一种基于深度学习的牙列拥挤度识别方法

本发明公开了一种基于深度学习的牙列拥挤度识别方法，属于口腔医学技术领域。本发明包括以下步骤：制作以牙弓、牙齿冠部边缘和牙冠宽度方向为界的三种分割数据集；搭建基于动态和扩张边缘卷积的神经网络并分别训练得到三种网络模型，可分别预测出三类点云预备体；基于牙弓线点云预备体进行后处理可获取现有牙弓长度；基于牙冠宽度点云预备体进行后处理可获取应有牙弓长度；最后应有牙弓长度减去现有牙弓长度计算拥挤度数值。本发明方法将患者牙齿口扫模型输入，可直接识别出拥挤度数值，解决当前医生手工或人机交互测量拥挤度时的耗时长及效率低等问题，实现对牙列拥挤度的精确快速识别。