自动摘要: 参与项目 1.分牙 2.全冠生成 3.图卷积分牙 4.排牙 其中分牙和全冠在复现结果和验证后交付他人接手，反馈和后续优化没有过多参与。对于这两个项目也没有什么太好的优化思路，并且因为没什么 ……..
参与项目
- 分牙
- 全冠生成
- 图卷积分牙
- 排牙
其中分牙和全冠在复现结果和验证后交付他人接手，反馈和后续优化没有过多参与。对于这两个项目也没有什么太好的优化思路，并且因为没什么时间所以也没有后续实验和改进。图卷积分牙因为项目排期和数据问题只做了一部分，且有其局限性。
重点讲一下排牙，复现了TANET的大部分，也融合了一些自己的想法，但是因为数据不足所以无法有效的验证其有效性。其中encoder和decoder部分可以使用pointnet及其衍生网络来实现，其FPM特征传播模块和PointNet中的特征传播模块基本关系不大，TANET使用了门控单元结合图卷积的思想将牙齿的空间位置关系附加到每一颗牙的encoder结果后，从而给单颗牙添加了全局的位置信息。最困难也是最有价值，可以直接复用的部分是我实现的损失函数，具体细节可以看原论文，虽然有点出入但是差不了太多。
分牙仓库：http://192.168.1.55/AI/Automatic_seg_teeth
全冠仓库：http://192.168.1.55/AI/MGNet
排牙：http://192.168.1.55/yzy/TANet-Pytorch
