一种CBCT大视野数据拼接方法和装置制造方法及图纸

本申请公开了一种CBCT大视野数据拼接方法和装置，本方法将上头颅CBCT三维扫描数据和下头颅CBCT三维扫描数据这两组中视野数据进行拼接，最终得到出目标头颅三维数据这一大视野数据，在较低辐射剂量和成本的情况下，获得了大视野数据，能为临床诊断提供更多信息。本方法利用互信息损失函数计算出两组中视野数据在纵深方向上的第一偏移以及在水平面上的第二偏移，提高了三维数据拼接的鲁棒性。此外，针对三维数据拼接的边界问题，利用加权融合的方法，并通过Logistic函数计算融合系数，有效地缓和了拼接边界的突兀感，提高了图像融合度量的性能。量的性能。量的性能。

【技术实现步骤摘要】
一种CBCT大视野数据拼接方法和装置


[0001]本申请涉及计算机口腔修复领域，特别涉及一种CBCT大视野数据拼接方法和装置。

技术介绍

[0002]锥形束电子计算机断层扫描(Cone beam ComputerTomography，CBCT)设备是一种锥形束投照计算机重组断层影像设备，其原理是X线发生器以较低的射线量围绕投照体做环形数字式投照，然后将投照的立体数据重组为三维图像。CBCT设备广泛应用于口腔内科、口腔种植、口腔正畸、口腔颌面外科等领域。
[0003]成像视野(Field OfView，FOV)，即CBCT设备围绕头颅旋转一周所获得圆柱状立体数据，其大小一般由探测器尺寸和形状、X射线几何形状和校准等因素决定。在保证成像清晰度的情况下，成像视野越大，单次扫描覆盖的解剖结构范围就越大，能为临床诊断提供更多信息，但是人体所受辐射也就越大。为了在较低辐射剂量和成本的情况下，更多地满足多领域需求，需要从中视野数据中重建出大视野数据。但是目前的大视野数据重建方法可能因为描数据的位移偏差、扫描数据的重叠区域未知、变换矩阵的误差等因素导致影响重建后大视野画面的质量。

技术实现思路

[0004]本申请的目的在于提供一种CBCT大视野数据拼接方法和装置，其能够改善上述问题。
[0005]本申请的实施例是这样实现的：
[0006]第一方面，本申请提供一种CBCT大视野数据拼接方法，其包括：
[0007]S1：获取上头颅CBCT三维扫描数据和下头颅CBCT三维扫描数据；
[0008]S2：计算所述上头颅CBCT三维扫描数据和所述下头颅CBCT三维扫描数据在纵深方向上的第一偏移，确定所述上头颅CBCT三维扫描数据中的固定层二维数据和下头颅CBCT三维扫描数据中的目标层二维数据；
[0009]S3：根据所述固定层二维数据和所述目标层二维数据，计算所述上头颅CBCT三维扫描数据和所述下头颅CBCT三维扫描数据在水平面上的第二偏移，确定与所述第二偏移关联的目标变换矩阵；
[0010]S4：根据所述目标变换矩阵变换并更新所述上头颅CBCT三维扫描数据，将更新后的所述上头颅CBCT三维扫描数据与所述下头颅CBCT三维扫描数据进行拼接，得到整体头颅三维数据；
[0011]S5：计算上下头颅重合区域的融合系数，根据所述融合系数对所述重合区域进行加权融合处理，得到目标头颅三维数据。
[0012]其中,S1、S2等仅为步骤标识，方法的执行顺序并不一定按照数字由小到大的顺序进行，比如可以是先执行步骤S2再执行步骤S1，本申请不做限制。
[0013]可以理解，本申请公开了一种CBCT大视野数据拼接方法，将上头颅CBCT三维扫描数据和下头颅CBCT三维扫描数据这两组中视野数据进行拼接，最终得到出目标头颅三维数据这一大视野数据，在较低辐射剂量和成本的情况下，获得了大视野数据，能为临床诊断提供更多信息。本方法利用互信息损失函数计算出两组中视野数据在纵深方向上的第一偏移以及在水平面上的第二偏移，提高了三维数据拼接的鲁棒性。此外，针对三维数据拼接的边界问题，利用加权融合的方法，并通过Logistic函数计算融合系数，有效地缓和了拼接边界的突兀感，提高了图像融合度量的性能。
[0014]在本申请可选的实施例中，所述步骤S2包括：
[0015]S21：选取所述上头颅CBCT三维扫描数据中的固定层的二维数据作为固定层二维数据，并对所述固定层二维数据进行第一预处理；
[0016]S22：将在纵深方向上与所述固定层的物理距离小于预设距离的范围确认为搜索范围，将所述下头颅CBCT三维扫描数据中所述搜索范围内的二维数据确认为待处理层二维数据；
[0017]S23：利用归一化互信息损失函数计算各个所述待处理层二维数据与所述固定层二维数据的相似度值；
[0018]S24：将所述相似度值的最小值作为所述上头颅CBCT三维扫描数据和所述下头颅CBCT三维扫描数据在纵深方向上的第一偏移，将所述最小值对应的所述待处理层二维数据作为目标层二维数据。
[0019]可选地，所述步骤S2还包括：对所述待处理层数据进行第二预处理，并根据所述待处理层数据对应图像数据质心的偏移计算第一初始配准矩阵，并迭代一次生成粗糙的第一变换矩阵。
[0020]可选地，所述步骤S21中，所述第一预处理包括：通过预设CT值范围对所述固定层二维数据进行截取操作；对所述固定层二维数据进行归一化操作，将所述固定层二维数据对应图像的灰度值调整为0至255范围内。第二预处理方式与第一预处理可以一致。
[0021]在本申请可选的实施例中，所述步骤S22包括：
[0022]S221：将在纵深方向上与所述固定层的物理距离小于预设距离的范围确认为搜索范围；
[0023]S222：根据下式换算所述物理距离为数据维度距离：
[0024]zd＝d/zspacing，
[0025]zd是所述纵深方向上的换算距离，d是选择的固定物理距离，zspacing为所述下头颅CBCT三维扫描数据在所述纵深方向上的体素值；
[0026]S223：根据所述数据维度距离，确定与所述搜索范围对应的数据维度搜索范围；
[0027]S224：将所述下头颅CBCT三维扫描数据中所述数据维度搜索范围内的二维数据确认为待处理层二维数据。
[0028]在本申请可选的实施例中，所述归一化互信息损失函数如下：
[0029][0030]其中，R表示某一所述待处理层二维数据，F表示所述固定层二维数据，H(R)和H(F)
表示对应图像的信息熵，其中，
[0031][0032]h
i
表示图像R中灰度值为i的像素点总数，N表示图像R的灰度级数，在本实施例中为256。p
i
表示灰度i出现的概率，H(R,F)表示联合信息熵，是图像R和F一起发生时的信息熵。
[0033]在本申请可选的实施例中，所述步骤S3包括：
[0034]S31：将所述固定层二维数据和所述目标层二维数据作为全局图像对，从所述固定层二维数据和所述目标层二维数据分别提取固定层局部图像和目标层局部图像作为局部图像对；
[0035]S32：根据所述全局图像对生成全局初始配准矩阵，根据所述局部图像对生成局部初始配准矩阵；
[0036]S33：迭代所述全局初始配准矩阵和所述局部初始配准矩阵，直到由归一化互信息损失函数计算的所述全局图像对和所述局部图像对的误差值小于迭代阈值为止；
[0037]S34：选择最小的所述误差值作为所述上头颅CBCT三维扫描数据和所述下头颅CBCT三维扫描数据在水平面上的第二偏移，将所述第二偏移对应的迭代变换矩阵作为目标变换矩阵。
[0038]可选地，在所述步骤S31之后且所述步骤S32之前，还包括：对对所述全局图像对和所述局部图像对进行第三预处理。第三预处理方式与第一预处理可以一致。
[0039]在本申请可选的实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种CBCT大视野数据拼接方法，其特征在于，包括：S1：获取上头颅CBCT三维扫描数据和下头颅CBCT三维扫描数据；S2：计算所述上头颅CBCT三维扫描数据和所述下头颅CBCT三维扫描数据在纵深方向上的第一偏移，确定所述上头颅CBCT三维扫描数据中的固定层二维数据和下头颅CBCT三维扫描数据中的目标层二维数据；S3：根据所述固定层二维数据和所述目标层二维数据，计算所述上头颅CBCT三维扫描数据和所述下头颅CBCT三维扫描数据在水平面上的第二偏移，确定与所述第二偏移关联的目标变换矩阵；S4：根据所述目标变换矩阵变换并更新所述上头颅CBCT三维扫描数据，将更新后的所述上头颅CBCT三维扫描数据与所述下头颅CBCT三维扫描数据进行拼接，得到整体头颅三维数据；S5：计算上下头颅重合区域的融合系数，根据所述融合系数对所述重合区域进行加权融合处理，得到目标头颅三维数据。2.根据权利要求1所述的CBCT大视野数据拼接方法，其特征在于，所述步骤S2包括：S21：选取所述上头颅CBCT三维扫描数据中的固定层的二维数据作为固定层二维数据，并对所述固定层二维数据进行第一预处理；S22：将在纵深方向上与所述固定层的物理距离小于预设距离的范围确认为搜索范围，将所述下头颅CBCT三维扫描数据中所述搜索范围内的二维数据确认为待处理层二维数据；S23：利用归一化互信息损失函数计算各个所述待处理层二维数据与所述固定层二维数据的相似度值；S24：将所述相似度值的最小值作为所述上头颅CBCT三维扫描数据和所述下头颅CBCT三维扫描数据在纵深方向上的第一偏移，将所述最小值对应的所述待处理层二维数据作为目标层二维数据。3.根据权利要求2所述的CBCT大视野数据拼接方法，其特征在于，所述步骤S22包括：S221：将在纵深方向上与所述固定层的物理距离小于预设距离的范围确认为搜索范围；S222：根据下式换算所述物理距离为数据维度距离：zd＝d/zspacing，zd是所述纵深方向上的换算距离，d是选择的固定物理距离，zspacing为所述下头颅CBCT三维扫描数据在所述纵深方向上的体素值；S223：根据所述数据维度距离，确定与所述搜索范围对应的数据维度搜索范围；S224：将所述下头颅CBCT三维扫描数据中所述数据维度搜索范围内的二维数据确认为待处理层二维数据。4.根据权利要求2所述的CBCT大视野数据拼接方法，其特征在于，所述归一化互信息损失函数如下：
其中，R表示某一所述待处理层二维数据，F表示所述固定层二维数据，H(R)和H(F)表示对应图像的信息熵，其中，h
i
表示图像R中灰度值为i的像素点总数，N表示图像R的灰度级数，在本实施例中为256。p
i
表示灰度i出现的概率，H(R,F)表示联合信息熵，是图像R和F一起发生时的信息熵。5.根据权利要求1所述的CBCT大视野数据拼接方法，其特征在于，所述步骤S3包括：S31：将所述固定层二维数据和所述目标层二维数据作为全局图像对，从所述固定层二维数据和所述目标层二维数据分别提取固定层局部图像和目标层局部图像作为局部图像对；S32：根据所述全局图像对生成全局初始配准矩阵，根据所述局部图像对生成局部初始配准矩阵；S33：迭代所述全局初始配准矩阵和所述局部初始配准矩阵，直到由归一化互信息损失函数计算的所述全局图像对和所述局部图像对的误差值小于迭代阈值为止；S34：选择最小的所述误差值作为所述上头...

【专利技术属性】
技术研发人员：曹洪玮，杨振华，姜斯浩，
申请(专利权)人：常州博恩中鼎医疗科技有限公司，
类型：发明
国别省市：