目前,随着计算机技术和数字化技术的发展及交叉应用,以数字化医疗为基础的精准医疗成为医疗行业的发展趋势。本文针对数字化口腔医疗中面形预测的需求和难点,面对治疗中最常出现的三种急需面形预测的情况,以牙齿及牙龈为驱动,研究新的排牙算法和面形预测方法,实现正畸矫治数字化排牙和对不同医疗方式和状况下的面形预测,研究成果能够为医生在口腔治疗中提供新的技术和手段。本文的主要研究内容及创新成果如下:(1)针对传统排牙方法需消耗大量时间、材料和人力的问题,及现有数字化排牙方法未考虑牙根与齿槽骨位置关系的缺陷,提出新的基于冠根信息的组合特征约束空间的完整牙齿模型排牙方法,在平衡组合约束空间下驱动牙齿进行自动化的个性化排牙,能够快速准确的向医生提供数字化排牙结果。(2)构造牙齿、牙龈和面部组成的随动系统,研究了基于体网格拉普拉斯变形技术和体网格质点弹簧模型的混合变形方法。采用基于曲率Hausdorff距离的模型配准方法及基于射线采样和曲面投影的作用域提取方法,通过约束Delaunay四面体剖分算法对面部及牙龈软组织模型进行体网格划分,分别利用体网格拉普拉斯变形技术对牙龈软组织模型进行变形和体网格质点弹簧模型对面部软组织模型进行变形,实现了牙齿位置变化后面部变形预测,帮助医生提前预知个别牙齿移动后对面部变形的影响。(3)结合口腔治疗中的数据样本信息,探索了基于统计学模型的面部变形预测方法。该方法采用基于曲率特征的曲率特征模板取代面部模型变形区域。分别通过BP神经网络模型和利用主成分分析技术对无牙颌模型及带牙颌模型的变化进行学习,构建力学特性复杂的皮肤组织弹性模型。根据预测输出构建变形后的曲率特征模板,利用拉普拉斯变形技术进行无牙颌模型变形,得到预测的带牙颌面部模型。解决了传统全口义齿设计过程中需要反复调整义齿的位恣来观察患者佩戴义齿后面部形态的变化的难题。(4)结合个性化的皮肤弹性特征,开展了基于ARAP群集算法及弹性特征的面部分区变形预测研究。根据面部肌肉解剖特征,利用线性回归模型进行解剖特征模板构建。对ARAP方法进行群集聚类优化,结合k-means算法设计基于面部肌肉分布的ARAP群集优化方法,利用优化后的ARAP-群集方法对无牙颌模型进行弹性变形仿真。构造权重空间,设计基于Gabor滤波器的弹性程度分类方法,使变形结果更加接近患者皮肤弹性,满足口腔治疗过程中需要对面部模型按照解剖结构进行分区调整变形的需求。(5)在上述研究成果的基础上,基于VC++和OpenGL函数库开发了排牙和面形预测(OralTreatSystem)软件原型系统,对口腔治疗前后面部及牙龈软组织变形进行预测,且对正畸矫治中牙齿移动过程进行仿真以辅助排牙方案的制定及托槽设计,其中部分功能已经在北京大学口腔医学院进行临床试用。