一种牙齿分割方法、装置、存储介质及电子设备

本说明书涉及医疗，尤其涉及一种牙齿分割方法、装置、存储介质及电子设备。

背景技术：

1、随着数字化口腔技术的不断发展，牙齿分割技术的应用已经越来越成熟。通过三维口腔扫描得到牙齿的网格建模，并判断出建模中的每一个面片所属的牙齿的种类。

2、现有技术的牙齿分割方法为，将三位口腔扫描得到的牙齿网格，或是根据牙齿网格转化得到的点云集合直接输入给深度学习网络模型处理，使其输出相应的分割结果。但鉴于口腔扫描模型复杂的形态拓扑和牙齿疾病等因素，现有技术分割性能不理想。历史数据的反馈表明，现有技术的分割结果普遍边界噪声大，在处理复杂边界，例如牙齿和牙龈的边界时，不符合临床应用要求，往往需复杂耗时的后处理。

3、因此，如何在对牙齿的建模进行分割时得到更准确、平滑的边界分割结果是一个亟待解决的问题。

技术实现思路

1、本说明书提供一种牙齿分割方法、装置、存储介质及电子设备，以至少部分地解决现有技术存在的上述问题。

2、本说明书采用下述技术方案：

3、本说明书提供了一种牙齿分割方法，包括：

4、获取目标牙齿的网格模型，并根据所述网格模型构建所述目标牙齿的原始点云；

5、将所述原始点云输入预先训练的分割模型，所述分割模型至少包括提取子网、处理子网、分割子网；

6、针对所述原始点云中的每个点，通过所述提取子网，提取该点的空间特征；

7、将所述原始点云中的各点的空间特征输入所述处理子网，得到所述处理子网输出的所述各点高级特征；

8、通过所述分割子网，根据所述高级特征，输出所述原始点云中的各点的分割结果。

9、可选地，根据所述网格模型构建所述目标牙齿的原始点云，具体包括：

10、以所述网格模型中的面片作为原始点云中的点，以所述网格模型中各面片之间的邻接关系作为所述原始点云中各点的邻接关系，根据所述网格模型中的各面片与各面片之间的邻接关系，构建所述目标牙齿的原始点云。

11、可选地，所述空间特征包括位置、法向量、高斯曲率、新型点曲率中的至少一种。

12、可选地，提取该点的新型点曲率，具体包括：

13、在所述原始点云中确定该点的二阶邻域中包含的各点，作为参照点；

14、在所述网格模型中，确定该点对应的面片作为目标面片，并确定各参照点对应的面片作为参照面片；

15、确定所述目标面片与所述各参照面片的法向量；

16、将所述目标面片的法向量与所述各参考面片的法向量之间的夹角的均值确定为该点的新型点曲率。

17、可选地，所述处理子网至少包括嵌入层、注意力层；

18、将所述原始点云中的各点的空间特征输入所述处理子网，得到所述处理子网输出的所述各点的高级特征，具体包括：

19、将所述原始点云中的各点的空间特征输入所述嵌入层，得到所述各点的高维语义特征；

20、将所述各点的高维语义特征输入所述注意力层，得到所述各点的高级特征。

21、可选地，所述分割子网至少包括预测层、输出层；

22、通过所述分割子网，根据所述高级特征，输出所述原始点云中的各点的分割结果，具体包括：

23、将所述高级特征输入所述预测层，得到所述预测层输出的所述原始点云中各点属于各牙齿类别的概率；

24、通过所述输出层，根据所述各点属于各牙齿类别的概率，输出所述各点的分割结果。

25、可选地，预先训练分割模型，具体包括：

26、获取样本牙齿的样本网格模型，并根据所述样本网格模型构建所述样本牙齿的样本点云；

27、根据所述样本点云中各样本点所属的真实牙齿类别，确定所述各样本点的标注；

28、将所述样本点云输入待训练的分割模型；

29、针对所述样本点云中的每个样本点，通过所述提取子网，提取该样本点的待优化空间特征；

30、将所述样本点云中的各样本点的待优化空间特征输入所述处理子网，得到所述处理子网输出的待优化高级特征；

31、通过所述分割子网，根据所述待优化高级特征，输出所述样本点云中的各样本点的待优化分割结果；

32、以所述待优化分割结果与所述标注之间的差异最小为优化目标，对所述分割模型进行训练。

33、可选地，所述标注包括真实标注和二分类标注，其中，所述真实标注用于表征样本点所属的真实牙齿类别，所述二分类标注用于表征样本点是否属于牙齿；

34、所述分割结果包括类别分割结果与二分类分割结果，其中，所述类别分割标注用于表征所述分割模型预测的样本点所属的牙齿类别，所述二分类分割结果用于表征所述分割模型预测的样本点是否属于牙齿；

35、以所述待优化分割结果与所述标注之间的差异最小为优化目标，对所述分割模型进行训练，具体包括：

36、以所述类别分割结果与所述真实标注之间的差异最小，以及所述二分类分割结果与所述二分类标注之间的差异最小为优化目标，对所述分割模型进行训练。

37、可选地，在对所述分割模型进行训练之前，所述方法还包括：

38、将所述样本点云中新型点曲率不小于指定阈值的点确定为引导点；

39、针对每个引导点，根据该引导点的待优化分割结果，确定该引导点的损失权重，其中，所述引导点的损失权重与所述待优化分割结果的置信度呈负相关；

40、以所述待优化分割结果与所述标注之间的差异最小为优化目标，对所述分割模型进行训练，具体包括：

41、根据所述分割结果与所述标注，确定训练损失；

42、根据所述训练损失与所述损失权重，对所述分割模型的参数进行调整。

43、本说明书提供的一种牙齿分割装置，所述装置包括：

44、获取模块，用于获取目标牙齿的网格模型，并根据所述网格模型构建所述目标牙齿的原始点云；

45、输入模块，用于将所述原始点云输入预先训练的分割模型，所述分割模型至少包括提取子网、处理子网、分割子网；

46、提取模块，用于针对所述原始点云中的每个点，通过所述提取子网，提取该点的空间特征；

47、处理模块，用于将所述原始点云中的各点的空间特征输入所述处理子网，得到所述处理子网输出的高级特征；

48、分割模块，用于通过所述分割子网，根据所述高级特征，输出所述原始点云中的各点的分割结果。

49、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述牙齿分割方法。

50、本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述牙齿分割方法。

51、本说明书采用的上述至少一个技术方案能够达到以下有益效果：

52、在本说明书提供的牙齿分割方法中，获取目标牙齿的网格模型，并根据所述网格模型构建所述目标牙齿的原始点云；将所述原始点云输入预先训练的分割模型，所述分割模型至少包括提取子网、处理子网、分割子网；针对所述原始点云中的每个点，通过所述提取子网，提取该点的空间特征；将所述原始点云中的各点的空间特征输入所述处理子网，得到所述处理子网输出的高级特征；通过所述分割子网，根据所述高级特征，输出所述原始点云中的各点的分割结果。

53、在采用本说明书提供的牙齿分割方法对目标牙齿的网格模型进行分割时，可将目标牙齿的网格模型转化为原始点云，采用分割模型进行处理；在分割模型中，可提取原始点云中各点的空间特征，并经过高维语义映射与自注意力处理得到高级特征，并最终根据高级特征输出分割结果。采用本方法可利用注意力机制强大的远程建模能力，从具有复杂形态拓扑和多样化牙齿疾病的网格模型中学习丰富的高级表征，从而准确区分具有多样解剖结构和噪声边界的恒牙。