[发明专利]用于配准口内测量的方法、系统和计算机可读存储介质

权利要求书

1.一种用于三维(3D)配准的计算机实现方法，该方法包括：

通过一个或多个计算设备接收患者牙列的个体图像；

使用经训练的深度神经网络的一个或多个输出标签值自动识别所述个体图像中的配准错误的源，其中所述输出标签值是通过将所述个体图像分割成对应于一个或多个对象类别的区域获得的；

基于所述一个或多个输出标签值将所述个体图像配准在一起以形成没有配准错误或基本上没有配准错误的配准的3D图像，

其中所述个体图像是深度和/或相应的彩色图像。

2.根据权利要求1所述的方法，其中，所述配准通过以下方式实现：

通过将所述深度图像的像素投影到空间中，从所述深度图像生成点云；

分别使用对应的彩色图像和所述经训练的深度神经网络的输出标签值，为点云中的每个点分配颜色值和标签值；和

基于所分配的标签值，丢弃或使用预定权重部分包括所述点云中的一个或多个点，从而消除或减少所丢弃或部分包括的一个或多个点对配准的贡献。

3.根据权利要求1所述的方法，其中，所述个体图像是个体三维光学图像。

4.根据权利要求1所述的方法，其中，所述个体图像被接收作为图像的时间序列。

5.根据权利要求1所述的方法，其中，所述个体图像被接收为一对彩色和深度图像。

6.根据权利要求1所述的方法，其中，所述一个或多个对象类别包括硬牙龈、软组织牙龈、舌头、脸颊、牙齿和齿状对象。

7.根据权利要求1所述的方法，其中所识别的配准误差的源的相关性的指示基于其周围的几何形状。

8.根据权利要求1所述的方法，其中，所述深度神经网络是从由卷积神经网络(CNN)、完全卷积神经网络(FCN)、循环神经网络(RNN)和循环卷积神经网络(Recurrent-CNN)组成的组中选择的网络。

9.根据权利要求1所述的方法，还包括：

使用所述一个或多个计算设备和多个个体训练图像训练所述深度神经网络，以将每个训练图像的至少一部分中的一个或多个组织映射到一个或多个标签值，

其中，通过将所述个体训练图像、所述个体训练图像的像素或所述个体训练图像的超像素分类为与语义数据类型和/或错误数据类型对应的一个或多个类别，在像素级别上进行所述训练。

10.根据权利要求9所述的方法，其中，所述训练图像包括3D网格和深度和彩色图像的配准的对。

11.根据权利要求10所述的方法，其中，所述3D网格被标记并且使用变换函数将所述标签转移到3D和彩色图像的配准的对。

12.一种存储程序的非暂时性计算机可读存储介质，当该程序由计算机系统执行时，使计算机系统执行包括以下的过程：

通过一个或多个计算设备接收患者牙列的个体图像；

使用经训练的深度神经网络的一个或多个输出标签值自动识别所述个体图像中的配准错误的源，其中所述输出标签值是通过将所述个体图像分割成与一个或多个对象类别对应的区域获得的；

其中所述个体图像是深度和/或相应的彩色图像；

该方法还包括基于所述一个或多个输出标签值将所述个体图像配准在一起以形成没有配准错误或基本上没有配准错误的配准的3D图像。