一种牙齿分割建模方法和装置制造方法及图纸

本发明专利技术涉及一种牙齿分割建模方法和装置，属于医学图像处理技术领域，解决了现有方法鲁棒性较差、对噪声敏感等问题。方法包括：对CBCT图像序列进行数据清洗、标注和预处理以建立CBCT三维牙齿数据集；建立三维卷积神经网络模型，包括编码分支、第一解码分支、第二解码分支和融合模块；利用CBCT三维牙齿数据集对三维卷积神经网络模型进行训练以获得预测模型，将待分割的CBCT图像序列输入预测模型以获得牙齿分割概率图；采用中心点聚类法对牙齿分割概率图进行后处理，将假阳性分割结果剔除，得到三维牙齿分割点云；采用移动立方体算法将三维牙齿分割点云进行三维重建，得到牙齿三维模型。能够准确预测牙齿区域。能够准确预测牙齿区域。能够准确预测牙齿区域。

【技术实现步骤摘要】
一种牙齿分割建模方法和装置


[0001]本专利技术涉及医学图像处理
，尤其涉及一种牙齿分割建模方法和装置。

技术介绍

[0002]锥形束投照计算机重组断层影像设备(Cone Beam Computed Tomography,CBCT)，是口腔领域必要的高端检查设备。CBCT的辐射剂量与传统二维影像基本相同，能够从3D层面提供更完善的软硬组织信息。利用CBCT可测量出口腔各部位的高度和厚度，更直观地评估牙齿和骨骼的关系，对正畸风险评估、方案选择及种植治疗有重要的指导意义和参考价值，被广泛应用于临床口腔的疾病检查与治疗。因此，如何利用CBCT图像得到牙齿结构信息，在口腔医学领域有至关重要的意义。
[0003]图像分割是提取医疗影像中特殊组织定量信息的不可缺少的手段，同时也是可视化实现的预处理步骤和前提。分割后的图像可被广泛应用于各种场合，如组织容积的定量分析，诊断，病变组织的定位和计算机指导手术等。但由于医疗影像常表现为对比度低、灰度不均匀，噪声强，而且不同个体组织复杂多样、不同软组织或软组织与病灶之间边界模糊等问题的存在，因此，该技术仍属目前研究的难点。
[0004]目前，CBCT医学图像分割的方法主要分为两类：需要人工设计特征的传统方法以及通常需要大量的数据样本的深度学习方法。传统方法包括基于区域的分割方法、基于边界的分割方法、随机游走方法、水平集方法等，这些方法通常需要较多的人工交互，且算法的鲁棒性较差，对噪声敏感，无法应付临床存在的各种情况；目前深度学习在CBCT医学图像分割方向的应用刚刚起步，一些研究者采用2D CNNs在二维层面进行分割，这类方法不能充分利用牙齿的三维信息且效率较低。因此，急需一种能兼顾分割精度和效率的CBCT牙齿分割方法，使得CBCT图像在口腔领域的应用更为便捷、广泛。

技术实现思路

[0005]鉴于上述的分析，本专利技术实施例旨在提供一种牙齿分割建模方法和装置，用以解决现有牙齿分割方法鲁棒性较差，对噪声敏感，不能充分利用牙齿的三维信息且效率较低等的问题。
[0006]一方面，本专利技术实施例提供了一种牙齿分割建模方法，包括：收集包含各类牙齿临床情况的CBCT图像序列，对所述CBCT图像序列进行数据清洗、标注和预处理以建立CBCT三维牙齿数据集；建立三维卷积神经网络模型，包括编码分支、第一解码分支、第二解码分支和融合模块，其中，所述编码分支用于提取特征，所述第一解码分支用于牙齿区域进行预测以获取牙齿预测概率图，所述第二解码分支用于对牙根区域进行二次预测以获取牙根预测概率图，以及所述融合模块用于将所述牙齿预测概率图和所述牙根预测概率图融合为牙齿分割概率图，其中，所述牙齿区域包括牙冠区域和所述牙根区域；利用所述CBCT三维牙齿数据集对所述三维卷积神经网络模型进行训练以获得预测模型，将待分割的CBCT图像序列输入所述预测模型以获得牙齿分割概率图；采用中心点聚类法对所述牙齿分割概率图进行后
处理，将假阳性分割结果剔除，得到三维牙齿分割点云；以及采用移动立方体算法将所述三维牙齿分割点云进行三维重建，得到牙齿三维模型。
[0007]上述技术方案的有益效果如下：利用编码分支提取特征，利用第一解码分支对牙齿进行预测以对牙根进行一次预测，而第二解码分支对牙根区域进行二次预测，利用融合模块求取一次预测的牙根区域和二次预测的牙根区域的加权平均值，以能够准确预测占比很小的牙根区域。再利用后处理能够剔除假阳性分割结果，得到三维牙齿分割点云。数据清洗能够剔除成像质量不佳、金属散射造成伪影严重的样本。
[0008]基于上述方法的进一步改进，所述中心点聚类法包括：二值化处理、连通区域实例分割处理、最小区域剔除处理、连通区域质心求解和聚类处理和无效类剔除；所述二值化处理，用于对所述牙齿分割概率图进行二值化处理，得到初始分割结果；所述连通区域实例分割处理，用于对所述初始分割结果进行实例分割，以得到多个连通区域；所述最小区域剔除处理，用于将体素小于预设值的连通区域剔除，得到剩余连通区域；所述连通区域质心求解和聚类处理，用于求解所述剩余连通区域的质心并聚类为两类；以及所述无效类剔除处理，用于根据聚类结果剔除假阳性连通区域，以得到所述三维牙齿分割点云。
[0009]上述技术方案的有益效果如下：二值化处理、连通区域实例分割处理和最小区域剔除处理能够剔除最小连通区域，而保留体素大于20000的连通区域。连通区域质心求解和聚类处理和无效类剔除处理能够将口腔内包含的牙齿区域聚成一到两类，根据每类包含体素数和两类间的距离进一步剔除假阳性分割结果。
[0010]基于上述方法的进一步改进，对所述CBCT图像序列进行数据清洗和标注进一步包括：所述数据清洗用于从所述CBCT图像序列中剔除伪影样本，然后筛选出包含健康牙齿、金属/树脂填充、种植体、蛀牙、乳牙恒牙交替、牙套和高/低精度的样本；以及所述标注用于使用医学图像标注工具对清洗的CBCT图像序列中的牙齿区域和牙根区域进行标注。
[0011]上述技术方案的有益效果如下：通过数据清洗能够筛选出包含健康牙齿、金属/树脂填充、种植体、蛀牙、乳牙恒牙交替、牙套和高/低精度的样本，将健康牙齿的数量设置为与金属/树脂填充、种植体、蛀牙、乳牙恒牙交替、牙套和高/低精度的数量之和相同以能够平衡数据集的分布。
[0012]基于上述方法的进一步改进，将所述待分割的CBCT图像序列中的所述牙齿区域标注为1并将所述牙齿之外区域标注为0；以及将所述待分割的CBCT图像序列中的所述牙根区域标注为2并将所述牙根之外区域标注为0。
[0013]上述技术方案的有益效果如下：待分割的CBCT图像序列中的牙齿区域标注为1并牙齿之外区域标注为0，作为第一解码分支的输入能够对牙齿区域进行预测，将待分割的CBCT图像序列中的牙根区域标注为2并将牙根之外区域标注为0，作为第二解码分支的输入能够对牙根区域进行二次预测，以克服由于牙根区域占比较小，一次预测不够准确的缺陷。
[0014]基于上述方法的进一步改进，对标注的所述CBCT图像序列进行预处理进一步包括：文件解析处理、全局强度标准化处理、图像裁剪处理、三维数据增强处理和类别平衡处理，其中，所述文件解析处理：从CBCT图像文件中读取DICOM格式的标注的CBCT图像序列，根据所述CBCT图像序列解析出三维图像矩阵Imagedata、空间分辨率Voxel Spacing和原点信息Origin；所述全局强度标准化处理：将解析出的三维图像矩阵扫描边界外的灰度值设为0，将所有图像矩阵的图像强度进行标准化处理；所述图像裁剪处理：将标准化后的三维图
像矩阵顺次裁剪成像素为n
×
n
×
c的三维图像块，其中，n表示像素的预设高度和宽度以及c表示像素的预设深度；所述三维数据增强处理：将裁剪后的三维图像块进行三维数据增强，其中，所述三维数据增强包括随机三维翻转、随机三维旋转、随机对比度调节、随机三维弹性形变、随机高斯噪声和随机泊松噪声中的一种或者多种的组合；以及所述类别平衡处理：对增强后的三维图像块进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种牙齿分割建模方法，其特征在于，包括：收集包含各类牙齿临床情况的CBCT图像序列，对所述CBCT图像序列进行数据清洗、标注和预处理以建立CBCT三维牙齿数据集；建立三维卷积神经网络模型，包括编码分支、第一解码分支、第二解码分支和融合模块，其中，所述编码分支用于提取特征，所述第一解码分支用于牙齿区域进行预测以获取牙齿预测概率图，所述第二解码分支用于对牙根区域进行二次预测以获取牙根预测概率图，以及所述融合模块用于将所述牙齿预测概率图和所述牙根预测概率图融合为牙齿分割概率图，其中，所述牙齿区域包括牙冠区域和所述牙根区域；利用所述CBCT三维牙齿数据集对所述三维卷积神经网络模型进行训练以获得预测模型，将待分割的CBCT图像序列输入所述预测模型以获得牙齿分割概率图；采用中心点聚类法对所述牙齿分割概率图进行后处理，将假阳性分割结果剔除，得到三维牙齿分割点云；以及采用移动立方体算法将所述三维牙齿分割点云进行三维重建，得到牙齿三维模型。2.根据权利要求1所述的牙齿分割建模方法，其特征在于，所述中心点聚类法包括：二值化处理、连通区域实例分割处理、最小区域剔除处理、连通区域质心求解和聚类处理和无效类剔除；所述二值化处理，用于对所述牙齿分割概率图进行二值化处理，得到初始分割结果；所述连通区域实例分割处理，用于对所述初始分割结果进行实例分割，以得到多个连通区域；所述最小区域剔除处理，用于将体素小于预设值的连通区域剔除，得到剩余连通区域；所述连通区域质心求解和聚类处理，用于求解所述剩余连通区域的质心并聚类为两类；以及所述无效类剔除处理，用于根据聚类结果剔除假阳性连通区域以得到所述三维牙齿分割点云。3.根据权利要求1所述的牙齿分割建模方法，其特征在于，对所述CBCT图像序列进行数据清洗和标注进一步包括：所述数据清洗用于从所述CBCT图像序列中剔除伪影样本，然后筛选出包含健康牙齿、金属/树脂填充、种植体、蛀牙、乳牙恒牙交替、牙套和高/低精度的样本；以及所述标注用于使用医学图像标注工具对清洗的CBCT图像序列中的牙齿区域和牙根区域进行标注。4.根据权利要求3所述的牙齿分割建模方法，其特征在于，将所述待分割的CBCT图像序列中的所述牙齿区域标注为1并将所述牙齿之外区域标注为0；以及将所述待分割的CBCT图像序列中的所述牙根区域标注为2并将所述牙根之外区域标注为0。5.根据权利要求3或4所述的牙齿分割建模方法，其特征在于，对标注的所述CBCT图像序列进行预处理进一步包括：文件解析处理、全局强度标准化处理、图像裁剪处理、三维数据增强处理和类别平衡处理，其中，所述文件解析处理：从CBCT图像文件中读取DICOM格式的标注的CBCT图像序列，根据所
述CBCT图像序列解析出三维图像矩阵Imagedata、空间分辨率Voxel Spacing和原点信息Origin；所述全局强度标准化处理：将解析出的三维图像矩阵扫描边界外的灰度值设为0，将所有图像矩阵的图像强度标准化处理为在[0,1]范围内；所述图像裁剪处理：将标准化后的三维图像矩阵顺次裁剪成像素为n
×
n
×
c的三维图像块，其中，n表示像素的预设高度和宽度以及c表示像素的预设深度；所述三维数据增强处理：将裁剪后的三维图像块进行三维数据增强，其中，所述三维数据增强...

【专利技术属性】
技术研发人员：张伊慧，李胜军，王正伟，刘志刚，胡友章，王志勇，闫超，晏开云，
申请(专利权)人：成都玻尔兹曼智贝科技有限公司，
类型：发明
国别省市：