基于双流网络和改进DGCNN的三维牙齿分割方法

将牙齿的三维数字化模型进行精确分割,是计算机辅助正畸手术中一项基本的任务。基于深度学习的方法已被广泛应用于三维模型的分割任务,这些方法均是利用三维模型的几何特征进行简单拼接,无法有效提取不同几何特征所表征的不同语义。针对这一问题,提出一种改进DGCNN的双流牙齿分割网络以学习不同输入特征的语义信息。在真实患者上牙颌模型数据集上的实验结果表明,该方法取得了更好的分割效果。