[發(fā)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?zhí)枺?/td>: 202110853725.5
• 申請日: 2021-07-28
• 公開（公告）號: CN113344950A
• 公開（公告）日: 2021-09-03
• 發(fā)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

本發(fā)明涉及一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，包括如下步驟：步驟1、基于深度學習分割模型，比如3D分割網(wǎng)絡或2D分割網(wǎng)絡進行牙齒區(qū)域分割提取牙齒區(qū)域；步驟2、采用面繪制方法將提取的牙齒區(qū)域三維重建為牙列網(wǎng)格數(shù)據(jù)；步驟3、提取網(wǎng)格數(shù)據(jù)的點云特征數(shù)據(jù)，采用點云實例分割深度學習網(wǎng)絡進行基于點云語義的實例分割，得到網(wǎng)格數(shù)據(jù)的牙齒實例；步驟4、按照坐標對應信息，將網(wǎng)格數(shù)據(jù)的牙齒對應區(qū)域映射到CBCT獲得CBCT牙齒實例。本發(fā)明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，由于基于點云語義進行實例分割，相對于RPN類方法而言，不需要處理檢測框區(qū)域內除目標牙齒外的其他牙齒標簽，能夠實現(xiàn)智能分割。

技術領域

本發(fā)明涉及圖像處理領域，尤其涉及一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法。

背景技術

牙齒分割是數(shù)字化牙齒正畸的基礎，近些年來計算機視覺和圖形學的發(fā)展，使得數(shù)字化口腔醫(yī)療成為了現(xiàn)實。CBCT作為一種獲得三維影像學圖像的方法，比起普通CT，CBCT除了具有輻射劑量小、掃描時間短、圖像空間分辨率高等優(yōu)點之外，它還提供了包括牙齒在內的所有口腔組織的更全面的3D體積信息。所以從CBCT圖像中分割牙齒可以得到更完整、更準確的牙齒模型。現(xiàn)有方法提出了基于3D RPN及其變形形式檢測CT體數(shù)據(jù)中每個牙齒的包圍框實現(xiàn)牙位檢測，然后對包圍框中區(qū)域提取ROI進行單個牙齒分割；也有的方法將3D體數(shù)據(jù)提取牙弓曲線生成對應的全景片，基于二維全景片檢測不同牙位牙齒的包圍框，再將包圍框位置換算回CT體數(shù)據(jù)中牙齒的3D包圍框實現(xiàn)牙位檢測，然后對包圍框中區(qū)域提取ROI進行單個牙齒分割；但是上述方法沒有充分三維數(shù)據(jù)點之間的語義關系；另外，也有學者采用水平集及其變形的方法，但是其需要手動交互設置初始水平集，不能實現(xiàn)完全自動化的操作。

發(fā)明內容

為了解決上述技術問題，本發(fā)明提出一種基于深度學習結合點云語義的CBCT圖像牙齒分割方法，結合CT圖像分割與點云語義分割實現(xiàn)CT牙齒實例分割，具體包括如下步驟：

步驟1、輸入CBCT數(shù)據(jù)，基于深度學習分割模型，進行牙齒區(qū)域分割，提取牙齒區(qū)域；

步驟2、采用面繪制方法將提取的牙齒區(qū)域三維重建為牙列網(wǎng)格數(shù)據(jù)；

步驟3、提取網(wǎng)格數(shù)據(jù)的點云特征數(shù)據(jù)，采用點云實例分割深度學習網(wǎng)絡進行基于點云語義的實例分割，得到網(wǎng)格數(shù)據(jù)的牙齒實例；

步驟4、按照坐標對應信息，將網(wǎng)格數(shù)據(jù)的牙齒對應區(qū)域映射到CBCT 獲得CBCT牙齒實例。

進一步的，所述步驟1中的牙齒區(qū)域提取是基于深度學習分割模型，例如可以采用3D分割網(wǎng)絡或2D分割網(wǎng)絡進行牙齒區(qū)域分割。根據(jù)本發(fā)明的一個實施例，基于2D分割網(wǎng)絡進行分割如下：

步驟1.1、按層提取CBCT數(shù)據(jù)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(wǎng)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(wǎng)絡進行訓練，所述2D分割網(wǎng)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(wǎng)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(wǎng)絡得到預測結果，預測的前景部分即為牙齒區(qū)域。

進一步的，所述步驟2、采用面繪制方法將提取的牙齒區(qū)域三維重建為牙列網(wǎng)格數(shù)據(jù)，可以是采用MarchingCubes面繪制方法將提取的牙齒區(qū)域三維重建為牙列網(wǎng)格數(shù)據(jù)；

進一步的，所述步驟3，提取網(wǎng)格數(shù)據(jù)的點云特征數(shù)據(jù)，采用點云實例分割網(wǎng)絡進行基于點云的實例分割，得到網(wǎng)格數(shù)據(jù)的牙齒實例；具體包括：

步驟3.1、提取點云特征數(shù)據(jù)，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(shù)據(jù)輸入到點云實例分割網(wǎng)絡，對每個點云所屬的類別進行預測；