灰狼优化器与行为考虑和维度学习在三维牙模型重建中的三维学习
Ritipong Wongkhuenkaew1, Sansanee Auephanwiriyakul2, Marasri Chaiworawitkul3
1Department of Computer Engineering, Faculty of Engineering, Biomedical Engineering Institute, Biomedical Engineering and Innovation Research Center, Chiang Mai University, Chiang Mai 50200, Thailand.
Bioengineering (Basel, Switzerland)
|March 27, 2024
概括
一个新的修改后的灰狼优化器与行为考虑和维度学习 (BCDL-GWO) 算法,结合代的最近点 (ICP),提高了牙科模型的3D注册精度. 这种BCDL-GWO与ICP方法的性能优于基于统计随机化的粒子群优化 (SR-PSO).
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 优化算法 优化算法
背景情况:
- 准确的3D重建在很大程度上依赖于精确的3D注册.
- 对于牙等复杂模型,现有的注册方法可能需要进一步改进.
研究的目的:
- 引入和评估一种用于增强3D重建的新型3D注册算法.
- 提高牙科模型3D可视化的准确性和质量.
主要方法:
- 开发了一个修改后的灰狼优化器,包括行为考虑和维度学习 (BCDL-GWO).
- 集成BCDL-GWO算法与代最接近点 (ICP) 算法进行精细注册.
- 实现多视图光学图像注册的层次结构.
- 应用于扫描的商业正统牙科和常规牙模型.
主要成果:
- 使用ICP算法的BCDL-GWO实现了高质量的3D可视化.
- 该方法在测试模型中产生了约7.2186和7.3999μm2的最小平均平方误差.
- 对比分析显示,拟议的算法表现优于基于统计随机化的粒子群优化 (SR-PSO).
结论:
- 带有ICP算法的BCDL-GWO为牙科应用提供了对3D注册的卓越方法.
- 与SR-PSO相比,拟议的方法显示了更高的准确性和可视化质量.
- 计算复杂度在BCDL-GWO与ICP和SR-PSO方法之间仍然可以比较.


