[发明专利]一种训练牙模形变模型的方法及装置

权利要求书

1.一种训练牙模形变模型的方法，其特征在于，包括：

获取样本数据，所述样本数据包括扫描口腔获取的多个初始牙齿模型以及对各初始牙齿模型进行人工加工得到的各初始牙齿模型对应的目标形变模型；

获取各初始牙齿模型对应的特征张量，各初始牙齿模型对应的特征张量的各元素为各初始牙齿模型所在立方体空间中各个体素的截断符号距离函数TSDF值；

将各初始牙齿模型对应的特征张量输入预设网络模型，获取各初始牙齿模型对应的预测形变模型；

根据各初始牙齿模型对应的目标形变模型和预测形变模型，对所述预设网络模型进行优化获取牙模形变模型。

2.根据权利要求1所述的方法，其特征在于，所述预设网络模型，包括：由多个串联结构的编码器组成的编码器组件、自注意力组件、特征传递组件、多尺度分析组件以及由多个串联结构的解码器组成的解码器组件；所述编码器组件的输入为所述预设网络模型的输入，所述编码器组件的输出为所述自注意力组件的输入；所述自注意力组件的输出为所述所述特征传递组件的输入；所述特征传递组件的输出为所述多尺度分析组件的输入，所述多尺度分析组件的输出为所述解码器组件的输入，所述解码器组件的输出为所述预设网络模型的输出；

其中，所述自注意力组件用于对所述编码器组件输出的特征张量进行非局部信息提取，获取环境特征张量；所述特征传递组件对所述自注意力组件的输出进行处理，并将处理结果传递至所述多尺度分析组件；所述多尺度分析组件用于提取所述特征传递组件输出的特征张量在多个尺度下的特征张量。

3.根据权利要求2所述的方法，其特征在于，

所述编码器组件包括三个串联结构的编码器，各编码器包括一残差单元和一下采样单元；各编码器的残差单元用于通过三个串联结构的卷积层对残差单元的输入进行卷积操作并对所述卷积操作的卷积结果和残差单元的输入执行加和操作，各编码器的下采样单元用于将输入特征张量下采样为通道数为输入特征张量的通道数的两倍，长、宽、高为输入特征张量的长、宽、高的二分之一的输出特征张量；

各残差单元的输入均为所属的编码器的输入，各下采样单元的输入均为所属的编码器的残差单元输出，各下采样单元的输出均为所属的编码器的输出，第一个编码器的输入为编码器组件的输入，第三个编码器的输出为编码器组件的输出，第二编码器和第三个编码器的输入分别为第一个编码器和第二个编码器的输出。

4.根据权利要求2所述的方法，其特征在于，所述自注意力组件包括：残差单元、第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第一点积单元、第二点积单元、第一加和单元以及第二加和单元；所述残差单元用于通过三个串联结构的卷积层对残差单元的输入进行卷积操作并对所述卷积操作的卷积结果和残差单元的输入执行加和操作，所述第一点积单元和第二点积单元用于对输入特征张量执行点积操作，所述第一加和单元和第二加和单元用于对输入特征张量执行加和操作；

所述残差单元的输入为所述编码器组件的输出，所述残差单元的输出为所述第一卷积层的输入；所述第一卷积层的输出为所述所述第二卷积层、所述第三卷积层、所述第四卷积层的输入；所述第一点积单元的输入为所述第二卷积层的输出和所述第三卷积层的输出；所述第二点积单元的输入为所述第一点积单元的输出和所述第四卷积层的输出；所述第五卷积层的输入为所述第二点积单元的输出；所述第一加和单元的输入为所述第五卷积层的输出和所述第一卷积层的输出；所述第六卷积层的输入为所述第一加和单元的输出；所述第二加和单元的输入为所述第六卷积层的输出和所述残差单元的输出，所述第二加和单元的输出为所述自注意力组件的输出。

5.根据权利要求2所述的方法，其特征在于，所述特征传递组件包括一个下采样单元和一个残差单元；

所述下采样单元用于将输入特征张量下采样为通道数为输入特征张量的通道数的两倍，长、宽、高为输入特征张量的长、宽、高的二分之一的输出特征张量，所述残差单元用于通过三个串联结构的卷积层对残差单元的输入进行卷积操作并对所述卷积操作的卷积结果和残差单元的输入执行加和操作；

所述下采样单元的输入为所述自注意力组件的输出，所述下采样单元的输出为所述残差单元的输入，所述残差单元的输出为所述所述特征传递组件的输出。