[發明專利]牙頜三維數字模型的分割方法

在審

• 申請號: 202010318004.X
• 申請日: 2020-04-21
• 公開（公告）號: CN113538438A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 方可
• 申請（專利權）人: 寧波深萊醫療科技有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06K9/62;G06N3/04
• 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牙頜三維數字模型的分割方法，包括：獲取待分割牙頜三維數字模型；將所述待分割牙頜三維數字模型點云化獲得點云；對所述點云進行采樣，獲得采樣點；對所述采樣點進行特征提取；利用經訓練的DGCNN網絡，基于所述提取的特征，對所述采樣點進行分類；以及利用KNN算法，基于所述已分類的采樣點，對所述點云中的其他點進行分類，其中，對一個點進行分類是把該點所代表的所述待分割牙頜三維數字模型的面片歸類為某一顆牙齒或者牙齦。

技術領域

本申請總體上涉及牙頜三維數字模型的分割方法，尤其是涉及利用深度學習人工神經網絡對牙頜三維數字模型進行分割的方法。

背景技術

如今，牙科治療越來越多地借助計算機技術，在很多情況下需要對掃描獲得的包括牙列與至少部分牙齦的牙頜的三維數字模型進行分割，以把牙冠和牙齦分割開，以及把各牙冠分割開。

現有的半自動化牙頜三維數字模型分割方法通常包括以下步驟：首先，利用算法自動將牙齦從模型中剝離，然后，人工手動對每顆牙齒進行特征點標注，接著，在此基礎上利用算法自動進行牙齒間的分割。在很多情況下，該類方法對牙齦的切割不夠徹底，需要后期人為干預，效率較低。

由于牙頜三維數字模型的個體差異極大，現有的自動化算法很難在脫離人工更正的情況下取得符合生產標準的分割結果。此外，由于高精度的口掃牙頜三維數字模型具有大量面片，現有自動算法需要進行牙齦剝離、簡化、特征計算、分割、映射、優化等操作才能得到最終的分割結果，其不僅對計算能力要求較高，且在同等情況下比半自動化方法更耗時。

鑒于以上，有必要提供一種新的牙頜三維數字模型的分割方法。

發明內容

本申請的一方面提供了一種牙頜三維數字模型的分割方法，包括：獲取待分割牙頜三維數字模型；將所述待分割牙頜三維數字模型點云化獲得點云；對所述點云進行采樣，獲得采樣點；對所述采樣點進行特征提取；利用經訓練的DGCNN網絡，基于所述提取的特征，對所述采樣點進行分類；以及利用KNN算法，基于所述已分類的采樣點，對所述點云中的其他點進行分類，其中，對一個點進行分類是把該點所代表的所述待分割牙頜三維數字模型的面片歸類為某一顆牙齒或者牙齦。

在一些實施方式中，所述采樣可以是均勻采樣。

在一些實施方式中，所述的牙頜三維數字模型的分割方法還可以包括：將所述待分割牙頜三維數字模型定位至基準位，所述DGCNN網絡對所述采樣點的分類是基于定位至所述基準位的所述待分割牙頜三維數字模型。

在一些實施方式中，所述DGCNN網絡可以是以多個定位于所述基準位的牙頜三維數字模型樣本進行訓練。

在一些實施方式中，所述的牙頜三維數字模型的分割方法還可以包括：利用ICP算法，通過將所述待分割牙頜三維數字模型與多個位于所述基準位的牙頜三維數字模型模版進行配準，以將所述待分割牙頜三維數字模型定位至所述基準位。

在一些實施方式中，所述DGCNN網絡對每一所述采樣點的分類是基于與其鄰近的N個點的特征，其中，20N30，且N為自然數。

在一些實施方式中，所述DGCNN網絡中的邊卷積模塊可以設置三層卷積層。

在一些實施方式中，所述的牙頜三維數字模型的分割方法還可以包括：采用Graph-Cut算法對所述分類結果進行平滑處理，其中，所述Graph-Cut算法是基于最小化分類損失和幾何損失的加權和，其中，所述分類損失是將當前點的分類平滑處理為其他分類的損失，所述幾何損失是將當前點的分類平滑處理為相鄰點的分類的損失，其中，牙齒和牙齦間的幾何損失權重小于其他情況的幾何損失權重。

在一些實施方式中，對每一所述采樣點提取的特征可以包括：該采樣點的坐標、該采樣點所對應的面片的法向量以及自該采樣點至對應的面片各頂點的向量。