随着口腔数字化技术的不断发展，基于摄影测量技术的多单位种植体精确测量方法已在无牙颌种植领域广泛应用，可在口外获取种植体的位置信息，常见的设备有ICam4D (IcamRef，Imetric4D Imaging Sàrl，瑞士)、PIC(PIC dental，西班牙)、Oxo Fit(Oxo，西班牙)等[4]。口外摄影测量设备通过大视场记录并解算编码扫描杆上的特征点位置，计算出种植体的位置，但无法直接获取软组织形态，需要使用口内扫描设备获取软组织形态数据[5]。目前，已有口内摄影测量设备可将种植体定位与软组织复制集成于一体，降低了获取完整无牙颌种植固定修复数字化印模成本，但仍需要分步骤扫描[6]。
1 材料与方法
1.1 设备及软件
本研究使用的设备和软件包括：本课题组自研口外摄影测量系统及配套扫描杆，摄影测量系统相机组由1个光源和4个160万像素的电荷耦合器件图像传感器组成；口内扫描仪(TRIOS 3，3Shape公司，丹麦)，用于扫描种植树脂模型；高精度牙颌模型三维扫描仪DS-EX-PRO(先临三维科技股份有限公司，杭州)，用于扫描种植树脂模型；三维树脂打印机(DLP睿逸DLP1080EA，大族激光科技产业集团股份有限公司，深圳)及牙模树脂/带型材料T-MRD-521，用于打印无牙颌种植树脂模型；Nobel ACT复合基台替代体(Nobel Biocare，瑞士)，置于树脂模型中模拟种植体；扫描帽(IcamRef，Imetric4D Imaging Sàrl，瑞士)，配合牙颌模型三维扫描仪和口内扫描仪使用；细尖爪数显卡尺(111N201，三量精密量仪有限公司，东莞)，精度为0.01 mm，用于测量替代体物理参数；聚醚印模材料(Impregum Soft，3M公司，美国)，用于模拟人工牙龈形态；自研系统图像采集上位机，用于控制相机组同步拍摄图像；自动化摄影测量软件RealityScan 2.0.1(Epic Games，美国)，将相机组拍摄图像重建为三维网格模型，运行于便携式计算机，GPU为GeForce RTX 4060(8G，NVIDIA，美国)；正向设计软件Magics 21.0(Mate-rialise，比利时)，用于设计虚拟替代体“. stl”数据；逆向设计软件Geomagic Wrap 2021(3D Systems，美国)，用于设计虚拟种植模型，处理获得的“. stl”数据；大族激光固体标记控制软件V5.0(大族激光科技产业集团股份有限公司，深圳)，用于树脂模型打印前“. stl”数据排版、分层及输出三维打印机可读取的数据类型。
1.2 种植树脂模型的制作
使用北京大学口腔医院技工室提供的标准化阴模灌制无牙颌石膏模型1对，采用牙颌模型三维扫描仪获取石膏模型“. stl”数据。使用细尖爪数显卡尺测量Nobel ACT复合基台替代体，得到上段圆柱直径4.80 mm、高度4.80 mm，下段圆柱直径3.50 mm、高度8.70 mm，于Magics 21.0软件中设计含两段圆柱的数字化替代体。将数字化替代体“. stl”数据导入Geomagic Wrap 2021软件，分别置于上颌石膏模型扫描数据的16、14、12、22、24、26牙位和下颌石膏模型扫描数据的34、32、42、44牙位，使用“布尔(Boolean)功能”，完成一对数字化上、下颌种植模型的设计，打印制作上、下颌种植模型各1个。将替代体装配于模型并稳定固位，使用聚醚印模模拟人工牙龈填充于替代体周围(图 1、2)。
1.3 参考数据的采集
将扫描帽安装于替代体上，使用牙颌模型扫描仪采集树脂模型表面形态数据，上、下颌模型各输出1个“.stl”数据，作为形态偏差分析的参考数据。
1.4 对照组数据的采集
手持口内扫描仪采集安装有扫描帽的树脂模型表面形态数据，上、下颌各10次，输出“.stl”数据。扫描路径为右后颊侧—左后颊侧—左后嵴顶—右后嵴顶—右后舌侧—左后舌侧的连续扫描，每次扫描间隔1 min。
1.5 实验组图像采集和三维数据重建
由同一名操作者将自研扫描杆安装于替代体，树脂模型平放于桌面，手持自研相机组从右侧后牙区颊侧缓慢移动至左侧后牙区颊侧(图 3)，模拟定位临床患者多单位种植体的扫描路径，通过上位机在此过程中间隔采集12次无牙颌种植模型的原始图像作为1组，每组共4×12张图像，格式为“.bmp”，上、下颌各采集10组；将每组原始图像导入RealityScan 2.0.1软件中，依次使用“对齐图像”“重建模型(高精度)”功能，重建三维网格模型，导出“.stl”数据。
1.6 评价指标
计算模型表面三维形态的均方根(root mean square，RMS)作为指标，使用Geomagic Wrap 2021软件计算各组“.stl”数据与参考数据的RMS，以此反映实验组和对照组记录软组织三维形态的正确度。在Geomagic Wrap 2021软件中，钉住参考数据，先后使用“手动注册-n点注册”“全局注册”将实验组和对照组数据配准至参考数据，对参考数据使用“创建边界”功能选择出要进行形态分析的牙槽嵴顶区域，使用“从边界创建”功能创建分析范围曲线，将曲线“投影”至实验组、对照组数据，然后“转为”边界，复制出参考数据，实验组、对照组边界内的数据，最终所有“.stl”数据被裁剪至相同范围，使用“3D比较”功能计算RMS，对于全牙槽嵴顶区域，进一步划分并选择出穿龈区域(蓝色)、颊侧区域(绿色)和舌侧区域(褐色)计算RMS。
RMS值的计算公式为：$ \text{RMS} =\frac{1}{\sqrt{n}} \times \sqrt{\sum\limits_{i=1}^n\left(X_{1, i}-X_{2, i}\right)^2}$ ，其中，n代表标准扫描帽测量点的数量，X1, i表示一组数据的第i个测量点，X2, i代表测量点X1, i在另一组扫描数据上对应的最近点。
1.7 统计学分析
使用SPSS 26.0软件，采用Shapiro-Wilk检验验证RMS数据是否符合正态分布，采用Levene检验验证RMS数据的方差齐性，对符合正态分布数据以${\bar x}$±s形式表示，非正态分布数据以中位数(四分位距)[mean (interquartile range), M (IQR)]形式表示。若数据符合正态分布且方差齐，则采用配对样本t检验比较实验组和对照组形态正确度的差异；反之，则采用Wilcoxon符号秩检验比较两组的差异。对组内颊舌侧数据，若数据符合正态分布且方差齐，则采用配对样本t检验比较颊舌侧形态正确度的差异；反之，采用Wilcoxon符号秩检验比较颊舌侧差异。检验水准均为双侧α=0.05。
2 结果
图6 上颌三维形态偏差分析色谱图Figure 6 Color map of maxillary 3D morphological deviation analysis A, alveolar ridge; B, peri-implant soft tissue; C, buccal area; D, lingual area. |
上颌实验结果显示，实验组在牙槽嵴区域、种植体周围软组织区域和舌侧区域的三维形态偏差均显著高于对照组(均P < 0.001)；实验组在颊侧区域的三维形态偏差略低于对照组，差异无统计学意义(P=0.571)，见表 1。
表1 上、下颌实验组与对照组形态正确度的对比Table 1 Comparison of morphological trueness between experimental group and control group in the maxillary and mandibular |
| Items | Alveolar ridge | Peri-implant soft tissue | Buccal area | Lingual area |
| Maxillary | ||||
| Experimental group/μm, ${\bar x}$±s | 124.89±21.30 | 157.74±19.13 | 50.56±8.34 | 146.01±33.87 |
| Control group/μm, ${\bar x}$±s | 53.90±8.93 | 67.03±3.94 | 53.83±12.66 | 46.20±11.19 |
| t | 9.949 | 15.643 | -0.587 | 8.984 |
| P | < 0.001 | < 0.001 | 0.571 | < 0.001 |
| Mandibular | ||||
| Experimental group/μm, ${\bar x}$±s | 254.04±88.42 | 165.18±21.30 | 57.32±8.26 | 421.75±59.51 |
| Control group/μm, ${\bar x}$±s | 58.28±38.96 | 70.48±28.20 | 49.71±49.21 | 54.59±36.77 |
| t | 7.031 | 11.170 | 0.448 | 17.466 |
| P | < 0.001 | < 0.001 | 0.665 | < 0.001 |
下颌实验结果显示，相比于对照组，实验组在牙槽嵴区域(P < 0.001)、种植体周围软组织区域(P < 0.001)、舌侧区域(P < 0.001)的三维形态偏差均显著增大，颊侧区域的三维形态差异无统计学意义(P=0.665)，见表 1。
各组模型的颊侧、舌侧区域对比结果见表 2。对比舌侧区域，实验组在上、下颌颊侧区域的三维形态偏差均显著降低(均P < 0.001)；在对照组中，上颌舌侧区域三维形态偏差显著低于颊侧区域(P < 0.05)，下颌舌侧区域三维形态偏差略低于颊侧区域，差异无统计学意义(P=0.378)。
表2 组内颊侧区域和舌侧区域形态正确度的对比Table 2 Comparison of morphological trueness between the buccal and lingual areas |
| Items | Experimental group in mandibular | Control group in mandibular | Experimental group in maxillary | Control group in maxillary |
| Buccal area/μm, ${\bar x}$±s | 50.56±8.34 | 53.83±12.66 | 57.32±8.26 | 49.71±49.21 |
| Lingual area/μm, ${\bar x}$±s | 146.01±33.87 | 46.20±11.19 | 421.75±59.51 | 54.59±36.77 |
| t | -9.476 | 2.876 | -18.262 | -0.928 |
| P | < 0.001 | < 0.05 | < 0.001 | 0.378 |
3 讨论
本研究采用自研摄影测量相机组配合MVS重建软件，实现了无牙颌种植模型的软组织重建。在临床获取无牙颌种植数字化印模过程中，常采用摄影测量设备获得种植体间空间位置数据，再使用口内扫描仪获得软组织形态数据，将两数据配准后用于数字化义齿设计[9]。在制作无牙颌种植固定修复义齿时，义齿组织面对应的软组织表面形态需要精确地复制为数字化印模，而目前关于软组织表面形态的精度评价研究较少，尚无研究给出符合临床设计使用的正确度阈值。因此，为对比基于二维图像重建无牙颌种植模型三维形态的正确度，本研究选择已被临床广泛接受的口内扫描仪作为对照组，将实验组和对照组分别与参考数据基于全局“. stl”数据进行配准，在所有“. stl”数据中选择出相同的牙槽嵴区域进行三维形态分析，选择范围大于常规种植固定义齿组织面，为更精准体现实验组和对照组在不同区域的正确度差异，将牙槽嵴区域划分为种植体周围软组织区域、颊侧区域和舌侧区域。这种方法重在分析软组织表面形态的重建差异，软组织形态与多单位种植体位置的配准及其精度有待后续研究。已有研究显示[10]，以种植体位置作为配准的基准区域，软组织和种植体位置的配准精度受软组织的采集方式影响。
本研究结果显示，相比于牙槽嵴区域、种植体周围软组织区域和舌侧区域，实验组在颊侧区域的三维形态偏差与对照组差异较小，且在上颌模型中低于对照组(P=0.571)，在下颌模型中与对照组的差异无统计学意义(P=0.665)，这与实验组拍摄路径在颊侧有关。为了模拟口内空间有限、自研相机组在口外拍摄的临床条件，实验组缺少舌侧细节图像，覆盖范围不足，导致不能获取足够的特征点云进行精细重建，特别是在下颌中，实验组舌侧三维形态偏差达到(421.75±59.51) μm，远高于上颌实验组舌侧的(146.01±33.87) μm，其原因是舌侧不仅存在扫描杆的遮蔽作用，且下颌模型牙槽嵴形态相对于上颌模型更加高耸，增加了舌侧被阻挡的范围；而颊侧有细节图像，覆盖范围较大且没有扫描杆的遮蔽，因此重建的三维形态偏差与口内扫描仪的差异降低。种植体周围软组织区域起于种植体基台或扫描杆外缘，止于人工牙龈外缘部分，相比于其余部分，需要更高的正确度以确保义齿就位时与义齿组织面贴合且不产生阻挡，避免增加食物残渣和菌斑堆积的风险，影响义齿被动就位。实验组在上、下颌的种植体周围软组织三维形态偏差均显著大于对照组(P < 0.001)，部分原因也在于舌侧被阻挡。色谱图结果显示，前牙区的种植体周围软组织颊舌侧对比更明显，且舌侧的黄色范围(偏差较大区域)也更广泛。此外，上颌对照组的颊侧三维偏差高于舌侧(P < 0.05)，这可能与上颌模型舌侧腭皱提供了更多特征有关。
本研究结果显示，通过模拟口外路径拍摄重建的无牙颌种植模型的舌侧正确度不及颊侧。为了解决舌侧被遮挡而产生视野盲区这一问题，有研究提出利用反光镜补偿盲区，以提升点云配准的精度和鲁棒性(robustness)，Ke等[11]的研究利用这一方法在体外实现口外大视场扫描(SSLS组)获得无牙颌多单位种植数字化印模，并与口内扫描仪组(IOS组)对比黏膜的三维形态偏差，结果显示SSLS组的形态偏差为33.4(16.9) μm，IOS组的形态偏差为59.8(21.6) μm，两者差异有统计学意义(P < 0.001)；该研究中的IOS组形态偏差与本研究相似，而SSLS组的形态偏差低于本研究的实验组，可能是由于该研究对双目相机进行了内、外参数标定，并使用正弦光栅图案投影至物体表面，使其能够更精确地进行点云重建和配准；此外，该研究在进行黏膜形态偏差分析时，将被裁剪至相同范围的数据再次进行了对齐，以往有研究显示，这种方法可能会忽略对齐数据自身的差异，从而使最终三维形态偏差值低于实际值[12-13]。
近年来，随着人工智能的快速发展和图像采集设备的更新，利用深度学习网络从二维图像重建三维场景成为计算机视觉领域的热点方向[14]。传统MVS算法可分为基于面片的方法、多边形网格法、体素法和基于深度图的方法，尽管以上方法在场景重建方面的精度尚可，但仍然面临效率低、完整度不高、难以处理弱纹理区域和反射表面等问题，基于深度学习的MVS局部模块改进和整体结构改进可取得更好的应用效果。有研究报道了将神经辐射场(neural radiance fields，NeRF)结合深度学习技术用于无牙颌种植模型表面重建的效果。Li等[15]的研究采用Neuralangelo高保真神经表面重建算法，将智能手机拍摄的无牙颌种植模型环绕视频经过开源程序Colmap预处理后作为输入，经过不同的训练周期后从检查点中提取三维网格数据，与口内扫描仪对比多单位种植体的定位精度，结果显示，经过5 000个训练周期的多单位扫描杆的总体形态偏差均值为67.69 μm，口内扫描仪的形态偏差均值为57.42 μm，两者差异无统计学意义，Li等[15]的研究虽未分析黏膜重建的精度效果，但是为深度学习结合MVS方法在重建无牙颌种植软组织的应用上指出了方向。
本研究仍存在一些局限性，体外实验未能将口内实际环境、软组织动度等因素纳入考量，且本研究利用模型和人工牙龈模拟软组织仅能反映附着龈的重建效果，对活动度更大的游离龈和松软牙槽嵴的应用有限。体外实验的模型与患者实际种植情况、颌骨及软组织条件也存在差异，临床上在患者体内应用条件下的重建正确度有待后续开展进一步研究。此外，本研究是探索基于摄影测量设备进行无牙颌种植软组织重建的初步研究，针对舌侧扫描盲区、扫描杆遮挡、口内弱纹理等问题造成的结果不及对照组这一现象，可采用增加反光板、优化相机组和扫描杆尺寸等方式，增加口内图像的拍摄视角，以获得更大的重建范围，还可引入深度学习方法，提升算法在图像弱纹理区域探测和匹配特征点的性能。后续还需要开展多单位种植体定位与软组织记录同步实现的相关研究，以期提高临床诊疗效率，降低使用成本，促进数字化技术在口腔无牙颌种植领域的广泛应用。
综上所述，本研究初步探索实现自研摄影测量相机组配合MVS重建软件记录软组织三维形态，为无牙颌种植口外摄影测量设备同步定位多单位种植体空间位置和获取软组织形态提供了研究基础，可使数据的采集时间更短于口内扫描仪，有望提高临床诊疗效率，降低使用成本，促进数字化技术在口腔无牙颌种植领域的广泛应用。