项目名称: 基于人工神经网络的牙本质瓷计算机配色研究

项目编号: No.81200805

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 医学二处

项目作者: 陈立

作者单位: 北京大学

项目金额: 23万元

中文摘要: 牙齿颜色的识别与再现是瓷修复体制作的关键性问题,比色板的改进和比色仪 器准确性的提高使临床选色更精确和客观,但技师制作修复体的过程仍然是主观过程,受多 种因素的影响。计算机配色的应用为上述问题提供了新的解决途径,以 Kubelka-Munk 理论为理论基础的传统计算机配色方法广泛应用于印染工业,但不完全适用于瓷修复体的配色,并且在应用中有大量复杂的矩阵计算,需进一步改进。基于瓷粉的成分与瓷块色度值之间为非线性关系,本研究将处理非线性问题的有效工具 BP 神经网络引入修复体的计算机配色中,通过配制不同成分牙本质瓷粉,制作瓷试件,测量其色度值,并通过实验确定神经网络结构,对神经网络进行训练、测试和改进,建立基于人工神经网络的牙本质瓷粉配色系统,实现牙本质瓷粉成分与试件色度值的映射模拟,以期进一步提高牙本质瓷粉的配色精度。为实现修复体更复杂的计算机配色做前瞻性研究,使修复体的制作更客观和精确。

中文关键词: 计算机配色;人工神经网络;颜色;牙本质瓷粉;

英文摘要: Matching the color of a natural tooth to a ceramic restoration is one of the most challenging aspects in esthetic prosthodontics. Although advances in shade guides and tooth color measurement devices have already made clinical shade selection more accurate and objective, layering the pocerlain is still a subjective process which is affected by many factors. To eliminate the subjective aspect of pocerlain layering, computer color matching has been introduced into dentistry. Computer color matching is based on Kubelka-Munk theory and has been widely used in dyeing and printing industry. But there were some problems when the theory was applied in color matching in dentistry. In fact, there was no linear correlation between percelain powder and color coordinates. In this study, we introduce Back Propagation Neural Network into the field of computer color matching in dentistry. Different proportion of dentin porcelain powders were mixed and fabricated into ceramic dics ,their color coordinates were measured, then BP neural network was used to establish the nonlinear correlation between the ingredient of the dentin porcelain and the color. The software program will be developed and trained to calculate the prescription of porcelain powder according to specific color coordinates, which will improve the color matching

英文关键词: Computer Color Matching;Artificial Neural Networks;Color;Dentine Porcelain;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
42+阅读 · 2021年9月7日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
【NeurIPS2020-北大】非凸优化裁剪算法的改进分析
专知会员服务
28+阅读 · 2020年10月11日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
119+阅读 · 2020年5月6日
DeepMind 的 AI 能指导人类的直觉吗?
InfoQ
2+阅读 · 2022年3月22日
DeepMind的AI能指导人类的直觉吗?
AI前线
0+阅读 · 2022年3月21日
一起看展 | 实验室电子显微镜下的妙想世界
中国科学院自动化研究所
0+阅读 · 2021年7月23日
深度学习的图像修复
AI研习社
22+阅读 · 2019年3月28日
【GAN货】用神经网络生成音乐
专知
13+阅读 · 2018年9月15日
在TensorFlow中对比两大生成模型:VAE与GAN
机器之心
12+阅读 · 2017年10月23日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
65+阅读 · 2021年6月18日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关资讯
DeepMind 的 AI 能指导人类的直觉吗?
InfoQ
2+阅读 · 2022年3月22日
DeepMind的AI能指导人类的直觉吗?
AI前线
0+阅读 · 2022年3月21日
一起看展 | 实验室电子显微镜下的妙想世界
中国科学院自动化研究所
0+阅读 · 2021年7月23日
深度学习的图像修复
AI研习社
22+阅读 · 2019年3月28日
【GAN货】用神经网络生成音乐
专知
13+阅读 · 2018年9月15日
在TensorFlow中对比两大生成模型:VAE与GAN
机器之心
12+阅读 · 2017年10月23日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员