一种密集代表性牙齿标志和牙齿轴的检测网络模型制造技术

本发明专利技术公开了一种密集代表性牙齿标志和牙齿轴的检测网络模型，所述的网络模型包括数据处理模块和网络体系模块；据处理模块可以利用不同的标志和轴覆盖不同的牙齿，由专业牙医进行正畸治疗；所述的网络体系模块包括一个多尺度潜在特征提取模块和特征增强模块，所述的特征增强模块包括两个分别用于牙齿轴和标志检测的子网络；可以分别输出牙齿地标和牙齿轴结果；此外，我们采用了一个增强模块，将空间坐标、输入点的法线和提取的潜在特征串联，以进一步提高预测结果。本发明专利技术的方法实现了对密集代表性牙齿标志和牙齿轴的检测，与现有技术的人工估测的方法相比该方法对牙齿分割更加准确和稳健。确和稳健。确和稳健。

【技术实现步骤摘要】
一种密集代表性牙齿标志和牙齿轴的检测网络模型


[0001]本专利技术属于医学图像处理领域，具体涉及一种密集代表性牙齿标志和牙齿轴的检测网络模型。

技术介绍

[0002]人工智能(AI)技术越来越多地用于数字正畸，由于单个牙齿之间和不同类型牙齿之间的较大差异，使得自动准确地检测牙齿标志和轴线成为一个挑战。
[0003]现有技术中已有的深度学习方法仅限于检测具有独特几何形状的标志(例如，尖点)，这些标志不足以定义正常咬合，因此对于正畸治疗远不实用。这些已有的方法应用于检测牙齿标志和轴的特定任务时不够准确，因此急需要开发一种方法来更加准确可靠地帮助临床医生解释和测量牙槽骨水平。

技术实现思路

[0004]本专利技术提供了一种密集代表性牙齿标志和牙齿轴的检测网络模型，以解决现有技术中临床医生可能根据个人经验和知识有不同的解释、准确率得不到保证的问题，为解决该问题，本专利技术的技术方案如下：
[0005]一种密集代表性牙齿标志和牙齿轴的检测网络模型，所述的网络模型包括数据处理模块和网络体系模块；
>[0006]所述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种密集代表性牙齿标志和牙齿轴的检测网络模型，其特征在于，所述的网络模型包括数据处理模块和网络体系模块；所述的数据处理模块是利用口内扫描数据和CBCT数据重建单个牙齿的3D模型的数据预处理模块，S1
‑
1、分别利用ToothNet和TSegNet分割牙齿和牙冠；S1
‑
2、应用刚性ICP配准，将两个表面之间的牙冠部分对齐，然后修剪并移除从CBCT获得的牙冠；S1
‑
3、在牙根和牙冠对齐的情况下通过使用screened poisson方法来完成和重建牙齿，获得了具有高精度牙冠和牙根信息的三维牙齿模型；对于数据预处理过程中的一些失败案例，手动删除它们，以确保后续齿标和轴检测过程的准确性；所述的网络体系模块包括一个多尺度潜在特征提取模块和特征增强模块，所述的特征增强模块包括两个分别用于牙齿轴和标志检测的子网络。2.根据权利要求1所述的所述的一种密集代表性牙齿标志和牙齿轴的检测网络模型，其特征在于，所述的多尺度潜在特征提取模块，包括以下过程：S2
‑
1、采用多尺度特征提取方案来捕获具有不同半径的局部信息；在此过程中，包括一个特征聚合模块，所述的特征聚合模块聚合了点云在局部和非局部空间中的特征；给定输入特征图F
in
，通过特征提取层L，由Softmax(L(F
in
)
×
L(F
in
)
T
)得到一个相邻矩阵Adj，所述的Adj中的每个元素表示F
in
中不同的逐点特征的相似性；由Adj
×
L(F
in
)计算新的特征图F
s
，捕获非局部形状信息；S2
‑
2、通过最远点采样即FPS策略获得具有逐点特征的子采样点云p
s
，并通过Adj
s
＝Index(Adj
‑
E)计算对应的邻接矩阵，其中E是单位矩阵。对于p
s
上的每个点，我们根据邻接矩阵Adj
s
每一行选择Top(k)点，以获得聚合特征F
adj
；所述的F
adj
是非局部特征；S2
‑
3、为了捕捉局部空间中的特征，对于p
s
上的每个点，我们采用Ball Query在半径r内搜索最近的k点，以获得聚合特征F
bq
；所述的F
bq
是局部特征；S2
‑
4、将子采样点云p
s
的原始特征F
ps
、非局部特征F
adj
和局部特征F
bq
通过公式(1)组合在一起进行最终预测，所述的公式1具体如下：其中MP是最大池化算子，MLP是多层感知器；S2
‑
5、在每个特征聚合模块之后，通过插值得到输入点云数量相同的层次特征，为了进一步捕捉点云的形状和上下文信息，在不同的尺度上应用交叉注意力层来提取多尺度特征，通过公式(2)定义如下：其中x，y是指层次特征，d
k
是增加稳定性的维数K；S2
‑
6、将提取...

【专利技术属性】
技术研发人员：王宏伟，齐素青，张超，张晶晶，边佳琦，
申请(专利权)人：河北省眼科医院，
类型：发明
国别省市：