System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机,具体而言,涉及一种基于tensorrt的ai排牙方法、装置、计算机可读介质及电子设备。
技术介绍
1、临床中医生在给患者正畸之前,需要根据患者的口腔结构先在实体模型上进行牙齿的排列,从而告知患者牙齿正畸后的效果。使用在实体模型上排列的方式虽然能让患者直观的感受到排列牙齿后的效果,但中间排牙的过程却需要耗费大量精力,如果排出来的结果患者不满意,也可能会造成时间上的浪费。
2、传统的排牙方案存在以下问题:需要技师耗费大量时间手工进行排列;患者不能够及时的获取到排列的结果,需要花费大量时间等待;如果排列出的结果患者不满意,还可能会导致时间和资源的浪费。
技术实现思路
1、本申请的实施例提供了一种基于tensorrt的ai排牙方法、装置、计算机可读介质及电子设备,进而至少在一定程度上可以解决现有技术中排牙效率和精度较低的问题。
2、本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
3、根据本申请的一个方面,提供了一种基于tensorrt的ai排牙方法,包括:通过口腔扫描设备获取用户的口腔数据;对所述口腔数据进行分牙处理,得到独立的牙冠模型,并生成所述牙冠模型对应的虚拟牙根,所述牙冠模型和所述虚拟牙根构成牙齿模型;采用tanet网络训练ai排牙模型;基于训练得到的ai排牙模型对所述牙齿模型进行排牙处理,生成模型推理结果;将所述模型推理结果转化为三维图像,并进行展示。
4、在本申请中,基于前述
5、在本申请中,基于前述方案,所述获取患者口腔的三维数据之后,还包括:检查所述三维数据是否有缺失;在存在缺失时进行补齐,得到建模完整的三维数据。
6、在本申请中,基于前述方案,所述分别用测试集和训练集进行效果验证和模型更新,构成ai排牙模型之后,还包括:将ai排牙模型的前处理、推理和后处理的接口封装成pipline形式。
7、在本申请中,基于前述方案,所述分别用测试集和训练集进行效果验证和模型更新,构成ai排牙模型之后,还包括:将训练好的ai排牙模型转化为onnx模型,作为部署的中间件;如果部署设备为目标硬件,就将所述中间件转化为tensorrt引擎,否则就使用onnx模型进行推理部署。
8、在本申请中,基于前述方案,所述基于训练得到的ai排牙模型对所述牙齿模型进行排牙处理,生成模型推理结果,包括:检测装置是否具备目标硬件;如果具备目标硬件,则调用事先生成的排牙算法的tensorrt引擎,以通过目标硬件进行模型推理;如果不具备目标硬件,则调用onnx模型进行推理。
9、在本申请中,基于前述方案,所述将所述模型推理结果转化为三维图像,并进行展示之后,还包括:获取用户触发的展示指令;根据所述展示指令,调整所述三维图像的位置和展示方式。
10、根据本申请的一个方面,提供了一种基于tensorrt的ai排牙装置,包括:
11、获取单元,用于通过口腔扫描设备获取用户的口腔数据;
12、样本单元,用于对所述口腔数据进行分牙处理,得到独立的牙冠模型,并生成所述牙冠模型对应的虚拟牙根,所述牙冠模型和所述虚拟牙根构成牙齿模型;
13、训练单元,用于采用tanet网络训练ai排牙模型;
14、推理单元,用于基于训练得到的ai排牙模型对所述牙齿模型进行排牙处理,生成模型推理结果;
15、展示单元,用于将所述模型推理结果转化为三维图像,并进行展示。
16、在本申请中,基于前述方案,所述采用tanet网络训练ai排牙模型,包括:获取患者口腔的三维数据;通过正畸软件对畸形的牙齿数据进行排牙,将排牙后的结果进行保存,构成训练集、测试集和验证集;使用训练集进行基于tanet模型的训练;通过所述测试集和所述验证集进行效果验证和模型更新,构成ai排牙模型。
17、在本申请中,基于前述方案,所述获取患者口腔的三维数据之后,还包括:检查所述三维数据是否有缺失;在存在缺失时进行补齐,得到建模完整的三维数据。
18、在本申请中,基于前述方案,所述分别用测试集和训练集进行效果验证和模型更新,构成ai排牙模型之后,还包括:将ai排牙模型的前处理、推理和后处理的接口封装成pipline形式。
19、在本申请中,基于前述方案,所述分别用测试集和训练集进行效果验证和模型更新,构成ai排牙模型之后,还包括:将训练好的ai排牙模型转化为onnx模型,作为部署的中间件;如果部署设备为目标硬件,就将所述中间件转化为tensorrt引擎,否则就使用onnx模型进行推理部署。
20、在本申请中,基于前述方案,所述基于训练得到的ai排牙模型对所述牙齿模型进行排牙处理,生成模型推理结果,包括:检测装置是否具备目标硬件;如果具备目标硬件,则调用事先生成的排牙算法的tensorrt引擎,以通过目标硬件进行模型推理;如果不具备目标硬件,则调用onnx模型进行推理。
21、在本申请中,基于前述方案,所述将所述模型推理结果转化为三维图像,并进行展示之后,还包括:获取用户触发的展示指令;根据所述展示指令,调整所述三维图像的位置和展示方式。
22、根据本申请的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的基于tensorrt的ai排牙方法。
23、根据本申请的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的基于tensorrt的ai排牙方法。
24、根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的基于tensorrt的ai排牙方法。
25、在本申请的技术方案中,
26、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种基于TensorRT的AI排牙方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,采用TANet网络训练AI排牙模型,包括:
3.根据权利要求2所述的方法,其特征在于,获取患者口腔的三维数据之后,还包括:
4.根据权利要求2所述的方法,其特征在于,分别用测试集和训练集进行效果验证和模型更新,构成AI排牙模型之后,还包括:
5.根据权利要求2所述的方法,其特征在于,分别用测试集和训练集进行效果验证和模型更新,构成AI排牙模型之后,还包括:
6.根据权利要求5所述的方法,其特征在于,基于训练得到的AI排牙模型对所述牙齿模型进行排牙处理,生成模型推理结果,包括:
7.根据权利要求1所述的方法,其特征在于,将所述模型推理结果转化为三维图像,并进行展示之后,还包括:
8.一种基于TensorRT的AI排牙装置,其特征在于,包括:
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于TensorRT的A
10.一种电子设备,其特征在于,包括:
...【技术特征摘要】
1.一种基于tensorrt的ai排牙方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,采用tanet网络训练ai排牙模型,包括:
3.根据权利要求2所述的方法,其特征在于,获取患者口腔的三维数据之后,还包括:
4.根据权利要求2所述的方法,其特征在于,分别用测试集和训练集进行效果验证和模型更新,构成ai排牙模型之后,还包括:
5.根据权利要求2所述的方法,其特征在于,分别用测试集和训练集进行效果验证和模型更新,构成ai排牙模型之后,还包括:
6....
【专利技术属性】
技术研发人员:吴刚,陈冬灵,刘航,
申请(专利权)人:深圳云甲科技有限公司,
类型:发明
国别省市:
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。