[发明专利]一种三维牙列分割与标注方法

说明书

本发明公布了一种三维牙列分割与标注方法，通过对牙冠形状分布和牙冠边界曲率的约束以改善牙冠边界分割混淆的问题；同时利用局部顶点之间的表观相似关系进一步消除错误分割区域。分割牙冠及其边界可用于进一步增强网络模型的特征提取与顶点分类性能。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。

技术领域

本发明涉及口腔临床医学图像处理和计算机视觉技术领域，具体涉及一种三维牙列网格模型牙冠分割与标注方法。

背景技术

计算机辅助的口腔医学近年来发展迅速。三维牙列网格模型能够直观、清晰地展示患者的牙列排布与牙齿形状，在临床正畸治疗中应用广泛，是医生进行诊断并制定正畸方案的重要依据。对三维牙列模型的精确分割和标注是计算机辅助正畸治疗的关键步骤。而牙齿畸形引起的牙列形态改变给三维牙列模型的精确分割和标注带来了挑战。

自动牙齿分割和标注是计算机辅助的口腔医学图像处理中的一个具有挑战性的问题。现有的基于几何的方法有基于曲率阈值的方法和活动轮廓跟踪法。然而，基于曲率阈值的方法仅仅得到了关于牙齿边界粗略的初步估计，尤其是舌侧的牙齿-牙龈边界处曲率变化不明显的地方分割结果存在噪声。而基于活动轮廓的方法需要提前定义的先验。基于投影的方法将三维牙齿分割问题转化为二维图像的边界检测问题，但是拥挤、阻生所造成的不整齐牙列，在二维图像上并没有清晰的齿间边界。几何特征是分割与标注的关键，手工定义的自由形特征和调和场变换可被用于牙齿分割。近期，基于深度学习的方法常被用于进行几何特征学习和分类。文献1(Charles R Qi,Hao Su,Kaichun Mo,and Leonidas JGuibas,“Pointnet:Deep learning on point sets for 3d classification andsegmentation,”in Proceedings of the IEEE Conference on Computer Vision andPattern Recognition,2017,pp.652–660)和文献2(Sukun Tian,Ning Dai,Bei Zhang,Fulai Yuan,Qing Yu,and Xiaosheng Cheng,“Automatic classification andsegmentation of teeth on 3d dental model using hierarchical deep learningnetworks,”IEEE Access,2019)分别记载的基于卷积网络的PointNet和O-CNN被用于对离散三角形和点云进行特征增强与分类。现有方法通常将牙齿分割分为两个步骤，包括牙齿和牙龈的分割与牙齿之间的分割，并需要进一步的后处理对分割结果进行优化。

发明内容

为了克服上述现有技术的不足，本发明提供一种三维牙列分割与标注方法，基于三维牙列网格模型进行自动分割与标注，可以有效实现对三维牙列网格模型的自动分割与标注。