构建鼻腔假肢形态数据基于一个非刚性注册算法
Aonan Wen1, Xiaohui Zhang2, Yong Wang3
1Doctoral student, Center of Digital Dentistry/Department of Prosthodontics, Peking University School and Hospital of Stomatology & National Center for Stomatology & National Clinical Research Center for Oral Diseases & National Engineering Research Center of Oral Biomaterials and Digital Medical Devices & Beijing Key Laboratory of Digital Stomatology & NHC Key Laboratory of Digital Stomatology, Beijing, PR China.
普罗克鲁斯特分析-非刚性代式最接近点 (PA-NICP) 算法为鼻假体数据构建提供了改进的边缘紧密性和形态过渡. 这种数字方法有助于恢复鼻缺陷患者的面部完整性.
科学领域:
- 医疗工程 医学工程
- 计算机辅助设计 计算机辅助设计
- 生物医学成像技术 生物医学成像技术
背景情况:
- 鼻子假肢对于恢复鼻子缺陷患者的面部形态至关重要.
- 鼻子假肢的数字设计和制造需要准确的形态数据,但相关研究很少.
- 开发有效的方法来构建鼻腔假体形态对于成功的修复结果至关重要.
研究的目的:
- 评估Procrustes分析-非刚性代式最接近点 (PA-NICP) 算法,用于快速构建鼻子假肢形态数据.
- 为了比较PA-NICP算法与MeshMonk程序在生成鼻子假肢数据方面的有效性.
- 评估数字假肢设计的非刚性注册原则.
主要方法:
- 使用3D面部扫描仪收集了30名成年男性的3D面部数据.
- 使用Geomagic Wrap 2021构建了30个总鼻腔缺陷3D面部数据集.
- 应用了PA-NICP算法 (实验) 和MeshMonk程序 (控制) 来生成鼻子假肢数据,比较3D偏差,边缘紧密性和表面连续性.
主要成果:
- 在PA-NICP (1.51 ±0.45毫米) 和MeshMonk (1.34 ±0.31毫米) (P=.054) 之间,3D形态偏差 (RMS) 没有显著差异.
- PA-NICP表现出明显更好的边缘紧密性 (RMS偏差为0.22 ±0.05毫米而不是0.38 ±0.09毫米;P<.001).
- PA-NICP显示了明显更高的边缘表面连续性 (95.47%与92.20%相比;P=.001).
结论:
- 无论是PA-NICP还是MeshMonk,都有效地构建了鼻子假肢数据.
- 与MeshMonk相比,PA-NICP算法提供了优越的边缘紧密性和形态过渡.
- PA-NICP是数字鼻腔假体设计和制造的一个有前途的工具.
更多相关视频
05:54Real-Time Dynamic Navigation System for the Precise Quad-Zygomatic Implant Placement in a Patient with a Severely Atrophic Maxilla
Published on: October 18, 2021
09:10Digital Hybrid Model Preparation for Virtual Planning of Reconstructive Dentoalveolar Surgical Procedures
Published on: August 5, 2021
