基于边界监督和多种注意力的CBCT牙齿实例分割方法技术

本发明专利技术公开了基于边界监督和多种注意力的CBCT牙齿实例分割方法，将原始CBCT影像输入至四层基于CBAM的卷积块的特征编码网络，得到经过前两层特征编码网络时所生成的一、二层特征图，以及经过四层特征编码网络时所生成的特征图；将上一步得到的前两层特征图输入至边界监督模块，得到边界分割结果。然后将第四层特征图输入至自注意力模块，得到深层特征图，之后将深层特征图输入至四层基于CBAM的卷积块的特征解码网络，得到区域分割结果。在将边界分割结果和区域分割结果进行融合后，便能得到最终的三维牙齿实例分割结果。本发明专利技术使得网络提取边界特征以及上下文信息能力大大增强，使得模型在处理形态各不相同的复杂CBCT影像时均能获得不错的泛化能力。均能获得不错的泛化能力。均能获得不错的泛化能力。

【技术实现步骤摘要】
基于边界监督和多种注意力的CBCT牙齿实例分割方法


[0001]本专利技术涉及医疗图像处理领域，尤其涉及了基于边界监督和多种注意力的CBCT牙齿实例分割方法。

技术介绍

[0002]当下人们对外貌的要求逐渐提高以及对口腔健康越来越关注，口腔正畸成为口腔治疗主要的医疗服务之一，口腔正畸通过治疗复杂的牙面缺损和严重的颅面畸形，帮助患者恢复稳定的咬合功能，并提高面部美观。相较于传统的口腔全景片，CBCT影像避免了二维平面中如重叠、扭曲、变形等缺陷。另外CBCT影像具有扫描快、辐射剂量更小、影像精度更高、费用低等优点。因此，口腔医疗中越来越多地利用锥形束CT(即CBCT)来进行诊断。
[0003]正畸治疗过程包含诊断、确定治疗计划、适当的治疗和保留。正畸治疗过程中最重要的过程为诊断过程，因为错误的诊断会导致错误的治疗计划。而正确的诊断需要了解患者的病史，进行体检，检查放射成像，如头影测量图像和CBCT影像，分析诊断模型，并制作咬合器。诊断过程中最关键的内容是牙科医生需要通过CBCT等放射学影像分析患者的牙颌面情况，并以此确定种植或拔除牙齿、矫正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边界监督和自注意力的CBCT牙齿实例分割方法，其特征在于，所述基于边界监督和多种注意力的CBCT牙齿实例分割方法，包括：将CBCT影像输入至包括四层基于CBAM的卷积块的特征编码网络，得到一、二层生成的特征图F1、F2，以及经过四层时所生成的特征图F
deep_orig
；将得到的特征图F1、F2输入至边界监督模块，得到边界分割结果F
edge
；将得到的特征图F
deep_orig
输入至自注意力模块，得到特征图F
deep
；将特征图F
deep
输入至包括四层基于CBAM的卷积块的特征解码网络，得到CBCT影像的区域分割结果F
area
；将边界分割结果F
edge
和区域分割结果F
area
进行融合，得到最终的三维牙齿分割结果F
out
。2.如权利要求1所述的基于边界监督和多种注意力的CBCT牙齿实例分割方法，其特征在于，所述将CBCT影像输入至四层CBAM注意力模块的特征编码网络，得到一、二层生成的特征图F1、F2，以及经过四层时所生成的特征图F
deep_orig
，包括：步骤1.1、将CBCT影像输入至第一层基于CBAM的卷积块，得到输出特征图F1，其维度大小为C1XD1XH1XW1；步骤1.2、将特征图F1进行最大池化，然后输入至第二层基于CBAM的卷积块，得到输出特征图F2，其维度大小为C2XD2XH2XW2；步骤1.3、将特征图F2进行最大池化，然后输入至第三层基于CBAM的卷积块，得到输出特征图F3，其维度大小为C3XD3XH3XW3；步骤1.4、将特征图F3进行最大池化，然后输入至第四层基于CBAM的卷积块，得到输出特征图F
deep_orig
，其维度大小为C4XD4XH4XW4。3.如权利要求1所述的基于边界监督和多种注意力的CBCT牙齿实例分割方法，其特征在于，所述将得到的特征图F1、F2输入至边界监督模块，得到边界分割结果F
edge
，包括：步骤2.1、将特征图F1和上采样之后的特征图F2按通道进行拼接，得到特征图F
edge_orin
，其维度大小为C5XD1XH1XW1；步骤2.2、将特征图F
edge_orin
输入至卷积核大小为1X1X1的卷积层，得到边界输出F
edge
，其维度大小为C6XD1XH1XW1,其中C6代表C6颗不同牙齿边界的类别数。4.如权利要求1所述的基于边界监督和多种注意力的CBCT牙齿实例分割方法，其特征在于，所述将得到的特征图F
deep_orig
输入至自注意力模块，得到特征图F
deep
，包括：步骤3.1、将特征图F
deep_orig
输入至全连接层中，得到特征图F
deep_1
，其维度大小为C7XD4XH4XW4；步骤3.2、将特征图F
deep_1
输入至位置嵌入层，得到特征向量V1，其维度大小为步骤3.3、将特征向量V1进行层标准化，然后输入至多头注意力层，再将输出和特征向量V1相加，得到特征向量V2，其维度大小与V1一致；步骤3.4、将特征向量V2进行层标准化，然后输入至多层感知器层，再将输出和特征向量V2相加，得到特征向量V3，其维度大小与V1一致；步骤3.5、将上述步骤3.3至3.4重复3次，得到特征向量V4，其维度大小与V1一致。

【专利技术属性】
技术研发人员：吴福理，钱天仕，郝鹏翼，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：