一种基于深度学习的全自动牙齿CBCT图像分割方法技术

本发明专利技术涉及一种基于深度学习的全自动牙齿CBCT图像分割方法，属于计算机视觉领域。该方法分为边缘图像获取阶段、多帧输入阶段和图像分割阶段。在边缘图像获取阶段，先获取牙齿CBCT图像中的边缘图像，再将得到的边缘图像与原图相加；在多帧输入阶段，将增强图像在通道上进行叠加，从单通道图像叠加成三通道的图像；在图像分割阶段，首先通过骨干网络对多帧输入阶段处理后的图像进行特征提取，然后将提取到的特征图送入候选区生成模块，完成在牙齿CBCT图像中针对牙齿的分割。本发明专利技术能够更准确的分割出多变的牙齿形状，准确的提取出牙根部分，能够有效减少牙齿将口腔中骨骼分割为牙齿的错误。的错误。的错误。

【技术实现步骤摘要】
一种基于深度学习的全自动牙齿CBCT图像分割方法


[0001]本专利技术属于计算机视觉领域，涉及一种基于深度学习的全自动牙齿CBCT图像分割方法。

技术介绍

[0002]口腔治疗主要包括口腔正畸、种植牙和拔牙。锥形束计算机断层扫描(CBCT)是一种广泛用于牙科问题研究的诊断成像技术。通过准确的牙齿分割，医生可以做出更准确的治疗决策和计划。为了重建3D牙齿模型，牙齿的准确分割至关重要。目前，这项工作由专业操作人员手动完成，然而，操作员手动标记是一项耗时的任务，并且结果的准确性取决于操作员。从CBCT图像中自动准确地分割单个牙齿对于建立有效的计算机辅助诊断系统以进行正畸、牙种植体模拟和其他牙科治疗至关重要。从条件快速变化的CBCT图像中准确识别和分割牙齿目前来说有一定的难度，主要原因包括：
[0003](1)图像对比度低：牙科CBCT图像中个体组织之间的灰度相似，对比度低。例如，牙齿的灰度与牙槽骨和颚骨比较相似，这会导致图像中牙齿的边界模糊。
[0004](2)灰度不均匀：牙齿结构可分为三部分，即牙釉质、牙本质和牙髓。三部分的成像效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的全自动牙齿CBCT图像分割方法，其特征在于：该方法分为边缘图像获取阶段、多帧输入阶段和图像分割阶段；在边缘图像获取阶段，先获取牙齿CBCT图像中的边缘图像，将得到的边缘图像与原图相加以增强图像的边缘特征；在多帧输入阶段，将经过边缘图像获取阶段增强了边缘特征的增强图像在通道上进行叠加，从单通道图像叠加成三通道的图像，以获取精确的牙根分割效果；在图像分割阶段，首先通过骨干网络对多帧输入阶段处理后的图像进行特征提取，然后将提取到的特征图送入候选区生成模块；候选区生成模块为特征图的每个像素按照三种比例和三种大小生成九个候选框，每个候选框再通过分类器和回归器对候选框内的目标进行分类和坐标的回归，再将得到的特征图分别送入分类分支、包围盒分支和掩膜分支生成不同的结果，最后再通过掩膜评分分支对掩膜的质量进行评价，得到准确的掩膜，完成在牙齿CBCT图像中针对牙齿的分割。2.根据权利要求1所述的牙齿CBCT图像分割方法，其特征在于：在所述边缘图像获取阶段，具体方式为：首先将RGB图像转换为灰度图像，将灰度图像送入边缘提取网络中获取牙齿的边缘图像；所述边缘提取网络采用Unet的U型网络结构，该结构包括编码器、解码器和跳跃连接三个部分；在所述编码器部分对图像进行卷积核池化，通过对图像使用四次池化操作，能够得到四个不同尺寸的特征；在所述跳跃连接部分，将编码器不同层次的特征图与对应的解码器层次的特征图进行融合得到边缘图像；然后将得到的边缘图像与灰度图像相加...

【专利技术属性】
技术研发人员：秦红星，张子南，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：