[发明专利]一种牙齿图像分割方法、存储介质和电子设备在审

专利信息
申请号: 202211389970.6 申请日: 2022-11-08
公开(公告)号: CN115661172A 公开(公告)日: 2023-01-31
发明(设计)人: 刘皓;甘博城;陈明书;陈宇飞;王秀锦;黄炜 申请(专利权)人: 福州海狸家口腔科技有限公司
主分类号: G06T7/11 分类号: G06T7/11;G06T7/66;G06V10/762;G06N3/045;G06N3/08
代理公司: 福州市景弘专利代理事务所(普通合伙) 35219 代理人: 郭鹏飞
地址: 350007 福建省福州市仓山区金山街道*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 牙齿 图像 分割 方法 存储 介质 电子设备
【权利要求书】:

1.一种牙齿图像分割方法,其特征在于,包括以下步骤:

S1:获取牙模图像;所述牙模图像包括至少一个牙齿信息;

S2:将所述牙模图像输入至训练完成的第一神经网络,输出所述牙模图像上的牙齿信息所在的特征点对应的向量信息;所述向量信息由所述特征点指向与所述特征点距离最近的牙齿中心点;

S3:对所有所述向量信息进行聚类分析,筛选出若干向量信息集合,并根据各个所述向量信息集合中的向量信息确定对应的牙齿中心点坐标;相同向量信息集合中的向量信息的终点之间的距离小于预设误差范围;

S4:根据各个牙齿中心点坐标对牙模图像进行分割,得到分割后的牙齿图像。

2.如权利要求1所述的牙齿图像分割方法,其特征在于,所述牙模图像为三维图像;

在步骤S1之后步骤S2之前还包括步骤:

S11:将所述牙模图像上各个体素大小调整至第一尺寸;所述第一尺寸为所述第一神经网络在进行训练时,输入至所述第一神经网络中的牙模样本图像上的体素大小;

将所述牙模图像输入至训练完成的第一神经网络包括:将经过步骤S11调整后的牙模图像输入至训练完成的第一神经网络。

3.如权利要求1所述的牙齿图像分割方法,其特征在于,

将所述牙模图像输入至训练完成的第一神经网络还包括:

提取所述牙模图像中的重点区域,得到重点区域图像,将所述重点区域图像输入至训练完成的第一神经网络;所述重点区域图像包含所述牙模图像上的所有牙齿信息。

4.如权利要求1或2所述的牙齿图像分割方法,其特征在于,

所述第一神经网络根据以下方式进行训练:

获取若干牙模样本图像,所述牙模样本图像包含至少一个牙齿信息,每一牙齿信息对应一个牙齿中心点;

将所述牙模样本图像输入第一神经网络进行迭代训练,计算各个牙齿信息中的特征点对应的向量信息并输出。

5.如权利要求1所述的牙齿图像分割方法,其特征在于,步骤S4包括:

S41:将确定的若干所述牙齿中心点坐标和所述牙模图像输入至训练完成的第二神经网络,输出基于各个所述牙齿中心点坐标分割后的牙齿图像。

6.如权利要求5所述的牙齿图像分割方法,其特征在于,所述牙模图像为三维图像;

在步骤S3之后步骤S41之前还包括步骤:

S31:将所述牙模图像上各个体素大小调整至第二尺寸;所述第二尺寸为所述第二神经网络在进行训练时,输入至所述第二神经网络中的牙模样本图像上的体素大小;

将所述牙模图像输入至训练完成的第二神经网络包括:将经过步骤S31调整后的牙模图像输入至训练完成的第二神经网络。

7.如权利要求5或6所述的牙齿图像分割方法,其特征在于,

将确定的若干所述牙齿中心点坐标和所述牙模图像输入至训练完成的第二神经网络包括:

以各个牙齿中心点为中心,将所述牙模图像分割为相应数量的包含单颗牙齿信息的图像,将各个牙齿中心点坐标以及其对应的所述包含单颗牙齿信息的图像依次输入至训练完成的第二神经网络。

8.如权利要求1所述的牙齿图像分割方法,其特征在于,

根据各个所述向量信息集合中的向量信息确定对应的牙齿中心点坐标包括:

将各个所述向量信息集合中的向量信息对应的终点坐标的平均值作为对应的牙齿中心点坐标。

9.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法步骤。

10.一种电子设备,其特征在于,包括处理器和存储介质,所述存储介质为如权利要求9所述的存储介质;

所述处理器用于执行所述存储介质中存储的计算机程序以实现如权利要求1至8任一项所述的方法步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福州海狸家口腔科技有限公司,未经福州海狸家口腔科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211389970.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top