本发明涉及口腔正畸技术领域，尤其涉及重建牙列的方法。
技术背景
在口腔正畸领域，传统的治疗过程中，牙颌物理模型是医师进行错愕畸形诊断、治疗方案规划和矫治器设计的主要依据，但是牙颌物理模型仅包括牙冠部分，而缺乏牙根和颌骨的三维信息，无法确定仅有部分牙冠萌出或无牙冠萌生的阻生牙和埋伏牙的牙轴。随着计算机断层扫描(computedtomography,ct)技术在临床正畸治疗的广泛应用，通过ct图像提取出患者完整牙颌三维模型，能够准确的反应出患者牙齿形态、大小、牙排列的情况及上下颌牙的咬合关系。但是ct设备的体素分辨率较低，无法满足矫治器、咬合导板的设计需求。
技术实现要素：
为了解决现有通过ct图像提取出患者完整牙颌三维模型体素分辨率低的技术问题，本发明提供一种通过牙齿ct图像和三维扫描数据重建牙列的方法，结合ct技术和三维扫描数据，构建出了具高精度牙冠信息的牙列三维模型。
为实现上述目的，本发明提供如下技术方案：
一种通过牙齿ct图像和三维扫描数据重建牙列的方法，包括以下步骤：
s1)预处理：获取口腔ct图像，并去除软组织像素；
s2)对于预处理后的ct图像，利用图像分割方法获得独立牙齿的二维轮廓；
其特殊之处在于，还包括：
s3)根据步骤s2)获取的独立牙齿的二维轮廓，通过面绘制方法建立牙列模型；
s4)建立分割面，利用分割面从步骤s3)所建立的牙列模型中分割出ct图像的牙冠模型及牙根模型；
s5)获取牙颌的三维扫描模型，处理后得到独立的牙冠模型；
s6)将步骤s4)所得到的ct图像牙冠模型与步骤s5)所得到牙冠模型进行配准，得到两组模型间的平移矩阵t和旋转矩阵r；
s7)将步骤s5)得到的牙冠模型与从步骤s4)中分割后的ct图像牙根模型融合，得到牙齿三维网格模型；
融合的步骤为：
s71)根据步骤s6)中的得到平移矩阵t和旋转矩阵r，将步骤s4)中分割后的ct图像的牙根模型与步骤s5)得到的牙冠模型进行合置，并合并为同一组模型；
s72)提取步骤s71)所得模型的点云数据，采用基于包围盒的点云精简方法，实现牙冠和牙根模型点云数据的过渡融合形成牙齿的点云模型；
s73)将相邻的牙齿点云模型分别置于两组，利用delaunay快速三角剖分原理，将牙齿的点云模型重建为牙齿的三维网格模型。
进一步地，人体组织中软组织及肌肉的ct值通常在100hu以下，而牙齿的ct值较高，在1000hu以上，通过ct阀值可以快速直接地去除软组织，有助于提高多牙根的分割效果。
进一步地，步骤s2)中的图像分割方法包括以下步骤：
s21)在预处理后的ct图像中，选择一张ct图像作为初始图像；
s22)采用单一水平集算法对初始图像进行全局轮廓识别，此时得到所有牙齿及牙槽骨的轮廓信息；
s23)对相互粘连的牙齿与牙齿及牙齿与牙槽骨进行手动切分，以获取初始图像中所有牙齿的独立牙齿轮廓；
s24)在每个牙齿轮廓内选择一个点作为种子点，并对每个牙齿进行区域标记，以便区分出单个牙齿；
s25)对于其余ct图像采用耦合水平集算法进行图像分割计算，具体为：
把其余ct图像中的牙齿分成奇数组和偶数组两个互为耦合的计算目标，将当前层ct图像分割得到的轮廓作为相邻层的初始轮廓进行迭代计算，直至待分割的牙齿轮廓为空集时，结束分割过程。
该方法仅需要将所有牙齿分为两个分割目标进行同步计算，而其他水平集分割算法则需要将每个牙齿作为一个分割目标进行计算，极大的节省了计算时间，提升分割效率及分割精度。
进一步地，为了有效地将牙列的所有牙冠及牙根部分完全分开，步骤s4)中的分割面是通过选取牙列中位于两侧的最后一颗磨牙以及一颗门牙上的牙颈区域的点，通过三点而建立的。
进一步地，在所述步骤s5)中，所述牙颌的三维扫描模型是利用非接触式扫描设备获取的；所述牙冠模型是利用网格分割方法及补洞操作获得的。
本发明与现有技术相比，有益效果是：
1、本发明通过牙齿ct图像和三维扫描数据重建牙列的方法，通过将ct图像法和三维扫描数据相结合，通过扫描设备获取的具有较高的表面精度来弥补ct图像数据精度较低的缺陷，将ct图像和三维扫描数据进行融合，继而重建出了具有高精度牙冠的牙列模型，该方法能够适应复杂的牙冠表面信息，有利于进行综合正畸治疗与器械设计，可以用于辅助医师制定隐形正畸方案、矫形器辅助设计及进一步的生物力学分析。
2、本发明通过牙齿ct图像和三维扫描数据重建牙列的方法，在现有的成熟算法的基础上，通过多种水平集算法实现了ct图像中牙齿三维模型的提取；通过结合ct图像和三维扫描数据，通过点云模型的配准和融合、三角面片重建等操作，可以快速建立具有高精度牙冠信息的牙列模型。
3、本发明通过牙齿ct图像和三维扫描数据重建牙列的方法，通过分割面及包围盒的点云精简方法进行点云融合及重建，能够快速有效的实现ct图像模型与扫描模型的拼接及牙齿重构，为辅助正畸过程中全牙模型的移动变化情况分析提供基础，有效避免正畸中发生骨开窗与骨开裂的情况。
附图说明
图1是本发明的流程框图；
图2是本发明ct图像牙冠模型与扫描数据牙根模型进行融合流程图；
图3是本发明实施例口腔ct图像分割流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1为本发明实施的流程图，在本发明实施例中，一种通过牙齿ct图像和三维扫描数据重建牙列的方法，具体包括以下步骤：
s1：利用ct设备获取口腔ct图像，并将目标感兴趣区域进行截取，保留包含牙齿及完整牙槽骨的矩形区域，通过这种方法减少计算量，正常人体口腔周围的非骨骼区域的ct值一般具有较小值，通过ct值将截取的矩形区域中非骨骼区域去除。
s2：利用多种水平集算法对步骤1中处理后的ct图像进行牙齿轮廓提取。如图3所示，采用多种水平集算法进行ct图像中牙齿分割的基本步骤是：
s21：在ct图像经过预处理后，选择其中一张图像作为初始图像，通常初始图像为牙颈部位的图像；
s22：采用单一水平集算法对初始图像进行全局轮廓识别，此时得到所有牙齿及牙槽骨的轮廓信息；
s23：对相互粘连的牙齿与牙齿、牙齿与牙槽骨进行手动切分，以获取初始图像中完整牙齿轮廓；
s24：在每个牙齿轮廓内选择一个点作为种子点，并对独立牙齿区域进行区域标记，以便区分出单个牙齿；
s25：对于其余ct图像采用耦合水平集算法进行分割计算，把其余ct图像中的牙齿分成奇数组和偶数组两个互为耦合的计算目标，将获取的初始图像的牙齿轮廓作为相邻的下层图像的初始轮廓，并进行迭代计算，牙冠和牙根部分分割具有相同的算法流程；通过耦合水平集算法计算分割得到相互独立的牙齿轮廓；继续进行牙齿轮廓的分割得到当前图像的分割结果，直到当前图像分割出待分割牙颌的各独立牙齿的二维轮廓为空集时，结束分割过程，否则，继续分割下一层图像。
这里，根据初始图像将待分割图像分成了两部分，其中包括主要牙冠区域的部分称为牙冠部分，其余包括主要牙根区域的部分称为牙根部分。
s3：通过等值面重建技术，得到牙齿外表面的面片形式(即牙列模型)，其中等值面重建技术这里采用的marchingcube表面重构方法。
s4：建立分割面，从步骤s3)所建立的牙列模型中分割出ct图像的及牙根模型；所述分割面的建立方法：选取牙列中位于两侧的最后一颗磨牙以及一颗门牙上的牙颈区域的点，通过三点建立分割面，通过所述分割面，将ct图像重建牙列分为牙冠部分和牙根部分。
s5：利用非接触设备扫描牙齿获取口腔内牙齿的表面轮廓，利用网格分割方法将牙齿牙冠部分与牙龈部分通过分割边界进行分割，得到所有牙齿牙冠表面，采用补洞操作获得相互独立且完整的牙冠表面模型。
s6：将步骤s4分割的ct图像牙冠模型与s5步骤得到的扫描数据牙冠模型进行配准，将ct图像产生的牙冠模型作为固定模型，将扫描数据产生的牙冠模型作为浮动模型，配准方案采用粗配准结合精配准的方法，粗配准采用pca(principalcomponentanalysis)主成分分析法来实现，精配准采用icp(iterativeclosestpoint)迭代最近点算法来实现；
s7：配准后，根据将扫描数据牙冠模型与ct图像获取的牙根模型进行模型点云数据融合，利用delaunay快速三角剖分原理，将点云模型重建为三维网格模型，重建后的模型具有高精度牙冠表面的牙齿模型，该步骤的算法流程图如图2所示，具体步骤为：
s71：根据步骤s6)中的得到平移矩阵t和旋转矩阵r，将步骤s4)中分割后的ct图像牙根模型与步骤s5)得到的扫描数据牙冠模型进行合置，并合并为同一组模型；
s72：提取所得模型的点云数据，采用基于包围盒的点云精简方法，实现牙冠和牙根点云数据的过渡融合；
s73：将相邻牙齿的点云模型分别置于两组，利用delaunay快速三角剖分原理，将点云模型重建为三维网格模型。
本发明包括从ct图像中分割出牙齿，以及ct图像分割得到的牙齿模型与扫描得到的牙冠模型进行配准、融合、重建三部分。从ct图像中分割出牙齿具体步骤包括：通过在口腔ct图像中除软组织，然后再采用耦合水平集方法分割出牙齿轮廓，并采用面绘制方法建立牙齿三维模型；ct图像分割得到的牙齿模型与扫描得到的牙齿模型进行配准融合重建具体步骤包括：获取牙科三维扫描模型处理后得到独立牙冠模型，将ct图像分割后的牙齿模型与扫描数据牙冠模型进行配准、融合及重建，得到具有高精度牙冠表面的牙齿模型。