牙颌三维数字模型的分割方法技术

本申请的一方面提供了一种牙颌三维数字模型的分割方法，包括：获取待分割牙颌三维数字模型；将所述待分割牙颌三维数字模型点云化获得点云；对所述点云进行采样，获得采样点；对所述采样点进行特征提取；利用经训练的DGCNN网络，基于所述提取的特征，对所述采样点进行分类；以及利用KNN算法，基于所述已分类的采样点，对所述点云中的其他点进行分类，其中，对一个点进行分类是把该点所代表的所述待分割牙颌三维数字模型的面片归类为某一颗牙齿或者牙龈。牙龈。牙龈。

【技术实现步骤摘要】
牙颌三维数字模型的分割方法


[0001]本申请总体上涉及牙颌三维数字模型的分割方法，尤其是涉及利用深度学习人工神经网络对牙颌三维数字模型进行分割的方法。

技术介绍

[0002]如今，牙科治疗越来越多地借助计算机技术，在很多情况下需要对扫描获得的包括牙列与至少部分牙龈的牙颌的三维数字模型进行分割，以把牙冠和牙龈分割开，以及把各牙冠分割开。
[0003]现有的半自动化牙颌三维数字模型分割方法通常包括以下步骤：首先，利用算法自动将牙龈从模型中剥离，然后，人工手动对每颗牙齿进行特征点标注，接着，在此基础上利用算法自动进行牙齿间的分割。在很多情况下，该类方法对牙龈的切割不够彻底，需要后期人为干预，效率较低。
[0004]由于牙颌三维数字模型的个体差异极大，现有的自动化算法很难在脱离人工更正的情况下取得符合生产标准的分割结果。此外，由于高精度的口扫牙颌三维数字模型具有大量面片，现有自动算法需要进行牙龈剥离、简化、特征计算、分割、映射、优化等操作才能得到最终的分割结果，其不仅对计算能力要求较高，且在同等情况下比半自动化方法更耗时。
[0005]鉴于以上，有必要提供一种新的牙颌三维数字模型的分割方法。

技术实现思路

[0006]本申请的一方面提供了一种牙颌三维数字模型的分割方法，包括：获取待分割牙颌三维数字模型；将所述待分割牙颌三维数字模型点云化获得点云；对所述点云进行采样，获得采样点；对所述采样点进行特征提取；利用经训练的DGCNN网络，基于所述提取的特征，对所述采样点进行分类；以及利用KNN算法，基于所述已分类的采样点，对所述点云中的其他点进行分类，其中，对一个点进行分类是把该点所代表的所述待分割牙颌三维数字模型的面片归类为某一颗牙齿或者牙龈。
[0007]在一些实施方式中，所述采样可以是均匀采样。
[0008]在一些实施方式中，所述的牙颌三维数字模型的分割方法还可以包括：将所述待分割牙颌三维数字模型定位至基准位，所述DGCNN网络对所述采样点的分类是基于定位至所述基准位的所述待分割牙颌三维数字模型。
[0009]在一些实施方式中，所述DGCNN网络可以是以多个定位于所述基准位的牙颌三维数字模型样本进行训练。
[0010]在一些实施方式中，所述的牙颌三维数字模型的分割方法还可以包括：利用ICP算法，通过将所述待分割牙颌三维数字模型与多个位于所述基准位的牙颌三维数字模型模版进行配准，以将所述待分割牙颌三维数字模型定位至所述基准位。
[0011]在一些实施方式中，所述DGCNN网络对每一所述采样点的分类是基于与其邻近的N
个点的特征，其中，20<N<30，且N为自然数。
[0012]在一些实施方式中，所述DGCNN网络中的边卷积模块可以设置三层卷积层。
[0013]在一些实施方式中，所述的牙颌三维数字模型的分割方法还可以包括：采用Graph-Cut算法对所述分类结果进行平滑处理，其中，所述Graph-Cut算法是基于最小化分类损失和几何损失的加权和，其中，所述分类损失是将当前点的分类平滑处理为其他分类的损失，所述几何损失是将当前点的分类平滑处理为相邻点的分类的损失，其中，牙齿和牙龈间的几何损失权重小于其他情况的几何损失权重。
[0014]在一些实施方式中，对每一所述采样点提取的特征可以包括：该采样点的坐标、该采样点所对应的面片的法向量以及自该采样点至对应的面片各顶点的向量。
[0015]在一些实施方式中，所述的牙颌三维数字模型的分割方法还可以包括：将所述采样点均匀地分为多个组，所述DGCNN网络对所述采样点的分类是分组进行。
附图说明
[0016]以下将结合附图及其详细描述对本申请的上述及其他特征作进一步说明。应当理解的是，这些附图仅示出了根据本申请的若干示例性的实施方式，因此不应被视为是对本申请保护范围的限制。除非特别指出，附图不必是成比例的，并且其中类似的标号表示类似的部件。
[0017]图1为本申请一个实施例中的牙颌三维数字模型分割方法的示意性流程图；
[0018]图2为本申请一个实施例中的DGCNN网络的示意性模块图；以及
[0019]图3为本申请一个实施例中的牙颌三维数字模型分割结果检测方法的示意性流程图。
具体实施方式
[0020]以下的详细描述中引用了构成本说明书一部分的附图。说明书和附图所提及的示意性实施方式仅仅出于是说明性之目的，并非意图限制本申请的保护范围。在本申请的启示下，本领域技术人员能够理解，可以采用许多其他的实施方式，并且可以对所描述实施方式做出各种改变，而不背离本申请的主旨和保护范围。应当理解的是，在此说明并图示的本申请的各个方面可以按照很多不同的配置来布置、替换、组合、分离和设计，这些不同配置都在本申请的保护范围之内。
[0021]为了提高牙颌三维数字模型的分割精度和效率，同时降低人为参与的程度，本申请的一方面提供了一种新的牙颌三维数字模型的分割方法。
[0022]请参图1，为本申请一个实施例中的牙颌三维数字模型分割方法100的示意性流程图。
[0023]在101中，获取待分割牙颌三维数字模型。
[0024]在一个实施例中，待分割牙颌三维数字模型可以是通过对患者口腔进行扫描(例如，利用激光口腔扫描设备进行扫描)而获得。在又一实施例中，待分割牙颌三维数字模型也可以是通过对患者的牙颌模型(例如，石膏模型)进行扫描而获得。
[0025]在一个实施例中，待分割牙颌三维数字模型由三角面片构成，高精度牙颌三维数字模型包括大量三角面片，例如，10万个以上，甚至15万个以上。
[0026]在103中，将所述待分割牙颌三维数字模型定位到基准位。
[0027]为了保证用于分割牙颌三维数字模型的深度学习人工神经网络的鲁棒性，在训练该人工神经网络时以及利用其对牙颌三维数字模型进行分割时，均把牙颌三维数字模型定位到一个预定义的基准位，该基准位包括方向和位置。
[0028]在一个实施例中，可以根据先验，分别为上、下牙颌选定多个具有代表性的参考牙颌三维数字模型，例如，5个参考牙颌三维数字模型，分别对应正常牙弓、短牙弓、长牙弓、宽牙弓以及窄牙弓。在本申请的启示下，可以理解，参考牙颌三维数字模型的选取并不限于以上例子，例如，还可以根据由Su-Jung Park、Richard Leesungbok、Jae-Won Song、Se Hun Chang、Suk-Won Lee以及Su-Jin Ahn发表于The journal of advanced prosthodontics,9(5):321
–
327,2017的《Analysis of Dimensions and Shapes of Maxillary and Mandibular Dental Arch in Korean Young Adults》，分别为上、下颌选取3个参考牙颌三维数字模型，即卵形、V形以及U形参考牙颌三维数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种牙颌三维数字模型的分割方法，包括：获取待分割牙颌三维数字模型；将所述待分割牙颌三维数字模型点云化获得点云；对所述点云进行采样，获得采样点；对所述采样点进行特征提取；利用经训练的DGCNN网络，基于所述提取的特征，对所述采样点进行分类；以及利用KNN算法，基于所述已分类的采样点，对所述点云中的其他点进行分类，其中，对一个点进行分类是把该点所代表的所述待分割牙颌三维数字模型的面片归类为某一颗牙齿或者牙龈。2.如权利要求1所述的牙颌三维数字模型的分割方法，其特征在于，所述采样是均匀采样。3.如权利要求1所述的牙颌三维数字模型的分割方法，其特征在于，它还包括：将所述待分割牙颌三维数字模型定位至基准位，所述DGCNN网络对所述采样点的分类是基于定位至所述基准位的所述待分割牙颌三维数字模型。4.如权利要求3所述的牙颌三维数字模型的分割方法，其特征在于，所述DGCNN网络是以多个定位于所述基准位的牙颌三维数字模型样本进行训练。5.如权利要求3所述的牙颌三维数字模型的分割方法，其特征在于，它还包括：利用ICP算法，通过将所述待分割牙颌三维数字模型与多个位于所述基准位的牙颌三维数字模型模版进行配准，以将所述待分割牙颌三维数字模型定位...

【专利技术属性】
技术研发人员：方可，
申请(专利权)人：宁波深莱医疗科技有限公司，
类型：发明
国别省市：