一种基于深度学习的残缺牙齿修复信息获取方法技术

本发明专利技术公开了一种基于深度学习的残缺牙齿修复信息获取方法，其步骤包括：1)获取多个残缺牙齿的三维扫描数据，将所述三维扫描数据的格式转换为点云格式，得到点云数据；2)对每一牙齿对应的所述点云数据进行残缺部分与补全部分的类别信息标注，得到一训练样本；3)利用所述训练样本对残缺牙齿点云补全网络模型进行训练；4)将待修复牙齿的三维扫描数据转换为点云格式并输入训练后的残缺牙齿点云补全网络模型，得到该待修复牙齿的补全信息。本发明专利技术极大的增加了生成修补部分的精度，使网络生成的修补部分更加贴合实际的应用场景，能够给与更具应用价值的参考。与更具应用价值的参考。与更具应用价值的参考。

【技术实现步骤摘要】
一种基于深度学习的残缺牙齿修复信息获取方法


[0001]本专利技术属于计算机视觉领域，特别是点云数据补全领域以及医学牙齿补全
，具体涉及一种基于深度学习的残缺牙齿修复信息获取方法及系统。

技术介绍

[0002]牙齿的损坏与缺失属于口腔多发疾病，对于牙齿损坏与缺失的患者不仅会影响到日常的进食也对面部的美观起到不同程度的影响，危害患者的身心健康。随着牙齿种植技术以及牙齿修复材料的发展进步，口腔种植手术已成为目前临床治疗牙齿缺失常用方式。如果对于牙齿缺失的位置、深度、方向的选择存在误差可导致口腔中重要组织解剖结构破坏，并会引起多种并发症，进而对后期种植效果产生不利影响。
[0003]传统的牙齿修复需要用专业材料将牙齿缺失部分进行模型制作，这不仅会耗费材料且耗时较长。

技术实现思路

[0004]本专利技术的目的针对现有牙齿修复方法耗时且耗材成本高等问题，提供一种基于深度学习的残缺牙齿修复信息获取方法及系统。本专利技术利用三维扫描技术获取牙齿的残缺扫描图，用深度学习进行模型训练并修复残缺牙齿，这不仅在精准度、操作术野、固位装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的残缺牙齿修复信息获取方法，其步骤包括：1)获取多个残缺牙齿的三维扫描数据，将所述三维扫描数据的格式转换为点云格式，得到点云数据；2)对每一牙齿对应的所述点云数据进行残缺部分与补全部分的类别信息标注，得到一训练样本；3)利用所述训练样本对残缺牙齿点云补全网络模型进行训练；4)将待修复牙齿的三维扫描数据转换为点云格式并输入训练后的残缺牙齿点云补全网络模型，得到该待修复牙齿的补全信息。2.根据权利要求1所述的方法，其特征在于，对所述训练样本进行三个不同分辨率采样后得到三个采样数据，将该三个采样数据输入所述残缺牙齿点云补全网络模型；所述残缺牙齿点云补全网络模型包括编码器、解码器；其中，所述编码器包括三个特征提取器和一个多层感知机MLP；第i特征提取器对输入的第i个分辨率采样数据进行特征提取，并将三个特征提取器所提取特征进行拼接后输入多层感知机MLP，i＝1～3；多层感知机MLP将拼接的特征数据压缩得到一隐向量V，然后将该隐向量V通过全连接层传入解码器；解码器对该隐向量V进行分层采样，将每一层的采样结果依次通过全连接层与卷积层进行处理，根据各层的处理结果得到对应层的预测结果；根据所述预测结果得到所述训练样本的生成点云，并计算所述生成点云与对应真实点云之间的损失值，利用鉴别器判断所述生成点云与对应真实点云之间的差异；然后根据所述差异和损失值对所述残缺牙齿点云补全网络模型进行优化。3.根据权利要求2所述的方法，其特征在于，得到所述预测结果的方法为：所述解码器对该隐向量V进行分层采样，得到由高到低的三层采样结果：高分辨率采样结果、中分辨率采样结果和低分辨率采样结果；然后将低分辨率采样结果依次经全连接层与卷积层进行处理得到包含主要中心点的预测结果Y
primary
，将中分辨率采样结果依次经全连接层与卷积层进行处理所得结果预测结果与所述预测结果Y
primary
相加得到包含次要中心点的预测结果Y
secondary
，将高分辨率采样结果依次经全连接层与卷积层进行处理所得结果预测结果与所述预测结果Y
secondary
相加得到细节点云Y
detail
。4.根据权利要求3所述的方法，其特征在于，将所述细节点云Y
detail
作为所述生成点云，计算细节点云Y
detail
与真实点云之间的倒角距离，作为所述损失值。5.根据权利要求3所述的方法，其特征在于，所述损失函数为L＝λ
com
L
com
+λ
adv
L
adv

【专利技术属性】
技术研发人员：龙佳宁，朱庆猛，何灏，张智泓，梁健，张敬琨，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：