基于神经网络实现口腔修复的效果分析方法及装置

本发明涉及口腔修复效果分析，尤其涉及一种基于神经网络实现口腔修复的效果分析方法、装置、电子设备及计算机可读存储介质。

背景技术：

1、牙齿作为消化系统中的咀嚼器官，起到咀嚼食物、辅助发音以及颌面形态发育等功能。不良的饮食习惯以及不健康的口腔卫生习惯导致龋齿患病率逐年增加。因此，口腔修复人群开始逐年递增。随着人们生活水平的提高以及数字模拟技术的进步，口腔修复的效果分析开始也受到人们的重视。

2、口腔修复主要分为固定修复和活动修复，固定修复中又包括冠桥修复、嵌体修复、桩核修复、贴面修复和种植修复，活动修复则是采用可摘戴的修复体来弥补缺牙带来的缺陷。当前对于修复牙齿进行外观修复效果评价的手段主要是通过医生的主观目视进行评估，因此当前牙齿外观修复效果的评估方法存在评估效率低、效果差等问题。

技术实现思路

1、本发明提供一种基于神经网络实现口腔修复的效果分析方法、装置及计算机可读存储介质，其主要目的在于解决当前牙齿外观修复效果的评估方法存在评估效率低、效果差的问题。

2、为实现上述目的，本发明提供的一种基于神经网络实现口腔修复的效果分析方法，包括：

3、获取口腔修复模型及待分析牙模型，根据所述待分析牙模型在所述口腔修复模型中提取目标口腔牙颌模型、异颌对立牙模型、同颌对称牙模型以及目标牙颌齿缘特征线；

4、提取所述目标口腔牙颌模型的中切牙切缘点及第一前磨牙的远中颊侧尖点对；

5、根据所述中切牙切缘点及所述远中颊侧尖点对构建目标牙颌咬合面，获取所述目标牙颌咬合面与所述待分析牙模型的咬合相交面集；

6、根据所述咬合相交面集绘制目标相交面积曲线图，获取所述同颌对称牙模型的对称相交面积曲线图；

7、根据所述目标相交面积曲线图及所述对称相交面积曲线图计算对称交面差异曲线；

8、获取所述待分析牙模型的目标咬合形态曲面及所述异颌对立牙模型的对立咬合形态曲面；

9、根据所述目标咬合形态曲面及所述对立咬合形态曲面绘制所述待分析牙模型的咬合状态图，获取所述目标口腔牙颌模型与所述目标牙颌咬合面的投影形态面；

10、获取原始神经网络，利用预构建的口腔修复评级训练数据对所述原始神经网络进行训练，得到目标神经网络；

11、将所述对称交面差异曲线、咬合状态图、投影形态面及所述目标牙颌齿缘特征线输入所述目标神经网络，得到所述待分析牙模型的修复效果评级。

12、可选地，所述根据所述中切牙切缘点及所述远中颊侧尖点对构建目标牙颌咬合面，包括：

13、在所述远中颊侧尖点对中提取第一远中颊侧尖点及第二远中颊侧尖点；

14、依次连接所述中切牙切缘点、第一远中颊侧尖点以及第二远中颊侧尖点，得到牙颌咬合三角面；

15、获取所述牙颌咬合三角面的所处平面，将所述牙颌咬合三角面的所处平面作为所述目标牙颌咬合面。

16、可选地，所述获取所述目标牙颌咬合面与所述待分析牙模型的咬合相交面集，包括：

17、将所述待分析牙模型划分为形态缓变区段及形态急变区段；

18、根据所述目标牙颌咬合面及预设的缓变间距在所述形态缓变区段截取缓变相交面集；

19、根据所述目标牙颌咬合面及预设的急变间距在所述形态急变区段截取急变相交面集；

20、汇总所述缓变相交面集及所述急变相交面集，得到所述咬合相交面集。

21、可选地，所述根据所述咬合相交面集绘制目标相交面积曲线图，包括：

22、以预设的齿根深度为横坐标，以咬合相交面面积为纵坐标构建相交面积坐标系；

23、在所述咬合相交面集中依次提取咬合相交面，获取所述咬合相交面的相交面积；

24、获取所述咬合相交面的相交齿根深度，根据所述咬合相交面的相交齿根深度及相交面积在所述相交面积坐标系中描点，得到所述咬合相交面的相交坐标点；

25、汇总所述咬合相交面集中所有咬合相交面的相交坐标点，得到相交坐标点集；

26、拟合所述相交坐标点集，得到所述目标相交面积曲线图。

27、可选地，所述根据所述目标相交面积曲线图及所述对称相交面积曲线图计算对称交面差异曲线，包括：

28、根据预设的线采样点间距，分别在所述对称相交面积曲线图与所述目标相交面积曲线图中提取对称相交坐标点集及目标相交坐标点集；

29、利用预构建的差异公式，求取所述对称相交坐标点集及目标相交坐标点集的差值，得到对称交面差异点集，其中所述差异公式如下所示：

30、

31、其中，表示所述对称交面差异点集中第i个对称交面差异点的横坐标，表示所述目标相交坐标点集中第i个目标相交坐标点的横坐标，表示对称相交坐标点集中第i个对称相交坐标点的横坐标，表示对称交面差异点集中第i个对称交面差异点的纵坐标，表示目标相交坐标点集中第i个目标相交坐标点的纵坐标，表示对称相交坐标点集中第i个对称相交坐标点的纵坐标；

32、拟合所述对称交面差异点集，得到所述对称交面差异曲线。

33、可选地，所述获取所述待分析牙模型的目标咬合形态曲面及所述异颌对立牙模型的对立咬合形态曲面，包括：

34、截取所述待分析牙模型的待分析咬合面及所述异颌对立牙模型的异颌对立咬合面；

35、将所述待分析咬合面及异颌对立咬合面绘制于预构建的三维空间坐标系中，得到所述目标咬合形态曲面及所述对立咬合形态曲面。

36、可选地，所述根据所述目标咬合形态曲面及所述对立咬合形态曲面绘制所述待分析牙模型的咬合状态图，包括：

37、获取所述目标咬合形态曲面及所述对立咬合形态曲面的目标咬合中心点及对立咬合中心点；

38、移动所述对立咬合形态曲面直至所述目标咬合中心点及对立咬合中心点重合，得到目标对立叠加双层曲面；

39、在所述目标对立叠加双层曲面中提取非双重区域及双重区域；

40、根据预设的面采样点间距在所述双重区域内设定双重取样点阵；

41、利用预构建的双重叠加公式，根据所述双重取样点阵计算所述双重区域的双重叠加点集，其中所述双重叠加公式如下所示：

42、

43、其中，表示双重取样点阵中第j个坐标点的横坐标，表示双重取样点阵中第j个坐标点在所述目标咬合形态曲面中的横坐标，表示双重取样点阵中第j个坐标点在所述对立咬合形态曲面中的横坐标，表示双重取样点阵中第j个坐标点的纵坐标，表示双重取样点阵中第j个坐标点在所述目标咬合形态曲面中的的纵坐标，表示双重取样点阵中第j个坐标点在所述对立咬合形态曲面中的的纵坐标，表示双重取样点阵中第j个坐标点的竖坐标，表示目标咬合形态曲面中第j个坐标点的竖坐标，表示对立咬合形态曲面中第j个坐标点的竖坐标；

44、获取所述非双重区域的非双重区域曲面，拟合所述双重叠加点集，得到双重区域曲面；

45、结合所述非双重区域曲面及双重区域曲面，得到待分析牙模型的咬合状态图。

46、可选地，所述获取所述目标口腔牙颌模型与所述目标牙颌咬合面的投影形态面，包括：

47、确定所述目标牙颌咬合面的垂直方向；

48、将所述目标牙颌咬合面的垂直方向作为所述目标口腔牙颌模型在所述目标牙颌咬合面的投影方向；

49、根据所述投影方向获取目标口腔牙颌模型与所述目标牙颌咬合面的投影形态面。

50、可选地，所述利用预构建的口腔修复评级训练数据对所述原始神经网络进行训练，得到目标神经网络，包括：

51、在所述口腔修复评级训练数据中依次提取训练对称交面差异曲线、训练咬合状态图、训练投影形态面、训练目标牙颌齿缘特征线及训练口腔修复评级；

52、将所述训练对称交面差异曲线、训练咬合状态图、训练投影形态面及训练目标牙颌齿缘特征线输入所述原始神经网络，得到初始口腔修复评级；

53、计算所述初始口腔修复评级与所述训练口腔修复评级的训练差异值，判断所述训练差异值是否大于预设的差异阈值；

54、若所述训练差异值不大于所述差异阈值，则返回上述在所述口腔修复评级训练数据中依次提取训练对称交面差异曲线、训练咬合状态图、训练投影形态面、训练目标牙颌齿缘特征线及训练口腔修复评级的步骤，直至所述口腔修复评级训练数据均以完成提取，得到目标神经网络；

55、若所述训练差异值大于所述差异阈值，则根据所述训练差异值调整所述原始神经网络的内部参数，得到迭代神经网络；

56、将所述训练对称交面差异曲线、训练咬合状态图、训练投影形态面及训练目标牙颌齿缘特征线输入所述迭代神经网络，得到迭代差异值；

57、判断所述迭代差异值是否大于所述差异阈值；

58、若所述迭代差异值大于所述差异阈值，则返回上述根据所述训练差异值调整所述原始神经网络的内部参数的步骤；

59、若所述迭代差异值不大于所述差异阈值，则得到所述目标神经网络。

60、为了解决上述问题，本发明还提供一种基于神经网络实现口腔修复的效果分析装置，所述装置包括：

61、口腔模型数据获取模块，用于获取口腔修复模型及待分析牙模型，根据所述待分析牙模型在所述口腔修复模型中提取目标口腔牙颌模型、异颌对立牙模型、同颌对称牙模型以及目标牙颌齿缘特征线；

62、咬合相交面集构建模块，用于提取所述目标口腔牙颌模型的中切牙切缘点及第一前磨牙的远中颊侧尖点对；根据所述中切牙切缘点及所述远中颊侧尖点对构建目标牙颌咬合面，获取所述目标牙颌咬合面与所述待分析牙模型的咬合相交面集；

63、图形计算模块，用于根据所述咬合相交面集绘制目标相交面积曲线图，获取所述同颌对称牙模型的对称相交面积曲线图；根据所述目标相交面积曲线图及所述对称相交面积曲线图计算对称交面差异曲线；获取所述待分析牙模型的目标咬合形态曲面及所述异颌对立牙模型的对立咬合形态曲面；根据所述目标咬合形态曲面及所述对立咬合形态曲面绘制所述待分析牙模型的咬合状态图，获取所述目标口腔牙颌模型与所述目标牙颌咬合面的投影形态面；

64、神经网络训练模块，用于获取原始神经网络，利用预构建的口腔修复评级训练数据对所述原始神经网络进行训练，得到目标神经网络；

65、修复评级模块，用于将所述对称交面差异曲线、咬合状态图、投影形态面及所述目标牙颌齿缘特征线输入所述目标神经网络，得到所述待分析牙模型的修复效果评级。

66、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

67、至少一个处理器；以及，

68、与所述至少一个处理器通信连接的存储器；其中，

69、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的基于神经网络实现口腔修复的效果分析方法。

70、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于神经网络实现口腔修复的效果分析方法。

71、相比于背景技术所述：当前牙齿外观修复效果的评估方法存在评估效率低、效果差的现象，本发明实施例主要通过预构建的口腔修复评级训练数据对所述原始神经网络进行训练，得到目标神经网络，再将获取的对称交面差异曲线、咬合状态图、投影形态面及所述目标牙颌齿缘特征线输入所述目标神经网络，得到所述待分析牙模型的修复效果评级，在获取所述对称交面差异曲线、咬合状态图、投影形态面及所述目标牙颌齿缘特征线时，首先需要获取口腔修复模型及待分析牙模型，再根据所述待分析牙模型在所述口腔修复模型中提取目标口腔牙颌模型、异颌对立牙模型、同颌对称牙模型以及目标牙颌齿缘特征线，再通过所述中切牙切缘点及所述远中颊侧尖点对构建目标牙颌咬合面，从而实现利用所述目标牙颌咬合面获取目标牙颌咬合面与所述待分析牙模型的咬合相交面集的目的，当得到所述咬合相交面集后，就可以根据所述咬合相交面集绘制目标相交面积曲线图，同时获取所述同颌对称牙模型的对称相交面积曲线图；再根据所述目标相交面积曲线图及所述对称相交面积曲线图计算对称交面差异曲线，此时，需要获取所述待分析牙模型的目标咬合形态曲面及所述异颌对立牙模型的对立咬合形态曲面，再根据所述目标咬合形态曲面及所述对立咬合形态曲面绘制所述待分析牙模型的咬合状态图，最后获取所述目标口腔牙颌模型与所述目标牙颌咬合面的投影形态面，从而得到所述目标神经网络的所有输入图形，此时就可以将所述对称交面差异曲线、咬合状态图、投影形态面及所述目标牙颌齿缘特征线输入所述目标神经网络，得到所述待分析牙模型的修复效果评级。因此本发明提出的基于神经网络实现口腔修复的效果分析方法、装置、电子设备及计算机可读存储介质，可以解决当前牙齿外观修复效果的评估方法存在评估效率低、效果差的问题。