[发明专利]一种提取牙齿三维点云模型牙弓曲线的方法及系统

说明书

本发明涉及一种提取牙齿三维点云模型牙弓曲线的方法及系统，所述方法包括：通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程Ax+By+Cz+D＝0确定咬合平面；以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线。本发明的优点在于：能够自动定位牙齿三维点云数据的关键解剖结构，需要的训练数据集少，定位准确，泛化性能高，降低医生重复劳动；支持可视化手动调整，操作简便，可实现自动拟合牙弓曲线。

技术领域

本发明涉及一种提取牙弓曲线的方法，尤其涉及一种提取牙齿三维点云模型牙弓曲线的方法及系统。

背景技术

在错颌畸形的诊断和治疗中，需要对特定解剖结构进行识别和分析测量；其中，牙弓曲线是指导牙齿根据牙槽骨个性化排列的重要依据；传统的提取方式包括根据WALA嵴(附着牙龈与牙槽黏膜交界软组织带上最凸点和牙旋转中心处于同一平面)手绘和CBCT提取；但是这些牙弓曲线提取方式主要基于石膏模型或者CBCT的二维影像界面，其操作繁杂且误差较大。

口内扫描设备利用结构光扫描重建牙齿三维模型，其数据采集速度快、精度高，数字化模型易存储、便于可视化分析，已逐渐成为行业主流；但是点云模型的自动化分割与识别难度较大，原因在于点云的不规则性和无序性，不利于深度学习；目前，大多数方法都是将点云转换为结构化网络，以便于深层神经网络的处理；然而，这些方法要么导致深度信息的丢失，要么引入转换伪影，并且需要更高的计算成本。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种提取牙齿三维点云模型牙弓曲线的方法及系统，解决了现有牙弓曲线提取方法存在的不足。

本发明的目的通过以下技术方案来实现：一种提取牙齿三维点云模型牙弓曲线的方法，所述方法包括：

通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，利用边的向量将顶点与其邻域内的点相连，通过池化处理集成邻域信息后输出关键解剖标志点点结果；

提取离散的下颌牙齿关键解剖标记点并根据拟合平面方程Ax+By+Cz+D＝0确定咬合平面；

以每颗牙齿的颊侧切端两个关键点到曲线的欧式距离作为最下化函数，并不断调节曲线的各个参数，生成符合牙齿排列情况的牙弓曲线。

所述通过基于图的动态卷积神经网络将输入的无序三维点云数据中各个点抽象为图的顶点，通过池化处理集成邻域信息后输出关键解剖标志点点结果包括：

提取STL顶点数据、顶点法向量和三角面特征，使用Delaunay函数计算Delaunay三角剖分连接矩，绘制网格转换为无向图G＝(V，E)，并提取无向图边数据(E)；

拼接顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值并进行归一化处理；

对已标记数据进行随机旋转扩增并归一化，将数据标签、特征值、边、顶点、三角面和法向量集合得到COO format数据集；

输入所有顶点数据(x，y，z)、顶点法向量(α，β，γ)作为数据特征值，并进行三次邻居聚合，在每次邻居聚合后通过最大池化和平均池化对输出进行拼接处理，再将三组拼接处理后的值相加后依次输入到三个线性层进行处理，最后输出关键解剖标志点点结果。

所述方法还包括牙齿三维点云数据采集步骤：所述牙齿三维点云数据采集步骤包括通过口内扫描或者CBCT高精度重建点云得到牙齿的三维点云数据。

所述方法还包括排牙步骤；所述排牙步骤包括根据所述牙弓曲线按照andrews 6要素进行排牙。