[发明专利]基于迭代边界优化和深度学习的牙齿分割方法及系统

权利要求书

1.基于迭代边界优化和深度学习的牙齿分割方法，其特征是，包括：

获取待分割的口腔扫描点云数据；

对待分割的口腔扫描点云数据进行降采样处理，得到代理点云数据；

将代理点云数据输入到训练后的第一牙齿边界分割模型中，得到预测的牙齿标签；

基于预测的牙齿标签，将代理点云数据划分为牙齿边界点云数据和牙齿特征点云数据；

将牙齿边界点云数据和牙齿特征点云数据，均输入到训练后的第二牙齿边界分割模型中，得到预测的牙齿边界标签；

根据预测的牙齿边界标签，将代理点云数据重新划分为牙齿边界点云数据和牙齿特征点云数据，返回上一步，直至迭代次数超过设定阈值，输出最终预测的牙齿边界。

2.如权利要求1所述的基于迭代边界优化和深度学习的牙齿分割方法，其特征是，将代理点云数据输入到训练后的第一牙齿边界分割模型中，得到预测的牙齿标签，其中，训练后的第一牙齿边界分割模型，用于对代理点云数据进行牙齿特征提取，对提取的牙齿特征通过插值上采样方式进行特征传播至原始点云尺寸，然后对传播的牙齿特征采用多层感知机进行分类得到牙齿预测标签。

3.如权利要求1所述的基于迭代边界优化和深度学习的牙齿分割方法，其特征是，将代理点云数据输入到训练后的第一牙齿边界分割模型中，得到预测的牙齿标签，其中，训练后的第一牙齿边界分割模型，其网络结构包括：依次连接的特征提取模块、特征传播模块、第一卷积层、第一归一化层和第一激活函数层。

4.如权利要求1所述的基于迭代边界优化和深度学习的牙齿分割方法，其特征是，将代理点云数据输入到训练后的第一牙齿边界分割模型中，得到预测的牙齿标签，其中，训练后的第一牙齿边界分割模型，其训练过程包括：

构建第一训练集；所述第一训练集，为已知牙齿标签的点云数据；

将第一训练集，输入到第一牙齿边界分割模型中，对第一牙齿边界分割模型进行训练，当第一牙齿边界分割模型的第一损失函数值不再下降时，停止训练，得到训练后的第一牙齿边界分割模型。

5.如权利要求1所述的基于迭代边界优化和深度学习的牙齿分割方法，其特征是，基于预测的牙齿标签，将代理点云数据划分为牙齿边界点云数据和牙齿特征点云数据，具体包括：

对代理点云数据建立K-D树，K-D树用来加速代理点云数据中点的近邻查询；

利用所述K-D树，求代理点云数据中每个点设定半径范围内的近邻点；将近邻点内同时包含牙齿及非牙齿预测标签的点，视为当前牙齿的初始边界点云数据；从而依次找出所有牙齿的初始边界点云；

建立与代理点云长度相等的标签数组，并将初始边界点云的所有点在标签数组中的元素值进行标记；通过对标签数组进行近邻插值，得到插值后的标签数组，选择插值后的标签数组内值大于设定阈值的点为密集边界点云；

对密集边界点云及牙齿点云进行降采样，得到牙齿特征点云数据；将密集边界点云作为牙齿边界点云数据。

6.如权利要求1所述的基于迭代边界优化和深度学习的牙齿分割方法，其特征是，将牙齿边界点云数据和牙齿特征点云数据，均输入到训练后的第二牙齿边界分割模型中，得到预测的牙齿边界标签，训练后的第二牙齿边界分割模型，包括：

密集边界点云和牙齿特征点云分别进行特征提取，分别得到边界特征和牙齿特征；

采用注意力机制分别对边界特征和牙齿特征进行增强处理；

将增强后的所有特征经过三层共享权重的多层感知机，预测出每个点属于牙齿或牙龈。