[发明专利]一种基于多重几何特征学习的牙颌网格模型分割方法在审
申请号: | 202211298425.6 | 申请日: | 2022-10-23 |
公开(公告)号: | CN115526900A | 公开(公告)日: | 2022-12-27 |
发明(设计)人: | 马天;杨逸舟;翟洁晨;杨嘉怡 | 申请(专利权)人: | 西安科技大学 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T19/20;G06T7/66;G06V20/70;G06V10/774;G06V10/44;G06V10/80;G06N3/04;G06N3/08 |
代理公司: | 西安启诚专利知识产权代理事务所(普通合伙) 61240 | 代理人: | 李艳春 |
地址: | 710054 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 多重 几何 特征 学习 网格 模型 分割 方法 | ||
1.一种基于多重几何特征学习的牙颌网格模型分割方法,其特征在于,包括以下步骤:
步骤一、采用口内扫描仪采集牙颌网格模型数据;
步骤二、对所述牙颌网格模型数据进行下采样;
步骤三、对下采样后的牙颌网格模型进行语义标注;
步骤四、对标注后的牙颌网格模型进行数据增强;
步骤五、提取增强后牙颌网格模型中所有网格的中心点坐标;
步骤六、构建基于多重几何特征学习的牙齿分割网络;
步骤七、将牙颌网格模型数据输入到所述牙齿分割网络中进行训练,得到训练好的分割网络;
步骤八、采用所述训练好的分割网络预测牙颌网格模型分割结果。
2.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法,其特征在于:步骤一中所述牙颌网格模型数据保存为STL格式。
3.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法,其特征在于:通过步骤二中所述下采样,将牙颌网格模型的网格数量缩减至N。
4.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法,其特征在于,步骤三中所述对下采样后的牙颌网格模型进行语义标注的具体过程包括:将下采样后的牙颌网格模型标注为不同的语义部分,所述语义部分分为G类,包括牙龈和每颗牙齿。
5.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法,其特征在于,步骤四中所述对标注后的牙颌网格模型进行数据增强的具体过程包括:
步骤401、随机平移;
沿着三维空间任意坐标轴小幅度地平移牙颌网格模型;
步骤402、随机旋转;
沿着x轴、y轴、z轴随机旋转牙颌网格模型;
步骤403、随机缩放;
随机适当地放大或缩小牙颌网格模型;
步骤404、随机删除;
随机删除牙颌网格模型中的一部分三角网格。
6.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法,其特征在于,步骤五中所述提取增强后牙颌网格模型中所有网格的中心点坐标的具体过程包括:通过每个三角网格的顶点坐标计算得出该三角网格的中心点坐标;
计算公式:
其中,ci表示第i个三角网格的中心点坐标,分别表示三角网格i的三个顶点坐标。
7.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法,其特征在于,步骤六中所述基于多重几何特征学习的牙齿分割网络包括多层感知机、空间转换模块、多重几何特征学习模块和高效通道注意力,所述空间转换模块包括三个卷积层、一个最大池化层和三个全连接层,所述三个卷积层和前两个全连接层后面均都接有批规范化和ReLU激活函数;所述多重几何特征学习模块包括共享多层感知机、几何信息编码模块和几何特征聚合模块;通过所述多重几何特征学习模块将空间转换模块对齐的特征和最大池化前后的特征进行融合,送入所述多层感知机和高效通道注意力完成特征逐层降维和通道优化。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安科技大学,未经西安科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211298425.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种智慧电网配电柜报警装置和配电柜
- 下一篇:高压电容全自动焊接机