CN119444706A 一种基于口扫和cbct的牙齿三维数字模型配准及牙颈线提取方法 （重庆邮电大学）

号一种基于口扫和CBCT的牙齿三维数字模型本发明公开了一种基于口扫和CBCT的牙齿CBCT的三维口腔图像，利用预先训练的V_Net和叉注意力模块在同一模态和不同模态间进行特2S1，采集历史口腔数据中若干个不同牙齿形态的三维口腔图像和CBCT口腔切片图像，S2，建立第一分割模型和第二分割模型，使用S3，将口腔扫描中待配准的三维口腔图像和C2.根据权利要求1所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取齿的分割和识别。3.根据权利要求1所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取通过旋转矩阵和平移向量对每个网格顶点的坐标进行变换，生3；使用函数euler2mat将欧拉角转换为3x3的旋转矩阵R，用于描述物体围绕各轴的旋xyIOS表示平移后的点云；将得到的体素信息转化为点云数据所依据的逻辑为：提取所有非零iiiii)∈F}4.根据权利要求1所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取5.根据权利要求4所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取4S411，对点云数据进行特征提取的步骤包括：利用积神经网络对下采样后的第一模态的三维牙冠图像和第二模态的三维牙齿图像的点云数其中所述远点采样算法具体逻辑为：分别从第一模态的三维牙移后的点云和CBCT体素数据转化成的点云6.根据权利要求5所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取22NX64；最终将不同层次的特征通过全连接层处理，输出带有精确牙57.根据权利要求4所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取交叉注意力机制，用于在不同模态包括口扫图像和CB8.根据权利要求4所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取基于特征对齐后的第一模态的三维牙冠图像和第二模态的三维牙齿图像特征描述符，所述生成匹配矩阵的逻辑为：计算源点云中的特征点与目标点云中的特9.根据权利要求1所述的一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取在所述第二模态的三维牙齿图像中找到这些边界点的最近点，优先搜索算法确定相邻关键点之间的最短路径；基于最短路径中的点对牙颈线进行插值，6[0002]随着口腔医学和牙科技术的不断进步，口内扫描(IOS)和锥束计算机断层扫描[0005]现有技术中的，公开号为CN114974523A公开了一种牙齿三维数字模型的融合方7[0007]本发明的目的在于提供一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线[0009]一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取方法，具体步骤包齿的分割和识别。8[0022]通过旋转矩阵和平移向量对每个网格顶点的坐标进行变9图卷积神经网络对下采样后的第一模态的三维牙冠图像和第二模态的三维牙齿图像的点分别检测并对齐所述第一模态的三维牙冠图像、所述第二模态的三维牙齿图像的表面边；；[0067]交叉注意力机制，用于在不同模态包括口扫图像和CBCT[0069]基于特征对齐后的第一模态的三维牙冠图像和第二模态的三维牙齿图像特征描择每个源点和目标点的相似性最高的点对作为候选匹配点对，并取匹配矩阵中的相似度，模态的三维牙齿图像的点云数据计算加权质心；再将源点云和参考点云去除各自的质心，[0075]在所述第二模态的三维牙齿图像中找到这些边界点的最[0077]该方法通过分别获取口扫和CBCT的三维口腔图像，利用预先训练的V_Net和[0080]图3为口内扫描三维数字图像经第一分割模型输出的第一模态的三维牙冠数字图[0081]图4为CBCT口腔切片图像经第二分割模型输出的第二模态的三维重建牙齿数字图等仅用于表示相对位置关系，当被描述对象的绝对位置改变[0088]一种基于口扫和CBCT的牙齿三维数字模型配准及牙颈线提取方法，具体步骤包[0090]所述第一分割模型使用了V_Net结构，所述第二分割模型利用ToothNet实现牙齿[0101]通过旋转矩阵和平移向量对每个网格顶点的坐标进行变图卷积神经网络对下采样后的第一模态的三维牙冠图像和第二模态的三维牙齿图像的点分别检测并对齐所述第一模态的三维牙冠图像、所述第二模态的三维牙齿图像的表面边；；；[0151]将网格平移后的点云和CBCT体素数据转化成的点云数据集分别作为共享权重的[0154]交叉注意力机制，用于在不同模态包括口扫图像和CBCT[0155]通过自注意力(self_attention)模块聚合动态图卷积神经网络(DGCNN)提取的所述第一模态的三维牙冠图像和所述第二模态的三维牙齿图像局部特征描述符的全局上下[0156]通过交叉注意力(cross_attention)模块在聚合全局上下文信息后的所述第一模[0166]步骤S43中，所述通过刚性变换网络得到变换后的第一模态三维牙冠图像所依据[0167]基于特征对齐后的第一模态的三维牙冠图像和第二模态的三维牙齿图像特征描择每个源点和目标点的相似性最高的点对作为候选匹配点对，并取匹配矩阵中的相似度，模态的三维牙齿图像的点云数据计算加权质心；再将源点云和参考点云去除各自的质心，[0172]基于变换后的第一模态三维牙冠图像进行牙颈线的从变换后的所述第一模态的三维牙冠图像中提取牙齿[0173]在所述第二模态的三维牙齿图像中找到这些边界点的最[0174]可以使用统计方法(如均值和标准差)或基于聚类的方法(如DBSC