【技术实现步骤摘要】
一种自动化正畸难度系数评估方法
[0001]本专利技术涉及计算机应用技术和计算机视觉领域，具体涉及一种自动化正畸难度系数评估方法。
技术介绍
[0002]错颌畸形是现代人最常见的口腔疾病之一。在错颌畸形中，对个体正畸治疗难度进行客观量化的评估是临床诊疗的基石。对正畸难度评估的推广，有利于进行分级诊疗的规划和决策，优化医疗资源的利用，并且可为临床审计活动提供指导。
[0003]目前国际上常用的正畸难度评估指数有正畸不调指数(DiscrepancyIndex，DI）、同行评估等级指数、治疗复杂性指数等。DI是由美国正畸医学委员会开发的评估错颌复杂性及治疗难度的可靠指标，且其独特地包含头测片中骨骼/牙齿结构的侧位测量信息。其中，由医生对牙弓石膏模型进行人工测量、评分是重要的评估内容。
[0004]然而，石膏模型的制取对于医生的临床经验要求较高，低年资口腔医师取模时常会出现取模不到位等情况。即使对于高年资医师，有时因材料的性能缺陷，也会出现小缺陷（如小气泡等），影响后续精准诊断分析。此外，取模的过程（尤其是多次取模）...
【技术保护点】
【技术特征摘要】
1.一种自动化正畸难度系数评估方法，其特征在于，包括：获取待评估口腔的牙齿模型，并对所述牙齿模型的数据进行优化处理生成第一牙齿数据；从所述第一牙齿数据提取细粒度的数据特征作为第二牙齿数据；对所述第二牙齿数据进行分割平滑处理形成第三牙齿数据；根据所述第三牙齿数据生成多个正畸难度评估参数评估正畸难度。2.根据权利要求1所述的一种自动化正畸难度系数评估方法，其特征在于，对所述牙齿模型的数据进行优化处理生成第一牙齿数据包括：将所述牙齿模型的数据分割为牙齿区域数据和牙龈区域数据；使用广度优先搜索扩展所述牙龈区域数据的边界获取牙齿牙龈边界区域数据；对所述牙齿区域数据、所述牙龈区域数据和所述牙齿牙龈边界区域数据进行加权计算简化所述牙齿模型的数据形成所述第一牙齿数据；其中所述牙齿牙龈边界区域数据、所述牙齿区域数据和所述牙龈区域数据对应的权重依次降低。3.根据权利要求2所述的一种自动化正畸难度系数评估方法，其特征在于，对所述牙齿模型的数据进行优化处理生成第一牙齿数据包括：根据下式对所述牙齿模型的数据的标签集进行优化：式中，F为牙齿模型的三角面的集合，l
i
为牙齿模型中三角面的标签，且l
i
∈[0,1]，0代表牙龈，1代表牙齿；E1为一元项；E2为成对项；λ为一元项和成对项的系数；所述一元项根据下式获取：式中，E
u1
为z轴坐标的概率能量；E
u2
为到最近锐点的测地距离的概率能量；E
u3
为到XY平面网格中心的欧氏距离的概率能量；α1、α2和α3为分别对应E
u1
、E
u2
和E
u3
的系数；其中：式中，x
i
为三角面i的的x轴坐标；y
i
为三角面i的的y轴坐标；z
i
为三角面i的的z轴坐标；L为所述牙齿模型x轴方向的轴对齐边界框；W为所述牙齿模型y轴方向的轴对齐边界框；H为所述牙齿模型z轴方向的轴对齐边界框；gd
i
为从第i个面到最近锐点的测地距离；gd
max
为所有gd
i
的最大值；x
mesh
为共享网格中心的x轴坐标；y
mesh
为共享网格中心的y轴坐标；z
min
为z
i
中的最小值；所述成对项根据下式获取：
式中，AD(α
ij
)为角距离，α
ij
为三角面i和三角面j的夹角，avg（AD）为所述角距离的平均值。4.根据权利要求1所述的一种自动化正畸难度系数评估方法，其特征在于，从所述第一牙齿数据提取细粒度的数据特征作为第二牙齿数据包括：从所述第一牙齿数据提取空间描述数据和结构描述数据；链接所述空间描述数据和所述结构描述数据形成特征数据；采用所述特征数据的局部几何上下文进行显式建模，并通过多尺度分层建模来搭建网络对数据进行训练形成多尺度分层模型；采用所述多尺度分层模型进行属于牙齿或牙龈的各三角面的概率预测为每个面生成标签和概率向量形成所述第二牙齿数据。5.根据权利要求1所述的一种自动化正畸难度系数评估方法，其特征在于，对所述第二牙齿数据进...
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。