(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 202211420418.9 (22)申请日 2022.11.15 (71)申请人 上海领健信息技 术有限公司 地址 201210 上海市浦东 新区中国(上海) 自由贸易试验区碧波路912弄10-11号 103室 (72)发明人 曾令辉　杨彤　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 倪静 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 20/70(2022.01)G06T 17/20(2006.01) G06T 7/11(2017.01) G06V 10/82(2022.01) (54)发明名称 基于深度学习的三阶段牙冠分割方法、 装 置、 终端及 介质 (57)摘要 本申请提供基于深度学习的三阶段牙冠分 割方法、 装置、 终端及介质， 包括： 在第一阶段中， 获取原始三角网格牙颌模型， 利用三维点云语义 分割模型对每片三角面片 进行牙冠和牙龈分割； 在第二阶段中， 基于第一阶段的输出结果计算牙 冠所在区域的第一包围盒， 利用第一包围盒对原 始三角网格牙颌模型进行裁剪， 得到裁剪后的牙 颌模型； 对裁剪后的牙颌模型的三角面片进行降 采样并进行多分类的牙冠语义分割； 在第三阶段 中， 基于第二阶段的输出结果计算每个牙冠所在 区域的第二包围盒， 利用第二包围盒在原始三角 网格牙颌模 型上裁剪出对应的牙冠； 对裁剪后的 牙冠的三角面片进行二分类的牙冠语义分割。 本 发明实现高精度地分割出牙冠和牙龈， 提高生产 效率和质量。 权利要求书2页 说明书9页 附图3页 CN 115471663 A 2022.12.13 CN 115471663 A 1.一种基于点云深度学习模型的三阶段牙冠分割方法， 其特 征在于， 包括： 在第一阶段中， 获取原始三角网格牙颌模型并在对构 成所述原始三角网格牙颌模型的 三角面片进行降采样后， 利用三维点云语义分割模型对每片三角面片进行牙冠和牙龈分 割； 在第二阶段中， 基于所述第一阶段的输出结果计算牙冠所在区域的第一包围盒， 利用 所述第一包围盒对所述原始 三角网格牙颌模型进 行裁剪以剔除不需要的牙 龈部分， 得到裁 剪后的牙颌模型； 对所述裁剪后的牙颌模型的三角面片进 行降采样并进 行多分类的牙冠语 义分割； 在第三阶段中， 基于所述第二阶段的输出结果计算每个牙冠所在区域的第二包围盒， 利用所述第二包围盒在所述原始 三角网格牙颌模型上裁剪出对应的牙冠； 对所述裁剪后的 牙冠的三角面片进行二分类的牙冠语义分割。 2.根据权利要求1所述的基于点云深度 学习模型的三阶段牙冠分割方法， 其特征在于， 包括： 在第一阶段、 第二阶段中， 在对原始三角网格牙颌模型的三角面片进行降采样后， 使 用网格简化模型将降采样后的三角面片的片数进行 数量和维度的统一。 3.根据权利要求1所述的基于点云深度 学习模型的三阶段牙冠分割方法， 其特征在于， 包括： 在第一 阶段中， 利用三维点云语义分割模型对每片三角面片进行是否属于牙冠部分 的二分类； 若为牙冠部 分则用一种标记表示， 若并非牙冠部分则用另一种标记表示； 在第二 阶段中， 利用三 维点云语义分割模型对每片三角面片进行是否属于某个牙 位对应的牙冠部 分的多分类， 若为某个牙位对应的牙冠部分则用对应的牙位标记表示， 若并非牙冠部分则 用零标记表示； 在第三阶段中， 利用三维点云语义分割模型对每片三角面片进行是否属于 指定牙位对应的牙冠部分的二分类， 若为指定牙位对应的牙冠部分则用一种标记表示， 若 并非指定牙位对应的牙冠部分则用另一种标记 表示。 4.根据权利要求3所述的基于点云深度 学习模型的三阶段牙冠分割方法， 其特征在于， 在第一、 二、 三阶段中， 在对每片三角面片进行牙冠和牙龈分割后还执行如下： 根据各三角 面片和相 邻三角面片之 间的标签异同及夹角关系判断该三角面片的边界是否光滑， 以对牙 冠和牙龈分割结果中的分类错 误或不光滑边界进行后处 理。 5.根据权利要求1所述的基于点云深度 学习模型的三阶段牙冠分割方法， 其特征在于， 在第二、 三阶段中， 在三角网格牙颌模型已经调正的情况下选取和牙体长轴方向对齐的包 围盒， 或者在三角网格牙颌模型未调正的情况下选取定 向包围盒， 对原始三角网格牙颌模 型进行裁 剪， 以剔除不需要的牙龈部分， 得到 裁剪的牙颌表面模型。 6.根据权利要求1所述的基于点云深度 学习模型的三阶段牙冠分割方法， 其特征在于， 在第三阶段中， 采用如下两种预测方法中的任一种方法对裁 剪的牙冠牙龈部分进行 预测： 第一种预测方法： 利用点云语义分割模型直接在裁剪的牙冠牙龈部分进行预测， 对训 练模型预测中的错 误分类或不 光滑边界进行后处 理； 第二种预测方法： 对裁剪的牙冠牙龈部分进行和模型训练时一样的降采样处理， 然后 利用训练的点云语义分割模型对降采样的三角网格数据进 行预测， 随后利用图割算法对预 测中的错 误分类或不 光滑边界进行后处 理， 并对降采样的预测分析 结果进行升采样。 7.根据权利要求6所述的基于点云深度 学习模型的三阶段牙冠分割方法， 其特征在于， 当单牙采样率大于四分之一时采用所述第一种预测方法； 否则， 采用所述第二种预测方法。权　利　要　求　书 1/2 页 2 CN 115471663 A 28.一种基于点云深度学习模型的三阶段牙冠分割装置， 其特 征在于， 包括： 第一阶段分割模块， 用于获取原始三角网格牙颌模型并在对构 成所述原始三角网格牙 颌模型的三角面片进 行降采样后， 利用三维点云语义分割模型对每片三角面片进 行牙冠和 牙龈分割； 第二阶段分割模块， 用于基于所述第 一阶段的输出结果计算牙冠所在区域的第 一包围 盒， 利用所述第一包围盒对所述原始三角网格牙颌模型进行裁剪 以剔除不需要的牙龈部 分， 得到裁剪后的牙颌模型； 对所述裁剪后的牙颌模型 的三角面片进行降采样并进行多分 类的牙冠语义分割； 第三阶段分割模块， 用于基于所述第 二阶段的输出结果计算每个牙冠所在区域的第 二 包围盒， 利用所述第二包围盒在所述原始三角网格牙颌模型上裁剪出对应的牙冠； 对所述 裁剪后的牙冠的三角面片进行二分类的牙冠语义分割。 9.一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 处理器执行时实现权利要求1至7中任一项所述基于点云深度学习模型 的三阶段牙冠分割 方法。 10.一种电子终端， 其特 征在于， 包括： 处 理器及存 储器； 所述存储器用于存 储计算机程序； 所述处理器用于执行所述存储器存储的计算机程序， 以使所述终端执行如权利要求1 至7中任一项所述基于点云深度学习模型的三阶段牙冠分割方法。权　利　要　求　书 2/2 页 3 CN 115471663 A 3