一种口腔影像分割识别方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种口腔影像分割识别方法、装置、电子设备和存储介质。其中方法包括：对口腔影像进行预处理和配准，得到待分割图像；将所述待分割图像输入到预训练的神经网络分割模型，得到口腔内各组织的语义分类；将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果或疾病特征量化结果。通过上述方式，本发明专利技术实现了一种全景分割方案，能够降低训练复杂度和工作量，获得了普适性的分割模型，且分割识别效率得到提高；并且，通过将人工智能和语义分割融合在一起应用在口腔影像处理中，可以实现同源数据的多个组织同时分割。可以实现同源数据的多个组织同时分割。可以实现同源数据的多个组织同时分割。

【技术实现步骤摘要】
一种口腔影像分割识别方法、装置、电子设备和存储介质


[0001]本专利技术涉及医学图像处理
，具体涉及一种口腔影像分割识别方法、装置、电子设备和存储介质。

技术介绍

[0002]医学临床实践和科学研究经常对人体某组织或器官的边界、形状、截面或体积进行测量，从而获得该组织的结构或纹理信息，精确的分割和测量对疾病的诊断和治疗有重要的临床意义。所谓图像分割(Image segmentation)就是根据某种均匀性(或一致性)的原则将图像分成若干个有意义的部分，使每一部分都符合一致性的要求。图像的分割在很多情况下就是像素点或体素点的分类问题。
[0003]牙齿、牙槽骨形态是口腔医生，尤其是正畸、种植、牙周医生关心的重要信息。随着锥形束断层扫描(Cone beam computed tomography，CBCT)越来越广泛的应用于口腔医学中，人体的牙周状态、牙根的形态也越来越受到关注，应用三维分割技术和三维虚拟重建技术构建牙齿及周边组织的解剖结构，可以为临床医生做出更准确的诊断提供信息。
[0004]对牙齿CBCT影像的分割技术，可以获得单个牙齿的冠、根信息，获得牙周信息，获得整个牙弓及牙槽骨信息，获得头颅的骨组织信息等。在目前的研究中，多为对某个组织进行分割，并未充分利用组织相互连接区域的形态学和纹理差异进行多组织全局考虑，且现有的三维体层数据中的组织分割方法处于工科实验室研究阶段，处理流程复杂，不适合放射科和临床中普遍推广应用。

技术实现思路

[0005]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的口腔影像分割识别方法、装置、电子设备和存储介质。
[0006]根据本专利技术的一个方面，提供了一种口腔影像分割识别方法，所述方法包括：
[0007]对口腔影像进行预处理和配准，得到待分割图像；
[0008]将所述待分割图像输入到预训练的神经网络分割模型，得到口腔内各组织的语义分类；
[0009]将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果或疾病特征量化结果。
[0010]可选的，对口腔影像进行预处理和配准时，或者神经网络分割模型进行预训练时，对口腔影像或者口腔图像进行如下的任一种或几种处理：
[0011]进行坐标以及灰度值校正或归一化处理；
[0012]为其内的各组织设置HU阈值，并进行数据滤波处理；
[0013]从原始数据中选取出合理有效图像，进行数据增强，包括对所述合理有效图像进行放大、缩小、旋转、平移或裁剪处理；
[0014]进行基于特征的三维体层数据的配准；
[0015]进行基于解剖区域的体素特征的配准。
[0016]可选的，将所述待分割图像输入到预训练的神经网络分割模型，得到口腔内各组织的语义分类具体包括如下的步骤：
[0017]将待分割图像通过视觉解析器处理后得到部分特征和整体特征；
[0018]将所述部分特征和整体特征输入到预训练的神经网络分割模型中，其中神经网络分割模型是基于缩放点积注意力机制和/或多头注意力机制构建的Transformer模型；
[0019]利用Transformer模型中的编码器从该编码器上一层输出的部分特征和整体特征中提取出具有语义信息的部分特征；
[0020]利用Transformer模型中的解码器将所述具有语义信息的部分特征融合到所述整体特征中。
[0021]可选的，所述神经网络分割模型为Transformer模型和U
‑
net模型融合而成的分割模型。
[0022]可选的，将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果或疾病特征量化结果之前，还包括：
[0023]对临床中典型的口腔影像根据不同解剖位置进行区域划分，或者根据不同功能进行形态学特征划分；
[0024]将划分出相应组织的空间信息、形态学信息、纹理信息、病理信息、特征量化信息和/或组织与周边组织相互关系信息保存到解剖知识库中。
[0025]可选的，将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果或疾病特征量化结果具体包括如下的至少一项：
[0026]分析实例分割结果或疾病特征量化结果中各组织的空间位置、形态学特征和纹理特征，分析其对应的诊断结果或临床意义；
[0027]对得到的疾病特征量化结果进行评估，得到疾病状态信息；
[0028]利用所述实例分割结果或所述疾病特征量化结果对所述解剖知识库进行验证。
[0029]可选的，所述方法还包括：
[0030]将所述实例分割结果或疾病特征量化结果保存到所述解剖知识库。
[0031]根据本专利技术的另一方面，提供了口腔影像分割识别装置，所述装置包括：
[0032]预处理模块，对口腔影像进行预处理和配准，得到待分割图像；
[0033]语义分类模块，适于将所述待分割图像输入到预训练的神经网络分割模型，得到口腔内各组织的语义分类；
[0034]实例分割模块，适于将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果和疾病特征量化结果。
[0035]根据本专利技术的又一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0036]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述口腔影像分割识别方法对应的操作。
[0037]根据本专利技术的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述口腔影像分割识别方法对应的操作。
[0038]根据本专利技术公开的口腔影像分割识别方案，首先可以对口腔影像进行预处理和配准，得到待分割图像；然后将该待分割图像输入到预训练的神经网络分割模型，得到口腔内各组织的语义分类，再将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果或疾病特征量化结果，从而实现了一种全景化的分割方案。上述方案能够基于小样本数据利用训练样本精确标注，进而得到训练好的神经网络分割模型以对口腔图像进行自动分割和识别，训练复杂度和工作量降低，效率得到提高，并获得了普适性的分割模型；并且，通过将人工智能技术和语义分割技术融合在一起应用在口腔影像处理中，可以实现同源数据的多个组织同时分割。
[0039]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0040]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0041]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种口腔影像分割识别方法，所述方法包括：对口腔影像进行预处理和配准，得到待分割图像；将所述待分割图像输入到预训练的神经网络分割模型，得到口腔内各组织的语义分类；将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果或疾病特征量化结果。2.根据权利要求1所述的方法，其特征在于，对口腔影像进行预处理和配准时，或者神经网络分割模型进行预训练时，对口腔影像或者口腔图像进行如下的任一种或几种处理：进行坐标以及灰度值校正或归一化处理；为其内的各组织设置HU阈值，并进行数据滤波处理；从原始数据中选取出合理有效图像，进行数据增强，包括对所述合理有效图像进行放大、缩小、旋转、平移或裁剪处理；进行基于特征的三维体层数据的配准；进行基于解剖区域的体素特征的配准。3.根据权利要求1所述的方法，其特征在于，将所述待分割图像输入到预训练的神经网络分割模型，得到口腔内各组织的语义分类具体包括如下的步骤：将待分割图像通过视觉解析器处理后得到部分特征和整体特征；将所述部分特征和整体特征输入到预训练的神经网络分割模型中，其中神经网络分割模型是基于缩放点积注意力机制和/或多头注意力机制构建的Transformer模型；利用Transformer模型中的编码器从该编码器上一层输出的部分特征和整体特征中提取出具有语义信息的部分特征；利用Transformer模型中的解码器将所述具有语义信息的部分特征融合到所述整体特征中。4.根据权利要求3所述的方法，其特征在于，所述神经网络分割模型为Transformer模型和U
‑
net模型融合而成的分割模型。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，将所述语义分类与解剖知识库对比分析，得到各所述组织的实例分割结果或疾病特征量化结果之前，还包...

【专利技术属性】
技术研发人员：杨慧芳，李刚，
申请(专利权)人：北京大学口腔医学院，
类型：发明
国别省市：