[發明專利]利用基于變分自編碼器的深度學習神經網絡產生表示目標牙齒布局的數字數據集的方法

在審

• 申請號: 201910192941.2
• 申請日: 2019-03-14
• 公開（公告）號: CN111696069A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 張長庚
• 申請（專利權）人: 杭州朝厚信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T17/20;A61C7/00
• 代理公司: 蘇州威世朋知識產權代理事務所(普通合伙) 32235
• 代理人: 楊林潔

本申請的一方面提供了一種計算機執行的利用基于變分自編碼器的深度學習神經網絡產生表示目標牙齒布局的數字數據集的方法，其包括：獲取表示初始牙齒布局的第一數字數據集；以及利用經訓練的基于變分自編碼器的深度學習神經網絡，基于所述第一數字數據集，產生表示目標牙齒布局的第二數字數據集。

技術領域

本申請總體上涉及利用基于變分自編碼器的深度學習神經網絡產生表示目標牙齒布局的數字數據集的方法。

背景技術

隨著計算機技術的飛速發展，牙科治療越來越多地借助計算機技術，例如，牙科專業人員可以利用計算機自動產生正畸治療所需的目標牙齒布局(即正畸治療結束時期望達到的牙齒布局)，以解放人力、提高效率。其中的一個方法是通過定義牙齒的特征點，然后進行牙弓曲線擬合與優化，再通過局部包圍盒的碰撞檢測迭代優化，進行全自動的排牙。

然而，以上方法具有以下不足之處：(一)牙弓曲線的參數及形狀與牙齒的初始布局直接相關，也就是說，牙弓曲線的參數及形狀在計算初始化時就已經確定，對于初始布局較為雜亂的牙齒模型，該方法很難擬合得到準確的牙弓曲線；(二)該方法對噪聲較為敏感，與擬合得到的牙弓曲線偏離較大的牙齒會影響牙弓曲線的準確度。

鑒于以上，有必要提供一種新的用于產生目標牙齒布局的方法。

發明內容

本申請的一方面提供了一種計算機執行的利用基于變分自編碼器的深度學習神經網絡產生表示目標牙齒布局的數字數據集的方法，其包括：獲取表示初始牙齒布局的第一數字數據集；以及利用經訓練的基于變分自編碼器的深度學習神經網絡，基于所述第一數字數據集，產生表示目標牙齒布局的第二數字數據集。

在一些實施方式中，目標牙齒布局可以是正畸治療期望達成的牙齒布局。

在一些實施方式中，所述基于變分自編碼器的深度學習神經網絡包括第一子網絡和第二子網絡，其中，所述第一子網絡是基于變分自編碼器的深度學習神經網絡，其輸入和輸出均為表示目標牙齒布局的數字數據集，它包括第一編碼器和第一解碼器，所述第一解碼器的輸入來自所述第一編碼器的輸出，通過訓練所述第一子網絡，得到經訓練的所述第一解碼器；所述第二子網絡是基于自編碼器結構的深度學習網絡，其輸入為表示初始牙齒布局的數字數據集，輸出為表示目標牙齒布局的數字數據集，它包括第二編碼器和第二解碼器，所述第二解碼器的輸入來自所述第二編碼器的輸出，所述第二解碼器的結構與所述第一解碼器相同并且采用所述經訓練的第一解碼器的參數，通過訓練第二子網絡，得到經訓練的第二編碼器，使得第二子網絡能夠基于表示初始牙齒布局的數字數據集，產生表示目標牙齒布局的數字數據集。

在一些實施方式中，所述第一子網絡還包括噪聲產生模塊，用于為所述第一編碼器的輸出加上噪聲后再輸入所述第一解碼器，以提高所述第一解碼器的魯棒性。

在一些實施方式中，所述第一子網絡是以N組數據進行訓練，所述N組數據的每一組包括表示一對上下頜牙列的目標布局的數字數據集，所述第二子網絡是以M組數據進行訓練，所述M組數據的每一組包括表示一對上下頜牙列的初始布局的數字數據集和目標布局的數字數據集，所述N和M為大于1的整數。

在一些實施方式中，所述計算機執行的利用基于變分自編碼器的深度學習神經網絡產生表示目標牙齒布局的數字數據集的方法還可以包括：利用所述經訓練的基于變分自編碼器的深度學習神經網絡，基于所述第一數字數據集，產生表示第一牙齒布局的數字數據集；基于所述第一牙齒布局擬合得到目標牙弓曲線；以及基于所述目標牙弓曲線調整所述第一牙齒布局，得到所述第二數字數據集。

在一些實施方式中，所述目標牙弓曲線可以是Beta曲線。

在一些實施方式中，所述目標牙弓曲線是基于所述第一牙齒布局，根據牙齒偏離牙弓曲線的程度迭代擬合得到。