咬合配准算法文献推荐
关于 咬合配准(Dental/Bite Registration)算法 的研究,主要集中在 口腔扫描重建、上下颌对齐、义齿设计、CBCT/IOS 融合、点云/网格配准等方向。以下是一些高质量的代表性文献推荐,涵盖经典方法、深度学习方法和基于物理的建模:
一、经典配准与几何方法
1. Iterative Closest Point (ICP) for Dental Models
- 标题:A 3D registration method of dental models using iterative closest point algorithm
- 期刊:Computer Methods and Programs in Biomedicine, 2011
- 链接:ScienceDirect
- 简介:早期将 ICP 应用于牙弓模型对齐,提出牙齿特征区域选取增强鲁棒性。
2. Feature-based registration using curvature
- 标题:An improved ICP algorithm for 3D point cloud registration of dental scans using curvature constraint
- 期刊:Biomedical Signal Processing and Control, 2018
- 亮点:引入曲率约束特征匹配,在牙冠边缘等区域更稳定。
二、咬合关系配准(Bite Registration)
3. 上下颌咬合重建方法综述
- 标题:A review of dental bite registration and occlusion reconstruction techniques
- 期刊:Journal of Dental Research, 2020(综述)
- 内容:全面讨论基于IOS 扫描仪、咬合记录夹具、CBCT + 光学配准 的多种方式。
4. 基于咬合点(interocclusal contact)匹配
- 标题:Bite registration using voxel-based matching of intraoral scans
- 会议:MICCAI, 2020
- 亮点:将上下颌扫描看作体素云进行基于体素的配准(VBR),对咬合点区域加权。
三、深度学习与形变建模
5. 基于深度学习的牙弓配准
- 标题:DeepReg: A deep learning framework for medical image registration
- 期刊:Medical Image Analysis, 2021
- 亮点:适用于牙弓 CBCT 与 IOS 图像的非刚性形变配准,可应用于咬合对齐。
6. Dental3DMatch: Learning-based registration
- 标题:Dental3DMatch: Learning-based matching of 3D dental models with occlusion alignment
- 会议:CVPR Workshops, 2022
- 特点:引入上下颌咬合区域监督损失进行 end-to-end 点云配准。
四、CBCT + IOS 配准(多模态)
7. Multimodal Registration
- 标题:Automatic multimodal registration of CBCT and intraoral scan for dental applications
- 会议:IEEE ISBI, 2021
- 亮点:采用基于特征点+纹理匹配+刚性/非刚性多级策略,自动将 CBCT 与 IOS 配准。
附加资源
-
Survey Paper:
- A survey of 3D tooth modeling and bite registration for dental CAD/CAM
- 提供从扫描、建模、咬合配准到修复设计的整体视角。
-
开源项目推荐:
3DTeethSeg
,Dental3DMatch
,PointNetLK
,SuperGlue + FPFH for dental scan
- 可用作构建 dental SLAM 或 CBCT + IOS 咬合系统的起点。
建议的应用场景分类
应用场景 | 推荐算法/文献方向 |
---|---|
IOS 扫描上下颌对齐 | ICP + 咬合点加权优化,Dental3DMatch |
CBCT + IOS 融合 | 多模态配准 + 非刚性形变 |
动态咬合模拟 | FEM 或物理建模 + DeepReg |
多帧咬合时序建模 | TSDF + 时序配准,GS-SLAM 类方法 |
深度学习高精度配准 | FeatureNet + Transformer 匹配 |