用于重建牙槽外科手术虚拟规划的数字混合模型制备
2021年8月5日
基于锥形束计算机断层扫描数据集和口内光学扫描，利用射线照相图像分割方法和自由曲面建模，设计了一种创建三维 （3D） 虚拟混合模型的工作流程。数字模型用于重建牙槽外科手术的虚拟规划。
逼真的虚拟模型可以在三维空间中显示牙周和牙槽丰富的缺损。因此，它们可以帮助手术治疗过程，并更深入地了解术后愈合机制。与以前和现有的方法相比，当前的方法独立显示每个解剖结构。
因此，这些 3D 虚拟模型真实地代表了真实的临床场景。这种方法有助于克服传统诊断过程的局限性。例如，种植牙的放置可以在 3D 模型上计划，而不是 CBCT 扫描的全影。
目前的方案可以应用于牙科的其他领域，如牙髓显微外科、矫形手术和面部肿瘤切除后的重建手术。通过访问区段编辑器模块开始流程分段，选择之前创建的裁剪卷作为活动分段的主卷。使用"添加"添加区段，使用"删除"删除区段。
然后根据它们将代表的解剖结构重命名片段。通过打开效果列表并选择"级别描摹"（一种半自动工具，用于勾勒像素与所选像素具有相同背景值的区域）来开始牙槽骨的分割。接下来，将鼠标拖动到其中一个 2D 视图上的骨骼周边，然后按鼠标左键在数据集的选定切片上生成线段。
然后使用"绘制"和"擦除手部工具"修改片段并纠正错误。使用"擦除"工具勾勒出牙齿和种植体的轮廓，并删除代表它们的所有突出显示的像素。在所选方向的数据集的每五个切片上重复该过程。
完成大纲过程后，通过从"效果"列表中选择"在切片之间填充"来计算缺失的线段，然后单击"初始化"以激活等值线插值。如果结果令人满意，请单击"应用"。然后在完成后滚动浏览数据集，以检查并纠正偶尔的错误。
通过选择"中位数"作为平滑方法来使用"平滑"效果。然后，通过调整括号中的毫米值并单击"应用"，将内核大小设置为 5 x 5 x 5 像素，以通过删除突起来使线段边界更平滑。牙槽骨分割完成后，重复相同的牙齿分割步骤。
从下拉栏中选择分割，将口内扫描的 STL 文件添加为分割。将光标移到模块上，然后从侧边栏中选择基准注册向导。从"从基准项"和"到基准项"部分的下拉菜单中，选择"创建新标记基准项"。
在下拉栏旁边的"从"部分中，使用"放置标记点"图标将标记点放置在口内光学扫描或 IOS 上定义明确的解剖标志上。标记点将按放置顺序编号。将标记放在相同的位置以创建"收件人"列表。
在锥形束计算机断层扫描或 CBCT 数据集上以相同的顺序，具有相同编号的标记点必须代表相同的解剖标志。"目标"列表准备就绪后，访问侧边栏的"注册结果转换"部分中的下拉菜单，然后选择"创建新的线性转换"以创建转换。访问 transforms 模块并选择之前创建的转换作为转换行为。
在"应用转换"部分中，将"IOS 分段"和"从标记"列表从"可转换"框移动到"转换"框。此步骤将有助于将 IOS 叠加在 CBCT 数据集上。打开计算机辅助设计或 CAD 软件，然后单击主屏幕上的导入。
然后选择之前从 DICOM 图像处理软件导出的 STL 模型。转到菜单栏中的 Sculpt。然后从画笔清单中，选择 自适应 Reduce 以优化导入的模型。
在侧边栏中，单击"选择"选项卡，然后选择"画笔"作为选择工具。然后使用"展开画笔"模式并调整画笔的大小。使用刷子，选择每颗牙齿的牙冠，直到边缘牙龈位于IOS上。
从"修改"选项卡中，选择"平滑边界"，如果结果令人满意，则单击"应用"。转到"选择"（Select），然后选择"编辑"（Edit） 和"分离"（Separate），从所选区域创建单个对象。接下来，转到菜单栏中的"分析"，然后选择"检查"。
选择"平面填充"（Flat Fill） 作为整体填充模式，然后单击"全部自动修复"（Auto Repair All） 以从IOS模型和分离的齿模型创建闭合模型。在"雕刻"（Sculpt） 菜单中，选择"收缩平滑画笔"（Shrink Smooth Brush） 并平滑填充孔的边缘。在分段牙模型上使用 Shrink Smooth Brush，直到牙齿完全被与 IOS 分离的牙冠覆盖。
在对象浏览器中，选择分离的牙冠和同一牙齿的分段模型。在弹出侧边栏中，选择"布尔联合"，然后单击"接受"。使用"收缩平滑"（Shrink Smooth） 平滑过渡。
在对象浏览器中同时选择骨骼和软组织模型，然后选择布尔差值。使用与描述相同的过程和平滑过渡，从软组织模型中减去牙齿以真实地表示临床情况。通过从侧边栏中选择"雕刻"，然后将小滑块从"体积"切换到"表面"，为模型的表面着色。
从画笔清单中，转到"画笔顶点"（Paint Vertex），然后使用"颜色"（Color） 部分中的色轮来选择所需的颜色。为每个模型的表面着色。代表性分析用黄线显示了具有相同背景值的像素化感兴趣区域的轮廓。
在矢状面取向中使用水平跟踪的半自动分割工具，然后进行后续的手动分割。半自动分割的结果在手动工具（如"绘画"和"擦除"）的帮助下进行了改进。在轴向、矢状面和冠状面视图中观察到完成的分割，并根据先前创建的切片自动生成 3D 模型。
IOS的超级拼版和随后的CAD建模允许在三维空间中查看临床情况。液位追踪是一种高效且智能的边缘检测工具。但是，由于伪影和散点，创建的区段可能仍需要手动修改。
这个过程相对较新。然而，到目前为止，结果是非常有希望的。3D 模型在牙科手术和牙周病学外科手术的规划、执行和演变方面具有巨大的潜力。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了一种利用锥形束计算机断层扫描数据集与口内光学扫描创建三维（3D）虚拟混合模型的工作流程。这些数字模型可增强牙槽骨重建外科手术的虚拟规划能力。
关键研究组成部分
科学领域
- 神经科学
- 生物学
- 牙科手术
背景
- 逼真的虚拟模型可以三维展示牙周和牙槽骨缺损。
- 这些模型有助于外科手术治疗过程。
- 它们可提供术后愈合机制的深入理解。
- 该方法可实现解剖结构的独立显示。
研究目的
- 创建精确的三维虚拟模型以用于手术规划。
- 加深对牙科临床操作场景的理解。
- 改进传统的诊断方法。
使用的方法
- 锥形束计算机断层扫描数据集的利用。
- 用于数据采集的口内光学扫描。
- 放射影像图像分割方法。
- 自由曲面建模技术。
主要结果
- 这些 3D 模型能够准确再现真实的临床场景。
- 它们有助于牙科种植体植入的术前规划。
- 该方法克服了传统成像技术的局限性。
- 实现了对解剖结构的增强可视化。
结论
- 所开发的工作流程显著改善了手术规划。
- 三维虚拟模型可提供牙齿解剖结构的真实视图。
- 该方法可能有助于提高重建手术的患者预后。
常见问题
行业重要性概要
精确的三维虚拟混合模型通过独立显示解剖结构，增强了手术规划能力，减少了对传统成像技术局限性的依赖。该方法通过实现对缺损形态及组织关系的精确评估，提高了重建手术的预测可靠性。该工作流程促进了从基础研究到临床应用在牙科与颌面重建领域的转化连续性。
生物制药研发中的战略应用
早期发现与靶点验证
- 科学价值：通过独立显示牙槽骨、牙齿和软组织部分，实现对治疗假设的验证。
- 操作价值：通过验证牙周骨内缺损相对于邻近牙齿的三维形态和定位，支持生物学风险降低。
筛选与检测方法开发
- 科学价值：通过IOS与CBCT数据的空间配准，为下游工作流程制备经过验证的生物系统。
- 操作价值：通过半自动分割和轮廓插值，确保检测方法的标准化和可重复性。
- 战略价值：通过构建用于皮瓣设计及手术皮瓣管理评估的逼真三维混合模型，提升筛查准备能力。
转化与临床前研究
- 科学价值：通过在临床准确的三维图像中可视化牙槽骨、牙齿和软组织，提供与疾病相关的系统建模。
- 操作价值：支持临床前工作的连续性，允许进行牙种植体位置和瓣膜设计的虚拟规划，以避免并发症。
流程与工作流整合
该方法通过支持早期发现阶段的假设验证、实现筛选阶段的检测准备，以及通过构建贴近实际临床情景的模型促进转化研究，从而融入发现研究的全过程。
- 发现生物学：通过将牙槽骨和牙齿分割为独立结构以进行功能分析，支持假设验证与通路阐明。
- 筛选：通过口内扫描（IOS）与锥形束CT（CBCT）数据集的空间配准和自由曲面建模，实现检测就绪性与定量输出。
- 分析：提供无牙区嵴上软组织厚度及缺损形态的测量结果，以辅助外科手术决策。
- 转化研究：通过支持虚拟手术规划及术后愈合机制分析，连接基础发现与临床前验证。
- 企业级复用：建立可重复使用的重建手术规划能力，适用于牙槽骨、牙体牙髓及颌面外科等多个应用场景。
运营与企业影响
- 科学价值：通过临床情景的精确三维呈现以及独立解剖结构的可视化，实现可预测的置信度。
- 操作价值：通过半自动分割、轮廓插值和光滑处理，实现标准化与可重复性。
- 战略价值：通过术前虚拟建模评估皮瓣设计并避免手术并发症，从而改善手术决策（进行或不进行）。
- 项目影响：通过评估牙槽嵴缺损的严重程度、范围和形态，为手术进展提供基于风险调整的优先排序。
实施注意事项
- 需要具备放射影像分割、空间配准和自由曲面建模技术方面的专业知识。
- 依赖于锥形束计算机断层扫描和口内光学扫描设备，并具备处理 DICOM 和 STL 数据的能力。
- 需要在成像、分割和计算机辅助设计建模工作流程之间实现跨团队标准化，以确保混合模型生成的一致性。
- 由于牙槽骨密度、软组织厚度及牙齿形态存在个体差异，需针对不同模型系统进行适应性调整。
- 存在若干实际限制，例如锥形束 CT 数据集中分割伪影和散射问题需要人工校正。
生物制药常见问题
Chapters in this video
0:00
Introduction
1:01
Segmentation of Cone-Beam Computed Tomography (CBCT) Dataset
3:15
Spatial Registration of Cone-Beam Computed Tomography (CBCT) Dataset and Intraoral Optical Scanning
5:23
Separate Crown of the Teeth from the Intraoral Optical Scanning (IOS)
6:32
Merge Crowns of the Teeth with the Segmented Tooth Models
7:04
Subtraction, Model Composition, and Color Models
7:47
Results: Application of Level Tracing in Sagittal Orientation and Spatial Registration of Intraoral Optical Scanning (IOS)
8:40
Conclusion
