Génération de maillage surfacique de dents par apprentissage profond

Lorsqu'une dent est abimée ou cariée, une couronne dentaire est habituellement conçue afin de restaurer la dent et de la protéger contre d'autres dommages. La génération de couronne dentaire implique la conception d'une forme 3D complexe. Cette forme comprend une surface externe visible une fois la couronne installée. En pratique, les techniciens dentaires utilisent des numériseurs intraoraux et des logiciels de conception assistée par ordinateur (CAD) pour réaliser cette tâche. Leur conception demande beaucoup de temps et d'expérience pour être bien réalisée, ce qui entraîne une grande variabilité dans la qualité des couronnes dentaires. Jusqu'à maintenant les conceptions de couronnes sont toujours faites manuellement. Une des hypothèses qui motive l'équipe de recherche est que la génération de couronne dentaire peut être automatisée grâce à l'apprentissage profond. Nous croyons que les modèles 3D utilisés par les techniciens peuvent servir à développer des algorithmes d'intelligence artificielle permettant d'aider les techniciens dentaires dans leur conception. L'objectif principal de ce mémoire est de compléter des maillages surfaciques de dents par apprentissage profond. Des modèles de dents partiels sont complétés grâce à un système. Le système a pour but de générer la partie manquante sous forme de maillage. L'étude de la complétion de dents guidera de futurs travaux sur la génération de couronnes dentaires. Dans ce mémoire, un premier article présente des complétions de parties de mâchoires. L'algorithme utilisé permet de générer plusieurs types de dents complètes sous forme de nuages de points. Des maillages surfaciques peuvent être obtenus en effectuant une reconstruction de surface à partir de ces nuages de points. Toutefois, cette reconstruction est difficile en raison du bruit présent dans les dents générées. Pour continuer, un second article présente des complétions de maillages de dent. Cet article comporte une nouvelle architecture de réseaux de neurones inspiré par les méthodes de déformations de maillages. Les complétions dans cet article sont effectuées pour un seul type de dent contrairement à l'article précédent. La solution présentée permet de déformer un gabarit afin d'obtenir directement des maillages de dents lisses avec détails.

Abstract

When a tooth is damaged or decayed, a dental crown is usually designed to restore the tooth and protect it from further damage. Dental crown generation involves the design of a complex 3D shape. This form includes an outer surface that is visible once the crown is installed. In practice, dental technicians use intraoral scanners and computer-aided design (CAD) software to perform this task. Their design requires a lot of time and experience to be done well, which leads to great variability in the quality of dental crowns.Until now crown designs are still done manually. One of the hypotheses that motivates the research team is that the generation of dental crowns can be automated thanks to deep learning. We believe that the 3D models used by technicians can be used to develop artificial intelligence algorithms to help dental technicians in their design. The main objective of this thesis is to complete surface meshes of teeth by deep learning. Partial tooth models are completed using a system. The system aims to generate the missing part in the form of a mesh. The study of tooth completion will guide future work on the generation of dental crowns. In this master, a first article presents completions of jaw parts. The algorithm used makes it possible to generate several types of complete teeth in the form of point clouds. Surface meshes can be obtained by performing a surface reconstruction from these point clouds. However, this reconstruction is difficult due to the noise present in the generated teeth. To continue, a second article presents tooth mesh completions. This paper features a new neural network architecture inspired by mesh deformation methods. The completions in this article are performed for a single type of tooth unlike the previous article. The presented solution makes it possible to deform a template to directly obtain meshes of smooth teeth with details.