本发明专利技术提供基于CBCT图像牙齿和牙槽骨分割方法及系统，包括：获取历史CBCT图像并进行预处理，并对其进行牙齿和牙槽骨区域分割和标注，以得到标注数据；基于深度学习神经网络对历史CBCT图像提取ROI图像，并获取牙齿的质心信息；结合标注数据、ROI图像和牙齿的质心信息训练牙齿和牙槽骨分割模型；利用训练后的牙齿和牙槽骨分割模型对待测CBCT图像进行分割，以得到牙齿和牙槽骨的全自动分割预测结果。本申请不仅能够辅助医生快速精准地完成正畸诊断和治疗计划的制定，而且减少了人工注释和检查3D牙齿和牙槽骨的工作量。3D牙齿和牙槽骨的工作量。3D牙齿和牙槽骨的工作量。
【技术实现步骤摘要】
基于CBCT图像牙齿和牙槽骨分割方法及系统
[0001]本申请涉及人工智能医学图像处理和牙齿矫正
，特别是涉及基于CBCT图像牙齿和牙槽骨分割方法及系统。
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，锥形束计算机断层扫描（Cone beam CT，CBCT）因其具有射线量低、能够快速成像、空间分辨率高等优点，被广泛运用在了牙科领域。同时随着数字化牙科的蓬勃发展，运用CBCT数据完成牙齿和牙槽骨的自动分割成为了数字化牙科领域必不可少的组成部分，尤其是在正畸诊断和治疗计划中，牙齿和周围牙槽骨之间的关系在临床实践中至关重要。而在牙科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牙齿和牙槽骨的分割精准度不高。因此，亟需一种全自动的牙齿和牙槽骨分割方法，以快速准确地辅助医生完成正畸诊断和治疗计划的制定。
技术实现思路
[0003]鉴于以上所述现有技术的缺点，本申请的目的在于提供基于CBCT图像牙齿和牙槽骨分割方法及系统，用于解决现有技术中牙齿正畸诊断中牙齿和牙槽骨分割准确度及效率低下等技术问题。
[0004]为实现上述目的及其他相关目的，本申请提供一种基于CBCT图像牙齿和牙槽骨全自动3D分割方法，所述方法包括：获取历史CBCT 图像并进行预处理，并对所述历史CBCT图像进行牙齿和牙槽骨区域分割和标注，以得到标注数据；基于深度学习神经网络对所述历史CBCT图像提取ROI图像，并获取牙齿的质心信息；结合所述标注数据、ROI图像和牙齿的质心信息训练牙齿和牙槽骨分割模型；利用训练后的牙齿和牙槽骨分割模型对待测CBCT图像进行分割，以得到牙齿和牙槽骨的全自动分割预测结果。
[0005]于本申请的一实施例中，所述预处理包括：将所述历史CBCT 图像对应的原始二维数据进行数据格式转换，以得到三维数据；并对所述三维数据采用窗宽窗位和标准化技术处理。
[0006]于本申请的一实施例中，所述结合所述标注数据、ROI图像和牙齿的质心信息训练牙齿和牙槽骨分割模型的具体过程包括：基于深度学习神经网络对所述历史CBCT图像提取ROI图像；基于深度学习神经网络获取牙齿的质心偏移量，并采用聚类算法以得到对应的质心位置数据；将所述标注数据拆分为训练集和测试集；将所述训练集输入到深度学习神经网络中进行训练，以得到牙齿和牙槽骨分割模型；利用所述测试集对所述牙齿和牙槽骨分割模型进行测试验证。
[0007]于本申请的一实施例中，所述牙齿和牙槽骨分割模型包括牙齿分割子模型、牙齿ID预测子模型、牙槽骨分割子模型。
[0008]于本申请的一实施例中，所述将所述训练集输入到深度学习神经网络中进行训
练，以得到牙齿和牙槽骨分割模型的具体方法包括：a、分别以牙齿分割结果、牙齿ID预测结果及牙槽骨分割结果作为输出，训练二分类牙齿分割子模型、牙齿ID预测子模型及牙槽骨分割子模型；b、将牙齿分割结果和牙齿ID预测结果作为合并输出以训练多分类牙齿分割模型；并将牙槽骨分割结果作为输出以训练牙槽骨分割子模型，c、将牙齿分割结果、牙齿ID预测结果和牙槽骨分割结果作为合并输出以训练多分类牙齿牙槽骨分割模型。
[0009]于本申请的一实施例中，所述利用训练后的牙齿和牙槽骨分割模型对待测CBCT图像进行分割，包括：对基于上述三种方法得到的概率进行叠加求取均值，将均值小于第一预设阈值的结果删除以得到牙齿和牙槽骨的全自动分割预测结果。
[0010]于本申请的一实施例中，方法还包括：对所述牙齿和牙槽骨的全自动分割预测结果进行后处理以得到牙齿和牙槽骨用于展示的文件格式；其中，所述后处理包括：对所述牙齿和牙槽骨的全自动分割预测结果进行连通成分分析以去除假阳性区域，并进行数据三角化、平滑、简化处理。
[0011]为实现上述目的及其他相关目的，本申请提供一种基于CBCT图像牙齿和牙槽骨全自动3D分割系统，包括：数据获取模块，用于获取历史CBCT 图像并进行预处理，并对所述历史CBCT图像进行牙齿和牙槽骨区域分割和标注，以得到标注数据；模型训练模块，用于基于深度学习神经网络对所述历史CBCT图像提取ROI图像，并获取牙齿的质心信息；结合所述标注数据、ROI图像和牙齿的质心信息训练牙齿和牙槽骨分割模型；结果预测模块，用于利用训练后的牙齿和牙槽骨分割模型对待测CBCT图像进行分割，以得到牙齿和牙槽骨的全自动分割预测结果。
[0012]为实现上述目的及其他相关目的，本申请提供一种计算机设备，包括：存储器及处理器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述设备执行如上所述的方法。
[0013]为实现上述目的及其他相关目的，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的方法。
[0014]综上所述，本申请提供的基于CBCT图像牙齿和牙槽骨分割方法及系统，具有以下有益效果：本申请利用深度学习神经网络实现了基于CBCT图像的牙齿和牙槽骨全自动3D分割和展示，不仅能够辅助医生快速精准地完成正畸诊断和治疗计划的制定，而且大大减少了人工注释和检查3D牙齿和牙槽骨的工作量。本申请提供的所述系统是一个全自动人工智能系统，满足现有数字化牙科所要求的全自动、快速、稳定健壮、准确的特点。
附图说明
[0015]图1显示为本申请于一实施例中的基于CBCT图像牙齿和牙槽骨全自动3D分割方法的流程示意图。
[0016]图2显示为本申请于一实施例中的基于CBCT图像牙齿和牙槽骨全自动3D分割系统的模块示意图。
[0017]图3显示为本申请于一实施例中的计算机设备的结构示意图。
具体实施方式
[0018]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书
所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0019]需要说明的是，在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
[0020]在通篇说明书中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”、“固持”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于CBCT图像牙齿和牙槽骨全自动3D分割方法，其特征在于，所述方法包括：获取历史CBCT 图像并进行预处理，并对所述历史CBCT图像进行牙齿和牙槽骨区域分割和标注，以得到标注数据；基于深度学习神经网络对所述历史CBCT图像提取ROI图像，并获取牙齿的质心信息；结合所述标注数据、ROI图像和牙齿的质心信息训练牙齿和牙槽骨分割模型；利用训练后的牙齿和牙槽骨分割模型对待测CBCT图像进行分割，以得到牙齿和牙槽骨的全自动分割预测结果。2.根据权利要求1所述基于CBCT图像牙齿和牙槽骨全自动3D分割方法，其特征在于，所述预处理包括：将所述历史CBCT 图像对应的原始二维数据进行数据格式转换，以得到三维数据；并对所述三维数据采用窗宽窗位和标准化技术处理。3.根据权利要求1所述基于CBCT图像牙齿和牙槽骨全自动3D分割方法，其特征在于，所述结合所述标注数据、ROI图像和牙齿的质心信息训练牙齿和牙槽骨分割模型的具体过程包括：基于深度学习神经网络对所述历史CBCT图像提取ROI图像；基于深度学习神经网络获取牙齿的质心偏移量，并采用聚类算法以得到对应的质心位置数据；将所述标注数据拆分为训练集和测试集；将所述训练集输入到深度学习神经网络中进行训练，以得到牙齿和牙槽骨分割模型；利用所述测试集对所述牙齿和牙槽骨分割模型进行测试验证。4.根据权利要求3所述基于CBCT图像牙齿和牙槽骨全自动3D分割方法，其特征在于，所述牙齿和牙槽骨分割模型包括牙齿分割子模型、牙齿ID预测子模型、牙槽骨分割子模型。5.根据权利要求4所述基于CBCT图像牙齿和牙槽骨全自动3D分割方法，其特征在于，将所述训练集输入到深度学习神经网络中进行训练，以得到牙齿和牙槽骨分割模型的具体方法包括：a、分别以牙齿分割结果、牙齿ID预测结果及牙槽骨分割结果作为输出，训练二分类牙齿分割子模型、牙齿ID预测子模型及牙槽骨分割子模型；b、将牙齿分割结...
【专利技术属性】
技术研发人员：蔡敏敏，杨彤，
申请(专利权)人：上海牙典医疗器械有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。