數字化微笑設計在口腔美學修復中的應用進展〔1〕

王汐泠，武峰*，李風蘭，姚蔚，石晶*

(1.山西醫科大學口腔醫學院口腔醫院，山西 太原 030001；2.山西醫科大學附屬省人民醫院，山西 太原 030012)

數字化微笑設計(DSD)是一種數字化的美學預告手段。在正式治療開始前，使用數字設備進行虛擬微笑設計是最終達成理想修復美學效果的基礎。美學預告技術是指最終修復治療的美學效果可被預知和調整的技術，通過這一技術，醫生、技師、患者得以在可視化的條件中進行治療和溝通。美學預告技術包含了三級預告：一級預告為二維數字化微笑設計(2D-DSD)，二級預告為美學診斷蠟型(wax-up)，三級預告為口內診斷飾面(mock-up)。DSD運用數字化手段增強了修復的可預測性和可視性[1]。目前，常見的DSD軟件和系統主要有DSD Hands On App，ADSD，CEREC，3shape，Planmeca和Exocad，其中多數軟件和平臺已實現三維數字化微笑設計(3D-DSD)，設計結果支持導出并兼容多種計算機輔助制造(CAD/CAM)系統，并整合DSD、口掃、面掃、錐形束計算機斷層掃描(CBCT)及下頜運動的數據信息，融入虛擬治療計劃。本文從DSD的美學參數、DSD的軟件和系統、2D-DSD和3D-DSD的工作流程以及發展趨勢進行綜述。

1 DSD的美學參數

牙科美學包含一個廣泛的區域，即“美學區”。宏觀美學是指面、唇、牙齦、牙齒的良好表現和它們之間的相互關系；微觀美學是指牙齒的顏色、形態和比例。Alessandro等[2]將這種分類細分為宏觀水平、中觀水平和微觀水平。宏觀水平冠狀位美學參數包含瞳孔連線、口角連線、面部中線、牙齒中線和下頜中線[2]；矢狀位美學參數包含面型角、審美平面、H線、鼻唇角。中觀水平的美學分析關注唇部、牙齦、牙齒及其位置關系，包含笑線、上頜中切牙顯示量以及下唇曲線與上頜前牙切緣的關系。微觀水平的美學分析指牙齒的大小和比例，包含牙齒的長寬比、上前牙寬度比、牙齒的形狀和色澤以及表面解剖特征。目前，上前牙寬度比例的設計沒有確定的標準。“牙齒美學重復比例”(RED)指從正面觀察，從近到遠上頜牙齒連續寬度比為定值，RED與身高和牙齒長度相匹配。Ward[3]介紹了如何通過確定的RED值和尖牙間寬度(ICW)值，計算上頜各個前牙寬度值以及如何以確定的ICW值和理想的中切牙高度(CIH)值計算RED及上頜各個前牙寬度值。然而，自然的美學能夠被察覺卻難以將其復制，尤其是面下1/3的區域。Bini[4]認為美學的真正目標應該是模仿自然。DSD是美學概念的整合，借助數字虛擬設計而達到不同美學水平之間和內部的協調。符合美學標準的微笑在多種美學參數的共同制約下形成，DSD可以向患者和技師同時呈現多種微笑設計的結果。

2 DSD的軟件和系統

2.1 DSD App

2012年，Christian Coachman作為DSD的創始人，首次提出了DSD的概念。他創造了專業口腔美學體系服務產業及DSD App這一相關應用，目前該應用軟件名為“DSD Hands On App”。通常，DSD需要拍攝患者靜態照片作為美學分析的基礎，但拍攝過程會出現拍攝角度誤差、照片表情不自然、抓拍的技術難度較高等問題。理想的微笑來源于動態過程中的畫面捕捉而非靜態的照片，該應用提倡拍攝動態微笑視頻，包含正面部、側面部、12點鐘位和前牙咬合4個DSD設計視頻；面部訪談、近距離180°語音分析、口腔內功能和口腔內結構4個補充視頻。在動態視頻中分析特定時刻的面部表情非常重要。例如，休息位和微笑狀態時上唇位置、牙齦顯示量、笑線、上中切牙顯示量等。除了傳統的手工蠟型，DSD Hands On App可以外接設計軟件，將2D-DSD設計轉換為數字化wax-up和mock-up，最終的3D文件被輸出至打印設備。DSD Hands On App與其他軟件的兼容性促成了多學科項目的合作，如聯合Invisalign，Ortho Analyzer，Nemo DSD Ortho，NemoCeph，Nemo DSDGuidedSurgery進行正畸、正頜、種植的虛擬規劃。

2.2 ADSD

Bini[4]曾對ADSD這一意大利本土的DSD軟件進行了詳盡的介紹，他建議讓患者佩戴有毫米和厘米刻度的“面部數據轉移裝置”，將拍攝實際測量數據與照片像素值精確匹配，對牙齒和牙齦進行更準確的測量。ADSD十分注重患者照片的采集質量，比如反映審美平面的照片和頭部轉向45°和90°的照片，同時強調拍攝動態視頻作為補充。ADSD的DSD面部分析包含正面、側面、面部形態決定因素、水平參考線、垂直參考線、面部比例和尺寸、鼻唇眼的比例和尺寸及審美平面；牙齒分析包含形狀、輪廓、比例、顏色、表面解剖特征、牙齒的構成、牙齒的位置、鄰接的位置、鄰接的角度和牙齒傾斜度；唇齒分析包含唇部動態分析、笑線、切牙中線、齒頰間隙、微笑的寬度和咬合平面；牙齦分析包含形狀、對稱性、平行性、生物型、牙齦乳頭和顏色；語音學分析作為唇齒分析的補充。ADSD是一款出色的視覺化醫患溝通工具和美學分析軟件，其里程碑般的重要意義在于與CAD/CAM系統兼容從而施行整形外科手術的虛擬規劃。

2.3 Planmeca

Planmeca Romexis是世界上第一款將2D和3D成像以及完整的CAD/CAM工作流程結合到同一平臺中的牙科軟件。2015年，Planmeca Romexis Smile Design啟用，作為Romexis獨立免費模塊，它無需購買額外的設備或軟件即可運行。通過DSD改善了初次診療時醫患溝通的效果。目前該軟件最新版本是Romexis Smile Design 4.1。該應用需要分析的面部照片包括全牙列咬合影像和面部影像。首先選取標記點對準兩張照片，在同一位置對兩張照片進行匹配，調節透明度可透過圖層觀察不同狀態的口面部影像，校準實際數值和像素值。Planmeca Romexis Smile Design的美學參數分析包含瞳孔連線、面部中線、牙齒中線偏差、下頜中線、笑線、下唇曲線、齒頰間隙、牙齒的大小、形狀、表面解剖特征、色澤和上頜前牙切緣曲線，其他設計功能包括形狀數據庫、整體延展、平移、彎曲、旋轉、單牙旋轉、延展、重塑、鏡像、隱藏、重置、透明度、比色、滴管、克隆刷。Planmeca Romexis Smile Design可生成美學分析報告，還可將2D-DSD結果導入其他CAD/CAM系統。

2.4 CEREC

Cerec Smile Design是集成于CEREC SW中的模塊，目前軟件最新版本為CEREC SW 5.2。Cerec Smile Design需導入一張正面微笑照片，通過16個面部特征點的標記，患者的正面微笑照被投射至軟件內置的三維頭像，在此基礎上進行DSD和CAD/CAM的后續工作[5]，設計過程中可隨時在牙列模型和面部的視圖中切換。面部掃描數據需要特定的裝置，成本較高。該簡化程序的原理可能類似于3D密集臉部對齊(3DDFA)，是基于一種深度學習的算法將二維人臉圖像重建三維人臉模型[6]。然而，CEREC SW是一個封閉的系統，一定程度上限制了其臨床應用。

2.5 Exocad

2010年，Exocad創立了口腔CAD/CAM軟件公司。2020年，Align Technology將其收購。Exocad致力于提供創新性的軟件技術，開拓口腔數字化的可能性。Dental CAD針對不同臨床需求提供了不同的數字化解決方案并相互兼容，是一款高度自由化的CAD/CAM軟件。2019年，Exocad推出Smile Creator模塊，導入的照片完成標志點對齊后，將轉換為3D形狀與牙列模型匹配，操作者從牙齒形態庫中挑選合適的設計，使用簡單的2D編輯工具編輯3D形狀，在CAD/CAM設計過程可以從各個角度觀察DSD的視圖。這種創新性的2D/3D技術，將修復體可靠性的評估納入美學預告階段。作為Dental CAD平臺的集成模塊，Smile Creator是修復體設計和種植規劃的美學輔助工具，也是診療過程中的醫患溝通工具。

2.6 3Shape

2000年，Tais Clausen與Nikolaj Deichmann在丹麥哥本哈根合作創立3Shape，在很短的時間內迅速發展并占據行業領先地位。3shape是口腔3D掃描和口腔CAD/CAM的開發商和制造商，Trios Smile Design是3Shape的微笑設計模塊，Trios Smile Design搭載Realview引擎，色彩逼真。新版本Trios Smile Design 21.2集合了自動測量尺寸和人工智能挑選牙齒形態的功能。3Shape系統開放性和兼容性較好，并支持數字化蠟型的設計和導出。

3 DSD的工作流程

3.1 2D-DSD的工作流程

首先采集患者的面部及口內照片，獲取二維影像信息(見圖1-Ⅰa)。實行標準化的信息采集非常困難，Bini[4]建議拍攝使用單反相機、良好的照明系統和可重復的拍攝位置。Coachman等[7]認為，目前智能手機拍攝的圖像質量雖然不如單反相機，但足以用于DSD，并提出用智能手機錄制視頻來捕捉動態微笑，改善靜態微笑的不自然[8]。不同DSD軟件和系統需按要求導入面部照片或口內照片[9]。其次，美學參數用于美學評估和指導微笑設計，這是DSD技術的核心(見圖1-Ⅰb)。最后，根據DSD設計結果制作wax-up，并于患者口中制作mock-up(見圖1-Ⅰc和圖1-Ⅰd)。使用mock-up指導牙體預備比起直接進行牙體預備更加保守和謹慎。傳統的mock-up利用硅橡膠翻制wax-up獲得硅橡膠導板，該方法簡便但材料不透明。牙科透明膜片由wax-up石膏模型壓模制成，過程較復雜。

目前，不同DSD軟件和系統的美學分析能力存在差異。Omar和Duarte[10]比較了可評估美學參數的8 種DSD軟件，其中美學參數包括口角連線、瞳孔連線、面部中線、微笑的范圍、牙齒中線偏差、下頜中線、水平比例、垂直比例、面型角、鼻唇角、審美平面、H-線、笑線、下唇曲線、齒頰間隙、牙齒的大小、形狀修改、表面解剖特征、色澤、上頜前牙切緣曲線共20 個，結果顯示Photoshop CS6可以分析全部20 個美學參數，Keynote不能刻畫精細的牙齒表面解剖特征，ADSD具有較高水平的美學分析能力，但不能分析審美平面和H-線，其余軟件CEREC SW，DSD App，Smile Designer Pro，VisagiSMile，Planmeca Romexis Smile Design缺少7個以上的美學參數。遺漏一個或多個美學參數的分析，可能會導致修復體美學效果欠缺。Photoshop，Keynote，PowerPoint等軟件不是口腔專業設計軟件，可提供全面的美學分析，但在易用性和臨床適用性方面存在缺陷。

Ⅰ為2D-DSD流程，Ⅱ為3D-DSD流程

3.2 3D-DSD的工作流程

3D-DSD的突破不僅在于臨床信息采集的數字化，還包括CAD/CAM和3D打印wax-up和mock-up后續模型制造方式的轉變。與2D-DSD的工作流程類似，首先拍攝患者的面部和口內照片，口內掃描獲取牙列的3D模型(見圖1-Ⅱa)。其次，在3D模型和2D照片上進行DSD美學分析(見圖1-Ⅱb)，數字化wax-up和mock-up的設計過程在CAD/CAM技工端或椅旁進行(見圖1-Ⅱc、圖1-Ⅱe)，建立在DSD美學分析的基礎之上。最終，wax-up和mock-up由3D打印機或CAD/CAM研磨儀加工完成[11]。2016年，Cattoni等[12]借助3D-DSS完成了2D-DSD到3D-DSD的轉化并與其他CAD/CAM系統兼容，導出DSD設計結果。2018年，Revilla-León等[13]在3Shape的CAD/CAM系統下實現了結合DSD的全數字化修復流程。2020年，Coachman等[7]介紹了新版本DSD App，開創了3D-DSD椅旁工作流程并支持DSD結果的外部CAD/CAM導出。口內mock-up是患者預覽美學修復的結果，確保了最終修復的成功(見圖1-Ⅱd)，通過CAD/CAM直接打印或切削mock-up，可以最大程度地減少誤差并縮短工作時間。2019年，Cattoni等[14]研究比較切削mock-up與傳統模制mock-up的精確度，結果表明全數字流程切削的mock-up更準確。2020年，Lo Giudice等[15]比較全數字化流程切削mock-up和3D打印mock-up的精確度，結果表明3D打印mock-up與原始wax-up的3D文件匹配度更高，然而目前研究樣本量較小，仍需要對大樣本量以及不同的切削和3D打印設備進一步進行體內或體外研究。在3D-DSD的輔助下，醫生在正式治療前完成美學修復的三級預告，若患者滿意則在mock-up上進行牙體預備，獲取數字化印模，在CAD/CAM中復制DSD結果至最終修復體。

4 融合DSD的虛擬治療計劃

對于美學修復的病例，制訂綜合治療計劃的前提是對患者進行全面的診斷。在正式治療之前，一個詳盡的虛擬治療計劃得益于“虛擬病人”的建立，即將DSD、口內掃描、面部掃描、CBCT、下頜運動的數據信息導入軟件并重疊，將不同的醫學數據整合為一體。其中，不同模態的數據經過計算機和醫學圖像配準處理，使其內外部特征在空間坐標上相匹配，從而得到一種全新的、更全面的融合影像的過程為多模態數據融合。適當的多模態數據融合可以最大限度地提取各影像中的有用信息，為診斷和治療提供更多線索[16]。

總之，創建一個“虛擬病人”包含兩個重要步驟：首先是信息的采集，其次是信息的重疊過程[17]。完整的信息采集覆蓋了包含牙列在內的頜面部骨骼及面部軟組織[18]。DSD信息包含面部二維圖像和視頻信息，牙列信息可由傳統石膏模型進行數字化得到，也可來自口內掃描，頜面部軟硬組織則來自CBCT掃描，更為逼真的面部軟組織顏色和紋理需要特定的三維面部采集系統。CBCT文件存儲格式為醫學數字成像和通信(DICOM)，而常見的3D模型格式包括多邊形檔案(PLY)、立體光刻(STL)、OB等。此前Xin等[19]，Naudi等[20]，Wang等[21]的研究中曾詳細描述DICOM文件經三維重建導出3D模型的成功經驗，對于缺乏DICOM處理模塊的系統和軟件，這是一種有效的信息匹配前的準備工作。國內外的研究者對創建“虛擬病人”進行了不同程度的探索。2021年，Sun等[18]通過口掃、面掃、數字面弓轉移、數字交叉上頜架創建了一個三維“虛擬病人”，并結合DSD設計最終修復體，虛擬治療計劃從美學和功能方面共同提高了治療的成功率。目前，評估“虛擬病人”準確性的文獻有限且不同軟件的系統和平臺所創建的“虛擬病人”在美學效果上存在差異[17]。而未來的研究可能集中在實時動態捕捉的4D“虛擬病人”以及數據采集的同步性以提高“虛擬病人”的準確度[22]。