CN105593900B - 牙本质小管的图像处理 - Google Patents

牙本质小管的图像处理 Download PDF

Info

Publication number
CN105593900B
CN105593900B CN201380080074.4A CN201380080074A CN105593900B CN 105593900 B CN105593900 B CN 105593900B CN 201380080074 A CN201380080074 A CN 201380080074A CN 105593900 B CN105593900 B CN 105593900B
Authority
CN
China
Prior art keywords
tubule
image
data
dentinal
pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201380080074.4A
Other languages
English (en)
Other versions
CN105593900A (zh
Inventor
R·萨利文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Colgate Palmolive Co
Original Assignee
Colgate Palmolive Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Colgate Palmolive Co filed Critical Colgate Palmolive Co
Publication of CN105593900A publication Critical patent/CN105593900A/zh
Application granted granted Critical
Publication of CN105593900B publication Critical patent/CN105593900B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/155Segmentation; Edge detection involving morphological operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • G06T2207/10061Microscopic image from scanning electron microscope
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30036Dental; Teeth

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Cosmetics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本文提供一种量化牙本质表面中的牙本质小管的方法。还提供所述方法的用途以及执行所述方法的一种计算机程序。

Description

牙本质小管的图像处理
背景
过敏性牙齿在经受温度、压力或化学作用的变化时会引起疼痛和不适。频繁暴露牙本质会导致过敏。牙本质暴露可能因牙龈的萎缩、牙周疾病或不适当的牙本质护理而发生。所暴露的牙本质表面含有通向牙髓内的神经的细管或小管。这些小管填充有流体。当暴露于外部刺激时,小管内的流体收缩或膨胀。这种流体运动触发瞬时疼痛反应,从而导致牙本质过敏。
缓解牙本质过敏的一种方法是通过使用闭塞剂阻塞或闭塞牙本质小管,从而防止外部刺激到达牙本质流体。为了确定闭塞剂的功效,必须能够量化牙本质小管并且评估牙本质小管的闭塞。
牙本质小管的直径的范围通常是二至十微米。因此,相对较高放大倍数的显微镜技术,诸如扫描电子显微术(SEM)、原子力显微术或光学(例如,共焦)显微术通常用来可视化牙本质小管和牙本质小管闭塞的相对量。从SEM或共焦显微镜获得的牙本质表面的图像使得能够对小管闭塞的程度进行定性评估。
然而,牙本质小管闭塞的量化一直具有挑战性。已知使用视觉评分技术来半量化牙本质小管和小管闭塞,但是此类技术是高度主观的且不准确的。此外,牙本质小管通过使用图像分析软件进行的量化因牙本质表面的非均质性而一直无法成功。
因此需要提供准确量化牙本质小管并评估牙本质小管闭塞的方法。
概述
本发明至少部分旨在于满足本领域中的这些需要。
在第一方面,本发明提供一种量化牙本质表面中的牙本质小管的方法,其包括:
a)提供牙本质表面的图像,所述牙本质表面包括牙本质小管、小管间空间以及驻留在小管间空间内的表面缺陷,
其中图像由像素强度分布组成,所述像素强度由两个直方图表示,一个表示大部分像素强度分布(主要直方图),并且另一个表示小部分像素强度分布(次要直方图)。(主要直方图表示小管间空间。次要直方图由较低强度像素组成,所述较低强度像素表示牙本质小管和驻留在小管间空间内的不规则的牙本质表面缺陷。与随机噪声相关联的像素与每个直方图相关联。
b)将主要直方图和次要直方图二值化并且选择高于次要直方图并低于主要直方图的阈值光强度值,以获得处于或低于阈值光强度的第一数据集和高于阈值光强度的第二数据集。(这有效地将图像分为一个数据集,所述数据集由与小管、驻留在小管间间隔(次要直方图)和小管间空间(主要直方图)内的不规则表面缺陷以及随机噪声相关联的像素组成。二值化程序将牙本质小管和表面缺陷从小管间空间提取出来。
c)连接并填充次要直方图中相关联的邻近像素以为每组邻近像素产生一个单独测量点(晶粒或颗粒),以便将与牙本质小管相关联的像素与同不规则的牙本质表面缺陷和随机噪声相关联的那些像素分离开来。(执行这种程序产生具有不同大小和形状的晶粒或颗粒)。
d)通过基于颗粒参数产生阈值来获得第三数据集,所述第三数据集表示牙本质表面上的牙本质小管,其中从图像对在颗粒参数阈值之下的颗粒(包括来自不规则的牙本质表面缺陷和随机噪声的颗粒)进行滤波。(滤波使与牙本质小管相关联的那些颗粒保持完整。在本发明的一个实施方案中,颗粒参数是颗粒面积。可替代地,阈值处理可以使用此类变量执行,但是所述变量不限于颗粒直径、半径、周长以及圆度。
任选地,图像可以从(但不限于)共焦显微镜、原子力显微镜、扫描电子显微镜或以上任一项的扫描拷贝获得。还任选地,所述方法是计算机实现的。仍然还任选地,数据包括像素。在一些实施方案中,表示图像的数据以三维的形式提供。
优选地,牙本质表面上的所关注区域由第三数据集组成,所述第三数据集表示通过对整个图像的像素强度分布的次要直方图进行阈值滤波产生的牙本质小管。
任选地,在处理表示图像的数据之前压平所述图像。优选地,使用调平算法压平所述图像,所述调平算法执行三点法、平面法或部分平面法。
在第二方面,本发明提供一种本文定义的方法用于量化牙本质小管闭塞的用途。任选地,牙本质小管闭塞通过确定选自以下各项的一个或多个参数来量化:开放小管的总数、开放小管所覆盖的总图像面积的百分比、每单位图像表面积开放小管的数目、平均小管直径、平均小管半径以及平均小管周长。优选地,牙本质小管闭塞通过开放小管所覆盖的总图像面积的百分比来量化,并且任选地,由选自以下各项的一个或多个参数来量化:开放小管的总数、每单位图像表面积开放小管的数目、平均小管直径、平均小管半径以及平均小管周长。
在第三方面,本发明提供一种本文定义的方法用于确定牙粉组合物的闭塞性能的用途。优选地,所述用途包括在将牙粉组合物施用到包括牙本质的牙齿的表面,或其一部分之前和之后量化牙本质小管闭塞,其中牙本质小管闭塞通过确定选自以下各项的一个或多个参数来量化:开放小管的总数、开放小管所覆盖的总图像面积的百分比、每单位图像表面积开放小管的数目、平均小管直径、平均小管半径以及平均小管周长。
在第四方面,本发明提供一种计算机程序,所述计算机程序当在计算机控制系统上运行时执行如本文所定义的方法。
诸位发明人已经发现本发明的方法允许在不受与牙本质表面相关联的不均质性干扰的情况下准确地且可重复地量化牙质小管。本发明克服了与视觉评分技术相关联的主观性。此外,由于所述方法的准确性和可重复性,所述方法可以进一步用来评估和量化牙本质小管闭塞,并且评估牙粉组合物在促进牙本质小管闭塞中的功效。
本发明的另外的实施方案将从详述和实施例显而易见。
附图简述
图1A是示出根据本发明的实施方案的量化牙本质小管的方法的流程图。
图1B示出根据本发明的实施方案处理的牙本质表面的扫描电子显微镜(SEM)图像。
图2示出根据本发明的实施方案处理的牙本质表面在利用牙粉处理之前和之后的图像。
图3是示出示例性计算机系统的部件的方框图。
图4是已经根据本发明处理的牙本质盘在利用闭塞牙本质小管的牙粉处理前(左)和处理后(右)的共焦显微镜图像。
图5是已利用已经部分地闭塞牙本质小管的牙粉处理的牙本质盘的SEM图像。
详述
应理解,详细描述和具体实施例虽然指示了本发明的实施方案,但是只希望用于说明目的而不欲限制本发明的范围。
如本文所使用,单词“优选的”和“优选地”指代本发明的在某些情况下提供某些益处的实施方案。然而,在相同或其他情况下,其他实施方案也可以是优选的。此外,一个或多个优选实施方案的叙述不暗示其他实施方案不可用,并且不旨在于从本发明的范围排除其他实施方案。
在一些实施方案中,本发明提供一种量化牙本质表面中的牙本质小管的方法,其包括:
a)提供包括牙本质小管的牙本质表面的图像,
b)将表示图像的数据二值化为处于或低于阈值光强度或阈值像素强度的第一数据和高于阈值光强度或阈值像素强度的第二数据,以及
c)从第一数据或第二数据消除图像中不与小管相关联的随机噪声和表面不规则性以便分离出所关注区域中表示牙本质小管的第三数据。
图1A的流程图中提供了本发明的方法的综述。图1B中提供了表示图1A中定义的过程的阶段的样品SEM图像。
术语“量化牙本质小管”涉及图像中的牙本质小管的参数的测量。此类参数包括但不限于:小管或开放小管的总数,每单位面积小管或开放小管的数目,牙本质表面中由小管或开放小管覆盖的以总图像面积的百分比计的总面积,小管的直径、半径和周长,小管的密度以及小管的圆度。
通常,所述方法是计算机实现的。在一个实施方案中,所述方法使用Leica软件执行。然而,可以使用其他成像分析软件。
图像
获取牙本质表面的图像的方法对于技术人员而言将是已知的。通常,图像来自于脱落的牙齿或其一部分。优选地,图像通过共焦显微术、原子力显微术或扫描电子显微术获得。图像还可以通过以下方式获得:将来自通过共焦显微术、原子力显微术或扫描电子显微术获得的图像的硬拷贝的图像数字化。图像可以是二维的或三维的。在一个实施方案中,所获取的二维图像可以转换为三维图像。在一个实施方案中,扫描的图像可以用在根据本发明的方法中。图像可以是彩色的或灰度级的并且不限于任何特定分辨率。
通常,图像具有选自以下的文件格式:JPEG、TIFF、RAW、GIF、BMP、PNG、PPM、PGM、PBM、PNM、PFM、PAM或WEBP。优选地,图像具有TIFF文件格式。
在一个实施方案中,所获得的图像在二值化之前进行压平。压平有利地矫正背景中的任何不规则性。任选地,使用调平算法压平所述图像,所述调平算法执行三点法、平面法或部分平面法。压平图像的其他方法对于技术人员而言将是已知的。
数据二值化
在一种布置中,图像被二值化。在本发明中,二值化图像针对每个像素通常仅具有两个可能的强度值或色值。通常,用于二值图像的两种颜色是黑色和白色,但可以使用任何两种颜色。
通常,图像或更确切地说表示图像的数据是基于光强度来二值化。阈值光强度被选择,并且表示图像的数据被分为两类:第一类,其包括具有高于阈值光强度的光强度的数据(第一数据);以及第二类,其包括具有低于阈值光强度的光强度的数据(第二数据)。
表示图像的数据可以包括图像的任何可控制元素。通常,数据包括像素或由其组成。在其他实施方案中,数据可以包括点或线或由其组成。因此,在一个优选实施方案中,构成图像的像素被分为两类:第一类,其包括具有高于阈值光强度的光强度的像素(第一数据);以及第二类,其包括具有低于阈值光强度的光强度的像素(第二数据)。
在一个实施方案中,将表示图像的数据二值化包括确定例如呈直方图形式的所获得图像中的光强度分布。通常,阈值光强度从所述分布确定,以使得第一数据或第二数据表示牙本质小管。这实现了表示牙本质小管的数据从表示牙本质表面的数据的初始分离。
在一个优选实施方案中,确定像素强度分布。牙本质表面的图像包括具有不同程度的强度的像素。强度通常落入两个主要分布。小比例的像素具有相对较低的强度。这些像素表示牙本质小管以及牙本质表面上的其他低强度点。大比例的像素具有相对较高的强度。这些像素与牙本质小管之间(牙本质间小管空间)的牙本质表面相关联。然而,在图像的光对比度或灰度已经反转的情况下,表示牙本质小管以及牙本质表面上的其他低强度点的小比例的像素可以具有相对较高的强度,而表示牙本质表面的大比例的像素可以具有相对较低的强度。
阈值强度通常被选择,以使得表示牙本质小管的像素落在阈值的一例,而不是另一例上。
如上文所述,所获取的图像数据可以是三维的或转换为三维。这在图1B中进行进一步说明。当图像数据以三维形式可视化时,可以更准确地选择将表示牙本质小管的数据与表示牙本质表面的数据有效地分离的阈值强度。在一些实施方案中,三维图像通过在将数据二值化之前,并且任选地在压平图像之后转换表示图像的数据来生成。
通常,为了实现二值化,表示牙本质小管的第一数据或第二数据(通常是像素)被分组。通常,分组包括将表示牙本质小管的第一数据或第二数据的光强度调节到所选择强度。作为此次调节的结果,表示牙本质小管的第一数据或第二数据获取了单一恒定的光强度。此操作允许小管在图像上被表示为单个晶粒、颗粒或图像区域而不是单独光强度的编译(或具有单独光强度的像素)。当数据包括像素或由其组成时,与牙本质小管相关联的小比例的像素通常被分组。
在一些实施方案中,为分组操作选择的光强度是在光强度分布中观察到的表示牙本质小管的数据的最大光强度。然而,任何光强度可以被选择用于分组操作,只要能与背景或牙本质表面区分开即可(参见下文)。
在一些实施方案中,分组通过使用填充函数来执行。在一些实施方案中,填充函数连接具有相等强度的所有邻近像素以便从邻接像素产生更大的颗粒或晶粒。
在执行分组操作之后,背景(即,表示牙本质空间并排除小管的数据)变得均匀,还具有恒定的光强度。在一些实施方案中,牙本质表面已经通过二值化过程变得均匀。在一些实施方案中,与主要直方图相关联的所有像素通过二值化设定为等于相同值。在一些实施方案中,高于阈值的点被设定为背景,并且低于阈值的点(次要直方图)被设定为可测量点。在一些实施方案中,表示牙本质空间的数据的所选择光强度可以是为了实现二值化而将表示牙本质表面的数据与表示牙本质小管的数据区分开的任何光强度。在一个优选实施方案中,黑色和白色用作二值图像颜色。
消除噪声
如可以从图1B的示例性二值化图像(标记的“二值化图像”在“小管间空间中具有噪声和不规则性”)看出,在如上文所述执行分组操作之后,表示牙本质小管的晶粒、颗粒或图像区域因“小管间空间中的噪声和不规则性”而模糊。较大的晶粒、颗粒或图像区域与牙本质小管相关联,而较小的晶粒、颗粒或图像区域是“小管间空间中的噪声和不规则性”。
小管间空间中的“噪声”和不规则性因牙本质表面的随机来源和不均质性质而产生,并且表示牙本质表面上具有类似于牙本质小管的光强度的点。由于光强度的重叠,二值化步骤并不允许表示牙本质小管的数据与表示牙本质表面上的这些其他点的数据分离。
为了实现牙本质小管量化的准确性和可重复性,必须消除小管间空间中的噪声和不规则性并且使牙本质小管成为所关注区域。通常,噪声的消除包括从第一数据或第二数据(无论哪一个均表示牙本质小管)去除表示牙本质表面的数据,以便在所关注区域中获得表示牙本质小管而在小管间空间中不具有噪声和不规则性的第三数据。优选地,所关注区域由牙本质小管组成。
通常,阈值处理用来去除不与牙本质小管相关联的晶粒或图像区域。阈值处理标准可以选自由第一数据或第二数据(无论哪一个均与牙本质小管相关联)表示的晶粒或图像区域的面积、直径、半径、周长以及圆度。因此,例如,可以消除具有小于阈值水平的面积、直径、半径、周长和/或圆度程度的晶粒或图像区域。
可以使用一个或多个阈值处理标准。当使用多于一个标准时,图像可以连续地或同时地进行多于一个阈值处理步骤。
阈值水平是基于所观察到的如由第一数据或第二数据表示的牙本质小管来设定。因此,例如,阈值直径可以对应于图像中观察到的牙本质小管的平均直径,以使得具有低于此阈值的直径的任何晶粒或图像区域被消除。
一旦小管间空间中的“噪声”和不规则性被消除,牙本质小管就形成所关注区域。然后可以准确地且可重复地量化牙本质小管。例如,以下参数中的任一个或多个可以被测量来量化牙本质小管:小管或开放小管的总数、小管或开放小管所覆盖的总图像面积的百分比、开放的小管的总数的百分比、每单位图像表面积的小管或开放小管的数目、平均小管直径、平均小管半径、平均小管周长、小管的密度以及小管的圆度。在一些实施方案中,圆度是通过计算形状偏离圆形的形状的程度来评估。在一些实施方案中,算法通过以下方式计算圆度:以设定间隔测量颗粒的半径并且将所述半径与完整的圆形的半径进行比较。
方法的使用
在另一种布置中,如本文所定义的本发明的方法用来量化牙本质小管闭塞。通常,用于量化牙本质小管闭塞的参数选自:小管或开放小管的总数、小管或开放小管所覆盖的总图像面积的百分比、开放的小管的总数的百分比、每单位图像表面积的小管或开放小管的数目、平均小管直径、平均小管半径、平均小管周长、小管的密度以及小管的圆度。
在一个优选实施方案中,使用上述参数中的至少两个来量化牙本质小管闭塞以改进准确度。因此,牙本质小管闭塞可以通过确定开放小管所覆盖的总图像面积的百分比结合其他上述参数中的一个或多个来量化。
通常,闭塞越严重,每单位面积开放小管的数目和开放小管的总数越小、开放小管所覆盖的总图像面积的百分比越小,并且平均小管直径、平均小管半径、平均小管周长、密度也越小,而与小管的圆度的偏离越大。
通常,牙本质小管闭塞通过分析测试样品的图像和对照样品或参考样品的图像来量化。
在另一种布置中,如本文所定义的本发明的方法用来确定口腔护理组合物的功效,并且具体地说,用来确定口腔护理组合物的闭塞性能。
口腔护理组合物的功效,并且确切地说口腔护理组合物的闭塞性能可以通过以下方式确定:在将口腔护理组合物施用到牙齿(包括牙本质)的表面或其一部分之前和之后,如本文所定义量化牙本质小管闭塞。通常,口腔护理组合物通过涂刷施用到牙齿或其一部分上,持续范围从三十秒至两分钟的时间段。在涂刷之后,用水冲洗牙齿或其一部分。涂刷和冲洗的循环可以重复至多十次。可替代地,口腔组合物可以在不涂刷的情况下施用到牙本质表面。利用少量的PBS缓冲液润湿牙本质样品,然后将少量的口腔组合物施用到牙本质表面并且通过使用驼毛刷轻轻地涂刷整个表面而使所述口腔组合物与PBS混合。在室温下将牙本质样品静置十五分钟。在此之后,将牙本质样品放置在含有30ml PBS缓冲液的广口瓶中,在所述广口瓶中所述牙本质样品在搅拌下保持十五分钟。然后来回摇晃样品,以确保任何口腔组合物从表面的去除。这个程序可以重复多次,以监控闭塞随着口腔组合物的施用而发生的进展。如本文所定义的牙本质小管闭塞可以在重复的涂刷和冲洗循环之前和之后量化。
通常,牙齿或其一部分是牙本质盘。
口腔护理组合物可以选自牙粉、漱口水、口香糖或任何其他局部用药组合物。
图2示出牙本质盘在利用牙粉组合物处理之前和之后的样品SEM图像,所述牙本质盘已经根据本发明进行处理。如可以从此图看出,在处理之后,开放小管的总数、每单位面积开放小管的数目以及小管的直径显著减少,从而指示有效的小管闭塞。
计算机程序
在又另一种布置中,本发明提供一种计算机程序,所述计算机程序当在计算机控制系统上运行时执行如本文描述的方法。
图3是示出计算机程序可以在上面运行的示例性计算机系统的基础部件的方框图。将了解的是,具有更少部件或更多部件的其他计算机系统也可以与本发明一起使用。计算机系统可以利用常规体系结构实现并且可以是在台式计算机、膝上型或手持式计算装置,诸如平板计算机中。通常,所述装置包括部件,诸如与存储器通信的处理器,和连接到显示器的输入/输出接口,以及通常至少一个其他控制装置,诸如鼠标和键盘。所述部件通过本地接口(未示出)操作性地耦接,所述本地接口可以是例如一个或多个总线或其他有线或无线连接。存储器可以包括以下任一个或其组合:用于为处理器提供固定和工作数据存储的易失性存储器元件(例如,随机存取存储器元件(RAM,诸如DRAM、SRAM、SDRAM等等))以及非易失性存储器元件(诸如ROM、闪存、硬盘等等)。
计算机程序存储在存储器中并且由合适的计算机程序代码(未示出)实现,所述合适的计算机程序代码当由处理器执行时致使计算机系统提供本文所描述的功能性。
如上所述的显微镜可以连接到输入/输出接口,以使得待处理的图像可以直接存储到存储器上。可替代地,待处理的图像可以通过连接到输入/输出接口的数据输入装置或通过网络接口提供到存储器。
可替代地,替代仅以计算机程序代码实现,执行实施方案的步骤所需要的功能性可以在专用处理设备或专用硬件和软件的组合中实现。
本发明在以下非限制性实施例中进行进一步说明。
实施例
实施例1:牙本质小管的量化
表1示出图1B中已根据本发明产生的处理的SEM图像(左下图)的分析。所述分析使用Leica Map DCM 3D 6.1.0.5940软件执行。
表1
实施例2:确定牙粉组合物的闭塞性能
从人臼齿制备牙本质盘。使用共焦显微镜获得牙本质盘的图像。在使用调平算法压平之后,确定像素光强度分布。选择阈值光强度,以使得具有低于阈值的光强度的像素与牙本质小管相关联,并且具有高于阈值的光强度的像素与牙本质表面相关联。将图像二值化以产生两个数据集:高于强度阈值的一个数据集以及低于强度阈值的一个数据集。落在强度阈值之下的像素包括牙本质小管、噪声和表面不规则性。落在阈值之上的像素包括小管间空间并且被指定为背景。填充函数用来将落在阈值之下的邻接像素分组以形成具有不同大小和形状的单独颗粒或晶粒。
随后基于晶粒区域来对图像进行阈值处理,以将与随机噪声和表面不规则性相关联的那些晶粒与小管相关联的晶粒分离。
牙本质小管闭塞的量化通过确定开放小管的总数、表面积被开放小管覆盖的百分比和小管的平均直径来执行。
然后利用牙粉组合物对牙本质盘进行七次涂刷/冲洗循环。在处理之后,拍摄所述盘的另外的共焦显微镜图像。以与上文所述相同的方式处理图像,并且如上文所述量化牙本质小管闭塞。
图4中示出了结果。左侧图像表示处理前的牙本质盘并且右侧图像表示处理后的牙本质盘。
下表2指示从图像分析获得的量化信息。
表2
如可以从图4和表2看出,开放小管的总数、由开放小管覆盖的面积的百分比和小管的平均直径在涂刷后显著减少,从而指示成功闭塞。牙本质闭塞的评估的准确度通过结合彼此报告三个参数(即,开放小管的总数、由开放小管覆盖的面积的百分比和小管的平均直径)而增加。
实施例3-涂刷对牙本质小管闭塞的作用(I)
同样获得已经利用具有闭塞活性的牙粉组合物涂刷的牙本质盘的SEM图像。如实施例1所述处理图像。图5中示出了处理图像。
图5的图像示出:尽管一些牙本质小管被闭合或闭塞,但是其他牙本质小管是开放的或部分填充的。由开放小管覆盖的表面积的百分比是用于评估牙粉产品的闭塞性能的适当参数。在图5中,表面积被开放小管覆盖的百分比是2.74%。
实施例4-涂刷对牙本质小管闭塞的作用(II)
表3示出图2中已根据本发明产生的处理的SEM图像的分析。所述图像表示利用牙粉组合物涂刷前和涂刷后的牙本质盘。
表3
处理前 处理后
由开放小管占据的面积% 16% 0.67%
开放的小管% 100% 4.2%
闭塞的小管% 0% 95.8%
如可以从表3看出,在处理之后,由开放小管占据的面积的百分比和开放的小管的总数的百分比随着处理减少,而闭塞的小管的总数的百分比随着处理增加。这些数据说明了牙粉组合物的良好的闭塞性能。
虽然已经示出并描述了本发明的具体实施方案,但本领域技术人员将显而易见的是,可在不背离本发明的如随附权利要求书中所定义的范围的情况下做出各种改变和修改。

Claims (17)

1.一种量化牙本质表面中的牙本质小管闭塞的方法,其包括:
a)提供牙本质表面的图像,所述牙本质表面包括牙本质小管、小管间空间以及驻留在小管间空间内的表面缺陷,
其中所述图像包含像素,
其中所述图像中像素强度的分布落入两类,主要类表示大部分像素强度分布,并且次要类表示小部分像素强度分布;并且
其中所述主要类表示所述牙本质表面上的小管间空间,并且所述次要类表示牙本质小管和驻留在小管间空间内的不规则牙本质表面缺陷;
b)将所述图像二值化并且选择高于所述次要类并低于所述主要类的阈值光强度值,以获得处于或低于所述阈值光强度的第一数据集和高于所述阈值光强度的第二数据集;
c)通过使用填充功能对所述第一数据集中相关联的邻近像素分组以为每组邻近像素产生一个单独测量颗粒,以将与所述牙本质小管相关联的像素与同不规则的牙本质表面缺陷和随机噪声相关联的那些像素分离开来;
d)通过基于颗粒参数产生阈值来获得第三数据集,所述第三数据集表示牙本质表面上的牙本质小管,其中从图像对在颗粒参数阈值之下的颗粒进行滤波,所述颗粒包括来自不规则的牙本质表面缺陷和随机噪声的颗粒;以及
e)通过确定选自以下各项的一个或多个参数来量化牙本质小管闭塞:开放小管的总数、开放小管所覆盖的总图像面积的百分比、每单位图像表面积开放小管的数目、平均小管直径、平均小管半径以及平均小管周长。
2.如权利要求1所述的方法,其还包括将表示所述小管间空间的所述数据集指定为背景的步骤。
3.如权利要求1或权利要求2所述的方法,其中所关注区域由表示所述牙本质小管的所述第三数据集组成。
4.如权利要求1所述的方法,其中所述第三数据集包括多个颗粒。
5.如权利要求4所述的方法,其中所述颗粒具有不同大小和形状。
6.如权利要求1所述的方法,其中所述噪声和表面不规则性使用一个或多个参数来消除,所述参数选自:由所述第三数据集表示的图像区域的面积、直径、半径、周长以及圆度。
7.如权利要求1所述的方法,其中将所述数据二值化包括确定所述获得图像中的所述像素光强度分布,并且从所述分布确定阈值光强度,从而使得所述第一数据集表示所述牙本质小管。
8.如权利要求7所述的方法,其中将所述数据二值化包括将所述第一数据的光强度调节为选择光强度。
9.如权利要求8所述的方法,其中所述选择光强度是所述分布中观察到的表示所述牙本质小管的所述数据的最大光强度。
10.如权利要求8或权利要求9所述的方法,其中所述光强度是使用填充函数来调节。
11.如权利要求1所述的方法,其中所述图像从共焦显微镜或扫描电子显微镜获得。
12.如权利要求1所述的方法,所述方法是计算机实现的。
13.如权利要求1所述的方法,其中表示所述图像的所述数据以三维形式提供。
14.如权利要求1所述的方法,其中所述牙本质小管闭塞通过确定开放小管所覆盖的总图像面积的百分比来量化,并且任选地,通过确定选自以下各项的一个或多个参数来量化:开放小管的总数、每单位图像表面积开放小管的数目、平均小管直径、平均小管半径以及平均小管周长。
15.如权利要求1所述的方法,其中所述方法用于确定牙粉组合物的闭塞性能的用途。
16.如权利要求15所述的方法,其中在将所述牙粉组合物施用到包括牙本质的牙齿的表面或其一部分之前和之后量化牙本质小管闭塞。
17.一种计算机可读介质,其上储存有一种计算机程序,所述计算机程序在计算机控制系统上运行时执行如权利要求1至16中任一项所述的方法。
CN201380080074.4A 2013-10-04 2013-10-04 牙本质小管的图像处理 Expired - Fee Related CN105593900B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2013/063431 WO2015050558A1 (en) 2013-10-04 2013-10-04 Image processing of dentin tubules

Publications (2)

Publication Number Publication Date
CN105593900A CN105593900A (zh) 2016-05-18
CN105593900B true CN105593900B (zh) 2018-11-02

Family

ID=49356543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380080074.4A Expired - Fee Related CN105593900B (zh) 2013-10-04 2013-10-04 牙本质小管的图像处理

Country Status (12)

Country Link
US (1) US10140702B2 (zh)
EP (1) EP3053136B1 (zh)
CN (1) CN105593900B (zh)
AR (1) AR097926A1 (zh)
AU (1) AU2013402229B2 (zh)
BR (1) BR112016006557A2 (zh)
IL (1) IL244624B (zh)
MX (1) MX356681B (zh)
PH (1) PH12016500584A1 (zh)
RU (1) RU2635290C1 (zh)
TW (1) TW201521688A (zh)
WO (1) WO2015050558A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6138745B2 (ja) * 2014-11-19 2017-05-31 株式会社 資生堂 シミ評価装置、及びシミ評価プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777117A (zh) * 2010-01-26 2010-07-14 哈尔滨工程大学 一种手指静脉特征提取于匹配识别方法
CN101789075A (zh) * 2010-01-26 2010-07-28 哈尔滨工程大学 基于特征值归一化双向加权的手指静脉识别方法
US8406554B1 (en) * 2009-12-02 2013-03-26 Jadavpur University Image binarization based on grey membership parameters of pixels
JP2013105245A (ja) * 2011-11-11 2013-05-30 Ikutoku Gakuen 画像処理方法、装置及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8044996B2 (en) * 2005-05-11 2011-10-25 Xenogen Corporation Surface construction using combined photographic and structured light information
US20080267891A1 (en) * 2007-04-30 2008-10-30 Colgate-Palmolive Company Oral Care Composition To Reduce Or Eliminate Dental Sensitivity
US8351720B2 (en) * 2008-04-24 2013-01-08 Hewlett-Packard Development Company, L.P. Method and system providing edge enhanced image binarization
US8787690B2 (en) 2008-11-12 2014-07-22 Abbyy Development Llc Binarizing an image
RU2467739C1 (ru) 2011-10-31 2012-11-27 Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Белгородский государственный национальный исследовательский университет" Состав стоматологический для лечения гиперестезии зубов

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8406554B1 (en) * 2009-12-02 2013-03-26 Jadavpur University Image binarization based on grey membership parameters of pixels
CN101777117A (zh) * 2010-01-26 2010-07-14 哈尔滨工程大学 一种手指静脉特征提取于匹配识别方法
CN101789075A (zh) * 2010-01-26 2010-07-28 哈尔滨工程大学 基于特征值归一化双向加权的手指静脉识别方法
JP2013105245A (ja) * 2011-11-11 2013-05-30 Ikutoku Gakuen 画像処理方法、装置及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Co-site digital optical microscopy and image analysis: an approach to evaluate the process of dentine demineralization;G. De-Deus 等;《International Endodontic Journal》;20070321;第40卷(第6期);441-452 *
In situ atomic force microscopy and image analysis of dentine submitted to acid etching;S.PACIORNIK 等;《Journal of Microscopy》;20070316;第225卷(第3期);236-243 *

Also Published As

Publication number Publication date
IL244624A0 (en) 2016-04-21
US10140702B2 (en) 2018-11-27
TW201521688A (zh) 2015-06-16
WO2015050558A1 (en) 2015-04-09
EP3053136B1 (en) 2019-03-27
AU2013402229A1 (en) 2016-04-07
MX2016003893A (es) 2016-06-17
RU2635290C1 (ru) 2017-11-09
AU2013402229B2 (en) 2017-02-23
US20160232666A1 (en) 2016-08-11
BR112016006557A2 (pt) 2017-08-01
AR097926A1 (es) 2016-04-20
MX356681B (es) 2018-06-08
RU2016108617A (ru) 2017-11-10
IL244624B (en) 2019-10-31
PH12016500584A1 (en) 2016-06-20
CN105593900A (zh) 2016-05-18
EP3053136A1 (en) 2016-08-10

Similar Documents

Publication Publication Date Title
US11452455B2 (en) Skin reflectance and oiliness measurement
Ford et al. Computed tomography slice thickness and its effects on three-dimensional reconstruction of anatomical structures
KR101646792B1 (ko) 충치 정량화 방법
US20230196515A1 (en) A method of denoising dental images through domain adaptation
JP4599520B2 (ja) マルチスペクトル画像処理方法
Zhang et al. Age estimation using pulp/enamel volume ratio of impacted mandibular third molars measured on CBCT images in a northern Chinese population
TW201540263A (zh) 資訊處理裝置、資訊處理系統、及程式
JP7467205B2 (ja) バイオマーカを光学的に検出するための方法
Ghaedi et al. An automated dental caries detection and scoring system for optical images of tooth occlusal surface
US9155506B2 (en) Method and system for processing MRT data of the human brain
US20110110575A1 (en) Dental caries detector
US9547903B2 (en) Method for quantifying caries
CN105593900B (zh) 牙本质小管的图像处理
Navarro et al. Detecting smooth surface dental caries in frontal teeth using image processing
Datta et al. Neutrosophic set-based caries lesion detection method to avoid perception error
Torres et al. How image-processing parameters can influence the assessment of dental materials using micro-CT
Verdelis et al. Microcomputed tomography imaging in odontogenesis studies
Juhasz et al. Effectiveness of parameters in quantifying root canal morphology change after instrumentation with the aid of a microcomputed tomography
CN115439409A (zh) 牙齿类型的识别方法和装置
CN113256518B (zh) 用于口腔内3d重建的结构光图像增强方法
Virupaiah et al. Analysis of image enhancement techniques for dental caries detection using texture analysis and support vector machine
Ahmad et al. Analysis of Compound Enhancement Algorithms (CEA) based on Adaptive Histogram Equalization (AHE) on intra-oral dental radiographs images
Borowska et al. Fractal texture analysis in the irregular region of interest of the healing process using guided bone regeneration
Duru et al. A New Method for Automatic Detection and Quantification of Dentinal Tubules
JP2018202044A (ja) 毛穴詰まり評価方法及び毛穴詰まり評価装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181102