修复体图像生成方法、装置、设备及存储介质与流程

技术特征：
1.一种修复体图像生成方法，其特征在于，包括：获取待修复牙齿图像；基于训练完成的牙齿修复模型提取所述待修复牙齿图像的第一先验特征和第一解码特征，并基于所述第一先验特征和所述第一解码特征得到修复体图像，其中，所述牙齿修复模型基于牙齿缺失图像和样本修复体图像对预设网络训练得到。2.根据权利要求1所述的方法，其特征在于，所述牙齿修复模型通过如下步骤训练：获取所述牙齿缺失图像和所述样本修复体图像；基于所述牙齿缺失图像和所述样本修复体图像对所述预设网络进行训练，以得到基于所述待修复牙齿图像生成所述修复体图像的所述牙齿修复模型。3.根据权利要求2所述的方法，其特征在于，所述牙齿修复模型包括先验特征提取子网络和修复体图像预测子网络；其中，所述基于所述牙齿缺失图像和所述样本修复体图像对所述预设网络进行训练，以得到基于所述待修复牙齿图像生成所述修复体图像的所述牙齿修复模型，包括：基于所述先验特征提取子网络提取所述牙齿缺失图像中当前层的第二解码特征和当前层的第二先验特征；将所述第二解码特征和所述第二先验特征输入至所述修复体图像预测子网络，得到预测修复体图像；基于所述预测修复体图像和所述样本修复体图像迭代训练所述预设网络，得到所述牙齿修复模型。4.根据权利要求3所述的方法，其特征在于，所述牙齿修复模型还包括：编码子网络和自注意力子网络；所述先验特征提取子网络包括：语义分割子网络以及深度预测子网络；在所述基于所述先验特征提取子网络提取所述牙齿缺失图像中当前层的第二解码特征和当前层的第二先验特征之前，所述方法还包括：基于所述编码子网络提取所述牙齿缺失图像中当前层的第一编码特征；将所述第一编码特征输入至所述自注意力子网络，得到所述第二解码特征；其中，所述基于所述先验特征提取子网络提取所述牙齿缺失图像中当前层的第二解码特征和当前层的第二先验特征，包括：基于所述语义分割子网络提取所述第二解码特征的语义特征，并基于所述深度预测子网络提取所述第二解码特征的深度特征，由所述语义特征和所述深度特征构成所述先验特征。5.根据权利要求3所述的方法，其特征在于，在所述将所述第二解码特征和所述第二先验特征输入至所述修复体图像预测子网络，得到预测修复体图像之前，所述方法还包括：基于所述先验特征提取子网络提取所述牙齿缺失图像中下一层的第二编码特征；其中，所述将所述第二解码特征和所述第二先验特征输入至所述修复体图像预测子网络，得到预测修复体图像，包括：将所述第二解码特征、所述第二编码特征以及所述第二先验特征，输入至所述修复体图像预测子网络，得到所述预测修复体图像。6.根据权利要求5所述的方法，其特征在于，所述修复体图像预测子网络包括：上下文特征提取子网络、掩码映射子网络和融合子网络；
其中，所述将所述第二所述解码特征、所述第二编码特征以及所述第二先验特征，输入至所述修复体图像预测子网络，得到所述预测修复体图像，包括：将所述第二解码特征、所述第二编码特征输入至所述上下文特征提取子网络，得到下一层的中间上下文特征；将所述第二先验特征输入至所述掩码映射子网络，得到下一层的掩码映射特征；针对每一层，将所述下一层的中间上下文特征和所述下一层的掩码映射特征输入至所述融合子网络，得到下一层的目标上下文特征；按照前向传播方法，降低所述当前层，直至所述下一层为0，将所述下一层的目标上下文特征作为所述预测修复体图像。7.根据权利要求3所述的方法，其特征在于，所述基于所述预测修复体图像和所述样本修复体图像迭代训练所述预设网络，得到所述牙齿修复模型，包括：基于所述预测修复体图像和所述样本修复体图像，计算所述预设网络的损失函数；基于所述损失函数迭代训练所述预设网络，直至所述损失函数小于预设损失值，得到所述牙齿修复模型。8.根据权利要求7所述的方法，其特征在于，所述损失函数由重建损失函数、对抗损失函数、第一中间特征层损失函数、第二中间特征层损失函数以及结构一致性损失函数进行加权平均计算得到。9.一种修复体图像生成装置，其特征在于，包括：图像获取模块，用于获取待修复牙齿图像；图像生成模块，用于基于训练完成的牙齿修复模型提取所述待修复牙齿图像的第一先验特征和第一解码特征，并基于所述第一先验特征和所述第一解码特征得到修复体图像，其中，所述牙齿修复模型基于牙齿缺失图像和样本修复体图像对预设网络训练得到。10.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1
‑
8中任一所述的修复体图像生成方法。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1
‑
8中任一所述的修复体图像生成方法。

技术总结
本公开涉及一种修复体图像生成方法、装置、设备及存储介质。该方法包括：获取待修复牙齿图像，基于训练完成的牙齿修复模型提取待修复牙齿图像的第一先验特征和第一解码特征，并基于第一先验特征和第一解码特征得到修复体图像，其中，牙齿修复模型基于牙齿缺失图像和样本修复体图像对预设网络训练得到。通过上述技术方案，可以使得输出的修复体图像与实际牙齿形状相符，提高了修复体图像的准确性，且降低了修复体的设计成本。低了修复体的设计成本。低了修复体的设计成本。


技术研发人员：徐照程 田彦 王嘉磊 柴双明 江腾飞 赵晓波
受保护的技术使用者：先临三维科技股份有限公司
技术研发日：2021.10.21
技术公布日：2022/1/4