一种基于深度学习的CBCT牙槽骨分割系统及方法技术方案

本发明专利技术公开了一种基于深度学习的CBCT牙槽骨分割系统及方法，涉及人工智能医学图像处理和牙齿矫正技术领域，具体为一种基于深度学习的CBCT牙槽骨分割系统及方法，包括以下步骤：S1、牙科CBCT数据集获取和标注；S2、CBCT图像和标注样本预处理；S3、深度语义分割模型构建；S4、模型训练与评估；S5、牙科CBCT数据分割和重建。本发明专利技术的目的在于提供一种自动分割CBCT图像牙槽骨的深度学习方法，替代牙科人员手动分割的低效率方式及传统阈值分割法的低精准度方法，提高了牙齿矫正的效率和有效性。提高了牙齿矫正的效率和有效性。提高了牙齿矫正的效率和有效性。

A CBCT alveolar bone segmentation system and method based on deep learning

【技术实现步骤摘要】
一种基于深度学习的CBCT牙槽骨分割系统及方法


[0001]本专利技术涉及人工智能医学图像处理和牙齿矫正
，具体为一种基 于深度学习的CBCT牙槽骨分割系统及方法。

技术介绍

[0002]随着现代人们生活水平的逐渐提高，人们对牙齿矫正的需求和要求也越 来越高，CBCT扫描技术也被广泛应用在牙齿矫正领域。CBCT扫描技术是一种 锥形束计算机断层扫描，通过CBCT图像可重建出牙齿和牙槽骨的三维立体， 为牙科医生设计牙齿治疗方案提供精准可靠的信息和科学依据。
[0003]牙科CBCT图像中，牙齿与牙槽骨密度相近，边界比较模糊，而且层间牙 槽骨有差异，这些因素导致传统的阈值分割法的精准度不高。因此，本专利技术 运用深度学习方法来实现高精度的牙槽骨分割。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种基于深度学习的CBCT牙槽骨分 割系统及方法，解决了上述
技术介绍
中提出的问题。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于深度学 习的CBCT牙槽骨分割方法，包括以下步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的CBCT牙槽骨分割方法，包括以下步骤：S1、牙科CBCT数据集获取和标注：收集多名患者CBCT图像，再利用ITK
‑
SNAP软件对牙槽骨部分实施标注；S2、CBCT图像和标注样本预处理：对样本进行归一化处理，并存储为特定数据结构；S3、深度语义分割模型构建：基于Swin
‑
transformer和skip connection构建的U型语义分割网络模型；S4、模型训练与评估：利用CrossEntropyLoss和Diceloss损失函数评估模型训练效果；S5、牙科CBCT数据分割和重建。2.根据权利要求1所述的一种基于深度学习的CBCT牙槽骨分割方法，其特征在于，所述进一步的步骤S2包括以下步骤：S21、将CBCT图像DICOM格式转换成PNG格式，再对图像进行归一化将灰度校正到0
‑
255之间，归一化公式如下：x
′
＝(x
‑
min(cbct))/(max(cbct)
‑
min(cbct))其中min是每份CBCT数据集最小灰度值；max是每份CBCT数据集最大灰度值；S22、从3D nii标注文件依次提取2D切片图像。3.根据权利要求1所述的一种基于深度学习的CBCT牙槽骨分割方法，其特征在于：所述步骤S3中的U型结构由编码器和解码器两部分组成，编码器包括Swin
‑
transformer块和patch Merging层，解码器包括Swin
‑
transformer块和patch Expanding层，每层编码器和解码器再通过skip connection连接进一步实现不同语义特征进行融合。4.根据权利要求1所述的一种基于深度学习的CBCT牙槽骨分割方法，其特征在于，所述进一步的步骤S4包括以下步骤：S41、将预处理好的数据集按照7:3划分成训练集和测试集；S42、采用预训练方式初始化Swin
‑
unet模型权重；S43、利用训练集对初始化后的网络模型进行监督训练，并采用Adam下降法不...

【专利技术属性】
技术研发人员：何慧竹，韦虎，
申请(专利权)人：杭州隐捷适生物科技有限公司，
类型：发明
国别省市：