牙齿三维数字模型的局部坐标系的设定方法技术

本申请的一方面提供了一种计算机执行的牙齿三维数字模型的局部坐标系的设定方法，其包括：获取世界坐标系下的表示第一牙齿的第一三维数字模型；对所述第一三维数字模型的进行特征提取；利用经训练的深度学习图神经网络，基于所述提取的特征，产生总变换矩阵；以及基于所述世界坐标系和所述总变换矩阵建立所述局部坐标系。局部坐标系。局部坐标系。

【技术实现步骤摘要】
牙齿三维数字模型的局部坐标系的设定方法


[0001]本申请总体上涉及牙齿三维数字模型的局部坐标系的设定方法。

技术介绍

[0002]随着计算机科学的不断发展，牙科专业人员越来越多地借助计算机技术来提高牙科诊疗的效率。
[0003]在借助计算机的牙科诊疗中，常用到经分割的牙列的三维数字模型(各牙齿之间相互独立，因此可以单独移动各牙齿)。为了便于处理和计算，可以建立一个世界坐标系并且为每一颗牙齿建立一个局部坐标系，对于每一颗牙齿，可以结合所述世界坐标系以及该牙齿的局部坐标系来表示该牙齿的位姿。在一些借助计算机的牙科诊疗中，例如，借助计算机的牙科正畸方案的制定，局部坐标系的设定非常关键。
[0004]当前，较常见的局部坐标系的设定方法要求较多人工介入，包括对牙齿表面的特征点进行手动标注，以及对产生的局部坐标系进行人工调整。
[0005]但这种方法存在以下几点不足之处：第一，每个技术人员对局部坐标系的理解可能不同，难以保证局部坐标系设定的一致性；第二，大量的特征点手动标注以及局部坐标系的手动调整需要消耗大量时间和人力，不利于提升效率和降低成本。
[0006]鉴于以上，有必要提供一种新的牙齿三维数字模型的局部坐标系设定方法。

技术实现思路

[0007]本申请的一方面提供了一种计算机执行的牙齿三维数字模型的局部坐标系的设定方法，其包括：获取世界坐标系下的表示第一牙齿的第一三维数字模型；对所述第一三维数字模型的进行特征提取；利用经训练的深度学习图神经网络，基于所述提取的特征，产生总变换矩阵；以及基于所述世界坐标系和所述总变换矩阵建立所述局部坐标系。
[0008]在一些实施方式中，所述的计算机执行的牙齿三维数字模型的局部坐标系的设定方法还可以包括：产生预变换矩阵，并将其应用于所述世界坐标系下的第一三维数字模型，得到经预变换的第一三维数字模型，其中，所述特征提取是对所述经预变换的第一三维数字模型进行；所述经训练的深度学习图神经网络，基于所述提取的特征，产生最终变换矩阵；以及将所述预变换矩阵和所述最终变换矩阵结合得到所述总变换矩阵，其中，所述最终变换矩阵所对应的变换小于所述总变换矩阵。
[0009]在一些实施方式中，所述预变换矩阵可以基于以下至少之一产生：(一)所述第一三维数字模型局部坐标系的原点；以及(二)多个用于训练所述深度学习图神经网络的样本的总变换矩阵的平均值。
[0010]在一些实施方式中，所述第一三维数字模型局部坐标系的原点可以是以下之一：所述第一三维数字模型的几何中心，以及所述第一三维数字模型的牙洞线中心。
[0011]在一些实施方式中，所述深度学习图神经网络的输出包括9维向量，其中，6维表示旋转向量，3维表示平移向量。
[0012]在一些实施方式中，所述特征包括：面片中心点、面片法向量以及面片各顶点到中心点的向量。
[0013]在一些实施方式中，训练所述深度学习图神经网络所采用的损失函数包括以下之一：预测的总变换矩阵与真值总变换矩阵之差；预测的总变换矩阵的旋转分量与真值总变换矩阵的旋转分量之差；预测的总变换矩阵的平移分量与真值总变换矩阵的平移分量之差；以及经预测的总变换矩阵和真值总变换矩阵变换的所述第一三维数字模型之差。
[0014]在一些实施方式中，所述的计算机执行的牙齿三维数字模型的局部坐标系的设定方法还可以包括：通过引入扰动，基于所述第一三维数字模型产生多个输入；对比所述多个输入对应的局部坐标系设定结果；以及若所述对比的结果大于预定值，则发出警报。
[0015]在一些实施方式中，所述的计算机执行的牙齿三维数字模型的局部坐标系的设定方法还可以包括：所述深度学习图神经网络包括Dropout层，所述深度学习图神经网络对于所述第一三维数字模型产生多个局部坐标系设定结果；对比所述多个局部坐标系设定结果；以及若所述对比的结果大于预定值，则发出警报。
[0016]在一些实施方式中，所述深度学习图神经网络是针对牙列中一颗预定的牙齿。
[0017]在一些实施方式中，所述深度学习图神经网络是动态图卷积神经网络。
附图说明
[0018]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。
[0019]图1为本申请一个实施例中计算机实施的牙齿三维数字模型的局部坐标系的设定方法的示意性流程图。
具体实施方式
[0020]以下的详细描述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是出于说明性之目的，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]本申请的一方面提供了一种计算机执行的利用深度学习图神经网络设定牙齿三维数字模型的局部坐标系的方法。
[0022]图神经网络包括基于频谱的图神经网络和基于空间的图神经网络，其中，基于频谱的图神经网络有Spectral CNN、Chebyshev Spectral CNN(ChebNet)、Adaptive Graph Convolutional Network(AGCN)等，基于空间的图神经网络有GraphSAGE、Graph Attention Network(GAT)等。
[0023]利用深度学习图神经网络预测局部坐标系，可以看成预测一个变换矩阵，通过将该变换矩阵应用于世界坐标系，得到局部坐标系。对于三维空间，这样的变换矩阵可以是一
个4x4的矩阵，它包括一个3x3的旋转矩阵和一个3x1的平移矩阵。
[0024]请参图1，为本申请一个实施例中的计算机执行的利用深度学习图神经网络设定牙齿三维数字模型的局部坐标系的方法100的示意性流程图。
[0025]在101中，获取第一三维数字模型。
[0026]第一三维数字模型是表示第一牙齿的三维数字模型，是单颗牙齿的三维数字模型。在一个实施例中，它可以是世界坐标系下的三维数字模型，即其各顶点的位置是以所述世界坐标系下的坐标值来表示。
[0027]在一个实施例中，可以如此定义世界坐标系，将垂直于咬合面的向量作为世界坐标系的Z轴，将两颗6号牙的牙尖连线作为世界坐标系X轴，然后，基于所述Z轴和X轴确定Y轴。可以理解，世界坐标系的定义方式并不限于以上例子，不同系统所产生的牙列三维数字模型的世界坐标系的定义方式可能不同，或者说不同系统所产生的牙列三维数字模型在世界坐标系下的位姿(包括位置和方向)可能不同。
[0028]获取患者牙齿的数字三维模型的方法有多种。在一个实施例中，可以直接扫描患者的牙颌本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机执行的牙齿三维数字模型的局部坐标系的设定方法，包括：获取世界坐标系下的表示第一牙齿的第一三维数字模型；对所述第一三维数字模型的进行特征提取；利用经训练的深度学习图神经网络，基于所述提取的特征，产生总变换矩阵；以及基于所述世界坐标系和所述总变换矩阵建立所述局部坐标系。2.如权利要求1所述的计算机执行的牙齿三维数字模型的局部坐标系的设定方法，其特征在于，它还包括：产生预变换矩阵，并将其应用于所述世界坐标系下的第一三维数字模型，得到经预变换的第一三维数字模型，其中，所述特征提取是对所述经预变换的第一三维数字模型进行；所述经训练的深度学习图神经网络，基于所述提取的特征，产生最终变换矩阵；以及将所述预变换矩阵和所述最终变换矩阵结合得到所述总变换矩阵，其中，所述最终变换矩阵所对应的变换小于所述总变换矩阵。3.如权利要求2所述的计算机执行的牙齿三维数字模型的局部坐标系的设定方法，其特征在于，所述预变换矩阵可以基于以下至少之一产生：(一)所述第一三维数字模型局部坐标系的原点；以及(二)多个用于训练所述深度学习图神经网络的样本的总变换矩阵的平均值。4.如权利要求3所述的计算机执行的牙齿三维数字模型的局部坐标系的设定方法，其特征在于，所述第一三维数字模型局部坐标系的原点可以是以下之一：所述第一三维数字模型的几何中心，以及所述第一三维数字模型的牙洞线中心。5.如权利要求1所述的计算机执行的牙齿三维数字模型的局部坐标系的设定方法，其特征在于，所述深度学习图神经网络的输出包括9维向量，其中，6维表示旋转向量，3维表示平移向量。6...

【专利技术属性】
技术研发人员：郝晋，
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：