一种基于牙位任务隔离适配的Ⅱ类洞洞壁分割方法及系统与流程

摘要: 本发明涉及三维点云语义分割与口腔数字化实践技能教学,具体涉及一种基于牙位任务隔离适配的ⅱ类洞洞壁分割方法及系统。背景技术:1、口腔教学院校使用不同牙位的模型牙开...
一种基于牙位任务隔离适配的Ⅱ类洞洞壁分割方法及系统与流程

本发明涉及三维点云语义分割与口腔数字化实践技能教学,具体涉及一种基于牙位任务隔离适配的ⅱ类洞洞壁分割方法及系统。

背景技术:

1、口腔教学院校使用不同牙位的模型牙开展ⅱ类窝洞预备训练。扫描后的牙体表面需要区分背景、髓壁、龈壁、轴壁、局部凸起或过渡壁面、颊侧壁和舌侧壁,以便教师观察预备区域及壁面分界。不同牙位或牙列的几何尺度、窝洞形态和各壁面点数比例存在差异;新增某一牙位数据后对全部模型参数共同微调,可能使已有牙位的预测发生退化。

2、共享模型虽可复用点云几何特征,但若只在输出端设置多个分类头,共享特征传播层仍受目标任务梯度改变;若冻结全部共享层而只训练一个输出头,目标牙位又缺少对中间几何特征的修正能力。因此,需要在保持已有牙位计算路径稳定的同时,为目标牙位提供有限、可核验的中间特征修正路径。

3、rebuffi等2017年论文learning multiple visual domains with residualadapters公开共享参数和领域专属残差适配器,通过冻结共享参数保留旧任务。cermelli等2020年预印本a few guidelines for incremental few-shot segmentation(arxiv:2012.01415v1)讨论批归一化统计量漂移及固定运行统计量的对照。残差适配和统计量保持均有既有技术基础。

技术实现思路

1、本发明的目的在于提供一种基于牙位任务隔离适配的ⅱ类洞洞壁分割方法及系统,针对已有ⅱ类窝洞模型的单牙位继续训练,限定同一牙位编号驱动两级特征适配及残差分类、共享模块评估状态保持、整张条件嵌入表的非活动行及同形优化器状态恢复。上述控制分别作用于任务计算路径、共享缓冲区和条件向量,需结合网络连接关系说明;单独冻结梯度不能覆盖后两者。

2、本发明在既有任务适配模型完整继承的基础上,结合两级同任务路由、共享运行状态保持和非活动嵌入行保护,形成可复核的定向训练过程。。

3、为达到上述目的,本发明提供如下技术方案:

4、一种基于牙位任务隔离适配的ⅱ类洞洞壁分割方法,包括如下步骤:

5、s1、取得教学牙模型的网格顶点坐标、法向量及牙位任务键,将建立的牙位任务键与任务编号一一映射,完整加载已有模型的共享点云主干、条件嵌入、两级任务适配器、共享分类器、任务残差分类头及缓冲区;

6、s2、以同一任务编号选择第二特征传播层中间点尺度和第一特征传播层输入点尺度的瓶颈残差适配器,所述适配器采用组归一化,并将对应任务残差分类分数与共享分类分数相加;

7、s3、定向训练仅采样活动牙位,将其两级适配器、残差分类头及整张任务嵌入表加入优化器,冻结共享及非活动任务模块的参数,每次顶层模型进入训练状态后重新将冻结共享模块置为评估状态;

8、s4、每次优化器更新前保存非活动嵌入行及已有同形优化器状态,更新后恢复这些行,对本次新建的同形状态将非活动行置零;

9、s5、训练后核验冻结参数与共享缓冲区;

10、s6、预测按所述任务编号选择支路,输出与网格顶点对应的ⅱ类窝洞壁面标签。

11、进一步地,瓶颈残差适配器包括128通道至32通道的逐点卷积、组归一化、relu及32通道至128通道的逐点卷积,并将所得残差与输入特征相加。

12、进一步地,条件编码为[模型任务类型,牙列类型,任务编号];同一批次按任务编号分组调用相应适配器和残差分类头,并按原批次索引写回;未知任务键或运行映射与checkpoint映射不一致时拒绝预测。

13、进一步地,冻结共享模块包括点集抽象层、特征传播层及共享分类器,其中的批归一化层使用继承的运行均值和运行方差、停止批次统计更新,随机失活层在评估状态下关闭;活动任务适配器的组归一化按样本内的通道分组计算。

14、进一步地,训练前保存冻结参数与冻结共享模块缓冲区,训练后逐元素比较;嵌入行恢复仅作用于非活动任务编号对应的参数行及形状与整张嵌入表相同的优化器状态行,不对优化器标量步数状态实施按行恢复。

15、进一步地,由同一七类概率将六类壁面概率求和得到整体预备区概率,并将七类分类损失、多类dice损失和整体预备区dice损失组合用于目标任务模块训练。

16、进一步地,对候选模型使用包含目标任务与非目标任务的冻结原始网格清单执行同参数预测,对每个任务分别统计fg_miou、严重退化比例、最差样本和输出文件摘要,并依据预定分任务门槛确定是否接受候选。

17、本发明还提供如下技术方案:

18、一种ⅱ类洞洞壁分割系统,包括任务映射模块、共享点云特征提取模块、两级任务适配模块、任务残差分类模块、目标任务训练控制模块、受保护状态核验模块及预测输出模块,各模块被配置为执行权利要求1至7任意一项所述的方法。

19、本发明还提供如下技术方案:

20、一种电子设备,包括处理器和存储器,所述存储器中的程序由处理器执行时实现权利要求1至7任意一项所述的方法。

21、本发明还提供如下技术方案:

22、一种计算机可读存储介质,其上存储的程序由处理器执行时实现权利要求1至7任意一项所述的方法。

23、本发明的有益效果在于:

24、本方法通过同一牙位编号确定特征适配、分类残差和可更新的嵌入行。训练批次只来自目标牙位,共享参数停止梯度更新且共享模块保持评估状态;任务适配器采用组归一化完成局部学习。嵌入行恢复限定整表优化器的更新边界。由此具体区分任务专属学习与共享状态保持,两者的实验效果分别核验。

25、实际训练显示,候选版本alpha2由稳定的版本alpha1检查点初始化,仅激活36-caries任务并采用adapter_only范围训练。336份冻结raw模型同参数a/b均为336/336成功、errors=0;36-caries的任务聚合fg_miou提高0.022221827,下降超过0.01的样本为8/213(3.76%),最差单例为-0.019255069;受保护的75-caries为123份,任务指标差为0。

26、整体fg_miou提高0.016027686、整体miou提高0.014253589,候选检查点为epoch834、sha256为:

27、1948c31a198fc5ca70f3bbc7117d387968b637fa4fbc0a35583c2947dadcf853。

28、上述结果仅证明该实施例在既定数据、检查点、随机种子和门禁口径下同时取得目标任务改进与受保护任务保持。另行短程对照采用3个种子、每组120步及24份去重验证模型:完整保护组的目标任务fg_miou平均提高0.024193,受保护任务变化为0;不保持共享评估状态组的受保护任务平均变化为-0.704950。该结果针对运行状态保护,不证明任意数据下都不退化。

29、上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。