模型的三角形网格模型进行研究,通过这种方法获得的数字化虚拟三维牙模型具有较高的精度,但扫描结果只能获取表面信息即牙冠与牙龈表面信息,但无法获得含有牙根的完整牙体数据。因此,对CBCT与口内激光扫描点云数据牙齿的融合配准,构建完整的三维牙模型从而辅助牙齿种植、正畸治疗是十分必要的。点云配准是将同一三维场景或物体的不同扫描转换为一个坐标系统的过程,配准对于机器人视觉和增强现实等许多任务都是至关重要的。现 ...
【技术保护点】
1.一种基于半监督的CBCT与激光扫描点云数据配准方法,其特征在于,所述方法包括以下步骤:/n1)获取不同来源的点云数据:/n根据区域增长法从CBCT数据中提取出牙齿完整模型,并将牙齿完整模型转换为完整模型点云数据,以及采用激光扫描仪提取出牙冠三维模型,并将牙冠三维模型转换为牙冠模型点云数据;/n2)利用统计离群消除滤波器分别对完整模型点云数据和牙冠模型点云数据进行去噪处理,得到去噪后的完整模型点云数据和牙冠模型点云数据;/n3)分别对去噪后的完整模型点云数据和牙冠模型点云数据进行下采样,降低点云数据量;/n4)通过半监督网络进行点云数据配准:/na)对点云数据进行初始特征提取:/n通过深度学习网络DGCNN分别将下采样后的完整模型点云数据和牙冠模型点云数据逐点嵌入到高维空间中,查找完整模型点云数据和牙冠模型点云数据的匹配点对,寻找点云数据上每个匹配点对的特性,从而生成映射关系,进行刚性转换,生成全局特征向量,全局特征向量包含特征点的局部邻域信息;/nb)对点云数据进行编码:/n通过编码器对嵌入到高维空间中的完整模型点云数据和牙冠模型点云数据转换成二次图像,对二次图像提取含有旋转信息的 ...
【技术特征摘要】
1.一种基于半监督的CBCT与激光扫描点云数据配准方法,其特征在于,所述方法包括以下步骤:
1)获取不同来源的点云数据:
根据区域增长法从CBCT数据中提取出牙齿完整模型,并将牙齿完整模型转换为完整模型点云数据,以及采用激光扫描仪提取出牙冠三维模型,并将牙冠三维模型转换为牙冠模型点云数据;
2)利用统计离群消除滤波器分别对完整模型点云数据和牙冠模型点云数据进行去噪处理,得到去噪后的完整模型点云数据和牙冠模型点云数据;
3)分别对去噪后的完整模型点云数据和牙冠模型点云数据进行下采样,降低点云数据量;
4)通过半监督网络进行点云数据配准:
a)对点云数据进行初始特征提取:
通过深度学习网络DGCNN分别将下采样后的完整模型点云数据和牙冠模型点云数据逐点嵌入到高维空间中,查找完整模型点云数据和牙冠模型点云数据的匹配点对,寻找点云数据上每个匹配点对的特性,从而生成映射关系,进行刚性转换,生成全局特征向量,全局特征向量包含特征点的局部邻域信息;
b)对点云数据进行编码:
通过编码器对嵌入到高维空间中的完整模型点云数据和牙冠模型点云数据转换成二次图像,对二次图像提取含有旋转信息的特征;
c)对特征进行解码:
采用解码器在无监督的情况下进行训练,将由完整模型点云数据和牙冠模型点云数据生成的全局特征向量以及含有旋转信息的特征分别恢复至对应的点云数据;
d)以特征进行配准实现融合:
通过最小化特征度量投影误差,利用全局特征向量以及含有旋转信息的特征对完整模型点云数据和牙冠模型点云数据进行配准,从而对完整模型点云数据和牙冠模型点云数据实现融合,得到完整的点云数据;
5)构建损失函数:
分别构建倒角损失函数和几何损失函数,对倒角损失函数和几何损失函数进行叠加,得到用于半监督修正的损失函数;
6)利用构建的损失函数对步骤4)得到的完整的点云数据进行半监督修正。
2.如权利要求1所述的基于半监督的CBCT与激光扫描点云数据配准方法,其特征在于,在步骤2)中,利用统计离群消除滤波器对点云数据进行去噪处理,包括以下步骤:
a)采用k近邻算法计算点云数据中每个数据点到其最近k个邻域点的平均距离d,k为选取领域点个数;
b)计算平均距离d的期望值dm和标准差s;
c)根据期望值dm和标准差s,计算距离阈值dt的计算公式,
dt=dm+λ×s
其中,λ为标准差参数,λ取值为0.1~0.3;
d)将每一个特征点的平均距离d与距离阈值dt作比较,若d>dt,则滤除该点,否则保留。
3.如权利要求1所述的基于半监督的CBCT与激光扫描点云数据配准方法,其特征在于,在步骤3)中,分别对去噪后的完整模型点云数据和牙冠模型点云数据进行下采样,包括以下步骤:
(1)点云数据的搜索空间划分
确定完整模型点云数据和牙冠模型点云数据在空间中的大小,得到X、Y和Z坐标轴的最小值和最大值分别为Min_x、Max_x、Min_y、Max_y、Min_z和Max_z,构建牙齿点云的最大空间范围:[Min_x,Max_x]×[Min_y,Max_y]×[Min_z,Max_z],对牙齿点云最大范围进行空间分割,得到牙齿点云的最大包围盒L:
其中,β为调整牙齿最大包围盒的大小因子...
【专利技术属性】
技术研发人员:于泽宽,陈斌赫,张洁,王俊杰,金冠男,
申请(专利权)人:万申北京科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。