ВВЕДЕНИЕ
Глава 1 ПОСТАНОВКА ЦЕЛИ РАЗРАБОТКИ АЛГОРИТМА ОБНАРУЖЕНИЯ КОНТУРА ЗУБА НА 3D МОДЕЛИ ЧЕЛЮСТИ
Глава 2 РАЗРАБОТКА АЛГОРИТМА АВТОМАТИЧЕСКОГО ВЫДЕЛЕНИЯ
КОНТУРА ЗУБА
2.1Разработка алгоритма
2.2Оптимизация алгоритма
Глава 3 РЕАЛИЗАЦИЯ АЛГОРИТМОВ ВЫДЕЛЕНИЯ КОНТУРА ЗУБА
3.1 Подготовка сторонних библиотек
3.2Реализация алгоритма ручного выделения
3.3Реализация алгоритма автоматического выделения
Глава 4 АНАЛИЗ РАБОТЫ АЛГОРИТМОВ
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
Современная медицина за последние десятилетия поднялась на недосягаемый ранее уровень. Значительно улучшилась техническая оснащенность медицинских учреждений, появилась возможность диагностировать заболевание на самой ранней стадии, обеспечить быстрейшее выздоровление и восстановление работоспособности обратившегося за помощью человека.
В связи с появлением и обширным распространением технологий по сканированию 3D объектов, стало возможно дешево и быстро изготавливать различные макеты, так необходимые в медицине.
Ортодонты так же нашли способ применения технологии 3D сканирования: Клиники по всему миру, начали использовать новый способ выравнивания зубов и исправления прикуса. Суть технологии заключается в том, что по отсканированной полости рта пациента создается специальная пластиковая или силиконовая каппа, называемая элайнером. Он накладывается поверх зубов и создает давление на зубной ряд, тем самым изменяя направление роста первых.
Недавно открытый ортодонтами способ выпрямления зубов набирает популярность, а с ней приходит и необходимость в новом программном обеспечении. С помощью слепков челюсти и специальных сканеров, получается 3D модель челюстей, с которой и должна работать программа.
К сожалению, на данный момент работа врачей-ортодонтов занимает много времени, так как алгоритмы выделения контура зуба выполняются вручную и неудобны в использовании.
Целю данной работы станет разработка алгоритма, автоматически выбирающего ключевые точки на коронке зуба для его последующего преобразования в отдельный объект.
В ходе данной работы, были разработаны два алгоритма обнаружения контура зубной коронки на 3D модели челюсти: Ручной и автоматический. Данные алгоритмы и их реализации не являются модернизацией или оптимизацией уже существующих алгоритмов: они являются новыми в сфере медицины.
В результате тестирования и анализа алгоритмов, были получены следующие результаты:
•Точность обнаружения моляров и премоляров при помощи алгоритма автоматического определения контура зубной коронки очень высока, и может достичь ста процентов при проведении дополнительных экспериментов для подбора коэффициентов;
•Точность обнаружения резцов сильно отличается для верхней и нижней челюсти. На верхней челюсти, алгоритм показывает удовлетворительные результаты, но нуждается в доработке и более тонком подборе коэффициентов для критериев оценки. На нижней челюсти, алгоритм совершенно не справляется, и к этим зубам требуется совершенно иной подход из за неявной границы между зубной коронкой и десной, на поиске которой и основан алгоритм представленный в данной работе ;
•Точность обнаружения клыков мала, но в случае проведения дополнительного исследования может увеличиться, не меняя разработанный в данной работе алгоритм;
•Скорость работы алгоритма зависит от количества точек, выбранных алгоритмом в качестве контрольных, что означает возможность будущей оптимизации.
•В целом, время работы алгоритма на разных зубах достаточно высокое, однако при увеличении мощности системы, на которой он запускается, можно добиться много более низких значений времени работы.
Подводя итоги, можно сказать, что разработанные алгоритмы намного более удобные и легкие в использовании при определении контура зубной коронки, чем использующиеся на сегодняшний день.
Ручной алгоритм очень точен, но требует большого количества действий пользователя, что требует большого количества его концентрации.
Автоматический же алгоритм существенно облегчает процесс выделения контура, практически исключая из него человеческий фактор. При определенных условиях, и использовании мощного оборудования, алгоритм показывает скорость, сравнимую со скоростью выделения зуба вручную, а в определенных условиях и выигрывает его. К сожалению, без дополнительных экспериментов и доработки алгоритма, его точность страдает, и на данный момент может конкурировать с ручным алгоритмом только при выделении моляров и премоляров.
1.Letieri, A.S. Age and aesthetics perception related to different types of orthodontic devices. Is there a relationship? / A.S. Letieri, C.C. Avelar Fernandez, S.O. Aguiar Sales Lima // Journal of the World Federation of Orthodontists. - 2018. - V. 7, N 1. - P. 29-33.
2.2. Barone, S. CT segmentation of dental shapes by anatomy driven reformation imaging and Bspline modelling / S. Barone, A. Paoli, A.V. Razionale // International Journal for Numerical Methods in Biomedical Engineering. -
2016. - V. 32, N 6.
3.Camardella, L.T. Accuracy and reproducibility of measurements on plaster models and digital models created using an intraoral scanner / L.T. Camardella, H. Breuning, O. de Vasconcellos Vilella // Journal of Orofacial Orthopedics. - 2017. - V. 78, N 3. - P. 211-220.
4.Lemos, L.S. Reliability of measurements made on scanned cast models using the 3Shape R700 scanner / L.S. Lemos, I.M. Rebello, C.J. Vogel, M.C. Barbosa // Dentomaxillofacial Radiology. - 2015. - V. 44, N 6.
5.Hackel, T. Contour Detection in Unstructured 3D Point Clouds / T. Hackel, J. D.Wegner, K. Schindler // 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)J, Las Vegas, NV. - 2016. - V. 1. - P. 1610-1618.
6.Sinthanayothin, C. Orthodontics treatment simulation by teeth segmentation and setup / C. Sinthanayothin, W. Tharanont // 2008 5th International Conference on Electrical Engineering / Electronics, Computer, Telecommunications and Information Technology, Krabi. - 2008. - V. 1. - P. 8184.
7.Wongwaen, N, Computerized algorithm for 3D teeth segmentation / N. Wongwaen, C. Sinthanayothin // 2010 International Conference on Electronics and Information Engineering, Kyoto. - 2010. - V. 1. - P. 277.
8.Mairaj Danish, Wolthusen Stephen D., Busch Christoph. Teeth Segmentation and Feature Extraction for Odontological Biometrics // Proceedings of the 2010 Sixth International Conference on Intelligent Information Hiding and Multimedia Signal Processing, Darmstadt. - 2010. - V. 1. - P. 323-328.
9.Bellman, R. Decision Making in a Fuzzy Environment / R. Bellman, L.A. Zadeh // Management Sciences. - 1970. - V. 17. - P. 141-164.
10.Rotshtein A. Modication of Saaty method for the construction of fuzzy set membership functions // Fuzzy Logic and Its Applications: International Conference, Zichron, Israel. - 1997. - V. 1. - P. 125-130.
11.Saaty, T.L. How to make a decision: The analytic hierarchy process // European Journal of Operational Research. - 1990. - V. 48, N 1. - P. 9-26.