一种自动牙颌数字模型分割算法

1.本发明属于牙齿正畸技术领域，更具体地说，是涉及一种自动的牙颌数字模型分割方法。


背景技术：

2.随着人们生活水平的提高，更多人关注牙齿外观的美丽和健康，因此牙齿正畸成为人们关注的热点。在牙齿正畸过程中需要对待矫正牙齿进行分割、分析、设计矫治方案等步骤，传统的前期分析与设计通常依赖于实体模型，这种使用实体模型的方式得到一个确定的治疗方案通常需要几天或者更长的时间，并且在制作模型时会出现不可避免的偏差，一般情况下很难对实体模型进行量化的测量，这就为牙齿医疗的精准性带来问题。另一个问题是，牙齿医疗领域使用的模型通常是石膏模型，受限于石膏材料的特性，易受潮、变形、脱落等问题，病人案例也不方便存档，不利于病人后期治疗。随着计算机技术的发展，通过计算机辅助设计系统进行诊断治疗已成为现代医学的基础。在牙齿正畸领域，使用计算机辅助系统可以对牙颌数模进行牙齿分割、移动、删除、重新排列等工作，进行模拟治疗，大幅度降低了医疗成本，并且提高了牙齿正畸的治疗效果。
3.在计算机辅助正畸过程中，最基础和关键的就是将牙齿数字模型进行牙齿的分割。常见的通过人工进行牙齿数字模型的分割需要耗费大量的人力与时间，故现在急需一种可以实现自动化分割的方法。


技术实现要素：

4.本发明的目的在于提供一种自动的牙颌数字模型分割方法，旨在解决当前牙齿正畸计算机辅助设计中，牙颌数模分割效率低、人工成本高的问题。
5.为实现上述目的，本发明采用的技术方案是：提供一种基于深度学习的牙颌数字模型分割方法，包括以下步骤：获取患者的牙颌数字模型；对牙颌数字模型进行简化；对牙颌数字模型进行坐标系标准化及特征提取；将牙颌数字模型输入到深度学习模型进行牙齿分割，此处深度学习模型需要两个步骤的使用操作，第一步是深度学习模型的训练过程，主要包括：首先将获取的患者牙颌数字模型进行简化，去除没有意义的多余三角面片；其次对牙颌数字模型进行坐标系标准化及特征提取，此处提取的特征信息是作为深度学习模型的信息源，是分割的主要依据；然后，将提取的特征信息输入到深度学习模型中进行训练，使深度学习模型自动学习到合适的超参数形成能实现牙齿分割的深度学习模型；最后，将牙颌数字模型简化、牙颌数字模型坐标系标准化及特征提取、能实现牙齿分割的深度学习模型的结构和超参数进行记录。第二步是牙齿的分割过程，即深度学习模型的使用过程，主要是将第一步记录的牙颌数字模型简化、牙颌数字模型坐标系标准化及特征提取和能实现牙齿分割的深度学习模型的超参
数及结构应用于待分割牙齿中。
6.进一步地，所述牙颌数字模型通过三维光学扫描法获得。
7.进一步地，所述牙颌数模简化通过顶点分类和离散高斯曲率算法实现。
8.进一步地，所述牙颌数字模型坐标系标准化是通过几何变换和pca融合的方法实现。
9.进一步地，所述提取的特征所述提取的特征包括离散高斯曲率、最大最小曲率、平均曲率，法向量，离散形状直径，离散测地距离。同时制定了提取策略。
10.进一步地，所述的深度学习模型使用的深度前馈网络模型。
11.进一步地，所述深度学习模型的训练过程需要在使用整套系统使用前进行训练用以确定深度学习模型的结构和超参数。
12.进一步地，所述牙齿分割过程是对训练获得的深度学习模型的使用，故需进行和训练过程相同的前处理过程。
13.本发明提供的一种自动的牙颌数字模型分割方法与现有技术相比，有以下有益效果：1、本发明所述方法是一种自动化的分割方法，与传统的手工分割和半自动分割相比具有效率和成本的优势；2、本发明所述方法分割过程中的牙颌数字模型简化过程可以人为设置简化比，简化比可控；3、本发明所述方法分割由于进行了坐标系的标准化，故仅需要较少的特征信息就能得到较为优秀的结果；4、本发明所述的分割方法在牙颌分割任务中具有较强的适用性，不同牙冠分割结果准确，在相邻牙冠分割中具有较小的偏差。
附图说明
14.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
15.图1为本发明实施例提供的一种自动的牙颌数字模型分割方法的技术路线图；图2为本发明实施例提供的一种自动的牙颌数字模型分割方法的使用结果示意图。
具体实施方式
16.为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
17.请参阅图1，现对本发明提供的一种自动的牙颌数字模型分割方法进行说明，包括以下步骤：获取患者的牙颌数字模型；对牙颌数字模型进行简化；对牙颌数字模型进行坐标系标准化及特征提取；将牙颌数字模型输入到深度学习模型进行牙齿分割，此处深度学习模型需要两个步骤的使用操作，第一步是深度学习模型的训练过程，主要包括：首先将获取的患者牙颌数
字模型进行简化，去除没有意义的多余三角面片；其次对牙颌数字模型进行坐标系标准化及特征提取，此处提取的特征信息是作为深度学习模型的信息源，是分割的主要依据；然后，将提取的特征信息输入到深度学习模型中进行训练，使深度学习模型自动学习到合适的超参数形成能实现牙齿分割的深度学习模型；最后，将牙颌数字模型简化、牙颌数字模型坐标系标准化及特征提取、能实现牙齿分割的深度学习模型的结构和超参数进行记录。第二步是牙齿的分割过程，即深度学习模型的使用过程，主要是讲第一步记录的牙颌数字模型简化、牙颌数字模型坐标系标准化及特征提取和能实现牙齿分割的深度学习模型的超参数及结构应用于待分割牙齿中。
18.本发明提供的一种自动的牙颌数字模型分割方法，与现有技术相比，进行分割的牙颌数字模型是由大量小三角面片组成的网格模型，该模型的姿态是有差异的。该模型是用以牙齿正畸领域的牙齿分割、虚拟排牙、确定矫治方案的，需用通过本文方法将牙齿与牙龈分开、牙齿与牙齿分开。
19.作为本发明实施例的一种具体实施方式，所述牙颌数字模型通过三维光学扫描法获得。三维光学扫描技术是利用白光或单色光探测被测对象，获取三维物体表面各点的空间坐标的方法和技术，该技术近年来发展迅速，具有速度快、精度高、安全性好等优点，是当今的前沿技术。三维光学扫描法能根据牙颌的三维形貌提高扫描结果的准确度，有助于提高矫治效果。
20.作为本发明实施例的一种具体实施方式，所述牙颌数字模型简化是通过顶点分类和离散高斯曲率算法实现。该算法能在大量减少三角面片的同时保留模型中的重要特征，通过控制删除条件删除蕴含特征不多的平坦区域，尽可能保留特征明显的陡边和凸点区域，且本算法具有简化速度快的优点。
21.作为本发明实施例的一种具体实施方式，所述牙颌数字模型坐标系标准化是通过几何变换和pca方法结合实现的，此方法充分利用牙颌数字模型的特征，首先通过几何变换对模型进行预摆正，使模型的z轴达到理想位置，然后通过pca计算模型的第一主轴，将模型的y轴与第一主轴对齐。通过此方法可以将不同模型规范到统一的坐标系中。
22.作为本发明实施例的一种具体实施方式，所述提取的特征包括离散高斯曲率、最大最小曲率、平均曲率，法向量，离散形状直径，离散测地距离。并且对提取方式进行改变，构造了充分发挥特征信息的提取策略。
23.作为本发明实施例的一种具体实施方式，所述的深度学习模型是使用的深度前馈网络模型，通过大量的实验和比较，通过对模型的各项参数的调整，包括网络结构、正则化方式、优化器类型、权重初始化方式等，最后确定的模型的各项参数。
24.作为本发明实施例的一种具体实施方式，所述的牙齿分割方法分为两方面的内容，一方面是使用前的后台训练过程，此过程是能实现牙齿分割的深度学习模型的自我学习过程，此过程需进行训练并在后期进行维护。另一方面是可实现牙齿分割的深度学习模型的使用过程，此过程是将训练好的模型进行使用的过程，即正常的使用过程。
25.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。