一种基于制造技术

本发明专利技术涉及医学影像技术领域，公开了一种基于

【技术实现步骤摘要】
一种基于CBCT融合口扫数据的口腔三维模型建立方法及系统


[0001]本专利技术涉及医学影像
，特别涉及一种基于
CBCT
融合口扫数据的口腔三维模型建立方法及系统
。

技术介绍

[0002]近年来，医疗器械产品结构不断调整，新技术和新产品不断涌现，行业日趋呈现出数字化
、
智能化和信息化的特点，利用先进信息通信技术和互联网平台的优势，实现与传统医疗的融合
。
[0003]随着口腔医学数字化技术的发展，医学影像技术被越来越广泛地应用于口腔疾病的诊断与分析，其中以锥形束
CT(Conebeancomputedtomography
，
CBCT)
技术
、
牙颌模型扫描技术
、
口内扫描技术应用报道较多
。CT/CBCT
类医学影像断层扫描技术可以获取患者口颌面部软
、
硬组织的三维体数据，是重建患者牙根
、
颌骨三维模型的重要数据获取渠道
。
[0004]为保证口腔临床诊疗的安全性与高效性，需要对口腔的
CBCT
图像进行图像处理以获得需要的局部三维模型，从而帮助医生对患者的口腔情况做出更准确的判断，因此，如何有效对口腔的
CBCT
图像进行三维模型建立是获取患者的口腔信息的关键步骤
。

技术实现思路

[0005]本专利技术提供了一种基于
CBCT
融合口扫数据的口腔三维模型建立方法及系统，通过对
CBCT
图像进行预处理
、
图像增强和三维重建等步骤，能够实现对
CBCT
图像的准确三维重建及高质量的图像处理，准确地提取和分析
CBCT
图像中的目标区域，为医学诊断和治疗提供更可靠的依据
。
[0006]本专利技术提供了一种基于
CBCT
融合口扫数据的口腔三维模型建立方法，包括：
[0007]获取
CBCT
融合口扫数据的
CBCT
图像，并对所述
CBCT
图像进行预处理，得到预处理图像；其中，所述预处理包括图像去噪
、
伪影矫正和几何校正；
[0008]对所述预处理图像采用基于多尺度曝光融合的图像增强算法进行图像增强，得到增强图像；
[0009]根据所述增强图像，利用预设的重建算法对所述
CBCT
图像进行三维重建，得到目标区域的精确三维模型；
[0010]通过体视学分析和图像配准等处理手段提取和分析
CBCT
图像中的目标区域
。
[0011]进一步地，所述获取
CBCT
融合口扫数据的
CBCT
图像，并对所述
CBCT
图像进行预处理，得到预处理图像的步骤中，图像去噪具体包括：
[0012]对所述
CBCT
图像采用基于残差学习的初去噪网络
、
基于
Canny
算子的边缘提取网络和边缘融合网络进行噪声去除，得到去噪图像；其中，
[0013]所述初去噪网络中包含一个
Conv+Relu
层
、
四个残差单元和一个
Conv
层，通过
Cat
函数将残差单元的输出拼接在一起，输入最后一个卷积层，最后再通过输入端到输出端的残差跳跃连接减去学习到的噪声映射，得到初步去噪的干净图像；
[0014]所述边缘提取网络采用高斯滤波器核大小为3×3的
Canny
算子提取图像的边缘信息，用以增强图像的边缘细节；
[0015]融合网络包含一个
Conv+Relu+BN
层
、
一个
Conv
层和信道和空间注意机制，通过
Cat
函数简单聚合初步去噪图像和边缘信息图像，经过
Conv+Relu+BN
卷积层压缩通道数，再由
CSAN
自适应地给重要的图像边缘细节分配权重，得到具有清晰边缘的去噪图像
。
[0016]进一步地，所述获取
CBCT
融合口扫数据的
CBCT
图像，并对所述
CBCT
图像进行预处理，得到预处理图像的步骤中，伪影校正具体包括预处理
、
图像融合和投影数据填充；
[0017]预处理步骤分为
LI
‑
MAR
和滤波处理，对于
LI
‑
MAR
，首先利用阈值分割算法对含有目标伪影的
CT
图像进行伪影区域分割，分割后的图像只含有目标伪影区域，对目标伪影区域进行前向投影，确定目标伪影在投影域内的位置，对原始投影数据中对应的目标伪影位置进行线性插值；插值后利用滤波反投影算法进行
CT
图像重建，得到校正后的
CT
图像，利用滤波算法对校正后的
CT
图像去除强度次级伪影；
[0018]图像融合用于生成先验图像，所述先验图像由未校正目标伪影的
CT
图像与预处理步骤中的
b
AF
图像加权融合得到；
[0019]投影数据填充为得到先验图像之后，对其进行前向投影得到投影数据，该投影数据与原始投影数据做差后得到差图，对差图中的目标路径的区域利用区域两侧的数据进行线性插值从而估计出目标路径内的区域，再把插值后的差图加回到原始投影数据得到校正后的投影数据，对该投影数据进行
FBP
算法重建得到校正后的
CT
图像，最后再把目标信息加回到
CT
图像中，完成校正
。
[0020]进一步地，图像加权融合公式为：
[0021]I
prior
(i,j)
＝
w(i,j)I
unc
(i,j)+[1
‑
w(i,j)I
pre
(i,j)
[0022][0023][0024]其中，
I
unc
表示未校正目标伪影的去除了目标区域的
CT
图像；
I
pre
表示滤波后的图像；
w
表示权重，值在0～1之间；
D
为
I
unc
与
I
pre
的差值图像；
t
和
n
为手调参数
。
[0025]进一步地，所述获取
CBCT
融合口扫数据的
CBCT
图像，并对所述
CBCT
图像进行预处理，得到预处理图像的步骤中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
CBCT
融合口扫数据的口腔三维模型建立方法，其特征在于，包括：获取
CBCT
融合口扫数据的
CBCT
图像，并对所述
CBCT
图像进行预处理，得到预处理图像；其中，所述预处理包括图像去噪
、
伪影矫正和几何校正；对所述预处理图像采用基于多尺度曝光融合的图像增强算法进行图像增强，得到增强图像；根据所述增强图像，利用预设的重建算法对所述
CBCT
图像进行三维重建，得到目标区域的精确三维模型；通过体视学分析和图像配准等处理手段提取和分析
CBCT
图像中的目标区域
。2.
根据权利要求1所述的基于
CBCT
融合口扫数据的口腔三维模型建立方法，其特征在于，所述获取
CBCT
融合口扫数据的
CBCT
图像，并对所述
CBCT
图像进行预处理，得到预处理图像的步骤中，图像去噪具体包括：对所述
CBCT
图像采用基于残差学习的初去噪网络
、
基于
Canny
算子的边缘提取网络和边缘融合网络进行噪声去除，得到去噪图像；其中，所述初去噪网络中包含一个
Conv+Relu
层
、
四个残差单元和一个
Conv
层，通过
Cat
函数将残差单元的输出拼接在一起，输入最后一个卷积层，最后再通过输入端到输出端的残差跳跃连接减去学习到的噪声映射，得到初步去噪的干净图像；所述边缘提取网络采用高斯滤波器核大小为3×3的
Canny
算子提取图像的边缘信息，用以增强图像的边缘细节；融合网络包含一个
Conv+Relu+BN
层
、
一个
Conv
层和信道和空间注意机制，通过
Cat
函数简单聚合初步去噪图像和边缘信息图像，经过
Conv+Relu+BN
卷积层压缩通道数，再由
CSAN
自适应地给重要的图像边缘细节分配权重，得到具有清晰边缘的去噪图像
。3.
根据权利要求1所述的基于
CBCT
融合口扫数据的口腔三维模型建立方法，其特征在于，所述获取
CBCT
融合口扫数据的
CBCT
图像，并对所述
CBCT
图像进行预处理，得到预处理图像的步骤中，伪影校正具体包括预处理
、
图像融合和投影数据填充；预处理步骤分为
LI
‑
MAR
和滤波处理，对于
LI
‑
MAR
，首先利用阈值分割算法对含有目标伪影的
CT
图像进行伪影区域分割，分割后的图像只含有目标伪影区域，对目标伪影区域进行前向投影，确定目标伪影在投影域内的位置，对原始投影数据中对应的目标伪影位置进行线性插值；插值后利用滤波反投影算法进行
CT
图像重建，得到校正后的
CT
图像，利用滤波算法对校正后的
CT
图像去除强度次级伪影；图像融合用于生成先验图像，所述先验图像由未校正目标伪影的
CT
图像与预处理步骤中的
b
AF
图像加权融合得到；投影数据填充为得到先验图像之后，对其进行前向投影得到投影数据，该投影数据与原始投影数据做差后得到差图，对差图中的目标路径的区域利用区域两侧的数据进行线性插值从而估计出目标路径内的区域，再把插值后的差图加回到原始投影数据得到校正后的投影数据，对该投影数据进行
FBP
算法重建得到校正后的
CT
图像，最后再把目标信息加回到
CT
图像中，完成校正
。4.
根据权利要求3所述的基于
CBCT
融合口扫数据的口...

【专利技术属性】
技术研发人员：刘旭，张海涛，刘耀海，王涔光，
申请(专利权)人：四川乃康科技有限公司，
类型：发明
国别省市：