一种基于张量投票牙齿特征识别方法.docVIP

一种基于张量投票的牙齿特征识别的方法 　　摘要：在正畸治疗中，牙齿表面特征是非常重要的测量与治疗的参考点。为了快速准确的识别牙齿特征，本文提出了一种基于张量投票的提取算法。该算法通过计算将牙齿三维网格数据拓扑成为半边结构，将输入的每个顶点进行张量编码，根据张量投票矩阵的特征值进行候选特征点的选取。对于候选特征点，通过邻域搜索将其进行聚类，并通过非极大值抑制选取最终的特征。实验结果表明，该方法可以有效识别牙齿表面不同类型的特征，具有较高的准确性和实用性。 　　关键词：特征提取；半边结构；张量投票；邻域搜索 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）12-0182-03 　　1 概述 　　牙齿特征位于牙冠表面，与牙齿的生理学功能密切相关，主要包含牙尖、中央窝、切嵴等。牙冠表面的牙釉质是人体最坚硬的组织结构，这种特征结构在治疗过程中一般不会丢失。牙齿特征是正畸医师评估患者咬合情况的参考点，这些特征的正确接触与排列也是正畸治疗所追求的最终目标。因此，牙齿特征识别对于正畸医师在临床治疗时评估咬合情况以及制定治疗计划都具有非常重要的意义。 　　目前，临床上一般都会对患者的错颌畸形情况进行Angle错颌分类[1]，以便对患者病情进行讨论和研究，并进一步的制订治疗方案。在口腔正畸学的不断发展中，也出现了几种正畸指数，用来评估采取正畸治疗的必要性或者对正畸治疗的效果进行评价。这些指数包括PAR[2]（Peer Assessment Rating）指数、ABO-OGS[3]（American Board of Orthodontics- Objective Grading System）、IOTN[4]（The Index of Orthodontic Treatment Need）指数等。Angle错颌分类主要依据上颌第一磨牙的近中颊尖与下颌第一磨牙近中颊沟之间的位置关系。ABO-OGS指数与PAR指数等评估标准考察的主要对象也是牙尖和沟槽等部位相互的距离与排列情况。因此，从治疗前的诊断与分类，到治疗中的考察，再到治疗完成后的评估，牙齿特征贯穿始终。识别与记录这些特征是正畸中必经的步骤。 　　Kondo[5]等人提出首先计算牙齿图像中每一点的梯度方向不连续性（the magnitude of the discontinuities in gradient orientation），然后利用阈值来选取特征点，最后通过形态学操作来进行筛选。仲哲等人[6]提出的方法需要计算每个顶点的曲率和需要手工建立每颗牙齿坐标系，并人工选取顶点与坐标轴之间阈值，而阈值选择对提取结果有着很大的影响。王寅等人[7]提出的方法使用了三维SUSAN算法，针对不同位置的不同类型的牙齿和特征都需要选择不同的阈值，无法在牙列上直接提取特征。 　　目前，市场上主流的商业化的口腔CAD/CAM软件都使用了交互式的牙齿特征提取方法。在CEREC口腔修复系统中，用户需要自行选取一系列的牙齿特征点，在选取过程中，系统会把已经提取的特征点逐个进行优化；3Shape口腔修复系统则需要先在牙根附近定位8个标志点，通过8个标志点粗略定位特征点，随后优化提取出特征点；Dental Wings口腔修复系统将牙齿三维曲面展开到平面中，通过在二维曲面的牙冠区域选取出初始点，计算并得出二维特征线，随后映射回三维曲面得到最终的牙齿特征。 　　上述几种牙齿特征提取算法与口腔修复系统软件都可以实现牙齿特征的提取，但是他们都要人工干预，需要手动选定一些特征点，或者选取阈值来进行识别。这对使用者的软件使用技能以及对牙齿特征的了解均提出了一定的要求，如果初始人工选定的位置不准确，会影响最终的提取结果。针对上述缺点，我们提出了一种基于改进的张量算法，并结合邻域搜索策略的方法来提取牙齿特征。对于正畸工作者来说，自动快速精准的牙齿表面特征提取技术可以大大降低他们的工作难度与复杂度，提高他们的工作效率。 　　2 牙冠解剖特征简介 　　根据口腔解剖学[8]，牙齿可以分为切牙、尖牙、前磨牙和磨牙。牙列指的是口腔中全套牙齿的排列模式，上下颌牙列可以分成左右两侧，其中每一侧都包含：两颗切牙，分别是中切牙和侧切牙；一颗尖牙；两颗前磨牙，分别是第一前磨牙和第二前磨牙；三颗磨牙，分别是第一磨牙，第二磨牙和第三磨牙。其中，和尖牙相邻的是第一前磨牙，第二前磨牙则与第一磨牙相邻。切牙和尖牙被称为前牙，作用是切断食物；前磨牙和磨牙统称为后牙，作用是嚼碎食物。 　　本文涉及的牙冠特征如下： 　　1）切嵴。牙冠表面细长形状的釉质隆起被称为嵴。切嵴是切牙切端舌侧长条形的釉质隆起，具有切割功能。如图1所示。 　　2） 牙尖。牙冠表面形似椎体的显著的隆起被称为牙尖。尖牙只有一个牙尖，在正