[发明专利]基于多视角卷积神经网络的三维口腔模型安氏分类方法

说明书

本发明涉及一种基于多视角卷积神经网络的三维口腔模型安氏分类方法，包括如下步骤：步骤一、采集安氏分类数据，对于每个数字化三维口腔模型，提取多个预定位置牙齿的三维网格数据，通过组合得到两组安氏分类三角网格数据，并获取其对应的咬合错位类别；步骤二、基于安氏分类三角网格数据，生成多视角二维图；步骤三、对生成的多视角二维图进行预处理，得到预处理后的多视角二维图；步骤四、基于预处理后的多视角二维图，构建口腔数字化模型的安氏分类网络ANNET模型；步骤五、基于多视角二维图对安氏分类网络ANNET模型进行训练，训练完成后，利用所述安氏分类网络ANNET模型对输入的三维口腔模型进行安氏分类预测。

技术领域

本发明属于图像处理领域，尤其是一种基于多视角卷积神经网络的三维口腔模型安氏分类方法。

背景技术

安氏分类法是由Angle医生在1899年提出的，是目前使用最为广泛的错颌畸形分类法。Angle认为，上颌骨固定于头颅上，位置相对恒定，上第I恒磨牙位于上颌骨颧突之下，稳定而不易错位，于是以上第1恒磨牙为基准，根据上下牙弓间的前后关系，将错颌畸形分为3类。现有技术中，由于分类方法需要考虑牙齿前后关系、位置等进行牙齿识别和判断，如果要对口腔内牙齿进行安氏分类，通常采用人工方式对照口腔牙齿图像进行辨认和判断，效率较低，并且在疏忽时容易出错，目前还无法实现计算机自动化智能判断和分类识别。

发明内容

为了解决上述技术问题，本发明提出了一种基于多视角卷积神经网络的三维口腔模型安氏分类方法，通过使用多视角组合卷积神经网络Group-View ConvolutionalNeural Net（GVCNN）为主干网络，设计了适用于安氏分类的神经网络ANNET模型，本发明的ANNET模型在现有的GVCNN网络模型下进行改进，首先，在原始描述算子之后的全连接层增加一层卷积层，其次，集合多视角特征和安氏类别的关系，最后，在网络最后一层全连接前增加口腔左右侧先验关系。从而能够实现利用ANNET对三维口腔模型进行安氏分类。

本发明的技术方案为：一种基于多视角卷积神经网络的三维口腔模型安氏分类方法，包括如下步骤：

步骤一、采集安氏分类数据，对于每个数字化三维口腔模型，提取多个预定位置牙齿的三维网格数据，通过组合得到两组安氏分类三角网格数据，并获取其对应的咬合错位类别；

步骤二、基于安氏分类三角网格数据，生成多视角二维图；

步骤三、对生成的多视角二维图进行预处理，得到预处理后的多视角二维图；

步骤四、基于预处理后的多视角二维图，构建口腔数字化模型的安氏分类网络ANNET模型；

步骤五、基于多视角二维图对安氏分类网络ANNET模型进行训练，训练完成后，利用所述安氏分类网络ANNET模型对输入的三维口腔模型进行安氏分类预测。

进一步的，所述的步骤一、采集安氏分类数据，提取口腔多个预定位置牙齿的三维网格数据，通过组合得到两组安氏分类三角网格数据，并获取其对应的咬合错位类别；具体包括：

获取患者数字化三维口腔模型中分割好的每颗牙齿的三角网格数据以及对应的牙位；对于每个患者分割好的牙齿，提取右侧上颌第一恒磨牙和右侧下颌第一恒磨牙的三角网格数据，通过对两组三角网格数据组合，得到一组包含上下颌第一恒磨牙的三角网格数据，即安氏分类三角网格数据，并获取其对应的咬合错位类别即安氏类别；同样对左侧上颌第一恒磨牙和左侧下颌第一恒磨牙三角网格数据组合，获取到另一组安氏分类三角网格数据以及其对应的安氏类别，最终，从每例患者的三维口腔模型中，能够采集到两组安氏分类三角网格数据及其对应的安氏类别标签。

进一步的，所述的步骤二、基于安氏分类三角网格数据，生成多视角二维图；具体包括：

对安氏分类三角网格数据做多视角的图像渲染，即相机沿着固定一个坐标轴按照预定的角度间隔旋转，渲染出多个角度的二维图。