【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种牙齿数据模型重建方法、装置、电子设备及存储介质。
技术介绍
1、在对于牙齿的整个治疗过程中，在解决牙齿错位、牙齿不均匀和牙齿缺失等问题的情况下，获取到准确的、全面的牙齿三维数据为牙冠的生成提供重要信息依据。
2、如今，计算机辅助设计(cad)已广泛应用于齿科领域的诊断、修复和治疗，这解决了传统方法由于人工处理和过度依赖医生经验而耗时且劳动密集型的问题。但是，大多数患者存在牙齿缺失、牙齿拥挤、咬合不正等异常牙齿，所有这些都会导致牙齿的边界不明显，加剧分割的难度，已有方法在操作中存在牙齿分割不准确、牙齿三维数据重构不准确和牙冠生成的准确性差的问题。
技术实现思路
1、本专利技术提供了一种牙齿数据模型重建方法、装置、电子设备及存储介质，以解决牙齿分割不准确和牙齿模型重构不准确的问题，以及牙冠生成不准确的问题。
2、根据本专利技术的一方面，提供了一种牙齿数据模型重建方法，包括：
3、获取目标牙齿的图像信息；
4、对目标牙齿的图像信息进行分割处理，得到目标牙齿的图像分割结果；
5、基于图像分割结果构建目标牙齿的三维形状模型；
6、对目标牙齿的三维形状模型进行边界提取，得到目标牙齿的二元轮廓信息；
7、基于目标牙齿的二元轮廓信息构建目标牙齿的三维网格模型。
8、可选的，在获取目标牙齿的图像信息之前，还包括：获取目标对象的口腔三维环境数据，口腔三维环境数据中包括多个
9、可选的，对目标牙齿的图像信息进行分割处理，得到目标牙齿的图像分割结果，包括：调用预训练的图像分割模型，基于预训练的图像分割模型对目标牙齿的图像信息进行分割处理，确定目标牙齿的图像分割结果。
10、可选的，预训练的图像分割模型包括多层卷积层、池化层、至少一个上采样层和特征融合层；基于预训练的图像分割模型对目标牙齿的图像信息进行分割处理，确定目标牙齿的图像分割结果，包括：将图像信息输入至多层卷积层中进行卷积处理，得到中间特征图，其中，多层卷积层分别对应的卷积核尺寸相同，每一个卷积层的输出结果作为下一卷积层的输入数据；将中间特征图传输至池化层中进行池化处理，得到第一特征图；将第一特征图传输至上采样层进行上采样处理，得到第二特征图；将第二特征图和图像信息传输至特征融合层中进行特征融合处理，得到融合特征图，将融合特征图作为目标牙齿的图像分割结果。
11、可选的，方法还包括：调用预训练的牙齿重建模型，预训练的牙齿重建模型包括牙齿形状构建子模型、牙齿边界提取子模型和牙齿拟合子模型；基于牙齿形状构建子模型对图像分割结果进行处理，构建目标牙齿的三维形状模型；基于牙齿边界提取子模型对目标牙齿的三维形状模型进行边界提取，得到目标牙齿的二元轮廓信息；基于牙齿拟合子模型对目标牙齿的二元轮廓信息进行处理，构建目标牙齿的三维网格模型。
12、可选的，牙齿边界提取子模型包括attention-u-net神经网络模型，其中，attention-u-net神经网络模型包括编码模块、解码模块和注意力模块，编码模块包括多个下采样卷积块和空间金字塔池化层，解码模块包括多个上采样卷积块，注意力模块包括多个注意力门，多个下采样卷积块、空间金字塔池化层和多个上采样卷积块依次连接，各下采样层和同层上采样层的上一层上采样层通过注意力门与对应的同层上采样层连接。
13、可选的，对图像分割模型进行训练，包括：获取样本数据，将样本数据划分为训练集、验证集和测试集；通过自适应矩估计优化器初始化待训练的图像分割模型的模型参数,将训练集输入至待训练的图像分割模型中进行训练，通过联合损失函数确定待训练的图像分割模型的损失函数值，将损失函数值反馈至自适应矩估计优化器，用于确定下一训练轮次的模型参数，其中，联合损失函数由边界损失函数和交叉熵损失函数组合得到；在每一轮次训练结束后，将验证集输入至待训练的图像分割模型中进行验证，确定待训练的图像分割模型对应的输出结果的评估指标数据，评估指标数据包括dice系数以及平均交并比；基于评估指标数据动态调整图像分割模型的学习率；在完成预设训练轮次的情况下，结束对待训练的图像分割模型的训练过程，得到训练好的图像分割模型。
14、根据本专利技术的另一方面，提供了一种牙齿数据模型重建装置，包括：
15、图像信息获取模块，用于获取目标牙齿的图像信息；
16、图像分割结果确定模块，用于对目标牙齿的图像信息进行分割处理，得到目标牙齿的图像分割结果；
17、三维形状模型确定模块，用于基于图像分割结果构建目标牙齿的三维形状模型；
18、二元轮廓信息确定模块，用于对目标牙齿的三维形状模型进行边界提取，得到目标牙齿的二元轮廓信息；
19、三维网格模型确定模块，用于基于目标牙齿的二元轮廓信息构建目标牙齿的三维网格模型。
20、根据本专利技术的另一方面，提供了一种电子设备，电子设备包括：
21、至少一个处理器；以及
22、与至少一个处理器通信连接的存储器；其中，
23、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本专利技术任一实施例的牙齿数据模型重建方法。
24、根据本专利技术的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的牙齿数据模型重建方法。
25、本专利技术实施例的技术方案，通过获取目标牙齿的图像信息；对目标牙齿的图像信息进行分割处理，得到目标牙齿的图像分割结果；基于图像分割结果构建目标牙齿的三维形状模型；对目标牙齿的三维形状模型进行边界提取，得到目标牙齿的二元轮廓信息；基于目标牙齿的二元轮廓信息构建目标牙齿的三维网格模型。本方案实现了通过对目标牙齿的图像信息进行分割和重构，以得到目标牙齿的三维形状模型，进而进行边界提取，以得到目标牙齿的准确的二元轮廓信息，根据二维轮廓信息重构目标牙齿的三维网格模型，解决牙齿分割不准确和牙齿模型重构不准确的问题，提高了重构目标牙齿的三维网格模型的准确性和快速性，为牙冠的生成提供准确的牙齿三维模型，有助于提高牙冠生成的准确性，使得生成的牙冠更能符合对应的目标牙齿的形态，使得更好地解决牙齿异常的问题。
26、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种牙齿数据模型重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在获取目标牙齿的图像信息之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述目标牙齿的图像信息进行分割处理，得到所述目标牙齿的图像分割结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述预训练的图像分割模型包括多层卷积层、池化层、至少一个上采样层和特征融合层；
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述牙齿边界提取子模型包括Attention-U-net神经网络模型，其中，所述Attention-U-net神经网络模型包括编码模块、解码模块和注意力模块，所述编码模块包括多个下采样卷积块和空间金字塔池化层，所述解码模块包括多个上采样卷积块，所述注意力模块包括多个注意力门，所述多个下采样卷积块、空间金字塔池化层和所述多个上采样卷积块依次连接，各所述下采样层和同层上采样层的上一层上采样层通过所述注意力门与对应的同层上采样层连接。
7.根据
8.一种牙齿数据模型重建装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的牙齿数据模型重建方法。
...【技术特征摘要】
1.一种牙齿数据模型重建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在获取目标牙齿的图像信息之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述目标牙齿的图像信息进行分割处理，得到所述目标牙齿的图像分割结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述预训练的图像分割模型包括多层卷积层、池化层、至少一个上采样层和特征融合层；
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述牙齿边界提取子模型包括attention-u-net神经网络模型，其中，所述attention-u-net神经网络模型包括编码模块、解码模块...
【专利技术属性】
技术研发人员：许诺，郭跃，鞠洋，董亮，
申请(专利权)人：爱迪特秦皇岛科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。