[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

说明书

本发明公开了一种基于多重几何特征学习的牙颌网格模型分割方法，包括步骤一、采用口内扫描仪采集牙颌网格模型数据；二、对牙颌网格模型数据进行下采样；三、对下采样后的牙颌网格模型进行语义标注；四、对标注后的牙颌网格模型进行数据增强；五、提取增强后牙颌网格模型中所有网格的中心点坐标；六、构建基于多重几何特征学习的牙齿分割网络；七、将牙颌网格模型数据输入到牙齿分割网络中进行训练，得到训练好的分割网络；八、采用训练好的分割网络预测牙颌网格模型分割结果。本发明能够有效应用在牙齿分割中，能够提取不同网格更具区分性的几何特征，具有更好的牙齿分割精度和效率，能够为医生的治疗工作提供辅助，效果显著，便于推广。

技术领域

本发明属于牙齿分割技术领域，具体涉及一种基于多重几何特征学习的牙颌网格模型分割方法。

背景技术

口腔医学正朝着数字化和智能化的方向发展，作为新兴的隐形矫治工具，虚拟牙齿正畸系统能够根据患者的口腔情况，辅助医生制定出不同阶段的矫正方案，具有更快更好的牙齿矫正效果。牙齿分割是牙齿矫正过程的关键环节，也是虚拟正畸系统的最基本组成部分。分割方法的精确与否会影响正畸方案的准确性，同时，智能高效的牙齿分割方法能够缩短牙齿矫正周期，减轻医生的诊疗工作量。然而，精确的牙齿分割面临着许多难点，例如，人类的牙颌是一种外观复杂、有相似性区域、形状独特的三维模型，牙齿和牙龈的交界处形状变化模糊，牙齿拥挤、错位或缺失等情况导致牙齿边界不明显，这些难点都会导致牙齿分割出现错误。因此，如何实现精确、高效的牙齿分割算法成为了口腔正畸中的关键问题。

目前的牙齿分割方法主要分为传统分割方法和基于深度学习的分割方法两种，传统的牙齿分割方法主要从牙颌模型本身的低层次几何特征出发，例如分水岭算法，区域生长算法、snake算法和谐波场算法，或者是从牙颌模型的二维图像上探寻辅助信息以解决三维模型分割。这些方法通常种子点选择不够自动化，手工干预过多，计算量偏大。这些缺点导致传统的牙齿分割方法受限，难以满足虚拟正畸系统的需求。

近年来，随着深度学习和人工智能的不断发展，出现了许多基于深度学习的牙齿分割方法。基于深度学习的牙齿分割方法能够提取更高级的几何特征，并融合不同层次的特征，具有更高的分割精度。此外，基于深度学习的牙齿分割方法无需用户为分割过程提供先验知识，克服了传统分割方法的缺点，是一种自动化的、无人工干预的分割方法。然而，由于顶点坐标和法向量是每个三角网格在不同视角表述的几何特征，而有些方法没有对牙颌网格模型的顶点坐标和法向量的处理作出有效区分，这将导致两者的信息未产生互补交融，难以进一步提高牙齿分割的准确性。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于多重几何特征学习的牙颌网格模型分割方法，其方法步骤结构简单，设计合理，实现方便，能够有效应用在牙齿分割中，能够提取不同网格更具区分性的几何特征，具有更好的牙齿分割精度和效率，能够为医生的治疗工作提供辅助，效果显著，便于推广。

为解决上述技术问题，本发明采用的技术方案是：一种基于多重几何特征学习的牙颌网格模型分割方法，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。