牙弓曲线的生成方法、装置、电子设备及可读存储介质
本技术涉及计算机,尤其是涉及一种牙弓曲线的生成方法、装置、电子设备及可读存储介质。
背景技术:
1、在正畸矫治方案的制定过程中,牙弓拥挤度的测量是诊断与治疗规划的核心参数之一。牙弓曲线作为拥挤度计算、牙列协调度评估以及个性化排牙算法的基础输入,其准确生成对于正畸决策具有决定性意义。目前临床常用的牙弓曲线获取方式主要包括:使用铜丝弯制、手动在数字模型上拟合曲线、通过软件进行半自动点选与人工修正以及通过对牙齿进行识别分割构建牙弓曲线。
2、其中,使用铜丝弯制指的是医生在患者嘴里或模型上用铜丝手工弯出牙弓形状,该方式依赖医生的主观经验,耗时长,不同医生弯出的牙弓形状差别较大,精度难以保证。
3、手动在数字模型上拟合曲线指的是医生在牙齿三维点云模型上,通过手工点选确定关键点,并通过方程对关键点进行拟合,得到牙弓曲线。通过软件进行半自动点选与人工修正指的是自动确定关键点,医生通过手工调整、修正关键点位置,再对关键点进行拟合得到牙弓曲线。这两种半自动方式也容易受到医生主观经验的影响,并且拟合出的曲线通常不够平滑。
4、通过对牙齿进行识别分割构建牙弓曲线指的是对每颗牙齿进行识别和分割,然后基于每颗牙的位置和形态,构建牙弓曲线。这种方式中,若出现牙齿缺失、牙齿被严重磨损、或者拥挤重叠在一起的情况,由于无法完整分割牙齿,导致无法生成任何有效的牙弓曲线。
5、因此,现有技术中迫切需要一种无需人工干预、不依赖牙齿完整分割,能够自动生成牙弓曲线的方法。
技术实现思路
1、有鉴于此,本技术的目的在于提供牙弓曲线的生成方法、装置、电子设备及可读存储介质,以提升牙弓曲线生成的一致性与客观性,同时,即使出现牙齿缺失、牙齿磨损或拥挤重叠的情况,仍能够生成有效的牙弓曲线。
2、第一方面,本技术实施例提供了一种牙弓曲线的生成方法,包括:
3、获取目标对象口腔内部的三维点云数据,并确定所述三维点云数据的咬合平面;
4、将所述三维点云数据向所述咬合平面进行正交投影,得到多通道二维特征渲染图;所述多通道二维特征渲染图包括纹理通道、深度通道和法向量通道;所述纹理通道用于表示牙列形态特征;所述深度通道包含所述三维点云数据中各点云的深度值;所述法向量通道包含各牙冠表面的法向量;
5、根据所述多通道二维特征渲染图,生成目标对象牙弓曲线的预测概率热图;所述预测概率热图中各个像素点的像素值表示其位于牙弓曲线上的概率;
6、对所述预测概率热图进行峰值检测,提取牙弓关键点,并对所述牙弓关键点进行拟合,生成二维牙弓曲线;
7、依据所述深度通道中包含的各点云的深度值,将所述二维牙弓曲线映射到三维空间,得到三维牙弓曲线。
8、结合第一方面,本技术实施例提供了第一方面的第一种可能的实施方式,其中,所述根据所述多通道二维特征渲染图,生成目标对象牙弓曲线的预测概率热图,包括:
9、将所述多通道二维特征渲染图输入至训练好的概率热图生成模型中,提取包含牙列局部特征的第一特征图,以及提取包含牙弓全局特征的第二特征图;
10、融合所述第一特征图和所述第二特征图,得到融合特征图;
11、基于所述融合特征图中各像素点的位置信息,为各像素点分配对应的注意力权重,以增强牙弓轮廓区域的特征响应并抑制背景噪声,得到牙弓轮廓增强特征图;
12、融合所述第一特征图、所述第二特征图和所述牙弓轮廓增强特征图,得到所述预测概率热图。
13、结合第一方面的第一种可能的实施方式,本技术实施例提供了第一方面的第二种可能的实施方式,其中,所述概率热图生成模型包括混合编码器;所述提取包含牙列局部特征的第一特征图,以及提取包含牙弓全局特征的第二特征图,包括:
14、在所述混合编码器中,通过卷积神经网络分支提取包含牙列的局部解剖纹理的第一特征图,通过transformer全局感知分支提取包含牙弓的全局拓扑关系的第二特征图。
15、结合第一方面的第一种可能的实施方式,本技术实施例提供了第一方面的第三种可能的实施方式,其中,所述概率热图生成模型包括多尺度解码器;所述基于所述融合特征图中各像素点的位置信息,为各像素点分配对应的注意力权重,以增强牙弓轮廓区域的特征响应并抑制背景噪声,得到牙弓轮廓增强特征图,包括:
16、在所述多尺度解码器中,对所述融合特征图中各像素点的位置坐标进行编码,并根据各像素点的位置坐标编码信息,为沿牙弓轮廓走向的像素点分配高于背景噪声像素点的注意力权重;
17、基于所述注意力权重对所述融合特征图进行加权处理,得到牙弓轮廓增强特征图。
18、结合第一方面,本技术实施例提供了第一方面的第四种可能的实施方式,其中,所述对所述预测概率热图进行峰值检测,提取牙弓关键点,并对所述牙弓关键点进行拟合,生成二维牙弓曲线,包括:
19、对所述预测概率热图进行非极大值抑制,提取局部概率峰值像素点;
20、基于空间密度的聚类算法,对提取出的像素点进行聚类,并将密度低于预设阈值的离散像素点作为异常噪声剔除,得到有效的牙弓关键点集合;
21、采用图优化算法,将所述牙弓关键点集合中无序的各牙弓关键点,转化为沿牙列走向的有序关键点序列;
22、对有序关键点序列进行分段四阶b-样条曲线拟合,生成二维牙弓曲线。
23、结合第一方面的第一种可能的实施方式,本技术实施例提供了第一方面的第五种可能的实施方式,其中,所述概率热图生成模型是通过如下方式训练得到的:
24、获取样本对象口腔内部的样本三维点云数据,以及基于所述样本三维点云数据标注的牙弓曲线;
25、确定所述样本三维点云数据的咬合平面,将所述样本三维点云数据向该咬合平面进行正交投影,得到样本多通道二维特征渲染图;
26、将所述样本多通道二维特征渲染图输入至待训练的初始概率热图生成模型中,生成样本对象牙弓曲线的样本预测概率热图;
27、根据标注的牙弓曲线,生成样本对象牙弓曲线的实际概率热图;
28、根据所述样本预测概率热图和所述实际概率热图,计算损失值,并利用所述损失值更新所述初始概率热图生成模型中的可学习参数,直至满足预设的训练停止条件时停止训练,得到训练好的所述概率热图生成模型。
29、结合第一方面的第五种可能的实施方式,本技术实施例提供了第一方面的第六种可能的实施方式,其中,所述根据所述样本预测概率热图和所述实际概率热图,计算损失值,包括:
30、计算所述样本预测概率热图的空间梯度向量与所述实际概率热图的空间梯度向量之间的余弦相似度,得到轮廓感知损失;
31、和/或,对所述样本预测概率热图解码,得到沿牙弓曲线走向排列的有序预测点列,计算所述有序预测点列中相邻预测点间的二阶差分,得到曲率惩罚损失;
32、和/或,对所述样本预测概率热图进行形态学变换,以提取出牙弓骨架线,基于所述牙弓骨架线的对称性,计算拓扑损失;
33、根据所述轮廓感知损失、所述曲率惩罚损失和所述拓扑损失中的至少一项,确定所述损失值。
34、第二方面,本技术实施例还提供一种牙弓曲线的生成装置,包括:
35、第一获取模块,用于获取目标对象口腔内部的三维点云数据,并确定所述三维点云数据的咬合平面;
36、第一投影模块,用于将所述三维点云数据向所述咬合平面进行正交投影,得到多通道二维特征渲染图;所述多通道二维特征渲染图包括纹理通道、深度通道和法向量通道;所述纹理通道用于表示牙列形态特征;所述深度通道包含所述三维点云数据中各点云的深度值;所述法向量通道包含各牙冠表面的法向量;
37、第一生成模块,用于根据所述多通道二维特征渲染图,生成目标对象牙弓曲线的预测概率热图;所述预测概率热图中各个像素点的像素值表示其位于牙弓曲线上的概率;
38、拟合模块,用于对所述预测概率热图进行峰值检测,提取牙弓关键点,并对所述牙弓关键点进行拟合,生成二维牙弓曲线;
39、映射模块,用于依据所述深度通道中包含的各点云的深度值,将所述二维牙弓曲线映射到三维空间,得到三维牙弓曲线。
40、第三方面,本技术实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面中任一种可能的实施方式中的步骤。
41、第四方面,本技术实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面中任一种可能的实施方式中的步骤。
42、本技术实施例提供的牙弓曲线的生成方法、装置、电子设备及可读存储介质,其中,通过获取目标对象口腔内部的三维点云数据并确定咬合平面,将三维点云数据向咬合平面进行正交投影,得到包括纹理通道、深度通道和法向量通道的多通道二维特征渲染图;然后根据多通道二维特征渲染图生成预测概率热图,该预测概率热图中各个像素点的像素值表示其位于牙弓曲线上的概率;再对预测概率热图进行峰值检测以提取牙弓关键点,并对牙弓关键点进行拟合生成二维牙弓曲线;最终依据深度通道中包含的各点云的深度值,将二维牙弓曲线映射到三维空间得到三维牙弓曲线。整个过程从三维点云数据的获取到三维牙弓曲线的生成,无需人工干预点选或修正关键点,避免了人工操作带来的主观经验差异,提升了牙弓曲线生成的一致性与客观性。同时,本实施例通过从预测概率热图中检测峰值来提取关键点并进行拟合,不依赖对每颗牙齿的完整识别与分割,即使出现牙齿缺失、牙齿磨损或拥挤重叠的情况,仍能够生成有效的牙弓曲线。
43、为使本技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com