CN110555852B - 基于灰度直方图的单牙及其牙髓分割方法 - Google Patents

基于灰度直方图的单牙及其牙髓分割方法 Download PDF

Info

Publication number
CN110555852B
CN110555852B CN201910687719.XA CN201910687719A CN110555852B CN 110555852 B CN110555852 B CN 110555852B CN 201910687719 A CN201910687719 A CN 201910687719A CN 110555852 B CN110555852 B CN 110555852B
Authority
CN
China
Prior art keywords
image
segmentation
tooth
gray
dental pulp
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
CN201910687719.XA
Other languages
English (en)
Other versions
CN110555852A (zh
Inventor
段巍
杨小宇
陈宇飞
张旗
林翔
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN201910687719.XA priority Critical patent/CN110555852B/zh
Publication of CN110555852A publication Critical patent/CN110555852A/zh
Application granted granted Critical
Publication of CN110555852B publication Critical patent/CN110555852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10016—Video; Image sequence
    • G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提出一种基于灰度直方图的单牙及其牙髓分割方法。牙齿的CBCT图像中，不同图层灰度值差异较大，难以通过单一阈值进行三维牙齿、牙髓分割，但在同一图层中，牙齿灰度较周围组织具有显著特征。本发明对每一图层绘制灰度直方图，通过直方图信息，找到其最适合的灰度进行二值分割，获得牙齿边界所形成的闭环区域，并填充闭环区域内的孔洞，即可快速分割牙齿与周围组织。在得到分割完成的单牙后，运用相似方法即可分割出该牙齿的牙髓。以上单颗牙齿CBCT三维图像牙齿及其牙髓分割及建模方法，实现了牙齿与周围组织、牙齿与牙髓的快速分割。

Description

基于灰度直方图的单牙及其牙髓分割方法
技术领域
本发明属于数字口腔图像分割领域，公开了针对单颗牙齿CBCT三维图像的牙齿与牙髓分割方法。
背景技术
牙齿CBCT的分割在临床的研究具有重要意义：已有文献表明在牙髓治疗前了解患牙的解剖形态有利于治疗效果；牙齿的根管形态错综复杂，通过牙齿牙髓形态的分割重建可用于形态学研究。
目前牙齿CBCT分割的难点
由于牙科CBCT放射剂量小，时间短，导致图像噪声干扰多，牙齿本身的成像不均匀，图像灰度不统一，且牙槽骨与牙根的密度接近使得图像中牙齿界限模糊，较难分辨。
发明内容
为了解决背景技术中存在的问题，本发明提出一种单颗牙齿CBCT三维图像牙齿及其牙髓分割及建模方法，实现了牙齿与周围组织、牙齿与牙髓的快速分割。
本发明需要保护的技术方案为：
一种单颗牙齿CBCT图像的牙齿牙髓分割方法，包含以下步骤：
第一部分：单个CBCT牙齿图像的分割算法
步骤1.采集单颗牙齿CBCT三维图像序列，作为原始牙齿CT图像，对待处理的单颗牙齿X光片图像进行预处理；
步骤1.1.采集单颗牙齿CBCT三维图像序列,对于该单颗牙齿CBCT三维图像，以牙冠向上、牙根向下为正方向，读入图像序列，该序列内的每一张图层作为分割算法应用截面；
步骤1.2.将步骤1.1中选择的特定方向的二维图像序列灰度值归一化，调整图像灰度到(0,255)区间，得到的二维图像序列灰度图，用于提供给步骤2，便于后续灰度分析；
步骤2.遍历步骤1.2中得到的预处理后的二维图像序列中的每一个图层。
步骤2.1.将步骤1.2中得到的预处理后的每一层图像序列绘制对应图片的灰度直方图，得到相应的灰度直方图；
步骤2.2.对步骤2.1的灰度直方图，选择20次多项式对图像进行函数拟合，拟合得到的函数图像；
所述拟合函数为
Figure BDA0002146887320000021
x：直方图中每个像素的灰度值
由于牙齿灰度大多集中在(100,200)区间，为提高函数拟合效果，选取该区间进行函数拟合。
步骤2.3，在步骤2.2拟合得到的函数图像中，选取靠近灰度值最大值一侧(x→200)的第一个波谷对应的灰度值，作为计算得到的波谷值(min_global)。
步骤2.4，设置一个阈值偏移量(de_weight)，调整最终分割阈值(final_global)，所述最终分割阈值等于由步骤2.3计算得到的波谷值减去阈值偏移量。
Figure BDA0002146887320000031
Snumber:表示图层在图像序列的位置；
a:该图像序列的图层总数min_global；
所述最终分割阈值计算：
final_global＝min_global-de_weight
步骤2.5，用步骤2.4得到的最终分割阈值，执行阈值分割算法(该算法过程已为现有技术)，将图像二值化，获得牙齿封闭轮廓的初步分割二值图像结果(th2_image)。
步骤2.6，对步骤2.5得到的二值图像，以(0,0)为起始种子点，自动选取背景点进行泛洪填充，得到泛洪填充后的图像(flood_image)，由于牙齿外轮廓为封闭图形，此时未填充的区域仅剩牙齿内部。
步骤2.7，对步骤2.6得到的泛洪填充后的图像取反，得到牙齿内部为填充图像(reverse_image)。
步骤2.8，将步骤2.5得到的二值图片(th2_image)与步骤2.7得到的牙齿内部为填充图像(reverse_image)做“并”运算(th2_image or reverse_image)得到完整的牙齿分割截面。
步骤2.9，对步骤2.8得到的完整的牙齿分割截面，统计图片内所有连通区域的数量(N)，并计算各个面积(Si,i＝1,2,3,……,N),计算连通区域的平均面积(Savg)，将小于平均面积Savg的区域视为噪点，全部清除，并通过开、闭运算等形态学操作，进一步优化分割结果。
Figure BDA0002146887320000041
步骤3，将步骤2.9得到的一层层图像排列起来，构成分割结束后的单牙二值图像序列。
步骤4，对步骤3得到的二值图像序列与原始牙齿CT图像序列求并集，得到最终单颗牙齿CT图像分割结果。
第二部分：牙齿的牙髓图像的分割算法
步骤5，读入步骤4得到的图像序列，作为分割算法应用截面；
步骤6，对步骤5读入的图像序列中每张图，以(0,0)为起始种子点，自动选取背景点进行泛洪填充，将背景灰度值全部填充为255，得到填充后的图像。
步骤7，遍历操作步骤6，得到所有填充后的图像序列。
步骤7.1，将步骤6中得到的预处理后的图像序列绘制每一层图片的灰度直方图，得到灰度直方图；
步骤7.2，对步骤7.1的灰度直方图，选择20次多项式对图像进行函数拟合
Figure BDA0002146887320000042
x：直方图中每个像素的灰度值
由于牙齿灰度大多集中在(100,200)区间，为提高函数拟合效果，选取该区间进行函数拟合。
步骤7.3在函数图像中，选取靠近灰度值最大值一侧(x→200)的第一个波谷对应的灰度值，作为计算得到的波谷值(Endo_min_global)。
步骤7.4设置一个牙髓阈值偏移量(Endo_de_weight)，计算最终牙髓分割阈值(Endo_final),最终牙髓分割阈值等于由步骤7.3计算得到的波谷值减去牙髓阈值偏移量Endo_de_weight；
Figure BDA0002146887320000051
Snumber:图层在截面的位置，
a:该截面的图层总数Endo_min_global；
计算最终牙髓分割阈值：Endo_final＝Endo_min_global–Endo_de_weight。
步骤7.5.采用步骤7.4得到的最终牙髓分割阈值，执行阈值分割算法(为现有算法)，将图像二值化，获得牙髓闭轮廓的初步分割二值图像分割结果。
步骤7.6对步骤7.5得到的牙髓分割截面，统计图片内所有连通区域的数量(N)，并计算各个面积(Si,i＝1,2,3,……,N),然后计算连通区域的平均面积(Savg)，将小于平均面积的区域视为噪点，全部清除，再通过开、闭运算等形态学操作，进一步优化分割结果。
Figure BDA0002146887320000052
步骤8，将步骤7.6得到的一层层图像排列起来，构成分割结束后的单牙牙髓二值图像序列。
步骤9，对步骤8得到的二值图像序列与步骤4所得的单颗牙牙齿CT图像序列求并集，得到最终单颗牙齿牙髓CT图像分割结果。
牙齿的CBCT图像中，不同图层灰度值差异较大，难以通过单一阈值进行三维牙齿、牙髓分割，但在同一图层中，牙齿灰度较周围组织具有显著特征。本发明对每一图层绘制灰度直方图，通过直方图信息，找到其最适合的灰度进行二值分割，获得牙齿边界所形成的闭环区域，并填充闭环区域内的孔洞，即可快速分割牙齿与周围组织。在得到分割完成的单牙后，运用相似方法即可分割出该牙齿的牙髓。本发明通过一系列操作，处理由于分割产生的细小噪点，从而改善分割效果。
本发明的有益效果是：
本发明基于灰度进行图像分割，计算量小，能快速准确的从CBCT数据中分割出完整的整颗牙齿，在此基础上运用相似方法能快速分离重建此颗牙齿的牙髓，有利于牙髓治疗前了解患牙的解剖形态从而提高治疗效果。由于本发明在图像中的分割是自动的，故可大大提高效率。
附图说明
图1为单个CBCT牙齿图像的分割算法流程图。
图2为在图1完成单颗牙齿分割后，该牙齿的牙髓图像的分割算法流程图。
图3a为本发明算法应用图像截面(待分割图像序列的其中一张截图)，图3b、图3c是单颗牙齿三维图像序列中的另外两个截面，可以看出图3a所示截面牙齿灰度具有统一而明显的特征，而其他两个截面牙齿灰度不统一。
图4a、图4b、图4c显示了绘制灰度直方图拟合函数的过程，其中图4a是待分割的牙齿截面图，图4b是是该图像的灰度直方图，图4c是在灰度直方图中选取灰度值在(100,200)区间，用多项式拟合出来的函数图像，所需的特定波谷在图中已标出。
图5对比了是否设置阈值偏移量对牙冠部分的阈值分割效果的影响。图5a为待分割的牙齿截面图；图5b为该图的灰度直方图在(100,200)区间拟合函数图像，所需的特定波谷已标出；图5c为阈值设置为图5b中波谷对应灰度值的分割情况；图5d为阈值设置为图5b中波谷对应灰度值加上阈值偏移量后的分割情况。可以看出对于牙冠部分设置阈值偏移量后，能得到封闭牙齿轮廓，保证下一步泛洪填充达到理想效果。
图6是本发明中对初步分割后牙齿截面图进行牙齿轮廓内的孔洞填充的过程，目的是获得完整的牙齿分割区域。图6a为阈值分割后的图像，图6b为泛洪填充后的图像，图6c为泛洪填充后取反的图像，图6d为图6a与图6c求并集的图像，即完成牙齿内部孔洞填充的图像。
图7对上述完整的牙齿分割截面进行去噪处理，图7a为去噪前图像，图7b为去噪后图像，
图8为二值图像序列与原始牙齿图像序列求并集，获得的单颗牙齿图像最终分割结果(以序列中两个截面为例)。
图9为在分割出单颗牙齿的基础上，运用类似方法分割其牙髓的结果。图9a为分割后牙齿截面图像，图9b为该牙齿的牙髓截面分割结果图像。
具体实施方案
下面结合附图，进一步说明本发明的技术方案。
按照本发明方法的实施例及其具体实施过程如下：
CBCT图像不同层牙齿的灰度值差异较大，难以通过单一阈值进行整个三维图像的牙齿、牙髓分割。但以牙冠向上、牙根向下为正方向的这一图像序列中，每一层牙齿灰度特征较为明显且统一，故设计此算法针对每一层图像进行自动分割，从而获取三维分割结果。
图3为CBCT三维图像的三个视角，本实施例选择图3a所示的视角作为算法实施截面，该截面中，牙齿区域较其他部分有统一且明显的灰度特征，其灰度值更大。
第一部分
选定视角之后，在CT图像序列中，规定图层序列号小值对应牙根，图层序列号大值对应牙冠，对该序列每张图片进行以下操作：
(11)将图像灰度值归一化到(0，255)区间便于后续处理
(12)以图4a为例，绘制其灰度直方图(图4b)，选择灰度值在(100,200)区间，用20次多项式f(x)进行拟合，得到图4c。图4c中x轴大值一侧(x→200)的第一个波谷对应的灰度值(如箭头所示)，即为计算所得的分割阈值。
Figure BDA0002146887320000081
(13)设置一个阈值偏移量de_weight，调整最终分割阈值(final_global)。最终分割阈值等于由(12)计算得到的波谷值减去阈值偏移量。
Figure BDA0002146887320000082
Snumber:图层在截面的位置a:该截面的图层总数min_global：计算得到的波谷值
final_global＝min_global-de_weight
设置阈值偏移量的目的为：若用计算所得的阈值分割图像，容易产生不封闭区域(如图5c)，不利接下来的填充孔洞操作，因此加入阈值偏移量提高分割效果(如图5d)。
(14)使用最终阈值对图像进行二值分割，得到图6a，接下来需要对牙齿内部进行孔洞填充。在待填充的图层中，以(0,0)为起始种子点，自动选取背景点进行泛洪填充，得到图6b，对泛洪填充后的图像取反，得到牙齿内部为填充图像图6c。将外轮廓图像与牙齿内部为填充图像做“并(or)”运算,得到完整的二值牙齿分割截面图6d。
(15)对上述完整的二值牙齿分割截面进行去噪处理。统计图片内所有连通区域的数量，并计算各个面积。计算连通区域的平均面积，将小于平均面积的区域视为噪点，全部清除，通过开、闭运算等形态学操作，进一步优化分割结果(对比图7a，图7b)。
完成上述操作之后，得到一个完整的牙齿三维二值数组，将此数组与原始三维图像数组求交集，即可获得最终分割结果。(其中选取两个截面作为示例，如图8)。
第二部分接下来用相似思路完成牙髓分割。对于已分割的单颗CBCT牙齿图像，选择上述序列作为分割算法应用截面，对序列中每一张图片进行如下操作：
(21)对二维图像序列中每张图，以(0,0)为起始种子点，自动选取背景点进行泛洪填充，将背景灰度值全部填充为255，得到填充后的图像。
(22)重复(12)中所有步骤，得到自动计算的牙髓特定波谷值(Endo_min_global)。
(23)设置一个阈值偏移量(Endo_de_weight)，计算最终牙髓分割阈值(Endo_final),最终牙髓分割阈值等于由(22)计算得到的波谷值减去牙髓阈值偏移量。
Figure BDA0002146887320000101
Snumber:图层在截面的位置a:该截面的图层总数Endo_min_global：
计算得到的波谷值
Endo_final＝Endo_min_global–Endo_de_weigh(24)执行阈值分割算法，将图像二值化，获得牙髓分割结果。
(25)对上述完整的牙髓分割截面序列，用(15)中所阐述的方法进行去噪处理，通过开、闭运算等形态学操作优化分割结果，得到最终该颗牙齿的牙髓图像(图9)。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种单颗牙齿CBCT图像的牙齿牙髓分割方法，包含以下步骤：
第一部分：单个CBCT牙齿图像的分割算法
步骤1.采集单颗牙齿CBCT三维图像序列，作为原始牙齿CT图像，对待处理的单颗牙齿X光片图像进行预处理；
步骤1.1.采集单颗牙齿CBCT三维图像序列,对于该单颗牙齿CBCT三维图像，以牙冠向上、牙根向下为正方向，读入图像序列，该序列内的每一张图层作为分割算法应用截面；
步骤1.2.将步骤1.1中选择的特定方向的二维图像序列灰度值归一化，调整图像灰度到(0,255)区间，得到的二维图像序列灰度图，用于提供给步骤2；
步骤2.遍历步骤1.2中得到的预处理后的二维图像序列中的每一个图层；
步骤2.1.将步骤1.2中得到的预处理后的每一层图像序列绘制对应图片的灰度直方图，得到相应的灰度直方图；
步骤2.2.对步骤2.1的灰度直方图，选择20次多项式对图像进行函数拟合，拟合得到的函数图像；
所述拟合函数为
Figure FDA0004122039570000011
x：直方图中每个像素的灰度值；
步骤2.3，在步骤2.2拟合得到的函数图像中，选取靠近灰度值最大值一侧x→200的第一个波谷对应的灰度值，作为计算得到的波谷值；
步骤2.4，设置一个阈值偏移量，调整最终分割阈值，所述最终分割阈值等于由步骤2.3计算得到的波谷值减去阈值偏移量；
Figure FDA0004122039570000021
Snumber:表示图层在图像序列的位置；
a:该图像序列的图层总数min_global；
所述最终分割阈值计算：
final_global＝min_global-de_weight
步骤2.5，用步骤2.4得到的最终分割阈值，执行阈值分割算法，将图像二值化，获得牙齿封闭轮廓的初步分割二值图像结果；
步骤2.6，对步骤2.5得到的二值图像，以(0,0)为起始种子点，自动选取背景点进行泛洪填充，得到泛洪填充后的图像；
步骤2.7，对步骤2.6得到的泛洪填充后的图像取反，得到牙齿内部为填充图像；
步骤2.8，将步骤2.5得到的二值图片与步骤2.7得到的牙齿内部为填充图像做“并”运算得到完整的牙齿分割截面；
步骤2.9，对步骤2.8得到的完整的牙齿分割截面，统计图片内所有连通区域的数量(N)，并计算各个面积，Si,i＝1,2,3,……,N,计算连通区域的平均面积Savg，将小于平均面积Savg的区域视为噪点，全部清除，并通过开、闭运算形态学操作；
Figure FDA0004122039570000022
步骤3，将步骤2.9得到的一层层图像排列起来，构成分割结束后的单牙二值图像序列；
步骤4，对步骤3得到的二值图像序列与原始牙齿CT图像序列求并集，得到最终单颗牙齿CT图像分割结果；
第二部分：牙齿的牙髓图像的分割算法
步骤5，读入步骤4得到的图像序列，作为分割算法应用截面；
步骤6，对步骤5读入的图像序列中每张图，以(0,0)为起始种子点，自动选取背景点进行泛洪填充，将背景灰度值全部填充为255，得到填充后的图像；
步骤7，遍历操作步骤6，得到所有填充后的图像序列；
步骤7.1，将步骤6中得到的预处理后的图像序列绘制每一层图片的灰度直方图，得到灰度直方图；
步骤7.2，对步骤7.1的灰度直方图，选择20次多项式对图像进行函数拟合
Figure FDA0004122039570000031
x：直方图中每个像素的灰度值；
步骤7.3在函数图像中，选取靠近灰度值最大值一侧x→200的第一个波谷对应的灰度值，作为计算得到的波谷值；
步骤7.4设置一个牙髓阈值偏移量，计算最终牙髓分割阈值,最终牙髓分割阈值等于由步骤7.3计算得到的波谷值减去牙髓阈值偏移量Endo_de_weight；
Figure FDA0004122039570000032
Snumber:图层在截面的位置，
a:该截面的图层总数Endo_min_global；
计算最终牙髓分割阈值：Endo_final＝Endo_min_global–Endo_de_weight；
步骤7.5.采用步骤7.4得到的最终牙髓分割阈值，执行阈值分割算法，将图像二值化，获得牙髓闭轮廓的初步分割二值图像分割结果；
步骤7.6对步骤7.5得到的牙髓分割截面，统计图片内所有连通区域的数量(N)，并计算各个面积Si,i＝1,2,3,……,N,然后计算连通区域的平均面积Savg，将小于平均面积的区域视为噪点，全部清除，再通过开、闭运算形态学操作，
Figure FDA0004122039570000041
步骤8，将步骤7.6得到的一层层图像排列起来，构成分割结束后的单牙牙髓二值图像序列；
步骤9，对步骤8得到的二值图像序列与步骤4所得的单颗牙牙齿CT图像序列求并集，得到最终单颗牙齿牙髓CT图像分割结果。
CN201910687719.XA 2019-07-29 2019-07-29 基于灰度直方图的单牙及其牙髓分割方法 Active CN110555852B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910687719.XA CN110555852B (zh) 2019-07-29 2019-07-29 基于灰度直方图的单牙及其牙髓分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910687719.XA CN110555852B (zh) 2019-07-29 2019-07-29 基于灰度直方图的单牙及其牙髓分割方法

Publications (2)

Publication Number Publication Date
CN110555852A CN110555852A (zh) 2019-12-10
CN110555852B true CN110555852B (zh) 2023-06-02

Family

ID=68736686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910687719.XA Active CN110555852B (zh) 2019-07-29 2019-07-29 基于灰度直方图的单牙及其牙髓分割方法

Country Status (1)

Country Link
CN (1) CN110555852B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111583247B (zh) * 2020-05-12 2023-11-03 中南大学 一种图像二值化处理方法及装置
CN112233111A (zh) * 2020-11-18 2021-01-15 安徽国钜工程机械科技有限公司 一种基于数字图像处理的隧道缝隙检测方法
CN114241173B (zh) * 2021-12-09 2023-03-21 电子科技大学 一种牙齿cbct图像三维分割方法及系统
CN114587586B (zh) * 2022-03-21 2022-11-11 黄伟 一种牙体、牙髓损伤无创分层显示设备及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107564023A (zh) * 2017-08-02 2018-01-09 杭州美齐科技有限公司 一种cbct牙齿分割及建模算法
WO2018214950A1 (en) * 2017-05-26 2018-11-29 Wuxi Ea Medical Instruments Technologies Limited Image segmentation method for teeth images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018214950A1 (en) * 2017-05-26 2018-11-29 Wuxi Ea Medical Instruments Technologies Limited Image segmentation method for teeth images
CN107564023A (zh) * 2017-08-02 2018-01-09 杭州美齐科技有限公司 一种cbct牙齿分割及建模算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于区域能量函数的快速CBCT图像牙齿分割算法;钱驾宏;孙夏;汤德衍;陶煜波;林军;林海;计算机辅助设计与图形学学报;第30卷(第006期);全文 *

Also Published As

Publication number Publication date
CN110555852A (zh) 2019-12-10

Similar Documents

Publication Publication Date Title
CN110555852B (zh) 基于灰度直方图的单牙及其牙髓分割方法
Lee et al. Automated CNN-based tooth segmentation in cone-beam CT for dental implant planning
CN110889850B (zh) 一种基于中心点检测的cbct牙齿图像分割方法
CN113223010B (zh) 口腔图像多组织全自动分割的方法和系统
CN105488849B (zh) 一种基于混合水平集的三维牙齿建模方法
US7460700B2 (en) Image processing method and computer-readable recording medium containing image processing program
CN106846307B (zh) 基于锥形束计算机体层摄影的图像处理方法及装置
CN106909947B (zh) 基于Mean Shift算法的CT图像金属伪影消除方法及消除系统
CN112313715A (zh) 使用深度学习技术自动校正x射线数据的受金属影响的体素表示
Hosntalab et al. Segmentation of teeth in CT volumetric dataset by panoramic projection and variational level set
CN111223156A (zh) 一种用于牙科锥束ct系统的金属伪影消除方法
Hiew et al. Tooth segmentation from cone-beam CT using graph cut
CN110619646A (zh) 一种基于全景图的单牙提取方法
JP2019515255A (ja) 医療画像処理
Kakehbaraei et al. 3D tooth segmentation in cone-beam computed tomography images using distance transform
CN117541672A (zh) 一种从口腔cbct自动合成全景图像的方法
US20210343020A1 (en) Method for segmenting teeth in reconstructed images
CN114241173B (zh) 一种牙齿cbct图像三维分割方法及系统
CN117011318A (zh) 一种牙齿ct图像三维分割方法、系统、设备及介质
Pavaloiu et al. Knowledge based segmentation for fast 3D dental reconstruction from CBCT
Agrawal et al. A Review—Edge Detection Techniques in Dental Images
Harandi et al. A semi automatic algorithm based on morphology features for measuring of root canal length
Pavaloiu et al. Automatic segmentation for 3D dental reconstruction
CN114299081A (zh) 一种上颌窦cbct图像分割方法、装置、存储介质及电子设备
Karthikeyan et al. A novel approach for inferior alveolar nerve (IAN) injury identification using panoramic radiographic image

Legal Events

Date Code Title Description
PB01 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