(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211298425.6 (22)申请日 2022.10.23 (71)申请人 西安科技大 学 地址 710054 陕西省西安市雁塔路中段58 号 (72)发明人 马天　杨逸舟　翟洁晨　杨嘉怡　 (74)专利代理 机构 西安启诚专利知识产权代理 事务所(普通 合伙) 61240 专利代理师 李艳春 (51)Int.Cl. G06T 7/11(2017.01) G06T 19/20(2011.01) G06T 7/66(2017.01) G06V 20/70(2022.01) G06V 10/774(2022.01)G06V 10/44(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于多重几何特征学习的牙颌网格模 型分割方法 (57)摘要 本发明公开了一种基于多重几何特征学习 的牙颌网格模型分割方法， 包括步骤一、 采用口 内扫描仪采集牙颌网格模型数据； 二、 对牙颌网 格模型数据进行下采样； 三、 对下采样后的牙颌 网格模型进行语义标注； 四、 对标注后的牙颌网 格模型进行数据增强； 五、 提取增强后牙颌网格 模型中所有网格的中心点坐标； 六、 构建基于多 重几何特征学习的牙齿分割网络； 七、 将牙颌网 格模型数据输入到牙齿分割网络中进行训练， 得 到训练好的分割网络； 八、 采用训练好的分割网 络预测牙颌网格模型分割结果。 本发 明能够有效 应用在牙齿分割中， 能够提取不同网格更具区分 性的几何特征， 具有更好的牙齿分割精度和效 率， 能够为医生的治疗工作提供辅助， 效果显著， 便于推广。 权利要求书2页 说明书6页 附图1页 CN 115526900 A 2022.12.27 CN 115526900 A 1.一种基于多重几何特 征学习的牙颌网格模型分割方法， 其特 征在于， 包括以下步骤： 步骤一、 采用口内扫描仪采集牙颌网格模型 数据； 步骤二、 对所述牙颌网格模型 数据进行 下采样； 步骤三、 对下采样后的牙颌网格模型进行语义标注； 步骤四、 对标注后的牙颌网格模型进行 数据增强； 步骤五、 提取增强后牙颌网格模型中所有网格的中心点 坐标； 步骤六、 构建基于多重几何特 征学习的牙齿分割网络； 步骤七、 将牙颌网格模型数据输入到所述牙齿分割 网络中进行训练， 得到训练好的分 割网络； 步骤八、 采用所述训练好的分割网络预测牙颌网格模型分割结果。 2.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于： 步骤一中所述牙颌网格模型 数据保存为STL格式。 3.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于： 通过步骤二中所述下采样， 将牙颌网格模型的网格数量缩 减至N。 4.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于， 步骤三中所述对下采样后的牙颌网格模型进行语义标注的具体过程包括： 将下采 样后的牙颌网格模型标注为不同的语义部分， 所述语义部分分为G类， 包括牙龈和每颗牙 齿。 5.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于， 步骤四中所述对标注后的牙颌网格模型进行 数据增强的具体过程包括： 步骤401、 随机平 移； 沿着三维空间任意 坐标轴小幅度地平 移牙颌网格模型； 步骤402、 随机 旋转； 沿着x轴、 y轴、 z轴随机 旋转牙颌网格模型； 步骤403、 随机缩放； 随机适当地 放大或缩小牙颌网格模型； 步骤404、 随机删除； 随机删除牙颌网格模型中的一部分三角网格。 6.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于， 步骤五中所述提取增强后牙颌网格模型中所有网格的中心点坐标的具体过程包 括： 通过每 个三角网格的顶点 坐标计算得 出该三角网格的中心点 坐标； 计算公式： 其中， ci表示第i个三角网格的中心点坐标， 分别表 示三角网格i的三个顶点 坐标。 7.按照权利要求1所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于， 步骤六中所述基于多重几何特征学习的牙齿分割网络包括多层感知机、 空间转换 模块、 多重几何特征学习模块和高效通道注意力， 所述空间转换模块包括三个卷积层、 一个权　利　要　求　书 1/2 页 2 CN 115526900 A 2最大池化层和三个全连接层， 所述三个卷积层和前两个全连接层后面均都接有批规范化和 ReLU激活函数； 所述多重几何特征学习模块包括共享多层感知机、 几何信息编码模块和几 何特征聚合模块； 通过所述多重几何特征学习模块将空间转换模块对齐的特征和最大池化 前后的特征进 行融合， 送入所述多层感知机和高效通道注意力完成特征逐层降维和通道优 化。 8.按照权利要求4所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于， 步骤七中所述将牙颌网格模型数据输入到牙齿分割网络中进行训练， 得到训练好 的分割网络的具体过程包括： 步骤701、 将分割网络中所有的参数和权 重值进行随机初始化； 步骤702、 将牙颌网格模型所有网格的顶点坐标、 中心点坐标和法向量共15维特征及其 标注的语义特 征输入至分割网络； 步骤703、 通过空间转换模块完成特 征对齐； 步骤704、 将特征对齐后的特征矩阵送入两种不同感受野的多重几何特征学习模块， 并 不断将两种输出结果进行叠加， 通过最大池化提取出全局特征信息， 然后上采样恢复至原 有特征维度； 步骤705、 将空间转换模块对齐的特征和最大池化前后的特征进行融合， 送入多层感知 机和高效通道 注意力完成特 征逐层降维和通道优化； 步骤706、 采用Softmax函数处理和张量整形得到G个类别的输出结果， 计算标注的语义 特征与输出 结果间的损失函数值， 反向传播计算梯度并更新网络中的可训练参数值； 步骤707、 重复步骤702～步骤706， 直至训练轮数达到设定的epoch值， 得到训练好的分 割网络。 9.按照权利要求8所述的一种基于多重几何特征学习的牙颌网格模型分割方法， 其特 征在于， 步骤八中所述采用所述训练好的分割网络预测牙颌网格模型分割结果的具体过程 包括： 步骤801、 将待分割牙颌模型所有网格的顶点坐标、 中心点坐标和法向量共15维特征送 入训练好的分割网络； 步骤802、 分割网络 输出每个中心点 坐标的语义标签； 步骤803、 将中心点坐标的语义标签映射回三角网格， 得到所述牙颌网格模型的分割结 果。权　利　要　求　书 2/2 页 3 CN 115526900 A 3