[發明專利]一種深度學習結合點云語義的CBCT圖像牙齒分割方法

在審

• 申請號: 202110853725.5
• 申請日: 2021-07-28
• 公開（公告）號: CN113344950A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 李曉蕓;王亞杰;左飛飛;張文宇;吳宏新
• 申請（專利權）人: 北京朗視儀器股份有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06T17/20;G06K9/62
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 張乾楨

1.一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，其特征在于，包括如下步驟：

步驟1、輸入CBCT數據，基于深度學習分割模型，進行牙齒區域分割，提取牙齒區域；

步驟2、采用面繪制方法將提取的牙齒區域三維重建為牙列網格數據；

步驟3、提取網格數據的點云特征數據，采用點云實例分割深度學習網絡進行基于點云語義的實例分割，得到網格數據的牙齒實例；

步驟4、按照坐標對應信息，將網格數據的牙齒對應區域映射到CBCT 獲得CBCT牙齒實例。

2.根據權利要求1所述的一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，其特征在于，所述步驟1中的牙齒區域提取是基于深度學習分割模型，所述基于深度學習分割模型包括3D分割網絡或2D分割網絡；基于2D分割網絡進行分割具體如下：

步驟1.1、按層提取CBCT數據切片圖像，對切片圖像進行像素歸一化處理，將像素值映射為0~255；

步驟1.2、按照2D分割網絡輸入端設計的輸入尺寸，對切片圖像尺寸進行尺寸變換處理；

步驟1.3、將處理后的切片圖像和標簽圖像輸入2D分割網絡進行訓練，所述2D分割網絡用于將切片圖像的每個像素分為背景或者牙齒，訓練完成后得到訓練好的2D分割網絡；

步驟1.4、對待分割圖像提取切片，并做預處理，輸入所述訓練好的2D分割網絡得到預測結果，預測的前景部分即為牙齒區域。

3.根據權利要求1所述的一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，其特征在于，所述步驟2具體為：采用MarchingCubes面繪制方法將提取的牙齒區域三維重建為牙列網格數據。

4.根據權利要求1所述的一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，其特征在于，所述步驟3提取網格數據的點云特征數據，采用點云實例分割深度學習網絡進行基于點云語義的實例分割，得到網格數據的牙齒實例，具體包括：

步驟3.1、提取點云特征數據，并做降采樣處理，每個牙位的牙齒對應的點云對應同一個標簽，共計32個標簽；

步驟3.2、將點云特征數據輸入到點云實例分割網絡，對每個點云所屬的類別進行預測；

步驟3.3、將待預測牙齒區域分割結果轉換為網格，提取點云特征數據并做降采樣處理后輸入網絡，獲得每個點的標簽。

5.根據權利要求4所述的一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，其特征在于，采用GCN、PointNet之一的方法進行基于點云的實例分割，得到網格數據的牙齒實例。

6.根據權利要求1所述的一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，其特征在于，所述步驟4按照坐標對應信息，將網格數據的牙齒對應區域映射到CBCT 獲得CBCT牙齒實例，具體包括：

CBCT中像素坐標(i,j,k)與點云中點的坐標(x,y,z)對應關系為：

i*spacing.x+origin.x=x

j*spacing.y+origin.y=y

k*spacing.z+origin.z=z

其中，所述的spacing、origin分別表示CBCT數據的尺寸和原點信息。

7.根據權利要求1所述的一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，其特征在于，所述步驟1中的牙齒區域提取是基于深度學習分割模型，所述基于深度學習分割模型包括3D分割網絡或2D分割網絡；基于3D分割網絡時，提取切塊圖像特征并輸入到3D分割網絡進行分割。