CN105761252B - 图像分割的方法及装置 - Google Patents

图像分割的方法及装置 Download PDF

Info

Publication number
CN105761252B
CN105761252B CN201610074605.4A CN201610074605A CN105761252B CN 105761252 B CN105761252 B CN 105761252B CN 201610074605 A CN201610074605 A CN 201610074605A CN 105761252 B CN105761252 B CN 105761252B
Authority
CN
China
Prior art keywords
tooth
data
cbct
view data
region
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.)
Active
Application number
CN201610074605.4A
Other languages
English (en)
Other versions
CN105761252A (zh
Inventor
陈莉
夏根源
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.)
Beijing Zhengqi Oral Cavity Medical Treatment Technology Co Ltd
Original Assignee
Beijing Zhengqi Oral Cavity Medical Treatment Technology Co Ltd
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 Beijing Zhengqi Oral Cavity Medical Treatment Technology Co Ltd filed Critical Beijing Zhengqi Oral Cavity Medical Treatment Technology Co Ltd
Priority to CN201610074605.4A priority Critical patent/CN105761252B/zh
Publication of CN105761252A publication Critical patent/CN105761252A/zh
Application granted granted Critical
Publication of CN105761252B publication Critical patent/CN105761252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

本发明公开了一种图像分割的方法及装置，涉及计算机技术领域，为解决现有牙齿CBCT图像分割方法效率低的问题而发明。本发明的方法包括：获取牙冠网格数据和牙齿CBCT图像数据，牙冠网格数据和牙齿CBCT图像数据是同一个牙列的两种不同类型的三维数据；将牙冠网格数据与牙齿CBCT图像数据进行配准，确定牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域；根据牙冠区域将牙齿CBCT图像数据进行分割，得到每个牙齿的初步三维区域；根据支持向量机SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。本发明适合应用在牙齿正畸的过程中。

Description

图像分割的方法及装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种图像分割的方法及装置。
背景技术
在正畸学领域中，对牙齿三维图像进行分割获得三维个性化牙冠及牙根的解剖信息，可以帮助确定个性化的正畸方案。因此三维图像分割是至关重要的。
近些年，随着数字化技术和计算机技术的快速发展，锥形束计算机断层扫描(ConeBeam Computed Tomography，简称CBCT)被引入正畸学领域中，由于CBCT空间分辨率更高、得到的图像更清晰、伪影更小，所以在正畸学领域得到了广泛的应用，因此图像分割也通常是基于CBCT图像分割。目前常用的基于牙齿的CBCT图像的分割应用软件主要有：澳大利亚Visage Imaging公司的Amira和比利时Materialise公司的Mimics等。这些软件是采用手动涂抹或者基于活动轮廓模型的套锁方式对单一切片上的牙齿CBCT图像进行分割的，其中套索模型可以在不同切片间进行复制，并根据当前切片图像中牙齿对象的位置进行精确调整。上述的牙齿CBCT图像分割方式属于半自动图像分割。
在上述的牙齿CBCT图像分割方式中，发明人发现，半自动牙齿CBCT图像分割方式每次只能对单个牙齿进行分割，而且需要人工的操作，分割时间与操作人的熟练程度紧密相关，分割一整套牙齿数据至少需要2-3个小时，分割的速度较慢，综上可以看出现有牙齿CBCT图像分割方法效率低。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像分割的方法及装置。
为解决上述技术问题，一方面，本发明提供了一种图像分割的方法，该方法包括：
获取牙冠网格数据和牙齿锥形束计算机断层扫描CBCT图像数据，所述牙冠网格数据和所述牙齿CBCT图像数据是同一个牙列的两种不同类型的三维数据，所述牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；
将所述牙冠网格数据与所述牙齿CBCT图像数据进行配准，确定所述牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域；
根据所述牙冠区域将所述牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；
根据支持向量机SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。
另一方面，本发明还提供了一种图像分割的装置，该装置包括：
获取单元，用于获取牙冠网格数据和牙齿锥形束计算机断层扫描CBCT图像数据，所述牙冠网格数据和所述牙齿CBCT图像数据是同一个牙列的两种不同类型的三维数据，所述牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；
配准单元，用于将所述牙冠网格数据与所述牙齿CBCT图像数据进行配准，确定所述牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域；
第一分割单元，用于根据所述牙冠区域将所述牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；
第二分割单元，用于根据支持向量机SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。
借由上述技术方案，本发明提供的图像分割的方法及装置，能够首先获取同一个牙列的牙冠网格数据和牙齿锥形束计算机断层扫描(Cone Beam Computed Tomography，简称CBCT)图像数据，其中牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；然后将牙冠网格数据与牙齿CBCT图像数据进行配准，确定牙齿CBCT图像数据中每颗牙齿对应的牙冠区域；然后根据牙冠区域将牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；最后根据支持向量机(Support Vector Machine，简称SVM)算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。与现有技术相比，本发明能够根据已经分割成清晰准确的单个牙冠形状的牙冠网格数据，对同一牙列的牙齿CBCT图像数据进行配准确定其中的牙冠区域，然后根据牙冠区域对CBCT图像数据分割得到每颗牙齿的初步三维区域，然后根据SVM算法分别对每颗牙齿的初步三维区域进一步进行分割得到每颗牙齿的最终三维形状。在从牙齿的CBCT图像数据得到每颗牙齿的最终三维形状的过程中不需要人工的操作，因此大大提高了CBCT图像数据分割的效率。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种图像分割的方法流程图；
图2示出了本发明实施例提供的另一种图像分割的方法流程图；
图3示出了本发明实施例提供的一种图像分割的装置的组成框图；
图4示出了本发明实施例提供的另一种图像分割的装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为解决现有牙齿CBCT图像分割方法效率低的问题，本发明实施例提供了一种图像分割的方法，如图1所示，该方法包括：
101、获取牙冠网格数据和牙齿CBCT图像数据。
首先，获取由口内扫描得到的牙列网格数据，将牙列网格数据通过牙齿网格分割算法进行分割，得到牙冠网格数据，本实施例中的牙冠网格数据为分割成清晰准确的单个牙冠形状的数据。
其次，获取牙齿的CBCT图像数据，是由CBCT扫描得到的图像数据，获取到的CBCT图像数据中牙齿部分的边界不清晰。
102、将牙冠网格数据与牙齿CBCT图像数据进行配准，确定牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域。
由于CBCT扫描得到的图像数据中牙齿部分的边界不清晰，因此在与牙冠网格数据进行配准之前需要首先通过对由步骤101得到的CBCT图像数据进行预处理，最终确定较为清晰的整体的牙齿边界，并将其提取出来作为牙齿点云数据。另外，牙冠网格数据和牙齿点云数据均为三维数据，而且是同属一个牙列的三维数据。本实施例中将牙冠网格数据与牙齿CBCT图像数据进行配准，即将由步骤101获取到的牙冠网格数据与牙齿点云数据进行配准，由于这两种数据都是通过一个牙列得到的，并且牙冠网格数据为清晰准确的单个牙冠形状的数据，因此可以通过将已知的清晰准确的单个牙冠形状与牙齿点云数据进行配准，确定牙齿点云数据中的每颗牙齿对应的牙冠区域。
另外，上述对CBCT图像数据进行预处理过程可以为：首先计算CBCT直接扫描得到的图像的梯度和基于密度的聚类，得到图像中牙齿的位置和形状，然后再对得到的牙齿形状进行去噪处理，最终得到牙齿点云数据。需要说明的是牙齿点云数据中包含的每颗牙齿均包含牙根和牙冠，并且牙齿点云数据中不能清楚的区分出每颗牙齿的边界。
103、根据牙冠区域将牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域。
由步骤102可知，根据牙冠区域将牙齿CBCT图像进行分割实质是根据牙冠区域对牙齿点云数据进行分割。具体的根据确定的每颗牙齿对应的牙冠区域对牙齿点云数据进行分割，具体的分割过程为：分别找出牙齿点云数据中每颗牙齿对应的牙冠区域的中心点；对牙齿点云数据中所有上颌牙齿对应的牙冠区域的中心点进行拟合，得到一条曲线，同样对所有下颌牙齿对应的牙冠区域的中心点进行拟合得到另外一条曲线；对于每个牙冠区域与对应的曲线都有两个交点，然后以过每个交点并与对应牙冠区域决定的平面相垂直的平面为分割面，将牙齿点云数据进行分割，其中牙冠区域决定的平面是由每个牙冠区域对应的两个交点和牙冠区域对应的曲线决定的平面，分割时对牙齿点云数据按照上下颌两部分分别进行分割；最终得到多个点云数据区域，每个区域中包含一颗牙齿，将得到的每个点云数据区域作为对应每颗牙齿的初步三维区域。
104、根据SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。
由步骤103得到的每颗牙齿的初步三维区域是包含每颗牙齿的一个较大范围的牙齿三维区域，因此还需要将初步三维区域进一步进行分割，将其中不属于牙齿的数据点分割出去。由于SVM算法是基于统计学习理论和结构风险最小原理基础上一种分类算法，因此本实施例利用SVM算法将每颗牙齿的初步三维区域中的数据点分类为属于牙齿的数据点和不属于牙齿的数据点，最终将属于牙齿的数据分割出来得到对应每颗牙齿的最终三维形状。
本实施例提供的图像分割的方法，能够首先获取同一个牙列的牙冠网格数据和牙齿CBCT图像数据，其中牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；然后将牙冠网格数据与牙齿CBCT图像数据进行配准，确定牙齿CBCT图像数据中每颗牙齿对应的牙冠区域；然后根据牙齿区域将牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；最后根据SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。与现有技术相比，本实施例能够根据已经分割成清晰准确的单个牙冠形状的牙冠网格数据，对同一牙列的牙齿CBCT图像数据进行配准确定其中的牙冠区域，然后根据牙冠区域对CBCT图像数据分割得到每颗牙齿的初步三维区域，然后根据SVM算法分别对每颗牙齿的初步三维图像图像进一步进行分割得到每颗牙齿的最终三维形状。在从牙齿的CBCT点云数据得到每颗牙齿的最终三维形状的过程中不需要人工的操作，因此大大提高了CBCT图像数据分割的效率。
进一步的，作为对图1所示实施例的细化及扩展，本发明还提供了另一实施例。如图2所示，该实施例中图像分割的方法包括：
201、获取牙冠网格数据和牙齿CBCT图像数据。
本步骤的实现方式与图1步骤101的实现方式相同，此处不再赘述。
202、根据主成分分析法将牙冠网格数据与牙齿CBCT图像数据进行粗配准。
与图1步骤102相同，本步骤中根据主成分分析法将牙冠网格数据与牙齿CBCT图像数据进行粗配准，即根据主成分分析法将牙冠网格数据与牙齿点云数据进行粗配准。具体的：首先用主成分分析方法计算出牙冠网格数据与牙齿点云数据的三个主方向；然后基于牙冠网格数据与牙齿点云数据的中心点和三个主方向，计算得到变换矩阵；然后将牙冠网格数据通过该变换矩阵与牙齿点云数据进行配准，得到一个粗配准后的结果。
203、以粗配准的结果为初始状态，根据正态分布变换(Normal DistributionTransform，简称NDT)算法对牙冠网格数据与牙齿CBCT图像数据进行精确配准。
将粗配准得到的结果为初始状态，对牙冠网格数据与牙齿CBCT图像数据进行进一步的精确配准，即对牙冠网格数据与牙齿点云数据进行进一步的精确配准，具体的是使用NDT算法进行配准。NDT算法是一种配准精度高、运算速度快的点云配准算法，因此通过NDT算法可以实现牙冠网格数据与牙齿点云数据的精确配准，从而确定牙齿点云数据中每颗牙齿的牙冠区域，即确定牙齿CBCT图像数据中每颗牙齿的牙冠区域。
204、根据牙冠区域将牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域。
本步骤的实现方式与图1步骤103的实现方式相同，此处不再赘述。
205、建立SVM模型。
本实施例中，SVM模型是根据Libsvm库训练得到的牙齿形状识别模型。具体的根据牙齿根部的分叉情况，分别对磨牙和非磨牙两种类型的牙齿分别建立SVM模型。以建立磨牙的SVM模型为例进行具体说明：首先设定SVM模型中的特征包括偏移量、梯度值、像素值、HoG特征，然后根据Libsvm库和设定的特征训练得到一个SVM模型；然后在设定另外一个SVM模型中的特征包括偏移量、梯度值、像素值、HoG特征、连通性特征和形状，然后根据Libsvm库和设定的特征训练得到另外一个SVM模型。非磨牙的SVM模型与磨牙的SVM模型建立过程相同，此处不再赘述。另外，在建立SVM模型的过程中，通过使用中央处理器(CentralProcessing Unit，简称CPU)与图像处理器(Graphic Processing Unit，简称GPU)结合的方式训练牙齿形状数据，具体的实现CPU与GPU结合的方式是使用统一计算设备架构(ComputeUnified Device Architecture，简称CUDA)技术，使用CUDA技术比通常的使用CPU的方式在处理大量的数据时速度更快。
206、根据SVM模型从每颗牙齿的初步三维区域中分割出对应牙齿的最终三维形状。
根据步骤205中建立磨牙或者非磨牙的SVM模型的过程中得到的第一个SVM模型，对对应的每颗牙齿的初步三维区域进行分割，可以将初步三维区域中置信度高于预设阈值的数据点分割出来，其中置信度反应的是能够作为对应每颗牙齿的最终三维形状的数据点的可靠度。然后根据得到的第二个SVM模型对由第一SVM模型得到的分割结果进行进一步的分割，得到对应每颗牙齿的最终三维形状。
207、通过能量优化函数对每颗牙齿的最终三维形状进行优化，得到更加平滑和连续的牙齿三维形状。
为了保证由步骤206得到的每颗牙齿的三维形状的连续性和平滑性，对每颗牙齿的最终三维形状通过能量优化函数进行优化。本实施例中构造的能量优化函数如下所示：
E＝αEsth+βEcon+γEedge+δEch
其中：
上述公式中，Esth是平滑项，用于使最终三维形状中数据点趋于平滑；Econ是连续项，用于保持最终三维形状中数据点的连续性；Eedge是边界能量，用于使最终三维形状中的边界数据点不断向梯度值大的地方移动，Ech是变化的能量，用于控制最终三维形状中的顶点的变化能量不能过大；v(i)表示优化后最终三维形状中的顶点坐标，v’(i)表示优化后的顶点坐标对应的一阶导数，v”(i)表示优化后的顶点坐标对应的二阶导数，M为每个最终三维立体形状中总共的顶点个数，Ni为优化后的顶点的一阶邻域，▽I(x,y,z)表示优化后最终三维形状中数据点的梯度值，v0(i)表示优化前顶点坐标，i取值范围为[1,M]。
通过对上述能量函数求最小值，来实现对对应每颗牙齿的最终三维形状进行优化，最终得到对应每颗牙齿的更加平滑和连续的三维形状。
进一步的，作为对上述图1和图2所示方法的实现，本发明实施例另一实施例还提供了一种图像分割的装置，用于对上述图1和图2所示的方法进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图3所示，该装置包括：获取单元31、配准单元32、第一分割单元33及第二分割单元34。
获取单元31，用于获取牙冠网格数据和牙齿锥形束计算机断层扫描CBCT图像数据，牙冠网格数据和牙齿CBCT图像数据是同一个牙列的两种不同类型的三维数据，牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；
配准单元32，用于将牙冠网格数据与牙齿CBCT图像数据进行配准，确定牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域；
第一分割单元33，用于根据牙冠区域将牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；
第二分割单元34，用于根据支持向量机SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。
进一步的，如图4所示，配准单元32，包括：
第一配准模块321，用于根据主成分分析法将牙冠网格数据与牙齿CBCT图像数据进行粗配准；
第二配准模块322，用于以粗配准的结果为初始状态，根据正态分布变换NDT算法对牙冠网格数据与牙齿CBCT图像数据进行精确配准。
进一步的，如图4所示，第二分割单元34，包括：
建立模块341，用于建立SVM模型，SVM模型是根据Libsvm库训练得到的牙齿形状识别模型；
分割模块342，用于根据SVM模型从每颗牙齿的初步三维区域中分割出对应牙齿的最终三维形状。
进一步的，建立模块341用于：
通过使用中央处理器CPU与图像处理器GPU结合的方式训练牙齿形状数据，得到SVM模型。
进一步的，如图4所示，装置进一步包括：
优化单元35，用于通过能量优化函数对每颗牙齿的最终三维形状进行优化，得到更加平滑和连续的牙齿三维形状。
本实施例提供的图像分割的装置，能够首先获取同一个牙列的牙冠网格数据和牙齿CBCT图像数据，其中牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；然后将牙冠网格数据与牙齿CBCT图像数据进行配准，确定牙齿CBCT图像数据中每颗牙齿对应的牙冠区域；然后根据牙冠区域将牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；最后根据SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。与现有技术相比，本实施例能够根据已经分割成清晰准确的单个牙冠形状的牙齿网格数据，对同一牙列的牙齿CBCT图像数据进行配准确定其中的牙冠区域，然后根据牙冠区域对CBCT图像数据分割得到每颗牙齿的初步三维区域，然后根据SVM算法分别对每颗牙齿的初步三维区域进一步进行分割得到每颗牙齿的最终三维形状。在从牙齿的CBCT图像数据得到每颗牙齿的最终三维形状的过程中不需要人工的操作，因此大大提高了CBCT图像数据分割的效率。
所述图像分割装置包括处理器和存储器，上述获取单元31、配准单元32、第一分割单元33及第二分割单元34等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取牙冠网格数据和牙齿锥形束计算机断层扫描CBCT图像数据，所述牙冠网格数据和所述牙齿CBCT图像数据是同一个牙列的两种不同类型的三维数据，所述牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；将所述牙冠网格数据与所述牙齿CBCT图像数据进行配准，确定所述牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域；根据所述牙冠区域将所述牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；根据支持向量机SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (6)

1.一种图像分割的方法，其特征在于，所述方法包括：
获取牙冠网格数据和牙齿锥形束计算机断层扫描CBCT图像数据，所述牙冠网格数据和所述牙齿CBCT图像数据是同一个牙列的两种不同类型的三维数据，所述牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；
将所述牙冠网格数据与所述牙齿CBCT图像数据进行配准，确定所述牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域，具体为，根据主成分分析法将所述牙冠网格数据与所述牙齿CBCT图像数据进行粗配准；
以粗配准的结果为初始状态，根据正态分布变换NDT算法对所述牙冠网格数据与所述牙齿CBCT图像数据进行精确配准；
根据所述牙冠区域将所述牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；
根据支持向量机SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状，具体为，建立SVM模型，所述SVM模型是根据Libsvm库训练得到的牙齿形状识别模型；
根据所述SVM模型从每颗牙齿的初步三维区域中分割出对应牙齿的最终三维形状。
2.根据权利要求1所述的方法，其特征在于，所述建立SVM模型，包括：
通过使用中央处理器CPU与图像处理器GPU结合的方式训练牙齿形状数据，得到SVM模型。
3.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
通过能量优化函数对每颗牙齿的最终三维形状进行优化，得到更加平滑和连续的牙齿三维形状。
4.一种图像分割的装置，其特征在于，所述装置包括：
获取单元，用于获取牙冠网格数据和牙齿锥形束计算机断层扫描CBCT图像数据，所述牙冠网格数据和所述牙齿CBCT图像数据是同一个牙列的两种不同类型的三维数据，所述牙冠网格数据为分割成清晰准确的单个牙冠形状的数据；
配准单元，用于将所述牙冠网格数据与所述牙齿CBCT图像数据进行配准，确定所述牙齿CBCT图像数据中的每颗牙齿对应的牙冠区域，所述配准单元包括：
第一配准模块，用于根据主成分分析法将所述牙冠网格数据与所述牙齿CBCT图像数据进行粗配准；
第二配准模块，用于以粗配准的结果为初始状态，根据正态分布变换NDT算法对所述牙冠网格数据与所述牙齿CBCT图像数据进行精确配准；
第一分割单元，用于根据所述牙冠区域将所述牙齿CBCT图像数据进行分割，得到每颗牙齿的初步三维区域；
第二分割单元，用于根据支持向量机SVM算法对对应每颗牙齿的初步三维区域进行分割得到每颗牙齿的最终三维形状，所述第二分割单元包括：
建立模块，用于建立SVM模型，所述SVM模型是根据Libsvm库训练得到的牙齿形状识别模型；
分割模块，用于根据所述SVM模型从每颗牙齿的初步三维区域中分割出对应牙齿的最终三维形状。
5.根据权利要求4所述的装置，其特征在于，所述建立模块用于：
通过使用中央处理器CPU与图像处理器GPU结合的方式训练牙齿形状数据，得到SVM模型。
6.根据权利要求4所述的装置，其特征在于，所述装置进一步包括：
优化单元，用于通过能量优化函数对每颗牙齿的最终三维形状进行优化，得到更加平滑和连续的牙齿三维形状。
CN201610074605.4A 2016-02-02 2016-02-02 图像分割的方法及装置 Active CN105761252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610074605.4A CN105761252B (zh) 2016-02-02 2016-02-02 图像分割的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610074605.4A CN105761252B (zh) 2016-02-02 2016-02-02 图像分割的方法及装置

Publications (2)

Publication Number Publication Date
CN105761252A CN105761252A (zh) 2016-07-13
CN105761252B true CN105761252B (zh) 2017-03-29

Family

ID=56329650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610074605.4A Active CN105761252B (zh) 2016-02-02 2016-02-02 图像分割的方法及装置

Country Status (1)

Country Link
CN (1) CN105761252B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106344183B (zh) * 2016-08-30 2018-11-20 苏州速迈医疗设备有限公司 一种用于牙齿根管微创治疗的装置
CN108205806B (zh) * 2016-12-20 2020-10-09 北京大学 一种锥束ct图像三维颅面结构的自动解析方法
CN107146232B (zh) * 2017-05-11 2020-05-05 重庆市劢齐医疗科技有限责任公司 口腔cbct图像与激光扫描牙齿网格的数据融合方法
CN108335318A (zh) * 2018-03-26 2018-07-27 北京正齐口腔医疗技术有限公司 牙冠和牙根融合的方法及装置
CN108648283B (zh) * 2018-04-02 2022-07-05 北京正齐口腔医疗技术有限公司 牙齿分割方法及装置
CN108629839A (zh) * 2018-05-09 2018-10-09 西安增材制造国家研究院有限公司 利用牙齿咬合状态下的口腔ct图像获取全牙模型的方法
CN109584147B (zh) * 2018-11-27 2023-06-30 东莞信大融合创新研究院 一种基于锥形束ct的牙科全景图生成方法
EP3673864A1 (en) * 2018-12-28 2020-07-01 Trophy Tooth segmentation using tooth registration
WO2020133180A1 (zh) * 2018-12-28 2020-07-02 上海牙典软件科技有限公司 一种基于人工智能的正畸方法及装置
CN109767396B (zh) * 2019-01-04 2021-04-02 北京朗视仪器有限公司 一种基于图像动态分割的口腔cbct图像去噪方法
TWI712396B (zh) * 2020-01-16 2020-12-11 中國醫藥大學 口腔缺陷模型之修補方法及口腔缺陷模型之修補系統
CN112308867B (zh) * 2020-11-10 2022-07-22 上海商汤智能科技有限公司 牙齿图像的处理方法及装置、电子设备和存储介质
CN113397585B (zh) * 2021-07-27 2022-08-05 朱涛 基于口腔cbct和口扫数据的牙体模型生成方法及系统
CN113506302B (zh) * 2021-07-27 2023-12-12 四川九洲电器集团有限责任公司 一种交互式对象更新方法、装置及处理系统
CN114299127B (zh) * 2022-01-05 2022-07-15 北京瑞医博科技有限公司 口腔图像的配准方法、装置、电子设备及计算机存储介质
CN115619773B (zh) * 2022-11-21 2023-03-21 山东大学 一种三维牙齿多模态数据配准方法及系统
CN117942179B (zh) * 2024-03-21 2024-05-28 沈阳市口腔医院 一种基于ai技术的数字化正畸扩弓器设计方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100480781B1 (ko) * 2002-12-28 2005-04-06 삼성전자주식회사 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치
US20100105010A1 (en) * 2008-10-29 2010-04-29 James Mah Methods and systems for producing demonstration and therapeutic models of dentition
CN101706971A (zh) * 2009-11-27 2010-05-12 西安科技大学 一种牙齿模型中牙冠的自动分割方法

Also Published As

Publication number Publication date
CN105761252A (zh) 2016-07-13

Similar Documents

Publication Publication Date Title
CN105761252B (zh) 图像分割的方法及装置
KR102154470B1 (ko) 다중 특징 검색 및 변형에 기반한 3차원 인체 헤어스타일 생성 방법
US9317970B2 (en) Coupled reconstruction of hair and skin
US8929635B2 (en) Method and system for tooth segmentation in dental images
CN104134234B (zh) 一种全自动的基于单幅图像的三维场景构建方法
CN101819679B (zh) 三维医学图像分割方法
CN109903396A (zh) 一种基于曲面参数化的牙齿三维模型自动分割方法
US20130022251A1 (en) Method and system for tooth segmentation in dental images
EP4096569A1 (en) Teeth segmentation using neural networks
WO2022213654A1 (zh) 一种超声图像的分割方法、装置、终端设备和存储介质
CN108648283B (zh) 牙齿分割方法及装置
CN105488849B (zh) 一种基于混合水平集的三维牙齿建模方法
CN115205469A (zh) 基于cbct的牙齿与牙槽骨重建方法、设备及介质
CN110544300B (zh) 一种基于二维手绘图像特征自动生成三维模型的方法
CN102254317A (zh) 牙种植导航中牙弓曲面的自动提取方法
CN111709929A (zh) 一种肺部癌变区域分割与分类检测系统
CN116052094B (zh) 一种船舶检测方法、系统及计算机存储介质
CN115861409B (zh) 大豆叶面积测算方法、系统、计算机设备及存储介质
CN108280833B (zh) 一种植物根系分叉特征的骨架提取方法
CN109741265A (zh) 一种基于特征选择的脊柱ct图像双边滤波去噪方法
CN115797293A (zh) 一种基于磁共振成像的脑影像基准点自动化标注方法
CN114549540A (zh) 一种口扫牙齿数据与cbct数据自动融合的方法及其应用
WO2022212534A1 (en) Automatic cleanup of jaw scans
CN116824141A (zh) 一种基于深度学习的牲畜图像实例分割方法及装置
EP2734147B1 (en) Method for segmentation of dental images

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