一种医学图像下牙槽神经损伤风险自动评估方法技术

本发明专利技术公开了一种医学图像下牙槽神经损伤风险自动评估方法，包括以下步骤：获取训练集，所述训练集包括CBCT图像和曲面断层片图像；对CBCT图像的下颌阻生智齿与下牙槽神经管的接触关系进行判断；对训练集图像进行数据增强的方式进行扩充；获取多分辨率目标检测模型；训练多分辨率目标检测模型预测下颌阻生智齿与下牙槽神经管的图像位置；使用非极大值抑制算法求得最终下颌阻生智齿与下牙槽神经管位置以及两者的接触关系；本发明专利技术能全自动判断曲面断层片图像中智齿与神经管的具体位置，同时，对智齿与神经管的接触关系进行预测，有效地降低了口腔颌面科医生人工定位的工作量与消耗时间。消耗时间。消耗时间。

【技术实现步骤摘要】
一种医学图像下牙槽神经损伤风险自动评估方法


[0001]本专利技术涉及一种医学图像下牙槽神经损伤风险自动评估方法，属于医学图像质控


技术介绍

[0002]在近些年中，下颌智齿拔除手术逐渐成口腔颌面外科临床门诊中最为常见的手术。由于智齿牙根的位置与下牙槽神经相当接近，在手术过程中若未能准确判断毗邻关系就进行操作，极其容易对下牙槽神经管造成损伤，造成的损伤包括：拔牙术后出血、肿胀、疼痛、张口受限、感染、干槽症、下牙槽神经损伤、舌神经损伤、舌侧骨板损伤、牙根移位进入舌侧间隙以及罕见而严重的下颌骨骨折等，严重影响患者的生活质量。因此，为了防止下牙槽神经管损伤，对下颌智齿拔除手术的术前评估在临床上极为重要。
[0003]而在口腔临床治疗中，对下颌智齿拔除手术的术前评估仍然采用人工方式。人工定位不仅工作量大、消耗时间长，而且不同医生的临床经验、个人精力和所受压力的差异性也会直接影响到下颌智齿与神经管关系判断的准确性，评估智齿和下牙槽神经的位置关系仍采用人工方式，耗时费力，同样受人为因素影响很大。
[0004]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。

技术实现思路

[0005]本专利技术的目的在于克服现有技术中的不足，提供一种医学图像下牙槽神经损伤风险自动评估方法，能全自动判断曲面断层片图像中智齿与神经管的具体位置，同时，对智齿与神经管的接触关系进行预测，有效地降低了口腔颌面科医生人工定位的工作量与消耗时间。
[0006]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0007]第一方面，本专利技术提供了一种医学图像下牙槽神经损伤风险自动评估方法，包括以下步骤：
[0008]获取训练集，所述训练集包括CBCT图像和曲面断层片图像；
[0009]对CBCT图像的下颌阻生智齿与下牙槽神经管的接触关系进行判断；
[0010]利用判定得到的结果对曲面断层片图像中下颌阻生智齿与下牙槽神经管位置进行标注；
[0011]对训练集图像进行数据增强的方式进行扩充；
[0012]获取多分辨率目标检测模型，所述多分辨率目标检测模型是基于卷积神经网络模型构建获得；
[0013]将扩充的训练集数据作为输入，训练多分辨率目标检测模型预测下颌阻生智齿与下牙槽神经管的图像位置，并检测两者的接触关系；
[0014]当获得新的X射线头影图像时，将训练好的多分辨率目标检测模型作用于新的图
像，以获得目标检测框位置，并预测下颌阻生智齿与下牙槽神经管的接触关系；
[0015]使用非极大值抑制算法求得最终下颌阻生智齿与下牙槽神经管位置以及两者的接触关系。
[0016]进一步的，对训练集图像进行数据增强的方式包括：线性亮度变换、随机噪声干扰、图像小角度旋转、图像翻转、图像融合和/或马赛克增强。
[0017]进一步的，对CBCT图像的下颌阻生智齿与下牙槽神经管的接触关系进行判断包括：利用CBCT图像的原始数据结合NewTom系统软件，通过横断面、冠状面图像评估牙根与下牙槽神经管的三维空间关系、观察两者是否接触、下牙槽神经管皮质骨是否完整，由此判断下颌阻生智齿与神经管的接触关系。
[0018]进一步的，利用判定得到的结果对曲面断层片图像中下颌阻生智齿与下牙槽神经管位置进行标注包括：
[0019]将曲面断层片ROI的标注分为两个部分，分别是：
[0020]ROI
‑
1:包含下颌第一、二、三磨牙所在的下颌体及升支区域，具体为：上缘：下颌磨牙合面最高点；前缘：下颌第一磨牙最近中点；后缘：下颌升支后缘；下缘：下颌体部下缘；
[0021]ROI
‑
2:包含下颌智齿及其下方的下颌管，具体为：上缘：下颌智齿最高点；前缘：下颌智齿牙冠最前点；后缘：上缘标记线与下颌管下缘的交点；下缘：前缘标记线与下颌管下缘的交点；
[0022]记R
i
为图像第i个ROI，提取图像中所有R
i
的中心点坐标(x
i
,y
i
)与宽高(w
i
,h
i
)作为检测框标注，将步骤1中得到的接触关系作为分类标注。
[0023]进一步的，所述多分辨率目标检测模型的结构分为三部分，分别为骨架、多重采样端以及多分辨率输出端，其中，所述骨架由一个聚焦层，S1个卷积层、S2个CSP
‑
1模块、一个SPP模块与一个CSP
‑
2模块连接而成，每层卷积层均需要经过批量归一化和Leaky Relu激活函数，所述多重采样端由三层特征金字塔网络和三层金字塔注意力网络并行连接而成，最终每一层后连接一层卷积层，其三个特征图作为最终的模型输出，再对多分辨率目标检测模型进行训练，其总损失函数L
total
包括检测框损失L
box
、目标损失L
obj
和分类损失L
cls
：
[0024]L
total
＝L
box
+L
obj
+L
cls
ꢀꢀꢀ
(1)
[0025]其中L
box
为GIOU损失，记B
label
为标注检测框，B
pred
为预测检测框，C为B
label
和B
pred
的最小包围框；则GIOU和L
box
为：
[0026][0027]L
box
＝1
‑
GIOU
ꢀꢀꢀ
(3)
[0028]其中L
obj
与L
cls
为BCELogit损失函数记N是小批量中的样本数，y∈[0,1]表示输入的标签数据，是多分辨率目标检测模型输出，sigmoid为激活函数，公式如下：
[0029][0030][0031]进一步的，将训练好的多分辨率目标检测模型作用于新的图像，以获得目标检测
框位置包括：
[0032]根据训练完成的多分辨率目标检测模型，输入新获取的测试图像，设测试图像为I，检测到图像I中含有数量为n的检测框为I，检测到图像I中含有数量为n的检测框为
[0033]进一步的，使用非极大值抑制算法求得最终下颌阻生智齿与下牙槽神经管位置以及两者的接触关系包括：
[0034]采用非极大值抑制算法确定所有的目标的检测框，再遍历计算所有检测框中心点{(x1,y1),(x2,y2),(x3,y3),
…
,(x
n
,y
n
)}两两之间的L2范数距离当距离d小于特定阈值t时，取两个检测框之间置信度较高的一个，保证同一个位置不会出现两个检测框，由此遍历完所有的检测框之后，得到最终的检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像下牙槽神经损伤风险自动评估方法，其特征是，包括以下步骤：获取训练集，所述训练集包括CBCT图像和曲面断层片图像；对CBCT图像的下颌阻生智齿与下牙槽神经管的接触关系进行判断；利用判定得到的结果对曲面断层片图像中下颌阻生智齿与下牙槽神经管位置进行标注；对训练集图像进行数据增强的方式进行扩充；获取多分辨率目标检测模型，所述多分辨率目标检测模型是基于卷积神经网络模型构建获得；将扩充的训练集数据作为输入，训练多分辨率目标检测模型预测下颌阻生智齿与下牙槽神经管的图像位置，并检测两者的接触关系；当获得新的X射线头影图像时，将训练好的多分辨率目标检测模型作用于新的图像，以获得目标检测框位置，并预测下颌阻生智齿与下牙槽神经管的接触关系；使用非极大值抑制算法求得最终下颌阻生智齿与下牙槽神经管位置以及两者的接触关系。2.根据权利要求1所述的医学图像下牙槽神经损伤风险自动评估方法，其特征是，对训练集图像进行数据增强的方式包括：线性亮度变换、随机噪声干扰、图像小角度旋转、图像翻转、图像融合和/或马赛克增强。3.根据权利要求2所述的医学图像下牙槽神经损伤风险自动评估方法，其特征是，对CBCT图像的下颌阻生智齿与下牙槽神经管的接触关系进行判断包括：利用CBCT图像的原始数据结合NewTom系统软件，通过横断面、冠状面图像评估牙根与下牙槽神经管的三维空间关系、观察两者是否接触、下牙槽神经管皮质骨是否完整，由此判断下颌阻生智齿与神经管的接触关系。4.根据权利要求3所述的医学图像下牙槽神经损伤风险自动评估方法，其特征是，利用判定得到的结果对曲面断层片图像中下颌阻生智齿与下牙槽神经管位置进行标注包括：将曲面断层片ROI的标注分为两个部分，分别是：ROI
‑
1:包含下颌第一、二、三磨牙所在的下颌体及升支区域，具体为：上缘：下颌磨牙合面最高点；前缘：下颌第一磨牙最近中点；后缘：下颌升支后缘；下缘：下颌体部下缘；ROI
‑
2:包含下颌智齿及其下方的下颌管，具体为：上缘：下颌智齿最高点；前缘：下颌智齿牙冠最前点；后缘：上缘标记线与下颌管下缘的交点；下缘：前缘标记线与下颌管下缘的交点；记R
i
为图像第i个ROI，提取图像中所有R
i
的中心点坐标(x
i
,y
i
)与宽高(w
i
,h
i
)作为检测框标注，将步骤1中得到的接触关系作为分类标注。5.根据权利要求4所述的医学图像下牙槽神经损伤风险自动评估方法，其特征是，所述多分辨率目标检测模型的结构分为三部分，分别为骨架、多重采样端以及多分辨率输出端，其中，所述骨架由一个聚焦层，S1个卷积层、S2个CSP
‑
1模块、一个SPP模块与一个CSP
‑

【专利技术属性】
技术研发人员：戴修斌，郑竣衔，朱书进，冒添逸，刘天亮，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：