论文阅读（2）Classification of pit and fissure for caries risk based on 3D surface morphology analysis
论文题目： Classification of pit and fissure for caries risk based on 3D surface morphology analysis of tooth
论文类型： 期刊
作者： Chen, Qingguang, Jin, Xing, Zhu, Haihua, Salehi, Hassan
发表期刊：
发表时间： 2020.2.19
阅读日期： 2022.2.25
一、研究内容
有凹坑和裂缝的牙齿表面是最适合斑块积累的龋齿区域。而坑裂封闭有助于防止坑裂咬合龋齿病变。临床决定密封牙釉质坑和裂缝需要评估牙齿患龋的风险。本文基于牙合面三维形态分析，探讨牙菌斑引导下评估坑裂龋风险。牙齿表面三维数据来自于商用的三维口腔内扫描仪，利用区域生长可以提取出坑裂区域，然后用L-medial skelecton method来测定坑裂骨架。
二、研究方法
1、由浙江大学医学院附属口腔医院使用的三维口腔内扫描仪(CEREC Omnicam, Sirona）通过结构光的方法得到点云数据。
2、牙菌斑膜中的口腔细胞代谢物会产生荧光团，因此用发光二极管产生的405nm波长可以检测牙菌斑分布。
3、坑裂区域提取算法 本文研究了一种基于曲率分析、区域生长和L-1内侧骨骼的坑裂区提取算法。首先利用weingarten matrix（加权矩阵）计算点云的平均曲率，设阈值$T_{mc}$为下式 $T_{mc} = min(MC) + \alpha(max(MC) - min(MC))$ 其中，MC----平均曲率值，$\alpha$----系数，经过比较最优设置为0.35。 采用高斯滤波去除早点后，引入区域增长方法对坑裂候选点进行扩展。选择基于曲率的提取点作为种子点。区域增长规则是在K个近邻中选择法向角度小于阈值$T_{na}$的点。  上图为区域生长的结果。
三、结论
牙坑和牙裂由于其形态上易积累牙菌斑，因此患龋的风险较高。通过牙菌斑的分布可以预测坑隙龋。因此，本文研究了基于三维表面形态学分析的牙菌斑引导下的咬合龋风险建模。采用曲率分析和区域生长法从三维牙齿模型中提取凹坑和裂隙区。然后采用L1-内侧骨骼法测定坑裂骨骼。沿骨架的剖面曲线显示坑裂的形状。我们定义了六个参数来定量地描述形态学。同时，分析紫激发下的荧光图像提取轮廓，定义图像比参数评价牙菌斑分布。提出了基于icp的轮廓配准方法，将二维荧光图像映射到三维咬合面。这样可以在咬合面感兴趣点得到牙菌斑分布和形态参数的对应关系。然后对RBF神经网络进行初步研究，以模拟形态学参数与荧光素之间的关系。
论文阅读（2）Classification of pit and fissure for caries risk based on 3D surface morphology analysis相关推荐
- 【论文阅读】FC-Net: A Method of Few-Shot Network Intrusion Detection Based on Meta-Learning Framework
文章目录 0. Abstract 1. Introduction 2. Problem Formulation 3. Network Traffic Representation (数据与其处理方式) ...
- 论文阅读-FASPell: A Fast, Adaptable, Simple, Powerful Chinese Spell Checker Based
来源:爱奇艺 EMNLP2019 Workshop 论文:https://aclanthology.org/D19-5522.pdf 代码:GitHub - iqiyi/FASPell: 2019-S ...
- 【论文阅读】ICRA2021: VDB-EDT An Efficient Euclidean Distance Transform Algorithm Based on VDB Data Struct
参考与前言 Summary: 浩哥推荐的一篇 无人机下的建图 and planning实验 Type: ICRA Year: 2021 论文链接:https://arxiv.org/abs/2105. ...
- 【论文阅读】【三维目标检测】在Range view上做3D目标检测
文章目录 BEV or Range View RangeDet: In Defense of Range View for LiDAR-based 3D Object Detection Range ...
- 【论文阅读】【三维目标检测】Object as Hotspots: An Anchor-Free 3D Object Detection Approach via Firing of Hotspots
文章目录 HotSpot Network HotSpot Network Anchor Free Quadrant Classification Experiments 2019.12.30挂到arx ...
- 论文阅读：（一）Voxblox++：Volumetric Instance-Aware Semantic Mapping and 3D Object Discovery
语义SLAM定义: SLAM技术完成了机器人对环境的几何信息的理解,但是忽略了对环境语义信息的理解.单纯的SLAM技术是缺乏场景理解能力的,机器人实时的对3D环境感知理解能力是智能体的技术的关键部分. ...
- 【论文阅读】【道路检测】《Road Damage Detection Based on Unsupervised Disparity Map Segmentation》
<Road Damage Detection Based on Unsupervised Disparity Map Segmentation> 刘明教授2020TITS文章 最近在做综述 ...
- 【深度学习】步态识别-论文阅读（无参考意义）：Cross-View Gait Recognition Based on Feature Fusion
这里写目录标题 摘要 介绍 相关工作 改进 提出 多尺度特征融合 全局和局部特征融合 特征映射 结论 基于特征融合的跨视图步态识别 摘要 与人脸识别相比,步态识别是最有前途的视频生物特征识别技术之一, ...
- Sentiment Classification towards Question-Answering with Hierarchical Matching Network 论文阅读笔记
Sentiment Classification towards Question-Answering with Hierarchical Matching Network 论文阅读笔记 这篇论文介绍 ...
最新文章
- Log控制台打印设置
- 一个帖子学会Android开发四大组件
- 页面排序(上下元素对换)
- ubuntu14.04上安装Mysql-5.7.11
- could not build module ‘Foundation’, could not build module ‘UIKit’……23个错误
- 备忘录模式--如果再回到从前
- STM32CubeMX使用(七)之通用定时器和系统定时器
- Django 模板标签[转]
- NYOJ题目171-聪明的kk（dp)
- HTML三种对密码加密的方法
- JQUERY简单实现点击图片放大效果
- 如何在Linux中删除符号链接？
- 关于OC中委托(代理人)的理解
- DEDECMS留言薄全站调用方法
- VMware虚拟机nat模式详解
- win11升级后黑屏问题
- 电子科技大学-高级计算机系统结构
- 入门的Android架构师需要掌握哪些技能？
- Windows11重置提示找不到恢复环境怎么解决？
- MIT 入梦实验室 梦相关新闻