一种深度学习结合点云语义的CBCT图像牙齿分割方法技术

本发明专利技术涉及一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，包括如下步骤：步骤1、基于深度学习分割模型，比如3D分割网络或2D分割网络进行牙齿区域分割提取牙齿区域；步骤2、采用面绘制方法将提取的牙齿区域三维重建为牙列网格数据；步骤3、提取网格数据的点云特征数据，采用点云实例分割深度学习网络进行基于点云语义的实例分割，得到网格数据的牙齿实例；步骤4、按照坐标对应信息，将网格数据的牙齿对应区域映射到CBCT获得CBCT牙齿实例。本发明专利技术的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，由于基于点云语义进行实例分割，相对于RPN类方法而言，不需要处理检测框区域内除目标牙齿外的其他牙齿标签，能够实现智能分割。智能分割。智能分割。

【技术实现步骤摘要】
一种深度学习结合点云语义的CBCT图像牙齿分割方法


[0001]本专利技术涉及图像处理领域，尤其涉及一种基于深度学习结合点云语义的CBCT图像牙齿分割方法。

技术介绍

[0002]牙齿分割是数字化牙齿正畸的基础，近些年来计算机视觉和图形学的发展，使得数字化口腔医疗成为了现实。CBCT作为一种获得三维影像学图像的方法，比起普通CT，CBCT除了具有辐射剂量小、扫描时间短、图像空间分辨率高等优点之外，它还提供了包括牙齿在内的所有口腔组织的更全面的3D体积信息。所以从CBCT图像中分割牙齿可以得到更完整、更准确的牙齿模型。现有方法提出了基于3D RPN及其变形形式检测CT体数据中每个牙齿的包围框实现牙位检测，然后对包围框中区域提取ROI进行单个牙齿分割；也有的方法将3D体数据提取牙弓曲线生成对应的全景片，基于二维全景片检测不同牙位牙齿的包围框，再将包围框位置换算回CT体数据中牙齿的3D包围框实现牙位检测，然后对包围框中区域提取ROI进行单个牙齿分割；但是上述方法没有充分三维数据点之间的语义关系；另外，也有学者采用水平集及其变形的方法，但是其需要手动交互设置初始水平集，不能实现完全自动化的操作。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提出一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，结合CT图像分割与点云语义分割实现CT牙齿实例分割，具体包括如下步骤：步骤1、输入CBCT数据，基于深度学习分割模型，进行牙齿区域分割，提取牙齿区域；步骤2、采用面绘制方法将提取的牙齿区域三维重建为牙列网格数据；步骤3、提取网格数据的点云特征数据，采用点云实例分割深度学习网络进行基于点云语义的实例分割，得到网格数据的牙齿实例；步骤4、按照坐标对应信息，将网格数据的牙齿对应区域映射到CBCT 获得CBCT牙齿实例。
[0004]进一步的，所述步骤1中的牙齿区域提取是基于深度学习分割模型，例如可以采用3D分割网络或2D分割网络进行牙齿区域分割。根据本专利技术的一个实施例，基于2D分割网络进行分割如下：步骤1.1、按层提取CBCT数据切片图像，对切片图像进行像素归一化处理，将像素值映射为0~255；步骤1.2、按照2D分割网络输入端设计的输入尺寸，对切片图像尺寸进行尺寸变换处理；步骤1.3、将处理后的切片图像和标签图像输入2D分割网络进行训练，所述2D分割网络用于将切片图像的每个像素分为背景或者牙齿，训练完成后得到训练好的2D分割网
络；步骤1.4、对待分割图像提取切片，并做预处理，输入所述训练好的2D分割网络得到预测结果，预测的前景部分即为牙齿区域。
[0005]进一步的，所述步骤2、采用面绘制方法将提取的牙齿区域三维重建为牙列网格数据，可以是采用MarchingCubes面绘制方法将提取的牙齿区域三维重建为牙列网格数据；进一步的，所述步骤3，提取网格数据的点云特征数据，采用点云实例分割网络进行基于点云的实例分割，得到网格数据的牙齿实例；具体包括：步骤3.1、提取点云特征数据，并做降采样处理，每个牙位的牙齿对应的点云对应同一个标签，共计32个标签；步骤3.2、将点云特征数据输入到点云实例分割网络，对每个点云所属的类别进行预测；步骤3.3、将待预测牙齿区域分割结果转换为网格，提取点云特征数据并做降采样处理后输入网络，获得每个点的标签。
[0006]可选的，采用GCN、PointNet等进行基于点云的实例分割，得到网格数据的牙齿实例。
[0007]进一步的，所述步骤4.按照坐标对应信息，将网格数据的牙齿对应区域映射到CBCT 获得CBCT牙齿实例，具体包括：CBCT中像素坐标(i,j,k)与点云中点的坐标(x,y,z)对应关系为：i*spacing.x+origin.x=xj*spacing.y+origin.y=yk*spacing.z+origin.z=z其中，所述的spacing、origin分别表示CBCT数据的尺寸和原点信息。
[0008]有益效果：（1）本专利技术的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，由于基于点云语义进行实例分割，相对于RPN类方法而言，不需要处理检测框区域内除目标牙齿外的其他牙齿标签。
[0009]（2）本专利技术可以直接识别32个牙齿的牙位，不需要分组进行，而传统方法需要将牙齿左右、或上下同一编号位置的牙齿作为一个类别，分组后，最后再分开。
[0010]（3）本专利技术的方法可以识别智齿，可以识别金属植入牙。
附图说明
[0011]图1：本专利技术的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法流程图；图2：本专利技术的方法过程示意；图3：本专利技术的原始CBCT数据；图4：牙齿分割提取牙齿区域；图5：牙齿区域网格转换；图6：点云实例分割结果；图7：实例分割结果转换。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本专利技术的一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0013]根据本专利技术的实施例，提出一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，如图1
‑
2所述，包括如下步骤：步骤1、输入CBCT数据，基于深度学习分割模型，进行牙齿区域分割，提取牙齿区域；步骤2、采用面绘制方法将提取的牙齿区域三维重建为牙列网格数据；步骤3、提取网格数据的点云特征数据，采用点云实例分割深度学习网络进行基于点云语义的实例分割，得到网格数据的牙齿实例；步骤4、按照坐标对应信息，将网格数据的牙齿对应区域映射到CBCT 获得CBCT牙齿实例。
[0014]进一步的，所述步骤1中，输入CBCT数据，如图3所示。
[0015]所述步骤1中的牙齿区域提取是基于深度学习分割模型，例如可以采用3D分割网络或2D分割网络进行牙齿区域分割。根据本专利技术的一个实施例，基于2D分割网络进行分割如下：步骤1.1、按层提取CBCT数据切片图像，对切片图像进行像素归一化处理，将像素值映射为0~255；步骤1.2、按照2D分割网络输入端设计的输入尺寸，对切片图像尺寸进行尺寸变换处理；步骤1.3、将处理后的切片图像和标签图像输入2D分割网络进行训练，所述2D分割网络用于将切片图像的每个像素分为背景或者牙齿，训练完成后得到训练好的2D分割网络；步骤1.4、对待分割图像提取切片，并做预处理，输入所述训练好的2D分割网络得到预测结果，预测的前景部分即为牙齿区域。如图4所示，为牙齿分割提取得到的牙齿区域。
[0016]进一步的，所述步骤2、采用面绘制方法将提取的牙齿区域三维重建为牙列网格数据，可以是采用MarchingCubes面绘制方法将提取的牙齿区域三维重建为牙列网格数据，如图5所示，牙齿区域网格转换后的牙列网格数据结果。
[0017]进一步的，所述步骤3提取网格数据的点云特征数据，采用点云实例分割深度学习网络进行基于点云语义本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，包括如下步骤：步骤1、输入CBCT数据，基于深度学习分割模型，进行牙齿区域分割，提取牙齿区域；步骤2、采用面绘制方法将提取的牙齿区域三维重建为牙列网格数据；步骤3、提取网格数据的点云特征数据，采用点云实例分割深度学习网络进行基于点云语义的实例分割，得到网格数据的牙齿实例；步骤4、按照坐标对应信息，将网格数据的牙齿对应区域映射到CBCT 获得CBCT牙齿实例。2.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，所述步骤1中的牙齿区域提取是基于深度学习分割模型，所述基于深度学习分割模型包括3D分割网络或2D分割网络；基于2D分割网络进行分割具体如下：步骤1.1、按层提取CBCT数据切片图像，对切片图像进行像素归一化处理，将像素值映射为0~255；步骤1.2、按照2D分割网络输入端设计的输入尺寸，对切片图像尺寸进行尺寸变换处理；步骤1.3、将处理后的切片图像和标签图像输入2D分割网络进行训练，所述2D分割网络用于将切片图像的每个像素分为背景或者牙齿，训练完成后得到训练好的2D分割网络；步骤1.4、对待分割图像提取切片，并做预处理，输入所述训练好的2D分割网络得到预测结果，预测的前景部分即为牙齿区域。3.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，所述步骤2具体为：采用MarchingCubes面绘制方法将提取的牙齿区域三维重建为牙列网格数据。4.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分...

【专利技术属性】
技术研发人员：李晓芸，王亚杰，左飞飞，张文宇，吴宏新，
申请(专利权)人：北京朗视仪器股份有限公司，
类型：发明
国别省市：