(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111516340.6 (22)申请日 2021.12.09 (71)申请人 北京大学口腔医学院 地址 100081 北京市海淀区中关村南大街 22号 (72)发明人 毛渤淳　荣起国　李晶　周雨晴　 周彦恒　张继武　田雅婧　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 代理人 封浪 (51)Int.Cl. G06T 7/00(2017.01) G06V 40/16(2022.01) G06V 20/64(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 基于机器学习的三维牙颌颅面畸形辅助识 别方法和系统 (57)摘要 本发明公开了一种基于机器学习的三维牙 颌颅面畸形辅助识别方法和系统。 本发明对获取 的面部三维照片集及待预测面部三维照片分别 进行标志点标定和坐标系的统一， 对面部三维照 片集对应的各特征信息进行预处理后， 交由机器 学习模型进行训练， 得到预测模型， 利用该预测 模型对待预测面部三维照片的标志点坐标进行 预测， 得到面部特征， 以辅助医师进行牙颌颅面 畸形判别。 本发明可避免/减小电力辐射暴露量， 过程对患者友好， 接受力更高， 基于较大样本量 进行的学习使得预测更准确。 权利要求书2页 说明书9页 附图2页 CN 114022477 A 2022.02.08 CN 114022477 A 1.一种基于 机器学习的三维牙颌颅面畸形辅助识别方法， 其特 征在于， 包括： 获取面部三维照片集； 对各面部三维照片， 分别执行： 标定面部三维照片中的标志点； 获取各标志点的三维坐 标， 对获取的各 标志点的三维坐标进行坐标系的统一； 对各面部三维照片对应的特征信息进行预处理， 得到对应的训练样本， 所述特征信息 包括面部三维照片的各 标志点统一 坐标系后的三维坐标； 利用各训练样本对机器学习模型进行训练， 得到预测模型； 利用所述预测模型 预测患者 面部三维照片的各 标志点的三维坐标 所对应的面部特 征。 2.如权利要求1所述的基于机器学习的三维牙颌颅面畸形辅助识别方法， 其特征在于， 所述对获取的各 标志点的三维坐标进行坐标系的统一， 包括： 设定新坐标系的原点 为鼻下点； 建立参考平面A： 取左右侧耳屏点与右侧鼻翼点建立 参考平面A； 建立水平面： 以左右侧耳屏点为轴， 将参考平面A上旋7.5 °， 通过鼻下点做与该平面平 行的面， 即新 坐标系的水平面； 建立矢状面： 建立 通过左右侧耳屏点中点与鼻 下点， 与水平面垂直的平面； 建立冠状面： 与水平面及矢状面垂直的面； 坐标系的转 化： 将原坐标系下的坐标转换到新 坐标系下。 3.如权利要求1所述的基于机器学习的三维牙颌颅面畸形辅助识别方法， 其特征在于， 所述对各面部三维照片对应的特征信息进行预处理， 包括： 对各面部三维照片对应的特征 信息进行正交化处 理。 4.一种基于机器学习的三维牙颌颅面畸形辅助识别系统， 其特征在于， 包括图像采集 模块、 样本处 理模块、 模型构建模块和预测模块， 其中： 所述图像采集模块用于采集待预测面部三维照片以及用于训练模型的面部三维照片 集； 所述样本处理模块用于分别标定各面部三维照片中的标志点； 获取各标志点的三维坐 标， 对各面部三维照片的标志点的三维坐标进行坐标系统一； 对面部三维照片集中各面部 三维照片对应的特征信息进行预处理， 得到训练样本集， 所述特征信息包括面部三维照片 的各标志点统一 坐标系后的三维坐标； 所述模型构建模块利用所述训练样本集对机器学习模型进行训练， 得到预测模型； 所述预测模块利用所述预测模型评估所述待预测面部三维照片的各标志点的三维坐 标所对应的面部特 征。 5.如权利要求4所述的基于机器学习的三维牙颌颅面畸形辅助识别系统， 其特征在于， 所述样本处理模块利用标定工具自动标记面部三 维照片中的标志点， 并响应调整指令调整 全部或部分标志点。 6.如权利要求4所述的基于机器学习的三维牙颌颅面畸形辅助识别系统， 其特征在于， 所述样本处理模块中配置有对各标志点的三 维坐标进 行坐标系统一的计算机程序， 运行该 计算机程序以执 行以下方法： 设定新坐标系的原点 为鼻下点； 建立参考平面A： 取左右侧耳屏点与右侧鼻翼点建立 参考平面A；权　利　要　求　书 1/2 页 2 CN 114022477 A 2建立水平面： 以左右侧耳屏点为轴， 将参考平面A上旋7.5 °， 通过鼻下点做与该平面平 行的面， 即新 坐标系的水平面； 建立矢状面： 建立 通过左右侧耳屏点中点与鼻 下点， 与水平面垂直的平面； 建立冠状面： 与水平面及矢状面垂直的面； 坐标系的转 化： 将原坐标系下的坐标转换到新 坐标系下。 7.如权利要求4所述的基于机器学习的三维牙颌颅面畸形辅助识别系统， 其特征在于， 所述样本处理模块中配置有对特征信息进 行预处理的计算机程序， 运行该计算机程序以执 行以下方法： 对特征信息进行正交化处 理。 8.如权利要求4所述的基于机器学习的三维牙颌颅面畸形辅助识别系统， 其特征在于， 所述样本处理模块传输给所述预测模块的待 预测面部三 维照片的标志点坐标， 为通过标定 工具自动标记的标志 点的三维坐标， 或者为在此基础上响应调整指令进 行调整后的三维坐 标。权　利　要　求　书 2/2 页 3 CN 114022477 A 3