-
题名图卷积网络下牙齿种子点自动选取
被引量：4
- 1
-
-
作者
李占利
孙志浩
李洪安
刘童鑫
-
机构
西安科技大学计算机科学与技术学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2020年第7期1481-1489,共9页
-
基金
陕西省自然科学基础研究计划项目(2019JM-162)
西安科技大学博士启动金项目(2019QDJ007)。
-
文摘
目的选取牙齿种子点是计算机正畸中常用牙齿分割方法的关键步骤。目前业内大部分牙齿正畸软件都采用需要交互标记的分割方法,通过人机交互在3维牙颌模型上选取每一颗牙齿的种子点,效率较低。针对这一问题,提出基于特征导向的图卷积网络(feature-steered graph convolutional network,Fea St Net)牙齿种子点自动选取方法。方法通过分析每个牙齿类型的种子点位置和最终分割效果,设立统一的规则,建立了牙颌模型的种子点数据集;利用特征导向的图卷积构建了新的多尺度网络结构,用于识别3维牙颌模型上的特征信息,为了更好地拟合牙齿特征,加深网络模型的深度;再通过训练调整参数和多尺度网络结构,寻找特定的种子点,使用均值平方差损失函数对模型进行评估,以提高预测模型的精确度;把网络寻找出的特征点作为基础点,在牙颌模型上找出与基础点距离最近的点作为种子点,如果种子点位置准确,则根据种子点将牙齿与牙龈分割开。对于种子点位置不准确的结果,通过人工操作修正种子点位置,再进行分割。结果实验在自建的数据集中测试,其中种子点全部准确的牙颌占88%,其余情况下只需要调整部分不准确种子点的位置。该方法简单快速,与现有方法相比,需要较少的人工干预,提高了工作效率。结论提出的种子点自动选取方法,能够自动选取牙齿种子点,解决牙齿分割中需要进行交互标记的问题,基本实现了牙齿分割的自动化,适用于各类畸形牙患者模型的牙齿分割。
-
关键词
口腔正畸
牙齿分割
特征导向的图卷积
牙齿种子点
3维牙齿模型
-
Keywords
orthodontics
tooth segmentation
feature-steered graph convolutions
tooth seed points
3D dental meshes
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
