【技术实现步骤摘要】
预测模型的生成方法、装置,侧貌预测方法及电子设备
本申请涉及图像处理
,具体而言,涉及一种预测模型的生成方法、装置,侧貌预测方法及电子设备。
技术介绍
随着生活水平的提高,大众对容貌的关注度越来越高。牙齿位置与面部特征关系密切,人脸上下嘴唇位置对面部侧貌美观程度影响较大(如图1所示),而改善面部侧貌美观是很多牙齿矫正患者的主要诉求,因此,通过牙齿矫正排齐牙列,改善患者软组织侧貌,可明显改善面部侧貌效果。实际中,患者希望在牙齿矫正前就能看到矫正后的面部侧貌改善效果。为此,先后有多种面部侧貌预测方法被提出,比如基于软硬组织改变比率,采用多元回归的统计学方法预测侧貌轮廓线。又比如基于人脸三维面部数字化模型预测侧貌;采用机器学习预测正畸治疗对侧貌的改善效果。但是上述方式在侧貌预测上,均是根据正常人群软硬组织平均值来制定矫治目标,对面部侧貌改善的预测主要取决主观经验及审美水平,缺乏客观精确和定量的描述。
技术实现思路
本申请实施例的目的在于提供一种预测模型的生成方法、装置,侧貌预测方法及电子设备,以提 ...
【技术保护点】
1.一种预测模型的生成方法,其特征在于,所述预测模型用于对矫治后的特征图像进行预测,所述方法包括:/n获取训练样本数据;其中,所述训练样本数据包括矫治前特征图像及矫治后特征图像;所述矫治前特征图像包括矫治前的第一切牙的唇侧曲线、调整后的第一切牙的唇侧曲线及矫治前的第一唇轮廓曲线三者的位置偏移关系;所述矫治后特征图像包括矫治后的第一切牙的唇侧曲线与矫治后的第一唇轮廓曲线的位置偏移关系;/n基于所述训练样本数据对初始模型进行训练,得到所述预测模型。/n
【技术特征摘要】
1.一种预测模型的生成方法,其特征在于,所述预测模型用于对矫治后的特征图像进行预测,所述方法包括:
获取训练样本数据;其中,所述训练样本数据包括矫治前特征图像及矫治后特征图像;所述矫治前特征图像包括矫治前的第一切牙的唇侧曲线、调整后的第一切牙的唇侧曲线及矫治前的第一唇轮廓曲线三者的位置偏移关系;所述矫治后特征图像包括矫治后的第一切牙的唇侧曲线与矫治后的第一唇轮廓曲线的位置偏移关系;
基于所述训练样本数据对初始模型进行训练,得到所述预测模型。
2.根据权利要求1所述的方法,其特征在于,所述获取训练样本数据,包括:
获取患者的矫治前头颅图像;其中,所述矫治前头颅图像包括标记的所述矫治前的第一切牙的唇侧曲线、所述调整后的第一切牙的唇侧曲线及所述矫治前的第一唇轮廓曲线;
基于所述矫治前头颅图像,生成所述矫治前特征图像;
获取所述患者的矫治后头颅图像;其中,所述矫治后头颅图像包括标记的所述矫治后的第一切牙的唇侧曲线及所述矫治后的第一唇轮廓曲线;
基于所述矫治后头颅图像,生成所述矫治后特征图像。
3.根据权利要求2所述的方法,其特征在于,所述基于所述矫治前头颅图像,生成所述矫治前特征图像,包括:
基于所述矫治前头颅图像,生成六个偏移矩阵;其中,六个所述偏移矩阵分别对应三条曲线两两之间的X轴偏移量和Y轴偏移量;所述三条曲线为所述矫治前的第一切牙的唇侧曲线、所述调整后的第一切牙的唇侧曲线及所述矫治前的第一唇轮廓曲线;
基于六个所述偏移矩阵生成对应的六幅灰度图像;
将六幅所述灰度图像进行叠加,得到所述矫治前特征图像;
相应的,所述基于所述矫治后头颅图像,生成所述矫治后特征图像,包括:
基于所述矫治后头颅图像,生成两个偏移矩阵;其中,两个所述偏移矩阵分别对应两条曲线之间的X轴偏移量和Y轴偏移量;所述两条曲线为所述矫治后的第一切牙的唇侧曲线及所述矫治后的第一唇轮廓曲线;
基于两个所述偏移矩阵生成对应的两幅灰度图像;
将两幅所述灰度图像进行叠加,得到所述矫治后特征图像。
4.根据权利要求3所述的方法,其特征在于,所述基于所述矫治前头颅图像,生成六个偏移矩阵,包括:
对所述矫治前的第一切牙的唇侧曲线、所述调整后的第一切牙的唇侧曲线及所述矫治前的第一唇轮廓曲线三条曲线进行均匀采样;其中,采样的个数均为N,N为正整数;
获取所述矫治前的第一切牙的唇侧曲线的N个点的坐标、所述调整后的第一切牙的唇侧曲线的N个点的坐标以及所述矫治前的第一唇轮廓曲线的N个点的坐标;
基于所述矫治前的第一切牙的唇侧曲线的N个点的坐标、所述调整后的第一切牙的唇侧曲线的N个点的坐标以及所述矫治前的第一唇轮廓曲线的N个点的坐标,生成六个所述偏移矩阵;
相应的,所述基于所述矫治后头颅图像,生成两个偏移矩阵,包括:
对所述矫治后的第一切牙的唇侧曲线及所述矫治后的第一唇轮廓曲线进行均匀采样;其中,采样的个数均为M,M为正整数;
获取所述矫治后的第一切牙的唇侧曲线的M个点的坐标及所述矫治后的第一唇轮...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。