[发明专利]一种基于八叉树结构的3D牙齿分割方法

说明书

本发明公开了一种基于八叉树结构的3D牙齿分割方法。本发明包括三个阶段，分别是阶段一：样本数据采集及制作；阶段二：深度网络模型搭建及训练；阶段三：模型推断及后处理。本发明对已有的3D牙齿数据进行八叉树数据构造，再在深度卷积网络的基础上，构造类似Unet结构的八叉树卷积神经网络，最后再对模型结果进行图割算法后处理，达到3D牙齿分割和分类的目的。本发明可应用在3D牙齿标记领域，通过构造八叉树的数据方式进行牙齿自动化分割，达到减少人工交互时间的目的，以此提升设计师的工作效率。

技术领域

本发明属于3D牙齿标记领域。提供一种基于八叉树结构的3D牙齿分割方法。本发明在八叉树的数据结构基础上，构造深度神经网络，并结合图割算法对3D牙齿数据进行分割，应用于3D牙齿标记领域。

背景技术

近年来，随着计算机技术的发展和三维(3D)扫描设备的改进，计算机辅助设计(CAD)系统出现在越来越多的领域。它使用计算机和图形设备帮助设计师有效地完成费力和重复的任务。目前，正畸CAD系统在现代牙科领域发挥着重要的作用。首先使用3D扫描设备采集3D牙齿模型数据作为输入，然后辅助牙医对牙齿模型进行处理，以模拟治疗效果，大大减轻牙医的负担。

牙齿分割是正畸CAD系统的关键部分。目前，已经提出了许多牙齿分割方法，但全自动分割仍然是一个难题。虽然人的牙齿有一些基本的几何特征，但不同的人的牙齿是不同的，特别是患者的牙齿，往往有严重的畸形，甚至蛀牙、牙齿脱落等情况。这些条件导致传统的基于几何特征的分割方法缺乏鲁棒性，通过设置一些固定的参数难以达到自动精确分割的目的。根据先验的齿形知识，在齿的边界处存在明显的负曲率特征。然而，牙齿和牙龈的表面也有负曲率特性，会形成噪音，造成严重干扰。而近些年来在计算机视觉和计算机图形学领域，已经提出了几个具有开创性的深度神经网络(如PointNet和MeshSnet)，以端到端的方式有效地分割3D形状。然而，此类方法目前也存在如下几个问题：1、前者网络忽略了局部几何上下文，而有效地进行局部结构建模已被证明是深度神经网络在细粒度分割任务中成功的关键；2、后者网络虽然考虑了用网格单元代替点作为输入，增加了局部结构信息，但其因为计算过于复杂，信息冗余度高，面对高精度3D数据时候，往往得不到最优的分割结果。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于八叉树结构的3D牙齿分割方法。

本发明包括三个阶段，具体实现如下：

阶段一：样本数据采集及制作；

阶段二：深度网络模型搭建及训练；

阶段三：模型推断及后处理；

进一步的，阶段一样本数据采集及制作主要步骤如下

1.1采集内部口扫牙齿数据，获得共245个3D牙齿样本；对牙齿数据进行简化后，使得每个牙齿数据由1万个面片组成；

1.2由于3D牙齿样本个数有限，故进行了数据增广：

(1)用CAD辅助软件，对原牙齿数据进行拔除或者偏移操作；

(2)随机绕XYZ轴进行旋转操作；

(3)随机对原数据进行上下左右平移操作；

(4)随机对原数据进行放大或缩小操作；

所述的原数据是指245个3D牙齿样本。

1.3对得到的原数据和增广后的数据进行面片标注，并通过相关软件可视化标注结果，人工排查误标注，达到清洗数据的目的。

1.4对已经标注好的数据进行八叉树结构转换，树的深度为8，并转换成支持深度网络读取的数据格式。

二、阶段二深度网络模型搭建及训练步骤如下

2.1构建深度网络模型