一种牙齿网格分割模型的训练方法及终端

本发明涉及深度学习，尤其涉及一种牙齿网格分割模型的训练方法及终端。

背景技术：

1、从三维(three-dimensional，3d)牙颌模型精准分割得到单牙数据，是牙齿分析和排列、牙轴计算、正畸手术规划的一个先决条件，目前可将传统3d牙齿分割方法大致分为三类：1、基于表面曲率的方法；2、基于轮廓线的方法；3、基于调和场（harmonic field）的方法，其中前两类方法的鲁棒性不高，对于牙齿结构的变化较为敏感；专利（专利公开为cn104715475b）是第3类方法的代表方案，虽然该方法展现出相较同时期方法更为优越的性能，但在当前依靠大数据机器学习可实现自主分割的模式下，其人工指定约束条件进行拉普拉斯调和场求解的方式却成为制约该技术发展的主要瓶颈。

2、其中，于2021年公开的《基于图注意力卷积的三维牙齿模型分割网络》一文中以面片为基本单元进行牙齿分割，然而这种方式存在以下的局限性：第一，其受制于网格化简技术，通过网格化简将样本面片数统一到指定规模是基于面片方法中实现批量处理和多尺度策略的前提，而批量处理则是大数据模型训练必不可少的步骤，但网格化简算法可能会引入拓扑变化、非流形等问题。第二，存在边界判别的模糊性，期望中的分割边界可能会经过面片，从而将其剖分为前景和背景两部分，在这种方法下若假定一个面片只有一个标签，那么分割边界必然是面片的某条边，这往往与期望情况不符。而于2017年公开的《度量空间中点集的深度多级特征学习》一文中是进行点云分割的早期通用方法，若没有对其点云分割技术进行针对性的优化就直接应用于牙齿分割场景，会造成牙齿分割准确率不够高的问题。

技术实现思路

1、本发明所要解决的技术问题是：提供一种牙齿网格分割模型的训练方法及终端，提升模型对牙齿分割的准确率。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种牙齿网格分割模型的训练方法，包括：

4、获取牙齿训练集以及所述牙齿训练集中目标牙齿的边界标记；

5、将所述牙齿训练集进行预处理后得到所述目标牙齿的点云数据；

6、将所述点云数据输入初始牙齿网格分割模型，所述初始牙齿网格分割模型包括集合抽象层、特征传播层和多感知机层；

7、将所述点云数据在所述集合抽象层中根据曲率分类得到低曲率点集和高曲率点集，并根据所述低曲率点集和所述高曲率点集分别进行最远点采样，得到采样结果；

8、将所述采样结果在所述特征传播层中进行特征传播，得到牙齿特征点云数据；

9、在所述多感知机层中，根据所述边界标记计算所述牙齿特征点云数据的权重值，根据所述权重值进行牙齿边界分割的训练，得到最优的牙齿网格分割模型。

10、为了解决上述技术问题，本发明采用的另一种技术方案为：

11、一种牙齿网格分割模型的训练终端，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种牙齿网格分割模型的训练方法中的各个步骤。

12、本发明的有益效果在于：获取牙齿训练集以及目标牙齿的边界标记，根据牙齿训练集进行预处理后获取目标牙齿的点云数据，将点云数据通过初始牙齿网格分割模型的集合抽象层进行曲率分类后得到低曲率点集和高曲率点集，分别通过低曲率点集和高曲率点集进行最远点采样，使得点云数据在模型中进行采样的过程中，能够获取更多处于潜在边界位置的特征点；再将采样结果通过初始牙齿网格分割模型的特征传播层进行特征传播后得到牙齿特征点云数据，基于目标牙齿的边界标记，计算牙齿特征点云数据的权重值，通过权重值感知牙齿特征点云数据中的边界点，从而实现牙齿边界的分割训练，得到牙齿网格分割模型。本发明聚焦牙齿分割的边界，以提升牙齿边界分割的准确率来提升模型对牙齿整体的分割性能。

技术特征：

1.一种牙齿网格分割模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的一种牙齿网格分割模型的训练方法，其特征在于，所述将所述牙齿训练集进行预处理后得到所述目标牙齿的点云数据包括：

3.根据权利要求2所述的一种牙齿网格分割模型的训练方法，其特征在于，所述根据所述局部三角网格模型进行采样后得到所述目标牙齿的点云数据包括：

4.根据权利要求1所述的一种牙齿网格分割模型的训练方法，其特征在于，所述根据所述低曲率点集和所述高曲率点集进行最远点采样，得到采样结果包括：

5.根据权利要求1所述的一种牙齿网格分割模型的训练方法，其特征在于，所述根据所述边界标记计算所述牙齿特征点云数据的权重值，根据所述权重值进行牙齿边界分割的训练，得到最优的牙齿网格分割模型包括：

6.根据权利要求4所述的一种牙齿网格分割模型的训练方法，其特征在于，所述根据所述低曲率平均值和所述高曲率平均值分别计算对应点集的采样密度具体为：

7.根据权利要求4所述的一种牙齿网格分割模型的训练方法，其特征在于，根据所述采样密度分别对所述低曲率点集和所述高曲率点集进行最远点采样，得到低曲率采样集和高曲率采样集具体为：

8.根据权利要求5所述的一种牙齿网格分割模型的训练方法，其特征在于，所述根据所述边界标记计算所述牙齿特征点云数据中每一个点云的权重值具体为：

9.根据权利要求5所述的一种牙齿网格分割模型的训练方法，其特征在于，所述根据所述权重值计算所述牙齿特征点云数据的损失函数具体为：

10.一种牙齿网格分割模型的训练终端，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述的一种牙齿网格分割模型的训练方法中的各个步骤。

技术总结
本发明提供的一种牙齿网格分割模型的训练方法及终端，获取牙齿训练集以及目标牙齿的边界标记，根据牙齿训练集进行预处理后获取目标牙齿的点云数据，将点云数据通过初始牙齿网格分割模型的集合抽象层进行曲率分类后得到低曲率点集和高曲率点集，分别通过低曲率点集和高曲率点集进行最远点采样，使得点云数据在模型中进行采样的过程中，能够获取更多处于潜在边界位置的特征点；基于目标牙齿的边界标记，计算牙齿特征点云数据的权重值，通过权重值感知牙齿特征点云数据中的边界点，从而实现牙齿边界的分割训练，得到牙齿网格分割模型。本发明聚焦牙齿分割的边界，以提升牙齿边界分割的准确率来提升模型对牙齿整体的分割性能。

技术研发人员：刘石坚,邹峥,廖胜辉,吴连杰,康朝明,许煜濠
受保护的技术使用者：福建理工大学
技术研发日：
技术公布日：2024/1/16