一种3D多特征融合的牙齿CT图像分割方法技术

本发明专利技术公开了一种3D多特征融合的牙齿CT图像分割方法，属于图像处理技术领域。本发明专利技术首先对CT图像进行图像转换处理，将其转换为灰度图；然后构建用于牙齿分割的神经网络模型及对其进行训练，所述神经网络模型的骨架采用U‑net网络；最后，对待分割的图像进行CT图像预处理，得到灰度图像并输入训练好的神经网络模型，基于其输出得到分割结果。本发明专利技术结合CT图像上下的相似性，提出了一种3D多特征融合的牙齿分割方法，提高了神经网络的训练精度；同时结合CRF算法，去除神经网络模型产生的冗余信息，使得分割结果更加精确。

【技术实现步骤摘要】
一种3D多特征融合的牙齿CT图像分割方法
本专利技术涉及医学CT(ComputedTomography，计算机断层扫描)图像分割
，具体涉及一种基于神经网络的3D多特征融合的牙齿CT图像分割方法。
技术介绍
医学CT图像分割在临床应用中拥有巨大价值，但是相比于自然图像，医学CT图像存在诸多缺陷：(1)低分辨度以及图像上的种种伪影增加分割难度，(2)CT图像中相应组织难以标定。现今的分割方法主要分为：神经网络的方法和非神经网络方法，其中神经网络方法又分为2D神经网络和3D神经网络方法两种。非神经网络方法主要采用随机森林进行级联分割(HAAR特征分割、HOG特征分割)以及使用LevelSet(水平集)等进行边缘的分割。例如，S.Barone在“基于特定几何特征驱动分割”的方案中，通过在特定几何特征驱动下，针对一些重要视图建立一系列小而多的平面，从而提高重建精度，对堆叠图像进行形态学上的处理，获取最大连通分量，细化提取图形骨骼，以此为基准进行小面片的生成和合成，该方法对分割精度要求不高，主要提升分割后重建的模型清晰度。S.Bar本文档来自技高网...

【技术保护点】
1.一种3D多特征融合的牙齿CT图像分割方法，其特征在于，包括以下步骤：/n步骤一、CT图像预处理：/n对CT图像进行图像转换处理：/n根据公式

【技术特征摘要】
1.一种3D多特征融合的牙齿CT图像分割方法，其特征在于，包括以下步骤：
步骤一、CT图像预处理：
对CT图像进行图像转换处理：
根据公式得到转换后的图像的各像素点的灰度值nPixel，其中，Piexl为转换前像素点的CT值，WWmin、WWmax分别为CT图像的最小和最大CT值；
对作为训练样本的各转换后的CT图像，进行标签标定，将训练样本图像的每个像素点分为牙齿和背景两类；
步骤二、用于牙齿分割的神经网络模型构建及训练：
所述神经网络模型的骨架采用U-net网络，并采用三维卷积层替换U-net网络中的二维卷积层；
所述神经网络模型包括下采样阶段和上采样阶段；
下采样阶段包括四个节点，各下节点的网络结构相同，按照前向传播的方向包括：两层三维卷积层、批量归一化层和最大池化层；下采样部分中，上个节点的输出的特征图谱作为下一个节点的输入；
上采样阶段包括四个上节点，每个节点用于对输入的特征图谱进行反卷积，且每个节点的卷积核大小和步长与下采样阶段的节点的最大池化层保持一致；
下采样阶段的第四个节点通过最大池化层与上采样阶段的第一个节点相连；即四次下采样后的输出结果作为上采样部分最初的输入；
并将上采样阶段的第四个节点输出的特征图谱输入一层1*1*1的三维卷积层，同时使用Sigmoid激活函数，将三维卷积层输出的特征图谱通道转化为牙齿和背景的分类概率结果；
上采样阶段的每个节...

【专利技术属性】
技术研发人员：饶云波，苟苗，王艺霖，薛俊民，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51