典型文献
利用三维深度神经网络提取个性化牙弓线
文献摘要：
针对现有正畸治疗中牙弓提取方法存在交互烦琐、效率低、个性化程度低等问题,提出一种基于三维深度神经网络的个性化牙弓智能提取方法.首先,分析牙弓的分布形态,采用归一化点云模型对牙列模型进行标签化预处理,并构建训练数据集;其次,利用训练好的网络模型对牙列点云进行分割,使用全连接条件随机场(conditional random field,CRF)对分割区域进行建模和优化,提取预测结果中标签值为1的牙列点云作为提取牙弓线的预备体;最后,将分割结果中标签值为1的牙列点云的边界点作为预备体边缘点,并采用多项式样条曲线拟合的方法构建牙弓线形状.使用800组标签化的牙列点云训练网络模型进行实验,结果表明,使用所提方法构建的牙弓线提取网络分割精度可以达到96.10％,提取时长与传统方法相比缩短了3～8 s;所提方法与医生手工提取方法相比,提取畸形程度较小牙列的牙弓线的平均误差小于0.5 mm,提取畸形程度较大牙列牙弓线的平均误差小于1 mm.
文献关键词：
牙弓提取;三维深度神经网络;条件随机场;口腔正畸
中图分类号：
作者姓名：
杨俊铄;戴宁;田素坤;俞青;程筱胜
作者机构：
南京航空航天大学机电学院 南京 210016;江苏省数字化医疗装备技术重点实验室 南京 210016;南京大学医学院附属口腔医院修复科 南京 210008
文献出处：
引用格式：
[1]杨俊铄;戴宁;田素坤;俞青;程筱胜-.利用三维深度神经网络提取个性化牙弓线)[J].计算机辅助设计与图形学学报,2022(05):811-820
A类：
三维深度神经网络,牙弓提取,归一化点云,预备体边缘
B类：
正畸治疗,烦琐,智能提取,分布形态,点云模型,牙列,标签化,训练数据集,练好,全连接条件随机场,conditional,random,field,CRF,中标,边界点,边缘点,多项式,式样,样条曲线拟合,线形,生手,平均误差,大牙,口腔正畸
AB值：
0.243034
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
