[发明专利]一种三维牙列分割与标注方法

权利要求书

1.一种三维牙列分割与标注方法，其特征是：

对于三维牙列网格模型其中N为三维牙列模型顶点个数；有效提取三维牙列网格模型的特征，并对三维牙列网格模型进行分割和标注，得到该网格模型上每个顶点的类别标签其中K为类别标签的数量；即得到单颗牙齿的准确分割并标注牙位；包括如下步骤：

1)对于三维牙列网格模型其中N为三维牙列模型顶点个数，提取得到三维牙列网格模型的顶点特征；

2)模型训练过程：

利用特征导向的图卷积神经网络模型进行三维牙列网格模型顶点的特征学习以及分类；训练特征导向的图卷积神经网络模型；通过对牙冠形状分布和牙冠边界曲率进行约束，改善牙冠边界分割混淆；利用局部顶点之间的表观相似性进一步消除错误分割区域；计算特征导向的图卷积神经网络输出的三维牙列网格模型的顶点分类精度、牙冠形状一致度、牙冠边界一致程度、顶点标签平滑度，通过迭代优化获取三维牙列网格模型参数，得到训练好的基于特征导向的图卷积网络的三维牙列网格模型；

训练基于特征导向的图卷积网络模型，采用有监督训练方法，利用多分类交叉熵损失函数，并通过形状一致性约束、边界一致性约束和分类标签平滑约束，对三维牙列网格模型进行高效准确的自动分割与牙位标注；包括如下步骤：

21)估计基于特征导向的图卷积网络模型输出的三维牙列网格模型的顶点分类精度；通过如下公式计算得到网络模型输出标签与手工标注标签的交叉熵L_cls：

其中，y_i，j代表顶点i具有标签j的概率；y′_i，j表示顶点i的手工标注标签；当顶点i具有标签j时y′_i，j为1，否则为0；

22)建立牙冠形状一致性约束，进一步约束网络模型得到的牙冠分割与牙冠形状分布的一致性；

使用概率主成分分析对牙冠形状分布进行建模，并采用每颗牙齿牙冠的SDF分布直方图描述该牙冠的形状分布s；形状分布s的概率密度表示为：

其中，平均值μ、协方差矩阵Σ和噪声参数σ通过对三维牙列网格模型数据集的牙冠SDF进行统计得到；在基于特征导向的图卷积网络的三维牙列模型分割与标注网络中，牙列分割的形状一致性损失函数L_reg为：

s_i为网络输出的三维牙列网格模型的第i个牙冠，p_i(s_i)描述了该牙冠分割结果与真实牙冠的形状一致程度；

23)建立牙冠边界一致性约束，使得网络模型输出的三维牙列模型分割边界具有小的平均曲率L_bou：

其中，h与h^*分别代表网络输出的分割边界与手工标注的分割边界，h与h^*中1代表边界顶点，0代表非边界顶点；Z是归一化常数；U(x_i)表示顶点x_i的邻域；ρ(x_j)为顶点j处的平均曲率；为顶点j的权重，ω为预先指定的常数；

24)建立顶点标签平滑约束，改善网络分割结果的不平滑与错误区域：

基于图割优化算法对基于特征导向的图卷积网络的三维牙列网格模型自动分割与标注网络增加平滑约束项，平滑约束项L_smo定义为：

其中，n_i与nj分别表示顶点i和顶点j的法向；x_i与x_j代表顶点i与顶点j的欧氏坐标；y_i与y_j代表网络输出的顶点i与顶点j的分类标签；通过约束L_smo使得具有相似表观的顶点获得相同的分类标签，具有不相似表观的顶点获得不同的分类标签；

3)在线测试过程：将待分割与标注的三维牙列网格模型的顶点特征和顶点邻接关系输入训练好的基于特征导向的图卷积网络的三维牙列网格模型，得到三维牙列网格模型顶点即牙冠的分类标、牙齿-牙龈间的分割边界以及牙齿间的分割边界，获取三维牙列网格模型上的牙冠分割与标注；

通过上述步骤，实现基于特征导向的图卷积网络的三维牙列网格模型的自动分割与标注。

2.如权利要求1所述三维牙列分割与标注方法，其特征是，步骤1)包括如下操作：

计算得到三维牙列的欧氏坐标极坐标法向量方向直方图编码特征曲率形状直径函数及其上下文得到463维特征。