[发明专利]基于深度学习的三阶段牙冠分割方法、装置、终端及介质

说明书

本申请提供基于深度学习的三阶段牙冠分割方法、装置、终端及介质，包括：在第一阶段中，获取原始三角网格牙颌模型，利用三维点云语义分割模型对每片三角面片进行牙冠和牙龈分割；在第二阶段中，基于第一阶段的输出结果计算牙冠所在区域的第一包围盒，利用第一包围盒对原始三角网格牙颌模型进行裁剪，得到裁剪后的牙颌模型；对裁剪后的牙颌模型的三角面片进行降采样并进行多分类的牙冠语义分割；在第三阶段中，基于第二阶段的输出结果计算每个牙冠所在区域的第二包围盒，利用第二包围盒在原始三角网格牙颌模型上裁剪出对应的牙冠；对裁剪后的牙冠的三角面片进行二分类的牙冠语义分割。本发明实现高精度地分割出牙冠和牙龈，提高生产效率和质量。

技术领域

本申请涉及牙齿三位模型技术领域，特别是涉及基于深度学习的三阶段牙冠分割方法、装置、终端及介质。

背景技术

由于口腔扫描仪设备在牙科医疗机构的大量使用，使得计算机辅助设计 (CAD)已广泛用于口腔正畸学的诊断、牙齿修复和治疗计划。

目前主要有两种方式获取用户的三维表面模型：一是通过口腔内扫描仪 (IOS)对患者进行口腔扫描；二是利用藻酸盐或硅橡胶等印模材料获取用户的口腔印模，然后灌注石膏获取牙合石膏模型，最后通过仓扫牙模扫描仪扫描牙合石膏模型。计算机辅助系统借助三维牙合表面模型作为输入，帮助牙医进行拔牙或排牙等治疗程序。在三维牙合表面模型上精确标记牙齿是正畸治疗计划中牙齿位置重排的前提。然而，这是一项具有挑战性的任务，主要是由于患者牙齿的异常和多变外观。由于从三维牙合表面模型中手动标记牙齿很费力，因此开发全自动化精准的三维牙齿分割方法是提高生产效率的有力工具。

近年来，计算机视觉和图形学社区已经提出了一些开创性的端到端方法（比如：PointNet、PointNet++）以直接使用三维表面模型进行三维形状分割。尽管这些方法可能适用于自动牙齿标记任务，但这些算法都无法捕获细粒度的局部拓扑信息，而细粒度的局部拓扑信息对于识别具有不同形状和外观的牙齿又是至关重要的。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供基于深度学习的三阶段牙冠分割方法、装置、终端及介质，用于解决基于点云深度学习模型的牙齿标记不够精准的技术问题。

为实现上述目的及其他相关目的，本申请的第一方面提供一种基于点云深度学习模型的三阶段牙冠分割方法，包括：在第一阶段中，获取原始三角网格牙颌模型并在对构成所述原始三角网格牙颌模型的三角面片进行降采样后，利用三维点云语义分割模型对每片三角面片进行牙冠和牙龈分割；在第二阶段中，基于所述第一阶段的输出结果计算牙冠所在区域的第一包围盒，利用所述第一包围盒对所述原始三角网格牙颌模型进行裁剪以剔除不需要的牙龈部分，得到裁剪后的牙颌模型；对所述裁剪后的牙颌模型的三角面片进行降采样并进行多分类的牙冠语义分割；在第三阶段中，基于所述第二阶段的输出结果计算每个牙冠所在区域的第二包围盒，利用所述第二包围盒在所述原始三角网格牙颌模型上裁剪出对应的牙冠；对所述裁剪后的牙冠的三角面片进行二分类的牙冠语义分割。

于本申请的第一方面的一些实施例中，在第一阶段、第二阶段中，在对原始三角网格牙颌模型的三角面片进行降采样后，使用网格简化模型将降采样后的三角面片的片数进行数量和维度的统一。

于本申请的第一方面的一些实施例中，所述利用三维点云语义分割模型对每片三角面片进行分割的过程包括：在第一阶段中，利用三维点云语义分割模型对每片三角面片进行是否属于牙冠部分的二分类；若为牙冠部分则用一种标记表示，若并非牙冠部分则用另一种标记表示；在第二阶段中，利用三维点云语义分割模型对每片三角面片进行是否属于某个牙位对应的牙冠部分的多分类，若为某个牙位对应的牙冠部分则用对应的牙位标记表示，若并非牙冠部分则用零标记表示；在第三阶段中，利用三维点云语义分割模型对每片三角面片进行是否属于指定牙位对应的牙冠部分的二分类，若为指定牙位对应的牙冠部分则用一种标记表示，若并非指定牙位对应的牙冠部分则用另一种标记表示。