【技术实现步骤摘要】
本申请实施例涉及口腔临床正畸，特别涉及一种牙颌模型的建构方法、装置、电子设备及存储介质。
技术介绍
1、数字化正畸是结合现代口腔医学、计算机辅助三维诊断、个性化设计以及数字化成型技术形成的一类技术，其通过采集患者牙颌上软组织和硬组织的三维影像数据，构造数字化牙颌模型，并基于该数字化牙颌模型模拟牙齿牙龈的运动、设计矫治器实现。其中，为了更好地设计矫治器，通常需要准确地区分数字化牙颌模型上的各个牙齿的牙冠及牙龈，以便更精确地模拟牙齿牙龈的运动。
2、然而，牙颌模型构造过程中，为了保证牙冠、牙龈区分的准确度，要么需要引入人工参与，以根据多年积累的经验对牙颌模型上牙冠牙龈分割出错的位置进行修正，自动化程度不高，要么需要从多个参数维度对牙颌模型分析，也就是说需要处理大量的数据，尤其是采用机器学习时，其训练阶段需要对大量样本进行特征提取，如果样本量少，可能提取得到的特征不准确，如果样本量大，虽然有利于保证准确性，但提取及处理的过程中，处理数据量大，时间长，效率较低。
技术实现思路
1、本申请实施例的目的在于提供一种牙颌模型的建构方法、装置、电子设备及存储介质，使得在实现全自动建构牙颌模型的同时，提升了牙颌模型建构时牙冠牙龈区分结果的准确性和分牙效率。
2、为达到上述目的，本申请的实施例提供了一种牙颌模型的建构方法，包括：获取待分割的第一牙颌模型；对所述第一牙颌模型中的多个牙冠和牙龈进行分割，得到带牙龈线的第二牙颌模型；对所述第二牙颌模型上对应待优化牙冠的第一目标区域中各
3、为达到上述目的，本申请的实施例提供了一种牙颌模型的建构装置，包括：获取模块，用于获取待分割的第一牙颌模型；分割模块，用于对所述第一牙颌模型中的多个牙冠和牙龈进行分割，得到带牙龈线的第二牙颌模型；分类模块，用于对所述第二牙颌模型上对应待优化牙冠的第一目标区域中各元素进行分类，分别确定所述第一目标区域中各元素的分类结果，所述分类结果包括牙龈或牙冠，所述第一目标区域包括所述第二牙颌模型上距离所述牙龈线不超过预设距离的区域；更新模块，用于根据所述第一目标区域中各元素的分类结果对所述第二牙颌模型上所述待优化牙冠和牙龈数据进行更新，得到第三牙颌模型。
4、为达到上述目的，本申请的实施例提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一项所述的分牙方法，或者，执行如上任一项所述的牙齿矫治器制造方法。
5、为达到上述目的，本申请的实施例提供了一种计算机可读存储介质，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所述的牙颌模型的建构方法。
6、本申请实施例提供的牙颌模型的建构方法，获取待分割的第一牙颌模型后，将基于第一牙颌模型建构牙冠牙龈区分准确清晰的牙颌模型的过程分为两个阶段进行，第一阶段对第一牙颌模型中的多个牙冠和牙龈进行分割，得到带牙龈线的第二牙颌模型，第二阶段对第二牙颌模型上对应待优化牙冠的第一目标区域中各元素进行分类，分别确定第一目标区域中各元素的分类结果，以根据第一目标区域中各元素的分类结果对第二牙颌模型上待优化牙冠和牙龈数据进行更新。其中，由于分割牙冠和牙龈的过程中，分割错误较多区域通常位于牙冠牙龈分界线附近的区域，因此，包括第二牙颌模型上距离牙龈线不超过预设距离的区域的第一目标区域，实际是分割错误较多的区域。进而一方面，避免对第二牙颌模型上的所有元素进行更新优化，减少了需要处理的数据量，加快了建构效率，另一方面，第二阶段实际是对第一阶段进行牙冠和牙龈分割后容易出现分割错误或者分割错误较多的区域进行更新，也就是说，本实施例的牙颌模型的建构不是一次性实现，而是分为两个阶段，第一阶段建构初步的第二牙颌模型，并通过第二阶段对第一阶段的结果优化，得到最终的建构完成的第三牙颌模型，使得在保证最终结果准确度不变的情况下，这样各阶段可以不需要通过繁杂的数据处理过程或人工参与来提高分割的准确性，可以采用更加简洁高效的算法处理，在完全自动化实现牙颌模型建构的同时，不仅准确，且效率更高。
7、进一步地，所述对所述第二牙颌模型上对应待优化牙冠的第一目标区域中各元素进行分类，分别确定所述第一目标区域中各元素的分类结果，包括：基于训练好的第一神经网络模型对所述第一目标区域中各元素进行分类，得到对应的各所述第一目标区域中各元素的分类结果。基于神经网络模型实现分类，使得能够通过神经网络模型学习到的潜在表示对牙冠和牙龈进行更加准确的分类。
8、进一步地，所述基于训练好的第一神经网络模型对所述第一目标区域中各元素进行分类之前，包括：对所述第一目标区域中各元素进行特征提取，得到若干所述第一目标区域中各位置的第一目标特征向量，所述第一目标特征向量至少包括位置特征和曲率特征；所述基于训练好的第一神经网络模型对所述第一目标区域中各元素进行分类，包括：基于训练好的所述第一神经网络模型对各所述第一目标区域中各元素的所述第一目标特征向量进行处理，得到对应的各所述第一目标区域中各元素的分类结果。牙龈为紧贴于牙颈周围及邻近的牙槽骨上的结构，因此，真实牙龈线作为真实牙冠和真实牙龈的分界线，表面变化很大，曲率较大，并且在牙颌模型靠近真实牙龈线的区域内通常不会存在牙冠外观不规则导致的曲率较大问题，也就是说，以曲率特征作为依据能够比较准确地进行分类；在此基础上，还增加位置特征，从而避免由于不规则牙冠等导致的曲率较大而分类错误的问题，进一步提高了分类的准确性。
9、进一步地，所述对所述第一目标区域中各元素进行特征提取，包括：确定所述第一目标区域中各元素的顶点的曲率；根据各所述第一目标区域中各元素的顶点的曲率，确定所述第一目标区域中各元素的所述曲率特征。顶点作为牙颌模型的最小组成单元，根据顶点曲率确定元素的曲率特征，使得元素的曲率特征能够更加全面地表征元素在曲率维度上的特征，从而有利于准确地进行分类。
10、进一步地，所述根据所述第一目标区域中各元素的顶点的曲率，确定所述第一目标区域中各元素的所述曲率特征，包括：对所述第一目标区域中各元素的顶点的曲率进行平均，将各顶点的曲率的平均值作为所述第一目标区域中相应的元素的所述曲率特征。提供一种简洁易于实现的曲率特征确定方式。
11、进一步地，所述元素为多边形面片，所述确定所述第一目标区域中各元素的顶点的曲率，包括：通过如下表达式依次确定所述第一目标区域中各多边形面片的顶点的曲率：
12、
13、其中，a(v)为包含顶点v的多个多边形面片的面积之和，n1(v)为包括顶点本文档来自技高网...
【技术保护点】
1.一种牙颌模型的建构方法，其特征在于，包括：
2.根据权利要求1所述的牙颌模型的建构方法，其特征在于，所述对所述第二牙颌模型上对应待优化牙冠的第一目标区域中各元素进行分类，分别确定所述第一目标区域中各元素的分类结果，包括：
3.根据权利要求2所述的牙颌模型的建构方法，其特征在于，所述基于训练好的第一神经网络模型对所述第一目标区域中各元素进行分类之前，包括：
4.根据权利要求3所述的牙颌模型的建构方法，其特征在于，对所述第一目标区域中各元素进行特征提取，包括：
5.根据权利要求4所述的牙颌模型的建构方法，其特征在于，所述根据所述第一目标区域中各元素的顶点的曲率，确定所述第一目标区域中各元素的所述曲率特征，包括：
6.根据权利要求4或5所述的牙颌模型的建构方法，其特征在于，所述元素为多边形面片，所述确定所述第一目标区域中各元素的顶点的曲率，包括：
7.根据权利要求2至5中任一项所述的牙颌模型的建构方法，其特征在于，所述基于训练好的第一神经网络模型对所述第一目标区域中各元素进行分类之前，所述方法还包括：
<...【技术特征摘要】
1.一种牙颌模型的建构方法，其特征在于，包括：
2.根据权利要求1所述的牙颌模型的建构方法，其特征在于，所述对所述第二牙颌模型上对应待优化牙冠的第一目标区域中各元素进行分类，分别确定所述第一目标区域中各元素的分类结果，包括：
3.根据权利要求2所述的牙颌模型的建构方法，其特征在于，所述基于训练好的第一神经网络模型对所述第一目标区域中各元素进行分类之前，包括：
4.根据权利要求3所述的牙颌模型的建构方法，其特征在于，对所述第一目标区域中各元素进行特征提取，包括：
5.根据权利要求4所述的牙颌模型的建构方法，其特征在于，所述根据所述第一目标区域中各元素的顶点的曲率，确定所述第一目标区域中各元素的所述曲率特征，包括：
6.根据权利要求4或5所述的牙颌模型的建构方法，其特征在于，所述元素为多边形面片，所述确定所述第一目标区域中各元素的顶点的曲率，包括：
7.根据权利要求2至5中任一项所述的牙颌模型的建构方法，其特征在于，所述基于训练好的第一神经网络模型对所述第一目标区域中各元素进行分类之前，所述方法还包括：
8.根据权利要求7所述的牙颌模型的建构方法，其特征在于，所述根据所述元素样本生成训练集，包括：
9.根据权利要求7所述的牙颌模型的建构方法，其特征在于，所述根据所述元素样本生成训练集，包括：
10.根据权利要求9所述的牙颌模型的建构方法，其特征在于，所述预设方式包括以下任一项或其组合：旋转、平移、缩放。
11.根据权利要求7所述的牙颌模型的建构方法，其特征在于，所述元素类型还包括牙龈线；各所述样本牙颌模型上提取的所述元素样本数量均为n；
【专利技术属性】
技术研发人员：张惠，姚峻峰，
申请(专利权)人：正雅齿科科技上海有限公司，
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。