[发明专利]一种基于特征点识别的牙齿正畸结果预测方法及系统

说明书

本发明公开一种基于特征点识别的牙齿正畸结果预测方法及系统，包括：根据牙列模型得到牙冠点云、牙齿点云及牙齿标签；根据牙冠点云和牙齿点云提取牙列全局特征和牙齿局部特征，对牙列全局特征、单颗牙的牙齿标签及牙齿局部特征进行特征融合，根据融合特征和牙齿点云中点与特征点的偏移向量，提取单颗牙的特征点；将单颗牙的特征点与牙齿点云融合提取牙齿注意力特征，根据牙齿注意力特征得到牙列注意力特征，将牙列注意力特征、牙列全局特征及牙齿局部特征融合后得到融合特征点的点云；根据融合特征点的点云和目标位的牙冠点云得到牙齿正畸前后的刚体变换参数，根据刚体变换参数和待正畸的初始位牙冠点云，得到正畸后的牙冠模型预测结果。

技术领域

本发明涉及深度学习和图像处理技术领域，特别是涉及一种基于特征点识别的牙齿正畸结果预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

口腔正畸学(Orthodontics)涉及牙齿和颌骨错位的诊断、矫正和预防，随着3D打印技术的发展，隐形矫治器被引入口腔正畸领域，同时发展出数字化正畸的研究领域。经过调研，现在也有着很多面向正畸医生的隐形矫治器服务提供商。其中大部分由医生作为与病人交流的窗口，并且由正畸医生给出正畸方案、上传病人数据交由技工进行操作、得到正畸之后的牙齿模型作为目标位、以及设计由起始位到目标位的正畸过程，再反馈到正畸医生进行判断确认，正畸医生通过方案后进而生产得到正畸过程中使用的隐形牙套。在上述过程中，正畸医生依然担任着非常重要的作用，正畸方案的效果与效率很大程度上取决于正畸医生对于正畸方案的设计经验。

随着计算机硬件设备以及机器学习算法地迅猛发展，数据驱动的机器学习医学影像处理方法逐渐成为相关学者的研究重点。牙科范畴的医学影像主要有面部CBCT数据、口内扫描数据、X光全景图、头影侧位片等；一个经验丰厚的正畸医师能够针对这些数据对患者的情况进行了解并且制定优秀可行而高效牙齿正畸方案。

然而，诊断过程极大程度地依赖于正畸医生的经验水平，同时也有很强的主观影响因素，因而催生出了众多能够依赖于已有数据及标记基于深度学习的分析与诊断方法，但是受限于深度学习方法对于数据集的依赖，医学数据对于采集设备不同导致数据对齐问题、医学数据的隐私问题，使得深度学习算法的鲁棒性成为一个算法在不同数据集下能否得到较好结果的关键；因此直接使用深度学习的牙齿正畸预测依旧是一个非常具有挑战性的工作。

对于牙齿正畸而言，仅仅拥有牙齿的3d模型是远远不够的，现有的自动化正畸方案生成直接对输入数据进行端到端输出处理，缺乏可解释性以及可靠性，即使医生拿到所得正畸方案也无从判断其是否准确。

发明内容

为了解决上述问题，本发明提出了一种基于特征点识别的牙齿正畸结果预测方法及系统，基于正畸前的牙列模型获取牙冠点云和牙齿点云，以提取牙列全局特征和牙齿局部特征，对其进行特征融合后得到每颗牙齿的特征点；同时基于注意力机制得到带有特征点的牙列注意力特征，从而获取刚体变换参数，以预测正畸后的目标位牙冠模型。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于特征点识别的牙齿正畸结果预测方法，包括：

根据牙列模型得到初始位的牙冠点云、牙齿点云及对应的牙齿标签；

根据牙冠点云和牙齿点云分别提取牙列全局特征和牙齿局部特征，对牙列全局特征、单颗牙的牙齿标签及其牙齿局部特征进行特征融合，根据单颗牙的融合特征和牙齿点云中点与特征点的偏移向量，提取单颗牙的特征点；

将单颗牙的特征点与牙齿点云融合后，提取牙齿注意力特征，根据牙齿注意力特征得到带有特征点的牙列注意力特征，将牙列注意力特征、牙列全局特征及牙齿局部特征融合后得到融合特征点的点云；