一种基于点云深度学习的可摘全口义齿的智能设计方法技术

本发明专利技术涉及计算机辅助设计算法领域，尤其涉及一种基于点云深度学习的可摘全口义齿的智能设计方法，首先利用标注软件标注无牙模型的固位网区域，进行三维点云分割的深度学习网络训练，然后使用训练的点云分割模型对新病例的固位网区域进行预测分割，随后通过主成分分析摆正模型方向，再通过提取固位网区域边界线和一系列计算机图形学操作，确定固位网和大连接体的边界样条曲线控制点，再对控制点进行排序，根据用户选择的不同方案，即可实现全口义齿支架的智能设计。本发明专利技术综合利用深度学习、计算机图形学中的各类算法，构成全口义齿支架智能设计方案，大幅度减少了可摘全口义齿支架的设计操作，实现了全口义齿支架的一键生成。实现了全口义齿支架的一键生成。实现了全口义齿支架的一键生成。

【技术实现步骤摘要】
一种基于点云深度学习的可摘全口义齿的智能设计方法


[0001]本专利技术涉及计算机辅助设计算法领域，尤其涉及一种基于点云深度学习的可摘全口义齿的智能设计方法。

技术介绍

[0002]可摘全口义齿是义齿支架设计中较为常见的一种，传统设计流程包括：扫描获取牙颌模型（三维模型由若干三角面片构成）、模型导入手动设计软件、交互式绘制样条曲线、由样条曲线生成固位网及大连接体等结构、最后导出设计好的支架三维模型。
[0003]现有义齿支架数字化设计方法能够满足数字化设计的要求，但在设计软件中仍然需要较多的手工交互设计操作，并且对于简单的全口义齿支架仍然需要复杂的交互流程，设计效率有很高的提升空间。且设计结果依赖于义齿支架设计师的经验，在义齿支架设计中，需繁杂的人工交互设计，迫切需要将此流程实现智能化和全自动化以大幅提高设计效率及设计统一性和标准性。

技术实现思路

[0004]本专利技术提供了一种基于点云深度学习的可摘全口义齿的智能设计方法，提供可摘全口义齿支架设计的全流程自动化、智能化，大幅度减少义齿支架设计软件中繁杂的人工交互设计操作。
[0005]为了实现本专利技术的目的，所采用的技术方案是：一种基于点云深度学习的可摘全口义齿的智能设计方法，包括如下步骤：
[0006]S1、三维扫描历史无牙牙颌模型，获得无牙模型数据，对固位网区域进行标注，将标注数据进行数据增强后作为训练集和验证集对点云分割网络进行训练获得训练好的网络；
[0007]S2、三维扫描新无牙牙颌模型，获得无牙模型数据，将新模型三维数据输入步骤S1训练的点云分割网络中，对新无牙牙颌模型的固位网区域进行预测分割，分割后的模型数据中，固位网区域的三角面片的标签被标为1，其余区域的三角面片的标签为0；
[0008]S3、对牙颌模型数据的点坐标进行主成分分析，能够获得三个向量代表三个方向，方差最小的方向就是牙颌模型的俯视方向，将牙颌模型旋转至第一主向量沿z轴，将牙颌模型中心平移至坐标系原点；
[0009]S4、提取标签为1的三角面片的顶点构成固位网点云数据，并对其进行三维重建，然后返回区域边缘的点索引及坐标，并按照Alphashape算法进行排序，生成一组有序的控制点，从而生成样条曲线；
[0010]S5，对固位网点云求取最小凸包，将此凸包投影至xoy平面，在平面上形成一个封闭图形，然后将该图形沿着z轴正负方向拉伸一段距离，构成三维柱状模型；
[0011]S6、构建支架，将三维柱状模型缩放并与牙颌模型求取相贯线，对相贯线进行降采样选取控制点，构成智能设计方法。
[0012]作为本专利技术的优化方案，三维点云分割网络的输入信息包括：三角面片的三个顶点的点坐标（3
×
3）、三角面片的法向量（1
×
3）、三角面片的中心点坐标（1
×
3）、三角面片的三个顶点的平均曲率（3
×
1），共18维信息。
[0013]作为本专利技术的优化方案，在步骤S1中，将标注数据训练集的固位网区域标签记为1，其余区域标签记为0。
[0014]作为本专利技术的优化方案，在步骤S3中：对牙颌模型数据的点坐标进行主成分分析计算俯视方向步骤包括：
[0015]S3
‑
1、计算三维点云数据的协方差矩阵；
[0016]S3
‑
2、对协方差矩阵进行特征分解，计算特征值和特征向量；
[0017]S3
‑
3、三个特征向量代表三个方向，方差最小的方向就是牙颌模型的俯视方向。
[0018]作为本专利技术的优化方案，在步骤S4中，按照Alphashape算法进行排序，具体步骤如下：
[0019]S4
‑
1、对固位网点云中的点进行Delaunay三角化，得到三角网格；
[0020]S4
‑
2、对三角网格进行AlphaShape计算，得到AlphaShape的边缘；
[0021]S4
‑
3、从任意一条边开始，递归地按照边缘连接的下一条边进行排序，直至遍历完整个AlphaShape的边缘。
[0022]作为本专利技术的优化方案，在步骤S5中，最小凸包采用Graham扫描法，步骤具体为：
[0023]S5
‑
1、在固位网点云中选择一个点作为起点；
[0024]S5
‑
2、将所有点按极角排序；
[0025]S5
‑
3、从排完序后的点集中按顺序选取每个点，如果这个点能构成凸包，则加入凸包，否则弹出上一个加入的点，直到当前点能构成凸包为止。
[0026]作为本专利技术的优化方案，在步骤S6中，构建全网支架，在求得固位网预测区域包围盒投影后，直接拉伸成柱状，与牙颌模型求取相贯线。
[0027]作为本专利技术的优化方案，在步骤S6中，构建固位网和大连接体融合支架，在求得固位网预测区域包围盒投影后，将封闭图形缩小至0.85倍，再拉伸成柱状与牙颌模型求取相贯线。
[0028]作为本专利技术的优化方案，求取相贯线的算法基于隐式表示法，步骤如下：
[0029]1）分别创建牙颌模型和三维柱状模型的隐式函数；
[0030]2）构建目标函数为两个隐式函数的差；
[0031]3）通过牛顿迭代法优化算法求解目标函数的最小值，求解对应的点就是相贯线上的点；
[0032]4）将所有解对应的点连接起来，得到相贯线。
[0033]本专利技术具有积极的效果：1）本专利技术通过构建无牙牙颌标注数据集，训练点云深度学习网络并获得权重，以用来预测新的无牙病例模型的固位网区域，后续通过PCA主成分分析获取方差最小的方向即牙模俯视方向，通过构建Alphashape进行外围点排序，通过投影、缩放、拉伸凸包过滤凹点构成大连接体边界线；
[0034]2）本专利技术首先利用标注软件标注无牙模型的固位网区域，进行三维点云分割的深度学习网络训练，然后使用训练的点云分割模型对新病例的固位网区域进行预测分割，随后通过主成分分析摆正模型方向，再通过提取固位网区域边界线和一系列计算机图形学操
作，确定固位网和大连接体的边界样条曲线控制点，再对控制点进行排序，根据用户选择的不同方案，即可实现全口义齿支架的智能设计；
[0035]3）本专利技术提出的该方案能够直接应用于无牙牙颌的可摘全口义齿支架的全自动智能设计，大幅度减少现有设计流程的交互操作，能够大幅提高义齿支架设计效率，改善设计不一致性；
[0036]4）本专利技术综合利用深度学习、计算机图形学中的各类算法，构成全口义齿支架智能设计方案，大幅度减少了可摘全口义齿支架的设计操作，实现了全口义齿支架的一键生成。
附图说明
[0037]下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0038]图1是本专利技术的流程图；
[0039]图2是本专利技术的标注数据的模型俯视图；
[0040]图3是本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云深度学习的可摘全口义齿的智能设计方法，其特征在于，包括如下步骤：S1、三维扫描历史无牙牙颌模型，获得无牙模型数据，对固位网区域进行标注，将标注数据进行数据增强后作为训练集和验证集对点云分割网络进行训练获得训练好的网络；S2、三维扫描新无牙牙颌模型，获得无牙模型数据，将新模型三维数据输入步骤S1训练的点云分割网络中，对新无牙牙颌模型的固位网区域进行预测分割，分割后的模型数据中，固位网区域的三角面片的标签被标为1，其余区域的三角面片的标签为0；S3、对牙颌模型数据的点坐标进行主成分分析，能够获得三个向量代表三个方向，方差最小的方向就是牙颌模型的俯视方向，将牙颌模型旋转至第一主向量沿z轴，将牙颌模型中心平移至坐标系原点；S4、提取标签为1的三角面片的顶点构成固位网点云数据，并对其进行三维重建，然后返回区域边缘的点索引及坐标，并按照Alphashape算法进行排序，生成一组有序的控制点，从而生成样条曲线；S5、对固位网点云求取最小凸包，将此凸包投影至xoy平面，在平面上形成一个封闭图形，然后将该图形沿着z轴正负方向拉伸一段距离，构成三维柱状模型；S6、构建支架，将三维柱状模型缩放并与牙颌模型求取相贯线，对相贯线进行降采样选取控制点，构成智能设计方法。2.根据权利要求1所述的一种基于点云深度学习的可摘全口义齿的智能设计方法，其特征在于：所述三维点云分割网络的输入信息包括：三角面片的三个顶点的点坐标、三角面片的法向量、三角面片的中心点坐标、三角面片的三个顶点的平均曲率。3.根据权利要求2所述的一种基于点云深度学习的可摘全口义齿的智能设计方法，其特征在于：在步骤S1中，将标注数据训练集的固位网区域标签记为1，其余区域标签记为0。4.根据权利要求1所述的一种基于点云深度学习的可摘全口义齿的智能设计方法，其特征在于：在步骤S3中：对牙颌模型数据的点坐标进行主成分分析计算俯视方向步骤包括：S3
‑
1、计算三维点云数据的协方差矩阵；S3
‑
2、对协方差矩阵进行特征分解，计算特征值和特征向量；S3
...

【专利技术属性】
技术研发人员：王昕禹，王志涛，
申请(专利权)人：南京铖联激光科技有限公司，
类型：发明
国别省市：