[發明專利]基于深度學習的三維牙齒點云模型數據分類方法及系統

有效

• 申請號: 202110192628.6
• 申請日: 2021-02-20
• 公開（公告）號: CN112989954B
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 周元峰;馬乾;魏廣順;馬龍
• 申請（專利權）人: 山東大學
• 主分類號: G06V20/64
• 分類號: G06V20/64;G06V10/26;G06V10/74;G06V10/80;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.基于深度學習的三維牙齒點云模型數據分類方法，其特征是，包括：

獲取牙齒三維模型，對牙齒三維模型提取整套牙齒點云模型；

對整套牙齒點云模型進行分割，得到若干個單顆牙齒點云模型；

對單顆牙齒點云模型，提取單顆牙齒點云模型特征、相對位置特征和鄰接相似度特征，將其分別輸入分類器；輸入的多種特征將在分類器中進行分類操作，輸出單顆牙齒的初步分類結果；

對單顆牙齒點云模型，提取單顆牙齒點云模型特征；具體步驟包括：

(1)對單顆牙齒點云模型，采用第一、第二和第三種采樣半徑分別進行上采樣，得到第一采樣數據、第二采樣數據和第三采樣數據；

(2)將第一采樣數據輸入到第一多層感知機中，輸出第一特征向量；

將第二采樣數據輸入到第二多層感知機中，輸出第二特征向量；

將第三采樣數據輸入到第三多層感知機中，輸出第三特征向量；

將第一、第二和第三特征向量進行融合，得到第一融合向量；

(3)對第一融合向量采用第四、第五和第六種采樣半徑分別進行上采樣，得到第四采樣數據、第五采樣數據和第六采樣數據；

(4)將第四采樣數據輸入到第四多層感知機中，輸出第四特征向量；

將第五采樣數據輸入到第五多層感知機中，輸出第五特征向量；

將第六采樣數據輸入到第六多層感知機中，輸出第六特征向量；

將第四、第五和第六特征向量進行融合，得到第二融合向量；

(5)將第二融合向量，輸入到第七多層感知機中，得到單顆牙齒點云模型特征；

對單顆牙齒點云模型，提取單顆牙齒點云模型特征、相對位置特征和鄰接相似度特征，將其分別輸入分類器；輸入的多種特征將在分類器中進行分類操作，輸出單顆牙齒的初步分類結果；具體步驟包括：

分類器包括依次串聯的三個全連接層和一個softmax函數層；

對單顆牙齒點云模型特征、相對位置特征和鄰接相似度特征進行融合，得到融合特征；

融合特征先被輸入到第一個全連接層中進行處理，得到第一處理結果；

將第一處理結果再與相對位置特征和鄰接相似度特征進行融合，將融合結果送入第二個全連接層，得到第二處理結果；

將第二處理結果再與相對位置特征和鄰接相似度特征進行融合，將融合結果送入第三個全連接層，得到第三處理結果；

再將第三處理結果，送入softmax函數層，輸出單顆牙齒的初步分類結果；

S₁＝cos(-F_pos(i),F_pos(i-1)-F_pos(i))；

S₂＝cos(-F_pos(i),F_pos(i+1)-F_pos(i))；

F_adj(i)＝[S₁(i),S₂(i)]；

其中，F_adj(i)即為第i顆牙齒所對應的鄰接相似度特征向量，F_pos(i)為第i顆牙齒的相對位置特征分量，S₁表示鄰接相似度向量的第一個分量，S₂表示鄰接相似度向量的第二個分量。

2.如權利要求1所述的基于深度學習的三維牙齒點云模型數據分類方法，其特征是，所述方法，還包括：

對單顆牙齒的分類結果，進行牙齒類別異常檢測，對異常的牙齒類別進行修正，得到最終牙齒分類結果。

3.如權利要求1所述的基于深度學習的三維牙齒點云模型數據分類方法，其特征是，對整套牙齒點云模型進行分割，得到若干個單顆牙齒點云模型；具體步驟包括：

使用點云的法向信息對整套牙齒點云模型進行分割，將牙齒與其他組織以及牙齒之間分離，從整套牙齒點云模型中分離出單顆牙齒模型。