【技术实现步骤摘要】
本专利技术涉及口腔正畸领域，尤其涉及一种基于深度学习的口扫牙模自动裁剪方法、程序、存储介质和电子设备。
技术介绍
1、在正畸领域中，一般采用硅橡胶等牙模将患者口腔中的牙齿和上下颌表面复制下来，经过对固化牙模的光学扫描保存为数字三维模型。然而在所有数字化处理技术之前，需要对口扫三维牙模进行预处理以满足后续数据处理的要求。其中最基础最首要的工作就是对口扫牙模进行裁剪，切除口扫数据上除牙齿和附件牙龈以外多余的部分，只保存有效部分并使得切割边缘光滑。目前口扫牙模的裁剪方式主要是人工裁剪为主，人工设置裁剪点线，极大的浪费了人力和时间。
技术实现思路
1、本专利技术要解决的技术问题是设计一种基于深度学习的口扫牙模自动裁剪方法、程序、存储介质和电子设备，通过大量模型数据来学习裁剪点的特征，自动产生裁剪平面并对原始模型实现裁剪，解决现有的技术问题。
2、为解决上述技术问题，本专利技术的口扫牙模自动裁剪方法包括如下步骤：
3、步骤s1：获取口扫牙模三维数据并进行规范裁剪，将裁剪前后的牙齿三维数据转换为适应深度学习的数据类型；
4、步骤s2：将步骤s1中获取的原始牙模数据和裁剪后的牙模数据导入深度学习模型中进行训练；
5、步骤s3：将需要裁剪的口扫牙模转换为点云数据后导入深度学习模型，导出ai选取的特征部分并转换为三维网格模型作为获取裁剪点的ai参考模型；
6、步骤s4：获取ai参考模型的边缘与原始口扫模型的最近点，优化顺滑获取的闭合边缘点集
7、步骤s5：沿着边缘点集各自所在面的法向量正反两个方向以0.8mm～1.2mm的拓展量拓展出两圈闭合的点集；
8、步骤s6：对点集进行离群异常点处理，以达到顺滑的目的；
9、步骤s7：将两圈点集按照顺序切割网格，并对原始牙齿模型进行裁剪。
10、进一步的，步骤s1中，选择大量各种类型的口扫牙模三维数据并进行规范的人工裁剪，将原始口扫牙模和裁剪后的牙模转换为适应深度学习的点云数据类型。
11、进一步的，步骤s4包括如下步骤：
12、步骤s41：遍历原始口扫模型中的每一个网格，并计算每一个网格的三个顶点的中心点；
13、步骤s42：寻找每一个中心点到ai参考模型网格的最近点，如果距离小于设定的阈值，则说明中心点对应的网格面片在ai参考模型上有对应面片；
14、步骤s43：将原始口扫牙模网格上选取的网格合并为子网格，此时这个子网格即为与ai参考模型对应位置的网格；
15、步骤s44：遍历子网格的所有边界半边，遍历边界半边获取边界点，将所有边界点存储在一个点集中，此点集即为初始边界裁剪点。
16、进一步的，步骤s5包括如下步骤：
17、步骤s51：遍历裁剪边界点集，计算每一个点所在三角网格平面的法向量，以该点为中心沿着法向量的正反方向以0.8mm～1.2mm的延伸值延伸出两个点；
18、步骤s52：将所有以正方向延伸的点存储为一个在原始网格模型外部环绕的一个闭合点集，将所有以负方向延伸的点存储为一个在原始网格模型内部环绕的一个闭合点集，这两个点集合构成了切割网格的内外圈。
19、进一步的，步骤s6包括如下步骤：
20、步骤s61：对内外圈点集分别使用高斯滤波算法优化，确定一个3×3的滤波器窗口，计算一个与滤波器相匹配的高斯函数模板，将滤波器中心放在点云中每个点上，计算周围点云的加权平均值，加权平均值的计算方法是将滤波器中的每个点和对应位置的高斯函数模板元素相乘，然后将所有乘积相加，最后将计算得到的加权平均值赋给中心点，得到平滑后的点集；
21、步骤s62：分别计算内外圈点集中的异常离群点，按照顺序选取点集中所有三个连续相邻的点，通过点的坐标计算中间点到两个相邻点连线的夹角θ；
22、步骤s63：如果夹角θ小于90°，则说明此中心点为离群点，记录此点的索引，将内外圈所有点判断结束以后，将内圈和外圈记录的异常点的索引合并，同时在内外圈中同时删除索引并集中记录的点，完成异常点处理并保证了内外圈点集对应一致。
23、进一步的，步骤s7包括如下步骤：
24、步骤s71：将内外圈点集按照固定顺序依次导入构成三角面片并最终形成一个闭合的三角网格切割面；
25、步骤s72：使用切割平面切割原始口扫模型，会产生多个切割后的面，计算每个面的平均点到ai参考模型中心点的距离，距离最小的面即为切割后的口扫模型数据。
26、本专利技术还提供一种计算机程序产品，包括计算机指令，所述计算机指令在由处理器运行时使得计算机设备执行前述的口扫牙模自动裁剪算法。
27、本专利技术还提供一种计算机可读存储介质，其上存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现前述的口扫牙模自动裁剪算法。
28、本专利技术还提供一种电子设备，包括：
29、至少一个处理器；以及
30、至少一个与所述处理器通信连接的存储器；
31、其中，所述存储器存储有可被处理器执行的指令，所述指令被所述处理器执行，以使电子设备执行前述的口扫牙模自动裁剪算法。
32、本专利技术的基于深度学习的口扫牙模自动裁剪方法将大量人工裁剪好的各种类型的口扫牙模进行可用于深度学习的数据预处理，将原始口扫数据和裁剪后的口扫数据导入深度学习模型中进行训练，将未处理的原始口扫牙模导入深度学习模型中会根据训练模型选取目标区域并导出，将选取结果转为三维网格模型即可以作为裁剪的参考网格，通过原始牙模和ai参考牙模边界点的选取和优化产生裁剪网格，最终实现自动裁剪的效果。
33、本专利技术主要应用在数字化正畸领域中，是正畸工作流程中必不可少的步骤，通过大量模型数据来学习裁剪点的特征，自动产生裁剪平面并对原始模型实现裁剪，极大地提高了工作效率，减少了人力成本，具有重要的意义。
本文档来自技高网...【技术保护点】
1.一种口扫牙模自动裁剪方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤S1中，选择各种类型的口扫牙模三维数据并进行规范的人工裁剪，将原始口扫牙模和裁剪后的牙模转换为适应深度学习的点云数据类型。
3.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤S4包括如下步骤：
4.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤S5包括如下步骤：
5.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤S6包括如下步骤：
6.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤S7包括如下步骤：
7.一种计算机程序产品，其特征在于：包括计算机指令，所述计算机指令在由处理器运行时使得计算机设备执行如权利要求1-6中任一项所述的口扫牙模自动裁剪算法。
8.一种计算机可读存储介质，其特征在于：其上存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-6中任一项所述的口扫牙模自动裁剪算法。
9.一种电子设
...【技术特征摘要】
1.一种口扫牙模自动裁剪方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤s1中，选择各种类型的口扫牙模三维数据并进行规范的人工裁剪，将原始口扫牙模和裁剪后的牙模转换为适应深度学习的点云数据类型。
3.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤s4包括如下步骤：
4.根据权利要求1所述的口扫牙模自动裁剪方法，其特征在于：步骤s5包括如下步骤：
5.根据权利要求1所述的口扫牙模自动裁剪方法，其特征...
【专利技术属性】
技术研发人员：王宁，王洪建，刘顺堃，张家浚，朱余静，
申请(专利权)人：可丽尔医疗科技常州有限公司，
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。