数字化微笑设计在口腔美学修复中的应用进展〔1〕

王汐泠，武峰*，李风兰，姚蔚，石晶*

(1.山西医科大学口腔医学院口腔医院，山西 太原 030001；2.山西医科大学附属省人民医院，山西 太原 030012)

数字化微笑设计(DSD)是一种数字化的美学预告手段。在正式治疗开始前，使用数字设备进行虚拟微笑设计是最终达成理想修复美学效果的基础。美学预告技术是指最终修复治疗的美学效果可被预知和调整的技术，通过这一技术，医生、技师、患者得以在可视化的条件中进行治疗和沟通。美学预告技术包含了三级预告：一级预告为二维数字化微笑设计(2D-DSD)，二级预告为美学诊断蜡型(wax-up)，三级预告为口内诊断饰面(mock-up)。DSD运用数字化手段增强了修复的可预测性和可视性[1]。目前，常见的DSD软件和系统主要有DSD Hands On App，ADSD，CEREC，3shape，Planmeca和Exocad，其中多数软件和平台已实现三维数字化微笑设计(3D-DSD)，设计结果支持导出并兼容多种计算机辅助制造(CAD/CAM)系统，并整合DSD、口扫、面扫、锥形束计算机断层扫描(CBCT)及下颌运动的数据信息，融入虚拟治疗计划。本文从DSD的美学参数、DSD的软件和系统、2D-DSD和3D-DSD的工作流程以及发展趋势进行综述。

1 DSD的美学参数

牙科美学包含一个广泛的区域，即“美学区”。宏观美学是指面、唇、牙龈、牙齿的良好表现和它们之间的相互关系；微观美学是指牙齿的颜色、形态和比例。Alessandro等[2]将这种分类细分为宏观水平、中观水平和微观水平。宏观水平冠状位美学参数包含瞳孔连线、口角连线、面部中线、牙齿中线和下颌中线[2]；矢状位美学参数包含面型角、审美平面、H线、鼻唇角。中观水平的美学分析关注唇部、牙龈、牙齿及其位置关系，包含笑线、上颌中切牙显示量以及下唇曲线与上颌前牙切缘的关系。微观水平的美学分析指牙齿的大小和比例，包含牙齿的长宽比、上前牙宽度比、牙齿的形状和色泽以及表面解剖特征。目前，上前牙宽度比例的设计没有确定的标准。“牙齿美学重复比例”(RED)指从正面观察，从近到远上颌牙齿连续宽度比为定值，RED与身高和牙齿长度相匹配。Ward[3]介绍了如何通过确定的RED值和尖牙间宽度(ICW)值，计算上颌各个前牙宽度值以及如何以确定的ICW值和理想的中切牙高度(CIH)值计算RED及上颌各个前牙宽度值。然而，自然的美学能够被察觉却难以将其复制，尤其是面下1/3的区域。Bini[4]认为美学的真正目标应该是模仿自然。DSD是美学概念的整合，借助数字虚拟设计而达到不同美学水平之间和内部的协调。符合美学标准的微笑在多种美学参数的共同制约下形成，DSD可以向患者和技师同时呈现多种微笑设计的结果。

2 DSD的软件和系统

2.1 DSD App

2012年，Christian Coachman作为DSD的创始人，首次提出了DSD的概念。他创造了专业口腔美学体系服务产业及DSD App这一相关应用，目前该应用软件名为“DSD Hands On App”。通常，DSD需要拍摄患者静态照片作为美学分析的基础，但拍摄过程会出现拍摄角度误差、照片表情不自然、抓拍的技术难度较高等问题。理想的微笑来源于动态过程中的画面捕捉而非静态的照片，该应用提倡拍摄动态微笑视频，包含正面部、侧面部、12点钟位和前牙咬合4个DSD设计视频；面部访谈、近距离180°语音分析、口腔内功能和口腔内结构4个补充视频。在动态视频中分析特定时刻的面部表情非常重要。例如，休息位和微笑状态时上唇位置、牙龈显示量、笑线、上中切牙显示量等。除了传统的手工蜡型，DSD Hands On App可以外接设计软件，将2D-DSD设计转换为数字化wax-up和mock-up，最终的3D文件被输出至打印设备。DSD Hands On App与其他软件的兼容性促成了多学科项目的合作，如联合Invisalign，Ortho Analyzer，Nemo DSD Ortho，NemoCeph，Nemo DSDGuidedSurgery进行正畸、正颌、种植的虚拟规划。

2.2 ADSD

Bini[4]曾对ADSD这一意大利本土的DSD软件进行了详尽的介绍，他建议让患者佩戴有毫米和厘米刻度的“面部数据转移装置”，将拍摄实际测量数据与照片像素值精确匹配，对牙齿和牙龈进行更准确的测量。ADSD十分注重患者照片的采集质量，比如反映审美平面的照片和头部转向45°和90°的照片，同时强调拍摄动态视频作为补充。ADSD的DSD面部分析包含正面、侧面、面部形态决定因素、水平参考线、垂直参考线、面部比例和尺寸、鼻唇眼的比例和尺寸及审美平面；牙齿分析包含形状、轮廓、比例、颜色、表面解剖特征、牙齿的构成、牙齿的位置、邻接的位置、邻接的角度和牙齿倾斜度；唇齿分析包含唇部动态分析、笑线、切牙中线、齿颊间隙、微笑的宽度和咬合平面；牙龈分析包含形状、对称性、平行性、生物型、牙龈乳头和颜色；语音学分析作为唇齿分析的补充。ADSD是一款出色的视觉化医患沟通工具和美学分析软件，其里程碑般的重要意义在于与CAD/CAM系统兼容从而施行整形外科手术的虚拟规划。

2.3 Planmeca

Planmeca Romexis是世界上第一款将2D和3D成像以及完整的CAD/CAM工作流程结合到同一平台中的牙科软件。2015年，Planmeca Romexis Smile Design启用，作为Romexis独立免费模块，它无需购买额外的设备或软件即可运行。通过DSD改善了初次诊疗时医患沟通的效果。目前该软件最新版本是Romexis Smile Design 4.1。该应用需要分析的面部照片包括全牙列咬合影像和面部影像。首先选取标记点对准两张照片，在同一位置对两张照片进行匹配，调节透明度可透过图层观察不同状态的口面部影像，校准实际数值和像素值。Planmeca Romexis Smile Design的美学参数分析包含瞳孔连线、面部中线、牙齿中线偏差、下颌中线、笑线、下唇曲线、齿颊间隙、牙齿的大小、形状、表面解剖特征、色泽和上颌前牙切缘曲线，其他设计功能包括形状数据库、整体延展、平移、弯曲、旋转、单牙旋转、延展、重塑、镜像、隐藏、重置、透明度、比色、滴管、克隆刷。Planmeca Romexis Smile Design可生成美学分析报告，还可将2D-DSD结果导入其他CAD/CAM系统。

2.4 CEREC

Cerec Smile Design是集成于CEREC SW中的模块，目前软件最新版本为CEREC SW 5.2。Cerec Smile Design需导入一张正面微笑照片，通过16个面部特征点的标记，患者的正面微笑照被投射至软件内置的三维头像，在此基础上进行DSD和CAD/CAM的后续工作[5]，设计过程中可随时在牙列模型和面部的视图中切换。面部扫描数据需要特定的装置，成本较高。该简化程序的原理可能类似于3D密集脸部对齐(3DDFA)，是基于一种深度学习的算法将二维人脸图像重建三维人脸模型[6]。然而，CEREC SW是一个封闭的系统，一定程度上限制了其临床应用。

2.5 Exocad

2010年，Exocad创立了口腔CAD/CAM软件公司。2020年，Align Technology将其收购。Exocad致力于提供创新性的软件技术，开拓口腔数字化的可能性。Dental CAD针对不同临床需求提供了不同的数字化解决方案并相互兼容，是一款高度自由化的CAD/CAM软件。2019年，Exocad推出Smile Creator模块，导入的照片完成标志点对齐后，将转换为3D形状与牙列模型匹配，操作者从牙齿形态库中挑选合适的设计，使用简单的2D编辑工具编辑3D形状，在CAD/CAM设计过程可以从各个角度观察DSD的视图。这种创新性的2D/3D技术，将修复体可靠性的评估纳入美学预告阶段。作为Dental CAD平台的集成模块，Smile Creator是修复体设计和种植规划的美学辅助工具，也是诊疗过程中的医患沟通工具。

2.6 3Shape

2000年，Tais Clausen与Nikolaj Deichmann在丹麦哥本哈根合作创立3Shape，在很短的时间内迅速发展并占据行业领先地位。3shape是口腔3D扫描和口腔CAD/CAM的开发商和制造商，Trios Smile Design是3Shape的微笑设计模块，Trios Smile Design搭载Realview引擎，色彩逼真。新版本Trios Smile Design 21.2集合了自动测量尺寸和人工智能挑选牙齿形态的功能。3Shape系统开放性和兼容性较好，并支持数字化蜡型的设计和导出。

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内照片，获取二维影像信息(见图1-Ⅰa)。实行标准化的信息采集非常困难，Bini[4]建议拍摄使用单反相机、良好的照明系统和可重复的拍摄位置。Coachman等[7]认为，目前智能手机拍摄的图像质量虽然不如单反相机，但足以用于DSD，并提出用智能手机录制视频来捕捉动态微笑，改善静态微笑的不自然[8]。不同DSD软件和系统需按要求导入面部照片或口内照片[9]。其次，美学参数用于美学评估和指导微笑设计，这是DSD技术的核心(见图1-Ⅰb)。最后，根据DSD设计结果制作wax-up，并于患者口中制作mock-up(见图1-Ⅰc和图1-Ⅰd)。使用mock-up指导牙体预备比起直接进行牙体预备更加保守和谨慎。传统的mock-up利用硅橡胶翻制wax-up获得硅橡胶导板，该方法简便但材料不透明。牙科透明膜片由wax-up石膏模型压模制成，过程较复杂。

目前，不同DSD软件和系统的美学分析能力存在差异。Omar和Duarte[10]比较了可评估美学参数的8 种DSD软件，其中美学参数包括口角连线、瞳孔连线、面部中线、微笑的范围、牙齿中线偏差、下颌中线、水平比例、垂直比例、面型角、鼻唇角、审美平面、H-线、笑线、下唇曲线、齿颊间隙、牙齿的大小、形状修改、表面解剖特征、色泽、上颌前牙切缘曲线共20 个，结果显示Photoshop CS6可以分析全部20 个美学参数，Keynote不能刻画精细的牙齿表面解剖特征，ADSD具有较高水平的美学分析能力，但不能分析审美平面和H-线，其余软件CEREC SW，DSD App，Smile Designer Pro，VisagiSMile，Planmeca Romexis Smile Design缺少7个以上的美学参数。遗漏一个或多个美学参数的分析，可能会导致修复体美学效果欠缺。Photoshop，Keynote，PowerPoint等软件不是口腔专业设计软件，可提供全面的美学分析，但在易用性和临床适用性方面存在缺陷。

Ⅰ为2D-DSD流程，Ⅱ为3D-DSD流程

3.2 3D-DSD的工作流程

3D-DSD的突破不仅在于临床信息采集的数字化，还包括CAD/CAM和3D打印wax-up和mock-up后续模型制造方式的转变。与2D-DSD的工作流程类似，首先拍摄患者的面部和口内照片，口内扫描获取牙列的3D模型(见图1-Ⅱa)。其次，在3D模型和2D照片上进行DSD美学分析(见图1-Ⅱb)，数字化wax-up和mock-up的设计过程在CAD/CAM技工端或椅旁进行(见图1-Ⅱc、图1-Ⅱe)，建立在DSD美学分析的基础之上。最终，wax-up和mock-up由3D打印机或CAD/CAM研磨仪加工完成[11]。2016年，Cattoni等[12]借助3D-DSS完成了2D-DSD到3D-DSD的转化并与其他CAD/CAM系统兼容，导出DSD设计结果。2018年，Revilla-León等[13]在3Shape的CAD/CAM系统下实现了结合DSD的全数字化修复流程。2020年，Coachman等[7]介绍了新版本DSD App，开创了3D-DSD椅旁工作流程并支持DSD结果的外部CAD/CAM导出。口内mock-up是患者预览美学修复的结果，确保了最终修复的成功(见图1-Ⅱd)，通过CAD/CAM直接打印或切削mock-up，可以最大程度地减少误差并缩短工作时间。2019年，Cattoni等[14]研究比较切削mock-up与传统模制mock-up的精确度，结果表明全数字流程切削的mock-up更准确。2020年，Lo Giudice等[15]比较全数字化流程切削mock-up和3D打印mock-up的精确度，结果表明3D打印mock-up与原始wax-up的3D文件匹配度更高，然而目前研究样本量较小，仍需要对大样本量以及不同的切削和3D打印设备进一步进行体内或体外研究。在3D-DSD的辅助下，医生在正式治疗前完成美学修复的三级预告，若患者满意则在mock-up上进行牙体预备，获取数字化印模，在CAD/CAM中复制DSD结果至最终修复体。

4 融合DSD的虚拟治疗计划

对于美学修复的病例，制订综合治疗计划的前提是对患者进行全面的诊断。在正式治疗之前，一个详尽的虚拟治疗计划得益于“虚拟病人”的建立，即将DSD、口内扫描、面部扫描、CBCT、下颌运动的数据信息导入软件并重叠，将不同的医学数据整合为一体。其中，不同模态的数据经过计算机和医学图像配准处理，使其内外部特征在空间坐标上相匹配，从而得到一种全新的、更全面的融合影像的过程为多模态数据融合。适当的多模态数据融合可以最大限度地提取各影像中的有用信息，为诊断和治疗提供更多线索[16]。

总之，创建一个“虚拟病人”包含两个重要步骤：首先是信息的采集，其次是信息的重叠过程[17]。完整的信息采集覆盖了包含牙列在内的颌面部骨骼及面部软组织[18]。DSD信息包含面部二维图像和视频信息，牙列信息可由传统石膏模型进行数字化得到，也可来自口内扫描，颌面部软硬组织则来自CBCT扫描，更为逼真的面部软组织颜色和纹理需要特定的三维面部采集系统。CBCT文件存储格式为医学数字成像和通信(DICOM)，而常见的3D模型格式包括多边形档案(PLY)、立体光刻(STL)、OB等。此前Xin等[19]，Naudi等[20]，Wang等[21]的研究中曾详细描述DICOM文件经三维重建导出3D模型的成功经验，对于缺乏DICOM处理模块的系统和软件，这是一种有效的信息匹配前的准备工作。国内外的研究者对创建“虚拟病人”进行了不同程度的探索。2021年，Sun等[18]通过口扫、面扫、数字面弓转移、数字交叉上颌架创建了一个三维“虚拟病人”，并结合DSD设计最终修复体，虚拟治疗计划从美学和功能方面共同提高了治疗的成功率。目前，评估“虚拟病人”准确性的文献有限且不同软件的系统和平台所创建的“虚拟病人”在美学效果上存在差异[17]。而未来的研究可能集中在实时动态捕捉的4D“虚拟病人”以及数据采集的同步性以提高“虚拟病人”的准确度[22]。