基于双边结构多尺度动态图的牙齿点云分割

牙齿隐形矫治装置设计的关键就是将牙齿区域从口腔内三维点云模型中实现精准分割，并在尽量降低人为干预的需求下，对牙齿区域中的单颗牙齿实现全自动分割。传统分割技术需要依赖于专家的先验知识以及大量的人机交互辅助操作，分割性能易受到牙齿形状和位置变化的影响，无法实现全自动分割。因此本文提出了一种Multi-Dynamic Graph of Bilateral Structurest (M-DGB)模型。模型使用双边结构将点云特征信息分别输入坐标边与法向量边，首先利用特征转换模块获得不同尺度的初始全局特征，之后利用多尺度动态图模块中的K近邻图与改进的动态图卷积EdgeConv++模仿卷积神经网络渐近地增加感受野的方式，对局部几何特征实现分层次多尺度学习，进一步提取增强后的局部特征。最后将先前得到的局部增强特征与全局特征密集融合，以获取更具有表达能力的多属性特征。此外，改进了一种混合损失函数，加强牙齿与牙龈的边界分割。将该模型在自制数据集上进行实验，与现有点云分割模型PointNet、PointNet++、MeshSegNet相比，分割精度提高，平均Dice系数为0.972、PPV为0.964、SEN为0.987。

隐形矫治装置的设计使用口内扫描仪(Intraoral Scanners, IOSs)对患者的口腔内牙齿与牙龈等部分软组织进行实时扫描，并将扫描得到的口腔内三维点云实时重建，利用计算机数据处理系统对最终生成的数字化口腔内三维模型，进行计算机辅助牙齿正畸方案的模拟与设计。而其中的一个关键处理过程就是将牙齿区域从数字化口腔内三维模型中实现精准分割，并尽量降低人为干预的需求，通过对分割出的牙齿区域进行单颗牙齿点云的分割。

由于患者的牙齿形状和分布位置因人而异，想要将牙齿从口腔内三维模型中分割出来并非易事。尤其当患者牙齿存在外观异常， 例如发生严重的牙齿错位和缺失现象时， 实现牙齿的分割任务就更加困难。

牙齿错位现象通常表现为邻近牙错位、拥挤和间隙不规则，错位现象会导致牙齿的空间距离不规则，甚至出现空间位置上的重叠[1] [2]。

而牙齿缺失现象不仅会在分割阶段造成不同种类牙齿的错误分割， 在后续对指定单颗牙齿的提取环节也会造成干扰。

传统口腔内三维模型分割方案直接利用口腔内三维模型的三维坐标、法向量及曲率等基本空间特征实现牙齿分割任务。Kumar [3]通过曲率分析和复杂路径搜索实现牙齿与牙龈区域分割的方法，Yuan [4]