买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京大学口腔医学院;北京邮电大学申请的专利一种基于智能配准算法的三维颜面正中矢状平面构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116433736B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310433088.5，技术领域涉及：G06T7/33；该发明授权一种基于智能配准算法的三维颜面正中矢状平面构建方法是由赵一姣;朱玉佳;陈晋鹏;王勇;刘真光;傅湘玲;温奥楠;高梓翔;秦庆钊设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本一种基于智能配准算法的三维颜面正中矢状平面构建方法在说明书摘要公布了：本发明涉及一种基于智能配准算法的三维颜面正中矢状平面构建方法，有以下步骤：1构建三维颜面数据本体与镜像点云配准的可变图结构神经网络算法，其算法步骤为：1构造本体与镜像点云数据X和Y中关键点的特征向量；2基于上述特征向量获取点云X和Y中关键点的对应关系；3通过奇异值分解计算镜像数据的旋转和平移矩阵R、t；2主成分分析算法构建三维颜面正中矢状平面；本发明能够实现三维颜面正中矢状平面的准确、高效构建，为口腔临床数字化诊疗提供一种新的正中矢状平面构建解决方案。

本发明授权一种基于智能配准算法的三维颜面正中矢状平面构建方法在权利要求书中公布了：1.一种基于智能配准算法的三维颜面正中矢状平面构建方法，其特征在于： 1构建三维颜面数据本体与镜像点云配准的可变图结构神经网络算法，其算法步骤为： 1构造本体与镜像点云数据X和Y中关键点的特征向量； 2基于上述特征向量获取点云X和Y中关键点的对应关系； 3通过奇异值分解计算镜像数据的旋转和平移矩阵R、t； 2主成分分析算法构建三维颜面正中矢状平面； 基于上述三维颜面本体与镜像数据配准结果，进而获得“本体-镜像”联合的点云数据，该数据具有对称特性，采用主成分分析算法计算“本体-镜像”联合点云矩阵的协方差矩阵，基于特征值分解法求解协方差矩阵的特征值和特征向量，选择最大特征值对应的特征向量，即为正中矢状平面的法向量；计算点云几何中心为正中矢状平面中心点，获得三维颜面数据的正中矢状平面函数表达； 所述算法步骤中使用的具体算法为： 所述步骤1：利用可变图网络和Transformer网络构建关键点特征向量分别为ΦX、ΦY； 所述步骤2：基于ΦX、ΦY利用归一化指数函数Gumbel-Softmax以及温度参数λ计算关键点的对应关系： 所述步骤3：已知关键点的对应关系及关键点的坐标，通过矩阵奇异值分解计算变换矩阵，包含旋转和平移矩阵R、t； 上式中，V,U为奇异值分解获得的两矩阵；是预测的旋转和平移矩阵， 使用该变换矩阵对镜像点云Y进行坐标变换Y'，在X、Y'上迭代循环上述关键点特征向量获取、关键点对应关系计算和矩阵奇异值分解步骤，至迭代次数达到超参数时终止迭代； 所述可变图结构神经网络的训练过程，采用口腔临床收集的800例三维颜面数据，基于ICP算法本体与镜像点云配准的旋转和平移矩阵作为监督学习的真值，对上述临床收集的800例三维颜面数据进行深度学习模型训练与测试的数据集划分，其中训练集、验证集和测试集按8:1:1分配，男女比例均为1:1；可变图结构神经网络整体损失函数为公式③： L为整体损失，Lp是第p次迭代时的总损失，Lp包括三部分：刚性运动损失，循环一致性损失，全局特征对齐损失，公式分别为公式④、公式⑤、公式⑥： 上式中，为旋转、平移矩阵真值，是预测的旋转矩阵的转置，是预测的平移矩阵，为从点云X到点云Y的旋转、平移矩阵，为点云Y到点云X的旋转、平移矩阵，为点云X的全局表征，为点云Y的全局表征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京大学口腔医学院;北京邮电大学，其通讯地址为：100081 北京市海淀区中关村南大街32号，中关村科技发展大厦A座5层503；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。