Vollautomatische Extraktion der Präparationsgrenze für zahnärztliche Restaurationen aus 3D-Messdaten von Kiefermodellen

  • Volker Ahlers
  • Paul Weigl
  • Hartmut Schachtzabel
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Die CAD/CAM-basierte Herstellung von Zahnersatz ermöglicht die effiziente Verarbeitung hochwertiger keramischer Materialien; sie basiert auf 3D-Messdaten der präparierten Kiefersituation. Die vorliegende Arbeit beschreibt ein Verfahren zur vollautomatischen Extraktion der Präparationsgrenze (der unteren Grenzlinie zwischen Zahnersatz und präpariertem Zahnstumpf). Das Verfahren kombiniert mehrere Algorithmen zur Konturfindung und nutzt einen Klassifikator, um aus den verschiedenen Ergebnissen die korrekte Präparationsgrenze zu bestimmen. Da sich die Algorithmen stark voneinander unterscheiden, z. B. kontur- oder flächenbasiert sind, wird eine hohe Erfolgsrate für die verschiedensten Arten von Präparationen erzielt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. 1.
    Mehl A, Hickel R. Current State of Development and Perspectives of Machine-based Production Methods for Dental Restorations. Int J Comput Dent 1999;2:9–35.Google Scholar
  2. 2.
    van der Zel JM. Heutige CAD/CAM-Systeme im Vergleich. Quintessenz Zahntech 1999;25:193–204.Google Scholar
  3. 3.
    Neugebauer PJ. Interactive Segmentation of Dentistry Range Images in CIM Systems for the Construction of Ceramic Inlays using Edge Tracing. In: Procs CAR. Springer, Berlin; 1995. p. 969–976.Google Scholar
  4. 4.
    Lehmann TM, Oberschelp W, Pelikan E, Repges R. Bildverarbeitung für die Medizin. Springer, Berlin; 1997.Google Scholar
  5. 5.
    Rückert D. Segmentation and Tracking in Cardiovascular MR Images Using Geometrically Deformable Models and Templates. Ph.D. thesis. Imperial College London; 1997.Google Scholar
  6. 6.
    Beller M, Stotzka R, Gemmeke H. Merkmalsgesteuerte Segmentierung in der medizinischen Mustererkennung. In: Procs BVM. Springer, Berlin; 2004. p. 184–188.Google Scholar
  7. 7.
    Quinlan JR. C4.5. Programs for Machine Learning. Morgan Kaufmann, San Mateo; 1993.Google Scholar
  8. 8.
    Duda RO, Hart PE, Stork DG. Pattern Classification. 2nd ed. Wiley, New York; 2001.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2005

Authors and Affiliations

  • Volker Ahlers
    • 1
  • Paul Weigl
    • 1
  • Hartmut Schachtzabel
    • 2
  1. 1.Poliklinik für Zahnärztliche ProthetikKlinikum der J.W. Goethe-UniversitätFrankfurt am Main
  2. 2.Institut für MathematikUniversität PotsdamPotsdam

Personalised recommendations