设计并验证了一种低成本3D口腔扫描仪,该扫描仪采用结构光三角测量技术和深度学习重建算法

《The Journal of Prosthetic Dentistry》:Design and validation of a low?cost 3D intraoral scanner using structured?light triangulation and deep?learning reconstruction

【字体: 时间:2025年09月29日 来源:The Journal of Prosthetic Dentistry 4.3

编辑推荐:

  基于结构光三角测量与深度学习的低成本内窥镜扫描仪原型硬件设计,通过CMOS相机与双色激光投影实现,经Zhang方法标定和SIFT特征提取,采用YOLO-V8网络进行牙齿分割和FCN编码器-解码器优化深度,对比商业产品TRIOS 3发现:在0.2-0.4像素的再投影误差范围内,原型硬件生成270000高质顶点(较TRIOS 3的311000初始点云密度提升33.3%),表面瑕疵减少20%。研究证实开源硬件在点云密度(3倍于商业产品)与精度(误差≤0.15像素)上具有优势,适用于资源受限地区的数字化义齿 workflow。

  
艾哈迈德·M·M·阿瓦德(Ahmed M.M. Awad)| 艾哈迈德·巴德韦(Ahmed Badway)| 拉米亚·埃尔法达利(Lamiaa ElFadaly)
埃及开罗十月现代科学与艺术大学工程学院机电系统工程系研究生

摘要

问题陈述

口内扫描仪(Intraoral Scanners, IOSs)通过实现精确、高分辨率的数字扫描,彻底改变了修复牙科的工作流程。然而,由于其高昂的成本和复杂的硬件结构,这些设备的应用受到了资源有限环境的限制。

研究目的

本研究旨在设计并验证一种轻量化、低成本的IOS原型硬件,该硬件采用结构光三角测量技术和深度学习重建方法,并将其性能与市面上流行的商业IOS设备(TRIOS 3)进行比较。

材料与方法

开发了一种手持式IOS原型硬件,该硬件集成了一台1280×720像素的互补金属氧化物半导体(CMOS)相机以及白光和红光激光投影仪。校准过程采用了张氏方法(Zhang method);特征提取使用了Canny算法和尺度不变特征变换(SIFT)、结构从运动(Structure-from-Motion, SfM)技术,并通过摄影测量软件程序生成点云。随后使用YOLO-V8风格的网络进行牙齿分割,再通过全卷积网络(Fully Convolutional Network, FCN)进行深度细化处理。对石膏模型进行了307帧的扫描,得到的311,000个初始网格点数据与TRIOS 3设备的102,000个网格点数据进行了对比。

结果

原型扫描仪的平均重投影误差为0.30 ± 0.15像素(范围0.05至1.8像素),在商业产品的容差范围内(0.2至0.4像素)。每帧的平均特征点数为4000 ± 1200个。经过网格过滤后,剩余270,000个高质量顶点。深度学习后处理将表面伪影减少了约20%(从定性角度来看)。

结论

这种低成本IOS设备的点云密度是商用产品的3倍,同时保持了相当的精度,显示出其在经济型数字修复牙科工作流程中的潜力。计划在未来进行体内验证,以确定其临床适用性。

部分内容摘录

材料与方法

3D牙科扫描仪的设计与开发始于使用结构光投影和主动三角测量技术的扫描仪设计,随后对相机模块进行校准以确保精度。接着利用先进的图像处理工具进行特征提取和数据处理,最终通过最先进的深度学习框架重建出3D数字模型(见图1)。 原型扫描仪采用紧凑的手持式设计。

结果

扫描307帧数据大约需要45秒。初始网格包含311,000个点,过滤后保留了270,000个高质量顶点(见图5)。 重投影误差(表1,图6)介于0.05像素至1.8像素之间,平均值为0.30 ± 0.15像素,符合商业产品的容差范围(0.2至0.4像素)。误差是通过将重建的3D点重新投影到307个相机视角中来评估的;残差误差图(图6)进一步证实了这一结果。

讨论

原假设认为基于开源技术的扫描仪与商用IOS在扫描质量、网格密度或临床相关性方面没有显著差异,但实验结果表明,所开发的IOS设备在保持与商用产品相当的重投影精度的同时,实现了更高的网格密度。需要在临床环境中进一步验证这些优势。 本研究观察到的网格密度提升可能表明...

结论

根据这项体外研究的结果,得出以下结论: - 该轻量化、低成本的IOS原型硬件结合了结构光三角测量和深度学习技术,能够生成高密度的3D网格,其精度与商用系统相当。 - 需要进一步开发,并在多种患者场景(如无牙颌、金属修复体以及软组织变化等情况)中进行临床验证,同时还需考察其与其他系统的互操作性。

CRediT作者贡献声明

艾哈迈德·M·M·阿瓦德(Ahmed M. M. Awad): 方法论、软件开发、可视化、验证、论文撰写——初稿撰写。 艾哈迈德·巴德韦(Ahmed Badway): 项目监督、概念设计、项目管理。 拉米亚·埃尔法达利(Lamiaa ElFadaly): 项目监督、概念设计、项目管理、论文撰写——初稿撰写。

致谢

作者感谢十月现代科学与艺术大学牙科学院院长纳德尔·埃尔博克尔(Prof Dr Nader ElBokle)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号