基于力觉-视觉融合的高逼真虚拟牙科手术系统关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61802072
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0209.计算机图形学与虚拟现实
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

This proposal intends to simulate dental surgery with high reality, which have properties of high immersion and interaction. In addition, active learning is introduced into the virtual dental surgery training system. There are four points to be considered. (i) We want to study a high realistic and high efficient simulation training platform for dental surgery by investigating key technologies in multi-layer and multi-modality modeling of 3D tooth tissues. (ii) How to simulate the interactive simulation of the force-visual integrated learning between tooth tissues and surgical tools is one of key points to be studied. (iii) Active training methods with intelligent learning and auto evaluation method are proposed. (iv) The proposed platform are built, which can provide better immersion of experience than traditional surgery simulation training system. It can also increase the learning efficiency and enhance the training effect. Once our research purposes could be successfully reached, the results will play an important effect on the field of high realistic simulation training for dental surgery with intelligent learning.
本项目重点研究高逼真牙科虚拟手术训练系统,提升系统的沉浸感和交互感,并引入虚拟系统特有的主动学习方式。研究内容包括(1)牙体组织的多层次、多模态三维建模技术,创建能够反映真实牙齿复杂外形和多层组织特性的牙体模型;(2)设计牙体不同组织与手术工具之间的力觉-视觉融合交互仿真技术,模拟牙体不同组织在手术工具的外力交互作用下变形乃至被切割的过程,通过力觉-视觉融合反馈逼真的手术感觉;(3)设计主动式智能学习训练方法和自动化性能评价,让实习医师能够同时从视觉和触觉两方面重现专业医师的手术过程,并自动比较评价差别;(4)并在上述基础上,搭建一个高逼真、高效率的牙科手术模拟训练平台,解决传统手术模拟训练系统难以实现“身临其境”的难题,提高学习效率,增强训练效果。该研究对于计算机辅助牙科手术训练方面具有重要的理论意义和研究价值。

结项摘要

目前国内外已开发出多款用于培训口腔医师诊疗操作技能的手术模拟系统,然而随着用户对模拟操作性能要求的提高,这些仿真系统普遍存在真实感弱、学习效率低、训练效果差等问题,已越来越无法满足医师的需求。因此,需要开发真实感更强、学习效率更高、训练效果更好的手术模拟训练平台来培训口腔医师的诊疗操作技能。项目从网格去噪、三维数据建模、力觉-视觉融合交互仿真以及力觉和智能学习训练方法和自动化评价方法建立高逼真虚拟牙科手术训练系统,提升系统的沉浸感和交互感,具体执行情况如下:.1.提出了一个级联法线滤波神经网络(称为CNF-Net),用于对测量表面进行几何感知的网格去噪。CNF-Net可以自动处理具有多尺度几何特征但被不同分布的噪声所破坏的网格。.2. 构建了多层虚拟牙齿模型。项目使用八叉树数据结构实现体数据的碰撞检测算法,基于口腔 CT 图像重建出牙体的面模型和体模型,用离体牙进行临床实验来获取与力觉反馈相关的参数,包括硬度、粘度、摩擦系数等,然后把这些参数赋予重建出来的牙体模型。该模型类似地反映具有多层的真实牙齿,每层具有不同的机械硬度。.3. 提出了一种新的基于脉冲动力学的交互式触觉去骨模型来模拟接触力,包括阻力和摩擦力,以模拟牙体不同组织与手术工具之间的力觉-视觉融合交互过程。设计了具有三个自由度的振动模型来模拟手术工具工作时产生的振动感,为手术仿真提供一个逼真、稳定的力觉反馈。.4. 提出了结合力反馈的智能学习训练方法与基于隐马尔科夫模型的性能评价方法。项目通过结合力反馈设备把专业医师手术过程中的力觉反馈信息也传授给实习医师,提高操作技能的学习效率,增强训练效果。项目建立用于评价实习医师和专业医师手术操作技能的隐马尔科夫模型以有效进行客观评价。.5. 搭建一个高逼真、高效率的牙科手术模拟训练系统,并利用该系统开展一些高难度、高风险的手术操作技能训练,提高了学习效率,增强了训练效果。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(3)
基于双调合距离的三维形状相似度计算方法
  • DOI:
    10.19678/j.issn.1000-3428.0052309
  • 发表时间:
    2019
  • 期刊:
    计算机工程
  • 影响因子:
    --
  • 作者:
    郑明明;林志毅
  • 通讯作者:
    林志毅
基于局部统计几何特征的人脸性别分类方法
  • DOI:
    10.16208/j.issn1000-7024.2019.10.035
  • 发表时间:
    2019
  • 期刊:
    计算机工程与设计
  • 影响因子:
    --
  • 作者:
    郑明明;林志毅
  • 通讯作者:
    林志毅
A cosparse analysis model with combined redundant systems for MRI reconstruction
用于 MRI 重建的联合冗余系统的稀疏分析模型
  • DOI:
    10.1002/mp.13931
  • 发表时间:
    2020
  • 期刊:
    Medical Physics
  • 影响因子:
    3.8
  • 作者:
    Luo Yu;Ling Jie;Gong Yi;Long Jinyi
  • 通讯作者:
    Long Jinyi
BGMSDDA: a bipartite graph diffusion algorithm with multiple similarity integration for drug-disease association prediction
BGMSDDA:一种用于药物-疾病关联预测的具有多重相似性积分的二分图扩散算法
  • DOI:
    10.1039/d1mo00237f
  • 发表时间:
    2021
  • 期刊:
    MOLECULAR OMICS
  • 影响因子:
    --
  • 作者:
    Xie Guobo;Li Jianming;Gu Guosheng;Sun Yuping;Lin Zhiyi;Zhu Yinting;Wang Weiming
  • 通讯作者:
    Wang Weiming
Non-local Low-rank Point Cloud Denoising for 3D Measurement Surfaces
3D 测量表面的非局部低秩点云去噪
  • DOI:
    10.1109/tim.2021.3139686
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Instrumentation and Measurement
  • 影响因子:
    5.6
  • 作者:
    Zhu Dingkun;Chen Honghua;Wang Weiming;Xie Haoran;Cheng Gary;Wei Mingqiang;Wang Jun;Wang Fu Lee
  • 通讯作者:
    Wang Fu Lee

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

网格曲面特征的稀疏性优化检测算法
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    计算机辅助设计与图形学学报
  • 影响因子:
    --
  • 作者:
    王伟明;刘秀平;杨周旺;刘利刚
  • 通讯作者:
    刘利刚
响应曲面法优化鲜地龙可溶性蛋白提取工艺
  • DOI:
    10.1371/journal.pone.0069257
  • 发表时间:
    2015
  • 期刊:
    中成药
  • 影响因子:
    --
  • 作者:
    何超;索绪斌;张涵;王伟明
  • 通讯作者:
    王伟明
梨果糖浓度近红外漫反射光谱检测的预处理方法研究
  • DOI:
    10.1080/08870446.2016.1204452
  • 发表时间:
    2013
  • 期刊:
    光谱学与光谱分析
  • 影响因子:
    --
  • 作者:
    王伟明;董大明;郑文刚;赵贤德;矫雷子;王明飞
  • 通讯作者:
    王明飞
多粒度不确定语言信息下的多阶段交互式群体评价方法
  • DOI:
    doi:10.3785/j.issn.1008-9497.2017.06.012
  • 发表时间:
    2017
  • 期刊:
    浙江大学学报(理学版)
  • 影响因子:
    --
  • 作者:
    张发明;王伟明
  • 通讯作者:
    王伟明
Sensor Fusion for Myoelectric Control Based on Deep Learning With Recurrent Convolutional Neural Networks
基于循环卷积神经网络深度学习的肌电控制传感器融合
  • DOI:
    10.1111/aor.13153
  • 发表时间:
    2018
  • 期刊:
    Artificial organs
  • 影响因子:
    2.4
  • 作者:
    王伟明;陈彪;夏鹏;胡洁;彭颖红
  • 通讯作者:
    彭颖红

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码