【技术实现步骤摘要】
本专利技术属于口腔医学，还涉及计算机辅助设计领域，具体涉及一种基于深度学习的牙列拥挤度识别方法。
技术介绍
1、在口腔正畸诊疗过程中，为了便于评估诊疗的进程和效果，需要定期对患者的牙列拥挤程度进行定量分析，并且医生可以根据拥挤度数值判定牙齿错位或拥挤程度。专利cn112022383a公布了牙齿正畸所需间隙的确定方法，分为四种间隙值，其中第一间隙值是牙列拥挤度。在《口腔正畸学》教科书第七版中关于拥挤度计算内容是：牙弓应有弧形长度与牙弓现有弧形长度之差或必需间隙与可用间隙之差，即为牙弓的拥挤度。
2、当前，传统的牙列拥挤度测量方法有铜丝法和卡尺法，医生可以通过铜丝手工从下颌第一磨牙近中点沿邻牙近中点拟合牙弓到对侧的第一磨牙的近中点，形成现有牙弓并拉直铜丝计算长度，通过游标卡尺测量第一磨牙前的每颗牙冠的宽度，计算牙冠宽度总和，得到应有牙弓长度。还有部分现有软件采用人机交互方式去绘制现有牙弓形态和测量牙冠宽度，进而得到牙列拥挤度，这些方法都存在操作时间长和人力成本高的问题，且效率低下。因此，提出一种可以高效和准确识别牙列拥挤度数值的
【技术保护点】
1.一种基于深度学习的牙列拥挤度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的牙列拥挤度识别方法，其特征在于，步骤(1)中，制作三种分割数据集并对数据集进行预处理，包括：
3.根据权利要求1所述的基于深度学习的牙列拥挤度识别方法，其特征在于，步骤(2)中，搭建基于动态和扩张边缘卷积的神经网络，并训练得到三种网络模型，预测得到三种点云预备体，包括：
4.根据权利要求3所述的基于深度学习的牙列拥挤度识别方法，其特征在于，步骤(2-6)中，对输出的牙齿冠部点云预备体进行相关后处理，包括：
5.根据...
【技术特征摘要】
1.一种基于深度学习的牙列拥挤度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的牙列拥挤度识别方法，其特征在于，步骤(1)中，制作三种分割数据集并对数据集进行预处理，包括：
3.根据权利要求1所述的基于深度学习的牙列拥挤度识别方法，其特征在于，步骤(2)中，搭建基于动态和扩张边缘卷积的神经网络，并训练得到三种网络模型，预测得到三种点云预备体，包括：
4.根据权利要求3所述的基于深度学习的牙列拥挤度识别方法，其特征在于，步骤(2-6)中，对输出的牙齿冠部点云预备体进行相关后处理，包括：
5.根据权...
【专利技术属性】
技术研发人员：戴宁，韩宗松，严斌，武智磊，刘璐玮，邵冰婷，
申请(专利权)人：南京航空航天大学，
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。