इंट्राओरल स्कैन प्वाइंट क्लाउड पंजीकरण: मसूड़ों के हस्तक्षेप और वक्रता नमूने से लेकर बेहतर आईसीपी तक

लू पिंग्यू पर आधारित, "इंट्राओरल स्कैनिंग सिस्टम के लिए पॉइंट क्लाउड रजिस्ट्रेशन टेक्नोलॉजी पर शोध," मास्टर थीसिस, चीन के इलेक्ट्रॉनिक विज्ञान और प्रौद्योगिकी विश्वविद्यालय, 2023।

यह लेख एक स्पष्ट समस्या-विधि-प्रयोग-इंजीनियरिंग-सीमा संरचना के आसपास थीसिस को पुनर्गठित करता है। यह बेहतर डेंटल डिजिटल मॉडल के लिए पुन: प्रयोज्य तकनीकी विचारों पर ध्यान केंद्रित करता है और किसी भी व्यावसायिक उपकरण या समाधान का मूल्यांकन नहीं करता है।

पॉइंट क्लाउड पंजीकरण एकल-फ़्रेम कैप्चर से अधिक क्यों मायने रखता है

एक इंट्राओरल स्कैनर प्रत्येक फ्रेम में दांतों की केवल एक छोटी स्थानीय सतह को कैप्चर करता है। एक पूर्ण डिजिटल मौखिक मॉडल के निर्माण के लिए दर्जनों या यहां तक ​​कि सैकड़ों स्थानीय बिंदु बादलों को एक सामान्य समन्वय प्रणाली में बदलने की आवश्यकता होती है।

एकल-फ़्रेम पुनर्निर्माण त्रुटियाँ मुख्य रूप से स्थानीय ज्यामिति को प्रभावित करती हैं। हालाँकि, पंजीकरण त्रुटियाँ स्कैनिंग पथ के साथ फैलती हैं। गलत पत्राचार दोहरी छवियां, अंतराल, छेद, पुच्छल बदलाव, या दंत चाप के प्रगतिशील झुकाव का उत्पादन कर सकता है।

मुख्य शोध प्रश्न है:
क्लासिक पंजीकरण पाइपलाइन को बेहतर बनाने के लिए इंट्राओरल स्कैन पॉइंट क्लाउड की अंतर्निहित दृश्य विशेषताओं का उपयोग कैसे किया जा सकता है ताकि एल्गोरिदम प्रीप्रोसेसिंग और फाइन पंजीकरण की कम्प्यूटेशनल लागत को नियंत्रित करते समय दांत क्षेत्र पर अधिक ध्यान केंद्रित कर सके?

थीसिस किसी नए ढाँचे का आविष्कार नहीं करती है। यह इंट्राओरल स्कैनिंग के अनुरूप चार व्यावहारिक संशोधनों के साथ क्लासिक "प्रीप्रोसेसिंग → मोटे पंजीकरण → ठीक पंजीकरण → मेशिंग" पाइपलाइन में सुधार करता है:

शोर और मसूड़ों के कुछ हिस्सों को हटाने के लिए बिंदु -क्लाउड विभाजन + कैमरा निर्देशांक और दृश्य बिंदु दूरी

फ़ीचर के लिए एक {{0}आयामी वक्रता हिस्टोग्राम{{1}नीचे संरक्षित करना{{2}नमूना

दृष्टिकोणबिंदु{{0}दूरी{{1}बिंदु के अंदर त्रुटि भार आधारित {{2}से{3}समतल आईसीपी

संदिग्ध पत्राचार को फ़िल्टर करने के लिए यूक्लिडियन दूरी और एफपीएफएच सुविधा दूरी का संयोजन

थीसिस और परियोजना अवलोकन

प्रयोगों में एक संरचित प्रकाश प्रोटोटाइप (कैमरा 1920×1080 @ 60 एफपीएस, प्रोजेक्टर 1920×1080 @ 168 एफपीएस) का उपयोग किया गया। परीक्षण प्लेटफ़ॉर्म: AMD Ryzen {{8}H, 16 GB RAM, NVIDIA RTX 3050। परिणाम प्रायोगिक बिंदु क्लाउड पर मॉड्यूल{11}स्तरीय सत्यापन हैं, पूर्ण वास्तविक नहीं-समय उत्पाद बेंचमार्क।

कार्य जिन वास्तविक समस्याओं का समाधान करता है

1. मसूड़े के बिंदु "बेहतर दर्ज" कर सकते हैं लेकिन दांतों का पंजीकरण बदतर बना सकते हैं
इंट्राओरल पॉइंट क्लाउड में दांत, मसूड़े और शोर होते हैं। बड़े, चिकने मसूड़े वाले क्षेत्र कम से कम वर्ग पंजीकरण पर हावी हो सकते हैं। हालाँकि, चिकित्सकीय रूप से, पुच्छ, जीवाश्म और मार्जिन रेखाएँ सबसे अधिक मायने रखती हैं। बड़े मसूड़ों वाले क्षेत्रों को प्राथमिकता देने से रोधक सतहों का गलत संरेखण हो सकता है। दूर के क्षेत्र भी अंशांकन त्रुटि, पुनर्निर्माण शोर और रोड़ा से अधिक पीड़ित हैं। थीसिस एक व्यावहारिक पूर्व का उपयोग करती है: अधिकांश स्थानीय फ़्रेमों में दांत पीछे के मसूड़े की तुलना में कैमरे के दृष्टिकोण के करीब होते हैं। डीनोइज़िंग और आईसीपी वेटिंग इसी धारणा के आधार पर बनाई गई हैं।

2. घने बादल धीमे पंजीकरण; एकसमान नीचे-सैंपलिंग से दंत संबंधी विशेषताएं खो जाती हैं
विशिष्ट प्रायोगिक बादलों में 22 000–28 000 अंक होते हैं। प्रत्यक्ष सामान्य अनुमान, एफपीएफएच, निकटतम पड़ोसी खोज और पुनरावृत्त पंजीकरण महंगे हो गए हैं। वोक्सेल फ़िल्टरिंग तेज़ है लेकिन खांचे और तेज किनारों को कम कर सकती है। सामान्य {{6}अंतरिक्ष नमूनाकरण उच्च{{7}वक्रता वाले क्षेत्रों को संरक्षित करता है लेकिन 3{10}डी सामान्य स्थान में कई डिब्बे की आवश्यकता होती है। वक्रता-अंतराल नमूनाकरण हिस्टोग्राम को एक आयाम तक कम कर देता है जबकि अभी भी सुविधा-संपन्न क्षेत्रों का पक्ष लेता है।

3. क्लासिक आईसीपी ज्यामितीय रूप से करीब लेकिन विशेषता वाले {{1}असमान पत्राचार को स्वीकार करता है
दोहरावदार दंत सतहों पर, छोटी यूक्लिडियन दूरी स्थानीय ज्यामिति के मिलान की गारंटी नहीं देती है। इसलिए थीसिस फाइन रजिस्ट्रेशन के दौरान दूसरे फिल्टर के रूप में एफपीएफएच सुविधा दूरी को जोड़ता है।

विधि 1: दांत क्षेत्र को निकालने के लिए विभाजन + कैमरा निर्देशांक

पाइपलाइन:
त्रिज्या बाहरी निष्कासन → सामान्य और वक्रता का अनुमान → क्षेत्र का बढ़ना → कैमरा-समन्वय बाधाएं → छोटा-क्षेत्र विलोपन → निकटतम क्षेत्र रखें

त्रिज्या बाहरी निष्कासन पृथक पुनर्निर्माण शोर को हटा देता है।

भारित स्थानीय-प्लेन फिटिंग सामान्य (ज्ञात कैमरे की ओर उन्मुख) और वक्रता का अनुमान लगाती है।

क्षेत्र का विकास (सामान्य -कोण बाधाओं में ढील) अंतरदंतीय रिक्त स्थान, छाया और रोड़ा के कारण होने वाले प्राकृतिक विराम का फायदा उठाता है।

बिंदु कैमरे के फ्रेम में तब्दील हो जाते हैं; प्रभावी 3-डी रेंज के बाहर के क्षेत्रों को छोड़ दिया जाता है।

सबसे बड़े शेष क्षेत्र के 10% से छोटे क्षेत्र हटा दिए जाते हैं; दृष्टिकोण के दो निकटतम क्षेत्रों को रखा जाता है (छाया से टूटे दांतों को हटाने से बचने के लिए)।

चार परीक्षण बादलों पर, डीनोइज़िंग में 255-335 एमएस (क्षेत्र के बढ़ने और सामान्य/वक्रता अनुमान पर हावी) लगे। सख्त 0.2 मिमी पंजीकरण रिकॉल में औसतन लगभग 20.3 प्रतिशत अंक का सुधार हुआ। सीमा: जब दांत और मसूड़े एक जुड़े हुए घटक का निर्माण करते हैं, तो विधि उन्हें अकेले कनेक्टिविटी द्वारा अलग नहीं कर सकती है।

विधि 2: वक्रता-अंतराल नमूनाकरण

केवल उच्चतम {{0}वक्रता बिंदुओं (जो ओवरलैप क्षेत्र के बाहर स्थित हो सकते हैं) को रखने के बजाय, वक्रता सीमा को डिब्बे में विभाजित किया जाता है और बिंदुओं को उच्च {{1}वक्रता डिब्बे से शुरू करके नमूना लिया जाता है, जबकि कुछ मध्य और निम्न वक्रता बिंदुओं को अभी भी बरकरार रखा जाता है। यह सुविधाओं को सुरक्षित रखता है फिर भी मोटे पंजीकरण के लिए पर्याप्त सामान्य समर्थन रखता है।

सामान्य {{0}अंतरिक्ष नमूने की तुलना में, एक {{1}आयामी वक्रता वाले डिब्बे बड़े लक्ष्य आकारों में बेहतर होते हैं:

तीनों विधियों की अंतिम पंजीकरण सटीकता समान थी; वक्रता नमूने का मुख्य मूल्य एक सुविधा पूर्वाग्रह को बनाए रखते हुए कम बिन{0}}रखरखाव लागत है। जब शुद्ध गति की आवश्यकता होती है तो वॉक्सेल फ़िल्टरिंग सबसे तेज़ विकल्प रहता है।

विधि 3: मोटे पंजीकरण के लिए एफपीएफएच + एसएसी-आईए

क्लासिक दो-स्टेज रणनीति:

मोटे: एफपीएफएच (33-आयामी) + एसएसी-आईए

ठीक: बिंदु-से-समतल आईसीपी

बादल -बिंदु तक नीचे थे। 100 पुनरावृत्तियों के साथ एसएसी-आईए (व्यावहारिक व्यापार के रूप में चुना गया-ऑफ) का औसत ~2.2 सेकेंड है। पारस्परिक -पत्राचार बाधाओं ने सटीकता में सुधार किया; शीघ्र समाप्ति से समय कम हो गया लेकिन स्थिरता कम हो गई। इसलिए SAC-IA आरंभीकरण, ट्रैकिंग हानि के बाद पुनर्प्राप्ति, या ऑफ़लाइन उपयोग के लिए उच्च {{11}फ्रेम-दर स्कैनिंग के प्रत्येक फ्रेम की तुलना में बेहतर अनुकूल है।

विधि 4: आईसीपी बनाना विश्वसनीय टूथ कॉरेस्पोंडेंस को प्राथमिकता देता है

दृष्टिकोण बिंदु-दूरी का भार
कैमरे के निकट लक्ष्य बिंदुओं को बिंदु{{0}से{{1}समान त्रुटि में अधिक भार प्राप्त होता है। लक्ष्य न्यूनतम समग्र आरएमएसई के बजाय दांत क्षेत्र के पास (आमतौर पर अधिक विश्वसनीय) बेहतर संरेखण है।

यूक्लिडियन + एफपीएफएच संलयन दूरी
प्रत्येक आईसीपी पत्राचार के लिए दोनों दूरियों की गणना की जाती है, सामान्यीकृत किया जाता है और संयुक्त किया जाता है। केवल निचला {{1}फ़्यूज़न {{2}दूरी अंश (0.4–0.8 रेंज में स्थिर) परिवर्तन अनुमान में भाग लेता है {{5}ट्रिम्ड आईसीपी की भावना के समान लेकिन फीचर जानकारी का भी उपयोग करता है।

छह परीक्षण बादलों पर संयुक्त सुधारों ने औसतन 0.2 मिमी रिकॉल को ~7.1 प्रतिशत अंक तक बढ़ा दिया। आरएमएसई और 0.6 मिमी रिकॉल में प्रत्येक सेट पर सुधार नहीं हुआ; कुछ मामलों में उच्च परिशुद्धता पत्राचार का अनुपात बढ़ गया जबकि समग्र आरएमएसई में वृद्धि हुई। इसलिए यह विधि प्रत्येक मीट्रिक के बजाय उच्च सटीकता संरेखण की हिस्सेदारी को एक साथ अनुकूलित करती है।

प्लेन पॉइंट {{0} से {{1} प्लेन आईसीपी का रनटाइम 27-45 एमएस था; संलयन बाधाओं के साथ यह बढ़कर 51-126 एमएस हो गया।

सॉफ्टवेयर प्रोटोटाइप स्कोप

प्रोटोटाइप लागू करता है:

प्रीप्रोसेसिंग (बाहरी निष्कासन, सामान्य/वक्रता, क्षेत्र का बढ़ना, समन्वय फ़िल्टरिंग, वक्रता नमूनाकरण)

पंजीकरण (एफपीएफएच, एसएसी-आईए, दृष्टिकोण-भारित आईसीपी, फ़्यूज़न-दूरी बाधाएं)

मेशिंग (स्वर फ़िल्टरिंग, कम से कम वर्गों को हिलाना, बॉल-पिवोटिंग ट्राइएंगुलेशन, नॉन{1}}मेनिफोल्ड रिपेयर, होल फिलिंग, एज ऑप्टिमाइज़ेशन, फेस-सामान्य सुधार)

स्टैक: सी++11, विजुअल स्टूडियो 2017, पीसीएल 1.8.1, ओपनसीवी 4.3.0, वीटीके 8.0.0, क्यूटी 5.12.1, प्लस कैमरा और डीएलपी एसडीके।

प्रदर्शित मॉड्यूल कुछ फ़्रेमों पर अंत से {{1} तक काम करते हैं, लेकिन निरंतर फ़्रेम दर, अंत से {{3} विलंबता, लंबे अनुक्रम बहाव, ट्रैकिंग विफलता/पुनर्प्राप्ति दर, पूर्ण आर्क पूर्ण सटीकता, और नैदानिक ​​​​संदर्भ मॉडल के खिलाफ तुलना की रिपोर्ट नहीं की गई है। सॉफ़्टवेयर एक एल्गोरिथम सत्यापन प्रोटोटाइप है, न कि चिकित्सकीय रूप से सत्यापित वास्तविक समय प्रणाली।

मूल्य और सीमाएँ

पुन: प्रयोज्य ताकतें

विधियों को वास्तविक अंतः मौखिक पुजारियों (कैमरे के करीब दांत, बड़े मसूड़ों के क्षेत्र, दोहरावदार स्थानीय ज्यामिति) के साथ कसकर जोड़ा जाता है।

सुधार अच्छी तरह से समझे गए मॉड्यूल (क्षेत्रीय वृद्धि, वक्रता, एफपीएफएच, एसएसी -आईए, आईसीपी) के अंदर रहते हैं जिन्हें सी++/पीसीएल में लागू करना और डीबग करना आसान है।

दोहरी {{0}थ्रेसहोल्ड रिकॉल (0.6 मिमी और 0.2 मिमी) समग्र फिट को उच्च परिशुद्धता स्थानीय फिट से अलग करती है।

चेतावनियां

छोटे नमूने का आकार (मुख्यतः 4-6 बादल)।

जब दांत और मसूड़े जुड़े होते हैं या स्कैनिंग कोण दृढ़ता से बदलते हैं तो निश्चित ज्यामितीय प्राथमिकताएं विफल हो जाती हैं।

SAC -IA लागत (~2.2 s 5 000 अंक / 100 पुनरावृत्तियों पर) प्रति -फ़्रेम उपयोग को रोकती है।

कोई वैश्विक अनुकूलन, लूप क्लोजर, या लंबे अनुक्रमों का पोज़ {{0}ग्राफ़ उपचार नहीं।

सीमित तुलनात्मक आँकड़े और कोई बाहरी नैदानिक ​​​​आधार नहीं है। सत्य मॉडल।

इंट्राओरल स्कैनिंग सिस्टम के लिए प्रैक्टिकल इंजीनियरिंग टेकअवे

हर बिंदु का वजन बराबर नहीं होना चाहिए.दृष्टिकोण दूरी, पुनर्निर्माण आत्मविश्वास, सामान्य स्थिरता, वक्रता, प्रतिबिंब मास्क, और (जब उपलब्ध हो) सिमेंटिक लेबल को एक बहु - कारक विश्वसनीयता मॉडल में संयोजित करें।

महंगे वैश्विक पंजीकरण को सामान्य ट्रैकिंग लूप से दूर रखें।नियमित फ़्रेमों के लिए पिछले {{0}पोज़ पूर्वानुमान + स्थानीय आईसीपी का उपयोग करें; गुणवत्ता गिरने पर खोज का विस्तार करें या कीफ़्रेम पर स्विच करें; केवल पुनर्प्राप्ति के लिए FPFH/SAC-IA/FGR या सीखे हुए वर्णनकर्ताओं को लागू करें; लंबे अनुक्रमों के लिए स्लाइडिंग{{3}विंडो/लूप{{4}क्लोजर/पोज़{{5}ग्राफ़ अनुकूलन लागू करें।

मूल्यांकन को जोड़ीवार त्रुटि से पूर्ण {{0}आर्च क्लिनिकल मेट्रिक्स पर ले जाएं।एकल दांत, आधे {{0}चार्च और पूर्ण {{1}आर्क, संचयी बहाव, क्रिटिकल {2}क्षेत्र (क्यूप्स, मार्जिन, संपर्क क्षेत्र) त्रुटि, अंतर-{3}ऑपरेटर और अंतर-{4}पथ दोहराव, नमी/प्रतिबिंब/पुनर्स्थापना के लिए मजबूती, और अंत{5}से{{6}अंत विलंबता/स्मृति) पर सत्यता और सटीकता की रिपोर्ट करें।

सारांश

थीसिस इंट्राओरल पॉइंट {{0} क्लाउड पंजीकरण के लिए एक पूर्ण, व्याख्या योग्य पाइपलाइन का निर्माण करती है: विभाजन और कैमरा पूर्व के साथ मसूड़ों और शोर के हस्तक्षेप को हटा दें, क्लाउड को वक्रता {{1} अंतराल नमूने के साथ संपीड़ित करें, एफपीएफएच + एसएसी {{3} आईए के साथ प्रारंभिक मुद्रा प्राप्त करें, और दृष्टिकोण {{4} भारित, सुविधा {{5} दूरी {{6} विवश बिंदु {{7} से {{8} विमान आईसीपी के साथ परिष्कृत करें। ये सुधार परीक्षण किए गए डेटा पर उच्च परिशुद्धता वाले दांतों के अनुपात को बढ़ाते हैं, जबकि कनेक्टेड मसूड़ों, मोटे पंजीकरण लागत और सीमित मूल्यांकन पैमाने की शेष चुनौतियों पर प्रकाश डालते हैं।

आधुनिक इंजीनियरिंग परिप्रेक्ष्य से कार्य एक स्पष्ट पारंपरिक आधार रेखा के रूप में कार्य करता है। इसका स्थायी सबक यह है कि इंट्राओरल स्कैनिंग में पंजीकरण की गुणवत्ता काफी हद तक सही ढंग से परिभाषित करने पर निर्भर करती है कि कौन से बिंदु भरोसेमंद हैं और कौन से पत्राचार अनुकूलन को प्रभावित करने के लायक हैं।

स्रोत नोट
यह लेख लू पिंग्यू की 2023 मास्टर की थीसिस पर आधारित है। प्रायोगिक संख्याएँ, उपकरण पैरामीटर और निष्कर्ष मूल पाठ का अनुसरण करते हैं; प्रतिशत{{2}प्वाइंट लाभ, वास्तविक-समय उपयुक्तता और इंजीनियरिंग दायरे के बारे में बयान उन डेटा से प्राप्त तकनीकी विश्लेषण हैं।

विश्वसनीय इंट्राओरल स्कैनिंग की तलाश है जो सटीक पूर्ण {{0}आर्च डिजिटल मॉडल प्रदान करती है?
आधुनिक प्रणालियाँ जैसे कि एआइडेंट एआई -30 (10 माइक्रोन से कम या उसके बराबर सटीकता, अल्ट्रा {{3} हल्के डिजाइन, पाउडर {{4} मुफ्त सच - रंग स्कैनिंग, ओपन एसटीएल / पीएलवाई / ओबीजे निर्यात) को ऊपर चर्चा किए गए पंजीकरण और संचयी-त्रुटि मुद्दों को कम करने और स्कैन → डिजाइन → प्रिंट वर्कफ़्लो में मूल रूप से एकीकृत करने के लिए सटीक रूप से इंजीनियर किया गया है।

एआई-30 का अन्वेषण करें और यहां संपूर्ण डिजिटल समाधान देखेंhttps://www.aident3d.com/या प्रदर्शन और आरओआई तुलना के लिए हमसे संपर्क करें।