CN106373138B - 用于提取牙弓曲线的图像处理方法和装置 - Google Patents
用于提取牙弓曲线的图像处理方法和装置 Download PDFInfo
- Publication number
- CN106373138B CN106373138B CN201610786248.4A CN201610786248A CN106373138B CN 106373138 B CN106373138 B CN 106373138B CN 201610786248 A CN201610786248 A CN 201610786248A CN 106373138 B CN106373138 B CN 106373138B
- Authority
- CN
- China
- Prior art keywords
- image
- dental arch
- curve
- dimensional
- head
- 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
Links
Classifications
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种用于提取牙弓曲线的图像处理方法和装置。该方法包括:根据第一CT图像确定第二CT图像,其中,第一CT图像为头部的正面二维CT图像,第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图;在第二CT图像中提取牙弓曲线。通过本发明,解决了相关技术中不能自动地提取牙弓曲线的问题。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种用于提取牙弓曲线的图像处理方法和装置。
背景技术
电子计算机断层扫描(Computed Tomography,简称CT)是利用精确准直的X线束与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断层扫描的技术,扫描图像清晰,可用于多种疾病的检查,根据扫描所采用的射线不同可分为:X射线CT(简称X-CT)以及Y射线CT(简称Y-CT)。利用CT设备可以对人体的头部进行扫描,得到一系列清晰的CT图像,以便医生利用CT图像进行信息读取,疾病诊断,模拟手术等处理,如何准确地获取CT图像序列中牙齿部位的牙弓曲线,是医生对口腔问题进行分析和诊断的重要前提。传统的牙弓提取方法需要专家在图片上手工绘制以仿真出与牙齿弓形协调一致的牙弓曲线,然而这种方法存在时间和效率方面的问题,尤其是在牙齿序列图像中图像较多的情况下,效率问题尤为突出。
为了观察和了解牙齿的结构信息,通常采用CT设备对人体的牙齿部位进行扫描,医生根据扫描的图像进行牙齿信息分析,以便于对牙齿进行诊断,模拟手术等操作,例如,在模拟牙种植手术中需要处理CT机扫描图象来分析患者牙齿缺损位置、骨密度,进行临床诊断和手术设计。而牙弓曲线的提取则是其中最基础和重要的步骤。传统的牙弓曲线提取是靠医生手绘的方法来完成,随着计算机的迅速发展,已经有学者提出牙弓曲线的自动提取方法。
第一种方法需要对特殊的牙弓图片进行处理,不能在一般的牙弓CT序列图像中提取出牙弓曲线。第二种方法依赖于算法中自定义的牙弓曲线的曲率角度,如果牙弓曲线曲率不同则并不适用。第三种方法利用形态学膨胀细化的方法提取牙弓曲线,然而这种方法在牙齿间存在缝隙或者有牙齿缺失的情况下并不能成功提取。
上述三种方法均是基于二维图像的提取方法,在使用中具有局限性。第一种方法在提取牙弓曲线时,由于算法本身的原因导致很多时候提取的曲线并不准确;人的牙齿的曲率角度是各不相同的,并且在CT扫描时存在角度偏转,由于第二种方法需要以预先设定的曲率进行提取,严重影响了牙弓曲线提取的准确性;人的牙齿缺失和在牙齿中存在缝隙也是很常见的,而第三种方法在牙齿间存在缝隙的情况下不能准确地提取。
此外,通过CT扫描出人体牙齿部位的图像是一系列的CT图像序列,上面技术都没有提出怎样从CT图像列中定位出牙弓所在的二维图像,只是处理已经筛选出的带有牙弓的图像,这样就使得,在处理之前需要人为的选择需要处理的牙弓的图像,在计算机自动处理过程中是不适用的。
针对相关技术中不能自动地提取牙弓曲线的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种用于提取牙弓曲线的图像处理方法和装置,以解决相关技术中不能自动地提取牙弓曲线的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种用于提取牙弓曲线的图像处理方法。该方法包括:根据第一CT图像确定第二CT图像,其中,第一CT图像为头部的正面二维CT图像,第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图;在第二CT图像中提取牙弓曲线。
进一步地,根据第一CT图像确定第二CT图像包括:在第一CT图像中定位牙弓位置;根据牙弓位置确定第二CT图像的切片编号;根据切片编号在头部的三维CT图像序列中查询第二CT图像。
进一步地,在第一CT图像中定位牙弓位置包括:对头部的三维CT图像序列中的每张CT图像执行计数处理,其中,计数处理用于对像素值高于预设像素阈值的个数进行计数;根据计数处理的结果在第一CT图像中确定牙弓位置。
进一步地,根据计数处理的结果在第一CT图像中确定牙弓位置包括:确定计数结果最大的CT图像在第一CT图像中所在的行数为目标行数,根据牙弓位置确定第二CT图像的切片编号包括:根据目标行数确定第二CT图像的切片编号。
进一步地,在目标区域中提取牙弓曲线包括:通过连通区域标记算法在目标区域中滤除噪音区域;对滤除噪音区域后的第二CT图像执行形态学闭运算;对执行形态学闭运算后的第二CT图像执行形态学细化,得到牙弓粗定位曲线;根据牙弓粗定位曲线确定牙弓曲线。
进一步地,根据牙弓粗定位曲线确定牙弓曲线包括:通过曲线拟合方法对牙弓粗定位曲线进行拟合,得到牙弓拟合曲线;对牙弓拟合曲线进行修正,得到牙弓曲线,其中,在得到牙弓曲线之后,方法还包括:在第二CT图像中标记牙弓曲线点集,其中,牙弓曲线点集为用于表示牙弓曲线的多个点的集合。
为了实现上述目的,根据本发明的一个方面,提供了一种用于提取牙弓曲线的图像处理装置。该装置包括:确定单元,用于根据第一CT图像确定第二CT图像,其中,第一CT图像为头部的正面二维CT图像,第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图;提取单元,用于在第二CT图像中提取牙弓曲线。
进一步地,确定单元包括:定位模块,用于在第一CT图像中定位牙弓位置;确定模块,用于根据牙弓位置确定第二CT图像的切片编号;查询模块,用于根据切片编号在头部的三维CT图像序列中查询第二CT图像。
进一步地,定位模块包括:计数子模块,用于对第一CT图像的每行像素执行计数处理,其中,计数处理用于对像素值高于预设像素阈值的个数进行计数;确定子模块,用于根据计数处理的结果确定牙弓位置。
本发明通过根据第一CT图像确定第二CT图像,其中,第一CT图像为头部的正面二维CT图像,第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图;在第二CT图像中提取牙弓曲线,解决了相关技术中不能自动地提取牙弓曲线的问题,进而达到了自动提取牙弓曲线的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的用于提取牙弓曲线的图像处理方法的流程图;
图2是根据本发明实施例的对三维CT图像序列中每个CT图像进行计数处理的示意图;
图3是根据本发明实施例的对三维CT图像序列中每个CT图像进行计数处理的结果的示意图;
图4是根据本发明实施例的拟合牙弓曲线的粗定位曲线的示意图;
图5是根据本发明实施例的对拟合牙弓曲线的粗定位曲线进行修正的示意图;
图6是根据本发明实施例的根据修正后的牙弓曲线确定牙弓曲线点集的示意图;
图7是根据本发明实施例的用于提取牙弓曲线的图像处理装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明的实施例提供了一种用于提取牙弓曲线的图像处理方法。
图1是根据本发明实施例的用于提取牙弓曲线的图像处理方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,根据第一CT图像确定第二CT图像。
第一CT图像为头部的正面二维CT图像,是从面部前方对头部进行扫描得到的二维CT图像或从脑后方对头部进行扫描得到的二维CT图像。CT图像是一个灰度图像,在CT图像中牙齿的部位通常为高亮的,像素值较高。
第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图。头部的三维CT图像序列是在头部的纵向上不同位置的横切面的CT图像的序列集合。在头部的三维CT图像序列中,只有在含有牙齿部位的横切面CT图像中可能含有牙弓部位,根据第一CT图像确定第二CT图像也即根据头部的正面二维CT图像在头部的三维CT图像序列中确定出含有牙弓部位的切片图。
由于第一CT图像中可以较方便的利用牙齿的像素值较高的特点确定牙齿部位在纵向上的位置,因此,可以根据确定出的牙齿部位在头部纵向上的位置在头部的三维CT图像序列中确定对应的切片图作为第二CT图像。
或者,统计三维CT图像序列中的每个切片图中像素值高于预设像素阈值的像素个数,根据统计结果确定出像素个数最多的行数,根据行数在三维CT图像序列中查找对应的切片图作为第二CT图像。
步骤S102,在第二CT图像中提取牙弓曲线。
在根据第一CT图像确定第二CT图像之后,在第二CT图像中提取牙弓曲线。第二CT图像为头部横切面的CT图像,含有牙弓部位的图像,可以采用通用的图像处理算法在第二CT图像中提取牙弓曲线。
该实施例提供的用于提取牙弓曲线的图像处理方法,通过根据第一CT图像确定第二CT图像,其中,第一CT图像为头部的正面二维CT图像,第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图;在第二CT图像中提取牙弓曲线,解决了相关技术中不能自动地提取牙弓曲线的问题,进而达到了自动提取牙弓曲线的效果。
优选地,根据第一CT图像确定第二CT图像包括:在第一CT图像中定位牙弓位置;根据牙弓位置确定第二CT图像的切片编号;根据切片编号在头部的三维CT图像序列中查询第二CT图像。
优选地,在第一CT图像中定位牙弓位置包括:对头部的三维CT图像序列中的每张CT图像执行计数处理,其中,计数处理用于对像素值高于预设像素阈值的个数进行计数;根据计数处理的结果在第一CT图像中确定牙弓位置。
优选地,根据计数处理的结果在第一CT图像中确定牙弓位置包括:确定计数结果最大的CT图像在第一CT图像中所在的行数为目标行数,根据牙弓位置确定第二CT图像的切片编号包括:根据目标行数确定第二CT图像的切片编号。
优选地,在第二CT图像中提取牙弓曲线包括:通过局部熵算法在第二CT图像中分离目标区域与背景区域;在目标区域中提取牙弓曲线。
优选地,在目标区域中提取牙弓曲线包括:通过连通区域标记算法在目标区域中滤除噪音区域;对滤除噪音区域后的第二CT图像执行形态学闭运算;对执行形态学闭运算后的第二CT图像执行形态学细化,得到牙弓粗定位曲线;根据牙弓粗定位曲线确定牙弓曲线。
优选地,根据牙弓粗定位曲线确定牙弓曲线包括:通过曲线拟合方法对牙弓粗定位曲线进行拟合,得到牙弓拟合曲线;对牙弓拟合曲线进行修正,得到牙弓曲线,其中,在得到牙弓曲线之后,方法还包括:在第二CT图像中标记牙弓曲线点集,其中,牙弓曲线点集为用于表示牙弓曲线的多个点的集合。
对上述实施例的一个具体实施方式进行描述如下:
步骤一,根据第一CT图像确定第二CT图像。
第一CT图像为头部的正面二维CT图像,第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图。
第一CT图像所在的平面为图2中所示的平面xoz,三维CT图像序列在程序中是以三维矩阵形式存储,三维CT图像序列的排列方式在图2中所示的z轴上,也即,头部的纵向上,有多个切片CT图像。根据头部的三维CT图像序列可以确定第一CT图像,具体地,可以将头部的三维CT图像序列投影到平面xoz上,得到第一CT图像。
图2中示出了部分切片CT图像在z轴上所对应的位置,包括切片i~切片i+6,第二CT图像所在的平面为包含x轴且垂直于平面xoz的平面,我们要做的就是找出牙弓所在的切片CT图像对应的切片号,也即z轴的值。
在CT图像中,牙齿部位与其他部位像素值有明显不同,牙齿部位在头颅的CT图像中像素值一般比较大,具体表现为比其它部位的CT值(也即,Hounsfield值)要高的多,尤其是牙弓位置的切片CT图像中的高像素值更多,
根据该特点在CT图像序列中确定第二CT图像。
首先,将头部的三维CT图像序列的目标参数投影到平面xoz上,目标参数为该切片上对应的图像中每列图像像素值高于预设像素阈值T的像素个数,根据经验,T取值一般为2000,这样在平面xoz上就得到一系列的像素点大于2000的像素个数投影矩阵,如图2所示。
然后,将像素个数投影到z轴上,此时可以得到每个切片图像中像素值高于预设像素阈值T的像素个数的总和,如图3所示。根据投影在Z轴上的像素个数,选出像素个数最多的值所对应的Z值即为牙弓图像所在的切片CT图像的切片号。根据切片号,确定出第二CT图像对牙弓曲线进行提取。
步骤二,在第二CT图像中提取牙弓曲线。
在确定出第二CT图像之后,选取适当的图像处理算法,进行牙弓曲线的提取,并根据提取的牙弓曲线选取适当的点集。
提取过程描述如下:
1)去噪。CT扫描出的图像都会带有一定的噪音,运用图像处理中的中值滤波技术去除噪音。
2)分割。分离出图像的背景和目标。根据熵阈值分割算法的优越性,我们采用局部熵阈值分割算法对CT图像进行二值化处理,可以很好的分离出背景和目标。
局部熵阈值原理为:设f(x,y)为图像中点(x,y)处灰度值,显然f(x,y)>0,对于一副M×N大小的图像,定义Hf为该图像的熵,即:
式中为灰度分布。
如果M×N是图像的局部窗口,则称Hf为图像的局部熵。
局部熵反应了图像灰度的离散程度。在局部熵最大的地方,图像灰度相对较均匀,局部熵小的地方,图像灰度离散性较大,通常情况下窗内像素值差异大的位置是目标和背景的边缘,所以根据局部熵可以把灰度相对均匀的目标分割出来。因为局部熵是窗口内多像素点共同的贡献,对于单点的噪声不敏感,所以局部熵本身也有一种滤波的效果。
由局部熵公式定义中取对数运算量比较大,运行速度慢。由定义知0<pij<<1,因此可用泰勒展开舍去高次幂,或者等价无穷小,得到计算熵的近似公式如下:
由上式计算图像的局部熵值,确定图像最大局部熵位置,由最大局部熵位置开始计算图像的局部熵与已分割的局部熵的相似性,根据相似性确定分割区域。当分割结束,即可得到第二CT图像的二值目标图像。
3)第一次连通区域滤波。分离出的背景会有很多的噪音影响,此时我们采用连通区域标记法来去除不需要的区域。对二值化图像采用连通区域标记,相同连通分支的像素标注相同像素值,形成一系列的连通集,选取阈值T=100,其中,T的选取是根据程序运行结果经验性确定的,小于阈值T的连通集滤去。
4)对连通滤波之后的图像进行形态学闭运算。闭运算可以填补目标区域之间的缝隙,闭运算的具体操作为先执行膨胀操作,再执行腐蚀操作。
膨胀操作可以增大目标区域,减少目标区域中的洞或者缝隙。形态学膨胀定义为:A和B为连个集合,A被B膨胀则B的反射进行平移与A的交集不为空。放在图像上具体的操作过程如下:
(1)用结构元素B,扫描图像A的每一个像素;
(2)用结构元素与其覆盖的二值图像做“与”操作;
(3)如果都为0,结果图像的该像素为0,否则为1。
然后对形态学膨胀操作得到的图像进行腐蚀。
5)第二次连通区域滤波。对形态学闭运算得到的图像进行第二次连通区域滤波,此时选取的阈值取所有连通区域的像素的平均。第二次连通区域滤波,可以滤去所有的非牙弓区域的连通集。
6)降采样操作。由于CT图像一般都为高清图片,比较大,在图像处理期间花费相当长的时间效率,为了提高时间效率,我们采用降采样。具体降采样过程如下:
M倍降采样就是从输入图像中每隔M个点采集一个点,并丢弃其他样点,得出输出图像。该具体实施例中采用行和列各3倍采样,即从输入图像横向每行隔三个点采集一个点,纵向隔三行采集一行,最终得到降采样图像。利用降采样可以大大缩减处理时间。如果从第一步进行降采样可能会造成前面处理过程中的误差叠加,造成曲线提取的不准确,考虑到处理时间和提取准确性的问题,我们在此进行降采样。
7)填充操作。采用填充操作可以填补目标区域中存在的洞,使目标区域更加完整。
8)形态学细化操作。应用数学形态学细化操作获取粗糙的曲线,然后采集样本点。细化的目的是提取源图像的骨架,即是将原图像中线条宽度大于1个像素的线条细化成只有一个像素宽,形成“骨架”,形成骨架后能比较容易的分析图像。细化基本思想就是“层层剥夺”,即从线条边缘开始一层一层向里剥夺,直到线条剩下一个像素的为止。
9)采用最小二乘算法得出曲线拟合参数方程,采用多元函数求极值法得出最优化参数方程,采用高斯消元法求解矩阵方程得出最优曲线参数。
最小二乘算法思想:任何光滑的曲线都可以通过多项式的形式逼近,用多项式来拟合曲线的方程,该具体实施例中采用四次多项式拟合。
曲线拟合的具体过程如下:
首先假设曲线的多项式逼近方程为:
y=a0+a1x+a2x2+a3x3+a4x4
设我们根据步骤9采集了m个样本点,xi,yi(i=1,2,3...m),接下来就是根据这m个样本点求出最优曲线参数a0,a1,a2,a3,a4,将这m个样本点的坐标xi(i=1,2,3..m.分)别代入方程得到相应的曲线方程的值yi'(i=1,2,3...m),得到如下公式:
yi'=a0+a1xi+a2xi 2+a3xi 3+a4xi 4
引入残差平方和函数确定残差H:
使得残差H取得最小值的参数a0,a1,a2,a3,a4即为所求的参数值。
采用多元函数求极值:
通过样本数值的代入可知H是关于a0,a1,a2,a3,a4的函数,将H分别对a0,a1,a2,a3,a4求偏导数并令偏导数等于0得出关于的a0,a1,a2,a3,a4的线性方程组:
把线性方程组化简写成矩阵形式即为其中A为a0,a1,a2,a3,a4的系数矩阵,到此,问题转化为求矩阵方程的解。根据高斯消元法即可求出此矩阵方程的解向量,也即参数a0,a1,a2,a3,a4的值。
高斯消元法:
对系数矩阵A的扩展矩阵进行行运算,将化简为行阶梯形式,然后求出行阶梯的最后一个非零元对应的未知数的值,然后依次反代入,即可求出所有未知数的值,最终得出方程的解。至此,曲线的五个参数即可求出,最优的曲线方程唯一的确定出来如图4所示。
10)对生成的曲线进行曲线修正,得出一条最优的牙弓曲线。修正具体方法如下:对步骤9)所得的样本点求出最小y值坐标点(xk,yk),对曲线上样本点对应的y'i,比较y'i与yk的差,当存在y'i-yk大于某一个阈值T(取为10个像素)时,判定曲线需要修正,此时将y'i-yk大于某一个阈值所对应的点的y'i赋值为yk,用样本点(xi,yi')重新进行曲线拟合即可得到准确的牙弓曲线。如图5所示,虚线框起来的区域为牙弓区域,修正前曲线为拟合曲线,修正后曲线为对拟合曲线进行修正后的牙弓曲线。
11)根据提取的牙弓曲线,采用二分法提取牙弓曲线上每次二分之后离分割线最远的点作为牙弓点进行输出。具体过程如下:
如图6所示,在牙弓曲线选取首尾两点为输出点,连接牙弓曲线首尾两点,得到一条分割线,找出离此分割线最远的点(图中圆圈代表的点)设为(x1,y1)即为输出点,再从首尾两点分别与分割点(x1,y1)进行连接得到两条直线,分别根据寻找(x1,y1)的方法找出对应的输出点(x2,y2),(x3,y3),依次类推,即可确定出所需个数的牙弓曲线点集。
该实施例提供的用于提取牙弓曲线的图像处理方法已经应用,采用临床数据实验证明,该实施例所公开方法能够准确的自动从CT序列图像中定位牙弓区域图像,提取出牙弓曲线并在牙弓区域图像中标记出牙弓曲线点集,该实施例提供的方法不会因为牙齿中存在缝隙而提取不准确,不需要任何的人为参与,对于提取有偏差的曲线实现了自动的曲线修正技术,使得最终提取的曲线结果准确可靠。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明的实施例还提供了一种用于提取牙弓曲线的图像处理装置。需要说明的是,本发明实施例的用于提取牙弓曲线的图像处理装置可以用于执行本发明的用于提取牙弓曲线的图像处理方法。
图7是根据本发明实施例的用于提取牙弓曲线的图像处理装置的示意图。如图7所示,该装置包括确定单元10和提取单元20。
确定单元10用于根据第一CT图像确定第二CT图像。第一CT图像为头部的正面二维CT图像,第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图。
提取单元20用于在第二CT图像中提取牙弓曲线。
该实施例提供的用于提取牙弓曲线的图像处理装置,通过确定单元10根据第一CT图像确定第二CT图像,提取单元20在第二CT图像中提取牙弓曲线,解决了相关技术中不能自动地提取牙弓曲线的问题,进而达到了自动提取牙弓曲线的效果。
优选地,确定单元10包括:定位模块,用于在第一CT图像中定位牙弓位置;确定模块,用于根据牙弓位置确定第二CT图像的切片编号;查询模块,用于根据切片编号在头部的三维CT图像序列中查询第二CT图像。
优选地,定位模块包括:计数子模块,用于对第一CT图像的每行像素执行计数处理,其中,计数处理用于对像素值高于预设像素阈值的个数进行计数;确定子模块,用于根据计数处理的结果确定牙弓位置。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于提取牙弓曲线的图像处理方法,其特征在于,包括:
根据第一CT图像确定第二CT图像,其中,所述第一CT图像为头部的正面二维CT图像,所述第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图;
在所述第二CT图像中提取牙弓曲线;
其中,根据第一CT图像确定第二CT图像包括:在第一CT图像中定位牙弓位置;根据所述牙弓位置确定所述第二CT图像的切片编号;根据所述切片编号在所述头部的三维CT图像序列中查询所述第二CT图像。
2.根据权利要求1所述的方法,其特征在于,在第一CT图像中定位牙弓位置包括:
对所述头部的三维CT图像序列中的每张CT图像执行计数处理,其中,所述计数处理用于对像素值高于预设像素阈值的个数进行计数;
根据所述计数处理的结果在第一CT图像中确定所述牙弓位置。
3.根据权利要求2所述的方法,其特征在于,
根据所述计数处理的结果在第一CT图像中确定所述牙弓位置包括:确定计数结果最大的CT图像在所述第一CT图像中所在的行数为目标行数,
根据所述牙弓位置确定所述第二CT图像的切片编号包括:根据所述目标行数确定所述第二CT图像的切片编号。
4.根据权利要求1所述的方法,其特征在于,在所述第二CT图像中提取牙弓曲线包括:
通过局部熵算法在所述第二CT图像中分离目标区域与背景区域;
在所述目标区域中提取所述牙弓曲线。
5.根据权利要求4所述的方法,其特征在于,在所述目标区域中提取所述牙弓曲线包括:
通过连通区域标记算法在所述目标区域中滤除噪音区域;
对滤除所述噪音区域后的所述第二CT图像执行形态学闭运算;
对执行形态学闭运算后的所述第二CT图像执行形态学细化,得到牙弓粗定位曲线;
根据所述牙弓粗定位曲线确定所述牙弓曲线。
6.根据权利要求5所述的方法,其特征在于,根据所述牙弓粗定位曲线确定所述牙弓曲线包括:
通过曲线拟合方法对所述牙弓粗定位曲线进行拟合,得到牙弓拟合曲线;
对所述牙弓拟合曲线进行修正,得到所述牙弓曲线,
其中,在得到所述牙弓曲线之后,所述方法还包括:
在所述第二CT图像中标记牙弓曲线点集,其中,所述牙弓曲线点集为用于表示所述牙弓曲线的多个点的集合。
7.一种用于提取牙弓曲线的图像处理装置,其特征在于,包括:
确定单元,用于根据第一CT图像确定第二CT图像,其中,所述第一CT图像为头部的正面二维CT图像,所述第二CT图像为头部的三维CT图像序列中含有牙弓部位的切片图;
提取单元,用于在所述第二CT图像中提取牙弓曲线;
其中,所述确定单元包括:定位模块,用于在第一CT图像中定位牙弓位置;确定模块,用于根据所述牙弓位置确定所述第二CT图像的切片编号;查询模块,用于根据所述切片编号在所述头部的三维CT图像序列中查询所述第二CT图像。
8.根据权利要求7所述的装置,其特征在于,所述定位模块包括:
计数子模块,用于对所述第一CT图像的每行像素执行计数处理,其中,所述计数处理用于对像素值高于预设像素阈值的个数进行计数;
确定子模块,用于根据所述计数处理的结果确定所述牙弓位置。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的用于提取牙弓曲线的图像处理方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的用于提取牙弓曲线的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610786248.4A CN106373138B (zh) | 2016-08-30 | 2016-08-30 | 用于提取牙弓曲线的图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610786248.4A CN106373138B (zh) | 2016-08-30 | 2016-08-30 | 用于提取牙弓曲线的图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106373138A CN106373138A (zh) | 2017-02-01 |
CN106373138B true CN106373138B (zh) | 2019-07-02 |
Family
ID=57899615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610786248.4A Active CN106373138B (zh) | 2016-08-30 | 2016-08-30 | 用于提取牙弓曲线的图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106373138B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL3595574T3 (pl) * | 2017-03-17 | 2024-01-03 | Nobel Biocare Services Ag | Automatyczny system i sposób mapowania łuków zębowych |
CN108711177B (zh) * | 2018-05-15 | 2022-04-01 | 南方医科大学口腔医院 | 一种口腔cbct重建后体数据牙弓线快速自动提取方法 |
CN113822839B (zh) * | 2020-06-18 | 2024-01-23 | 飞依诺科技股份有限公司 | 医学图像的处理方法、装置、计算机设备和存储介质 |
CN115601509B (zh) * | 2022-11-11 | 2023-06-09 | 四川大学 | 一种标准化牙槽骨弓形态的提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254317A (zh) * | 2011-03-25 | 2011-11-23 | 苏州迪凯尔医疗科技有限公司 | 牙种植导航中牙弓曲面的自动提取方法 |
CN102609965A (zh) * | 2012-02-13 | 2012-07-25 | 北京朗视仪器有限公司 | 一种牙科cbct生成全景图的数据处理方法 |
CN105608747A (zh) * | 2015-12-17 | 2016-05-25 | 首都师范大学 | 一种从三维牙科锥形束ct数据中提取全景图的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8296952B2 (en) * | 2007-11-01 | 2012-10-30 | Greenberg Surgical Technologies, Llc | Orthodontic treatment aligners based on CT data |
US8325874B2 (en) * | 2009-07-31 | 2012-12-04 | Imaging Sciences International Llc | Panoramic dental imaging using segmentation and a master arch |
US20140120488A1 (en) * | 2012-10-26 | 2014-05-01 | Alex M. Greenberg | Orthodontic Treatment Aligners Based on CT Data |
-
2016
- 2016-08-30 CN CN201610786248.4A patent/CN106373138B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254317A (zh) * | 2011-03-25 | 2011-11-23 | 苏州迪凯尔医疗科技有限公司 | 牙种植导航中牙弓曲面的自动提取方法 |
CN102609965A (zh) * | 2012-02-13 | 2012-07-25 | 北京朗视仪器有限公司 | 一种牙科cbct生成全景图的数据处理方法 |
CN105608747A (zh) * | 2015-12-17 | 2016-05-25 | 首都师范大学 | 一种从三维牙科锥形束ct数据中提取全景图的方法 |
Non-Patent Citations (6)
Title |
---|
An automatic method of synthesizing panoramic radiograph by unwrapping dental CT image;Han Bing et al.;《2011 International Conference on Mechatronic Science, Electric Engineering and Computer》;20110822;第1094-1096页 |
Automated Dental Arch Detection Using Computed Tomography Images;Thitiporn Chanwimaluang et al.;《ICSP 2008 Proceedings》;20081231;第737-739页 |
Automatic Dental Arch Detection and Panoramic Image Synthesis from CT Images;Vera Sa-ing et al.;《35th Annual International Conference of the IEEE EMBS》;20130707;第6099页 |
Automatic Teeth Axes Calculation for Well-Aligned Teeth Using Cost Profile Analysis Along Teeth Center Arch;Gyehyun Kim et al.;《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》;20120430;第59卷(第4期);第1145-1154页 |
患者个性化牙弓自动检测技术研究;王奇峰 等;《生物医学工程学杂志》;20090831;第26卷(第4期);第721-724、730页 |
模拟牙种植手术中牙弓曲线的提取方法;冉鑫 等;《中国图象图形学报》;20030930;第8卷;第809-812页 |
Also Published As
Publication number | Publication date |
---|---|
CN106373138A (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373138B (zh) | 用于提取牙弓曲线的图像处理方法和装置 | |
CN112508965B (zh) | 医学影像中正常器官的轮廓线自动勾画系统 | |
KR101883258B1 (ko) | 해부학적 계측점의 검출 방법 | |
US20190355183A1 (en) | Methods of Reconstructing Skulls | |
EP3111422B1 (en) | System and method for auto-contouring in adaptive radiotherapy | |
EP1881453A2 (en) | A medical image-processing apparatus and a method for processing medical images | |
Ruikar et al. | Segmentation and analysis of CT images for bone fracture detection and labeling | |
CN106470595A (zh) | 利用口内3d扫描图检测牙齿磨损 | |
CN104217418A (zh) | 钙化血管的分割 | |
JP5635980B2 (ja) | 画像処理、特に医療画像を処理するための方法及び装置 | |
CN112037200A (zh) | 一种医学影像中解剖特征自动识别与模型重建方法 | |
CN111161241A (zh) | 一种肝脏图像识别方法、电子设备及存储介质 | |
CN110246580B (zh) | 基于神经网络和随机森林的颅侧面影像分析方法和系统 | |
CN109461188B (zh) | 一种二维x射线头影测量图像解剖特征点自动定位方法 | |
CN107169975B (zh) | 超声图像的分析方法及装置 | |
CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
Lee et al. | Deep learning based cephalometric landmark identification using landmark-dependent multi-scale patches | |
CN111868781A (zh) | 一种按照3d医学图像的几何形状通过多个神经网络经由结构化卷积来自动分割3d医学图像的处理 | |
EP3470008B1 (en) | Method to correct a digital dental model | |
KR102255592B1 (ko) | 마진 라인의 정밀도 향상을 위한 치과용 ct 영상 처리 방법 | |
CN110619621A (zh) | 识别图像中肋骨区域的方法、装置、电子设备和存储介质 | |
CN103518225B (zh) | 心肌聚类与取向 | |
LEITÃO | de Menezes | |
CN114549523A (zh) | 基于单步深度网络的曲面体层图正中多生牙自动检测方法 | |
Pandey et al. | Standardized evaluation of current ultrasound bone segmentation algorithms on multiple datasets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |