CN110619646B - 一种基于全景图的单牙提取方法 - Google Patents
一种基于全景图的单牙提取方法 Download PDFInfo
- Publication number
- CN110619646B CN110619646B CN201910664757.3A CN201910664757A CN110619646B CN 110619646 B CN110619646 B CN 110619646B CN 201910664757 A CN201910664757 A CN 201910664757A CN 110619646 B CN110619646 B CN 110619646B
- Authority
- CN
- China
- Prior art keywords
- image
- tooth
- teeth
- alveolar bone
- points
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 10
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 64
- 238000000926 separation method Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 210000000214 mouth Anatomy 0.000 claims abstract description 20
- 238000012805 post-processing Methods 0.000 claims abstract description 8
- 210000002455 dental arch Anatomy 0.000 claims description 33
- 238000013507 mapping Methods 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 20
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 210000004357 third molar Anatomy 0.000 claims description 4
- 210000000332 tooth crown Anatomy 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000001847 jaw Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000004513 dentition Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 230000036346 tooth eruption Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T2207/10072—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种基于全景图的单牙提取方法,其特征在于,包括:步骤1,提取牙槽骨前景图;步骤2,根据步骤1得到的牙槽骨前景图生成牙齿全景图;步骤3,根据步骤2得到的牙齿全景图生成上下颌分离线;步骤4,根据步骤2得到的牙齿全景图生成相邻牙齿分割线;步骤5,使用步骤3得到的上下颌分离线与步骤4得到的相邻牙齿分割线将单牙从三维口腔CT中提取出来;步骤6,对生成的三维单牙CT图像堆进行后处理。基于全景图提取单牙的方法易于实现,鲁棒性强,不局限与口腔张开的患者口腔CT图像,可以提取患者口腔中任意单牙。并且该方法实现了相邻牙齿的自动分割,人工交互尽可能减少。
Description
技术领域
本发明涉及计算机医学图像处理领域。
背景技术
在口腔医疗诊断中,电子计算机断层扫描(computed tomography)影像是常用的医学影像检查技术,可以得到精度很高的口腔部位的断层数据,并且可以从中重构得到与实际结构一致的三维解剖结构。但在实际操作过程中,医生诊断的病例针对具体的某颗牙齿,而不是全部或某些并排的牙,因此将三维单牙CT图像堆从原始三维口腔CT图像堆中提取出来有着十分重要的价值。
Hui Gao在2008年International Conference on Convergence&HybridInformation Technology会议上发表题为Automatic Tooth Region Separation forDental CT Images的文章,提出一种在三维空间中进行独立牙齿区域分离的方法,该方法假设相邻牙齿都可以利用平面进行分离开来,但是局限性在于拥挤的牙列中可能不存在能将牙齿完全分离的平面。Yang Wang在2015年Biomedizinische Technik BiomedicalEngineering期刊上发表题为Computation of Tooth Axes of Existent and MissingTeeth from 3D CT Images的文章,提出了使用全景图的独立牙齿区域分离方法,该方法由于在全景图生成时使用拉东变换(randon变换),导致生成的全景图失真较高,后牙相较前牙的像素值普遍较高,前牙轮廓不明显,使得前牙不能很好的分割出来,并且对于确定某些牙齿咬合状态下的病人三维口腔CT图像的上下颌分离线失效,全景图上的相邻牙齿分离线是用户手动确定的,主观性较强,结果不易复现。
发明内容
有鉴于此,本发明目的在于克服现有技术生成的全景图失真较高、全景图相邻牙齿分离线的人工确定以及患者口腔咬合或松弛状态下上下颌自动分离线的失效问题,公开一种新的基于全景图的单牙提取方法。
本发明技术方案:
该方法首先提取牙槽骨的前景图,进行人工交互选取每个牙齿的牙冠点,使用贝塞尔样条对牙弓曲线进行拟合,通过遍历牙槽骨前景图的掩模确定牙齿的生成全景图时矢状面遍历的范围,因为牙齿的像素值在CT图像上普遍较高,使用最大值遍历每层CT图像上的牙弓曲线法向方向,生成全景图。计算穿过每颗牙齿中心的分割线上的两个值最大的波峰值,取中间位置作为上下颌分界点,得到不同牙齿的上下颌分界点后使用贝塞尔样条对上下颌分界线进行拟合。使用通过牙齿中心的分割线对全景图进行分段,对每一段进行20段均分,得到19条分割线,在分割线上使用像素值最小的波谷位置作为相邻牙齿分割点,并计算每条分割线上的像素值的标准差,对标准差使用k-means算法进行三分类,将标准差均值最小的那一类中的分割点从相邻牙齿分割点中取出,避免牙根边界模糊以及牙龈的影响对相邻牙齿分割线造成影响,使用贝塞尔样条对相邻牙齿分割点进行相邻牙齿分割线的拟合。在进行上下颌分割线和相邻牙齿分割线的人工修正后,人工选中希望提取的单牙,计算得到这颗单牙的分割线,得到这颗牙齿的边框,映射到三维口腔CT图像堆中,进行三维单牙CT图像堆的提取。将全景图上的单牙分割线映射到得到的三维单牙CT图像堆的冠面方向中,对分割线内的图像进一步提取,取出相邻牙齿对目标牙齿的干扰,得到提取出的三维单牙CT图像堆。
基于全景图提取单牙的方法易于实现,鲁棒性强,不局限与口腔张开的患者口腔CT图像,可以提取患者口腔中任意单牙。并且该方法实现了相邻牙齿的自动分割,人工交互尽可能减少。
基于上述方法思路,本发明的具体方法过程表征为:
1.提取牙槽骨前景图;
2.根据步骤1得到的牙槽骨前景图生成牙齿全景图;
3.根据步骤2得到的牙齿全景图生成上下颌分离线;
4.根据步骤2得到的牙齿全景图生成相邻牙齿分割线;
5.使用步骤3得到的上下颌分离线与步骤4得到的相邻牙齿分割线将单牙从三维口腔CT中提取出来;
6.对生成的三维单牙CT图像堆进行后处理。
其中各个步骤的具体实施过程如下:
1.提取牙槽骨前景图,具体实施过程:
1.1.用已有技术采集患者的原始三维口腔CT图像堆,计算三维口腔CT图像堆在轴向方向上的最大密度投影图。
1.2.使用大津算法(OTSU)计算步骤1.1中最大密度投影图的阈值,在阈值计算过程中需排除背景像素(即未拍摄区域的像素,如图8(a)中的黑色区域)对阈值的干扰、影响。使用这个阈值对步骤1.1中最大密度投影图进行二值化操作,得到牙槽骨的掩模二值图像。
1.3.使用形态学关操作对步骤1.2中得到的牙槽骨的掩模二值图像进行处理,去除牙槽骨掩模图像中的噪点,得到二值的牙槽骨掩模图像。
1.4.将步骤1.3得到的二值牙槽骨掩模图像与步骤1.1得到的最大密度投影图进行AND操作,提取出最大密度投影图上的牙槽骨区域,得到牙槽骨前景图。
2.生成牙齿的全景图,具体实施过程:
2.1.在步骤1最后得到的牙槽骨前景图上,人工在每个牙齿的牙冠部分选点,得到n个牙齿的牙冠点;
2.2.使用n+1阶的贝塞尔样条,对步骤2.1选中的n个牙齿的牙冠点生成贝塞尔样条,作为拟合的牙弓曲线,并且得到所述牙弓曲线上每个拟合点的切线方向。
n阶贝塞尔样条曲线及其一阶微分公式为:
其中,bi,n(t)为伯恩斯坦系数,定义如公式(3)所示;t为控制向量;Pi为步骤2.1中第i个选中的牙齿牙冠点;n为选中的牙齿牙冠点总个数。
其中bi,n(t)为伯恩斯坦多项式,t为控制向量;n为牙齿牙冠点的个数,公式(3)中t与n的定义与公式(1)中的定义相同。
2.3.将步骤2.2中拟合的牙弓曲线映射在步骤1.3中得到的二值牙槽骨掩模图像上,对映射后的牙弓曲线上的每一个点进行遍历。
2.3.1.在映射的二值牙槽骨掩模图像中,计算每一点的法向在牙槽骨范围内的长度。
2.4.选出步骤2.3最后得到的牙槽骨范围内,每个点法向最大的距离作为生成全景图法线扫描的最大距离。
2.5.对每一层的原始三维口腔CT图像堆进行遍历;
2.5.1.在每一层的CT二维图像上,将步骤2.2中拟合的牙弓曲线映射到该层图像上;
2.5.2.对步骤2.5.1中映射的牙弓曲线上的每一个点进行遍历;
2.5.2.1.对每一个点的法向进行像素遍历,遍历长度为步骤2.3中得到的生成全景图法线扫描的最大距离;
2.5.2.2.将步骤2.5.2.1得到的法向遍历后的像素取最大值作为全景图上的一点;
2.5.3.将步骤2.5.2最后得到的一个个点依次排列起来,得到全景图上的一行像素;
2.6.将步骤2.5最后得到的一行行像素依次排列起来,得到最终生成的全景图。
3.生成上下颌分离线,具体实施过程:
3.1.将步骤2最后得到的全景图使用全局直方图均衡的方法进行图像增强,得到增强后的全景图。
3.2.将步骤2.1中人工在牙槽骨前景图选出的n个牙齿牙冠部分的点映射到步骤3.1中得到的增强后的全景图上,在全景图上映射为n个穿过牙齿中心的分割线。
3.3.取步骤3.2中得到n个的分割线,遍历每一条分割线;
3.3.1.依次取分割线上的像素值,计算分割线上像素值的波峰,得到两个像素值最大的波峰。
3.3.2.计算步骤3.3.1中得到的这两个波峰位置的中间值,作为这一对上下牙的上下颌分界点。
3.4.取步骤3.3最后得到的m个上下颌分界点,使用m+1阶贝塞尔样条对m个上下颌分界点进行拟合,得到上下颌分离线。
3.5.当存在因智齿、坏牙等造成对牙齿像素波峰的影响情况时,对步骤3.4中得到的上下颌分离线进行人工修正,得到最后的上下颌分离线。
4.生成相邻牙齿分割线,具体实施过程:
4.1.人工将步骤2最后得到的全景图的范围缩小到只包含全部牙齿的最小范围。
4.2.将步骤4.1中得到的全景图使用全局直方图均衡的方法进行图像增强,得到增强后的全景图。
4.3.将步骤2.1中人工在牙槽骨前景图选出的牙齿牙冠部分的点映射到步骤4.2中得到增强后的全景图上,在全景图上映射为穿过牙齿中心的分割线,得到全景图上的分割线。
4.4.以步骤4.3中得到的分割线为界,将步骤4.2中得到的全景图进行分段,得到若干段图像,每一段图像包含相邻牙齿的中间部分。
4.5.遍历步骤4.4中得到的每一段图像;
4.5.1.将步骤4.4中得到的每一段图像从上到下进行20均分,得到19条均分的分界线;
4.5.2.遍历步骤4.5.1中得到的每一条分界线;
4.5.2.1.取得分界线上的像素值,计算分割线上像素值的波谷;
4.5.2.2.将步骤4.5.2.1中得到的分界线上像素值最小的波谷位置,作为这条分界线上相邻左右牙的分割点;
4.5.2.3.计算这一条分界线上像素值的标准差。
4.5.3.剔除无意义分界点:
使用K-means算法对步骤4.5.2.3得到的这19条分界线上像素值的标准差进行聚类分类,取分类结果里标准差均值最小的那一类,将包含在这一类中的分界线所得到的相邻牙齿分割点从所述19个相邻左右牙齿的分割点中剔除,避免无意义分界点对左右相邻牙齿的分界线造成影响,得到最终的k个分割点,k≤19。
4.5.4.使用k+1阶贝塞尔样条对步骤4.5.3中得到的每一段图像上k个相邻牙齿中间分割点进行拟合,得到这一段图像上的相邻牙齿分割线。
4.5.5.将步骤4.5.4得到的这一段图像上的相邻牙齿分割线映射到步骤
4.2中得到的增强的全景图上。
4.6.当存在因智齿、坏牙等造成对牙齿像素波峰的影响情况时,对步骤4.5最后得到的每对相邻牙齿分割线进行人工修正,得到最后的相邻牙齿分割线。
5.将单牙从三维口腔CT中提取出来,具体实施过程为:
5.1.计算步骤3最后得到的上下颌分离线与步骤4最后得到的相邻牙齿分割线的交点,根据所述交点将上下颌分离线和相邻牙齿分割线进行划分,得到各个牙齿的分割线。
5.2.用户选择所需单牙,得到该牙齿的轮廓线。
5.3.根据步骤5.2轮廓线,计算这颗单牙的边框。
5.4.将步骤5.3中得到的单牙边框映射回步骤1最后得到的牙槽骨前景图中,得到这个单牙在牙槽骨前景图上的限制位置。
5.5.遍历三维口腔CT图像堆的每一层;
5.5.1.将步骤2.2得到的牙弓曲线映射在每一层图像上;
5.5.2.将步骤5.4得到的单牙在牙槽骨前景图上的限制位置映射到每一层图像上,将单牙的限制位置与步骤5.5.1中的牙弓曲线相对应,可以得到这一层图像上在单牙限制位置范围内的牙弓曲线;
5.5.3.遍历这一层图像上步骤5.5.2得到的单牙限制范围内牙弓曲线上的每一点;
5.5.3.1.对步骤5.5.3中的每一个点进行法向上的像素遍历,遍历长度为步骤2.3中得到的生成全景图法线扫描的最大距离。
5.5.3.2.步骤5.5.3.1中每个点法向遍历所得到的一行像素构成三维单牙CT图像堆中一层图像中的一行像素。
5.5.4.将步骤5.5.3最后得到的一行行像素依次排列起来,构成三维单牙
CT图像堆的一层图像。
5.6.将步骤5.5最后得到的一层层图像依次排列起来,构成三维单牙CT图像堆。
6.对步骤5最后生成的三维单牙CT图像堆进行后处理,去除相邻牙齿的影响,具体实施过程:
6.1.沿冠面方向对步骤5最后得到的三维单牙CT图像堆进行每一层的遍历;
6.1.1.将步骤5.2得到的牙齿轮廓线映射到每一层的图像上。
6.1.2.将步骤6.1.2中每一层图像上的牙齿轮廓线进行封闭操作。
6.1.3.将牙齿轮廓线内的像素值保留,而多边形外的像素值归零,避免相邻牙齿的干扰。
6.2.步骤6.1操作后得到最终的三维单牙CT图像堆。
本发明的有益效果是:
本发明易于实现,可以准确从三维口腔CT图像堆中提取出选定的单牙三维CT图像。该方法可以在不需要离体牙的前提下,得到患者口中任意牙齿的三维CT图像堆。同时,该方法保存了选中牙齿的原始CT扫描信息,可为医生的后续治疗提供准确的依据。
附图说明
图1是本发明实施3D口腔CT图像上单牙提取的总流程图。
图2是本发明实施提取牙槽骨前景图的流程图。
图3是本发明实施生成牙齿全景图的流程图。
图4是本发明实施生成上下颌分离线的流程图。
图5是本发明实施生成相邻牙齿分割线的流程图。
图6是本发明实施将单牙从三维口腔CT中提取出来的流程图。
图7是本发明实施对生成的三维单牙CT图像堆进行后处理的流程图。
图8(a)是三维口腔CT图像堆在轴向面进行最大密度投影得到的结果图。
图8(b)是使用大津算法对最大密度投影图进行二值化的结果图。
图8(c)是使用形态学关操作对二值化结果进行操作得到的掩模图像。
图8(d)使用掩模图像对最大密度投影图进行AND操作得到的牙槽骨前景图。
图9(a)是在牙槽骨上前景图上人工选中每颗牙的牙冠点。
图9(b)是根据人工选中的牙冠点进行贝塞尔样条拟合的牙弓曲线。
图9(c)是遍历拟合牙弓曲线每一点法向的示意图。
图9(d)是在牙槽骨掩模图像上搜索牙弓曲线法向最大距离的示意图。
图10是本发明生成的牙齿全景图。
图11是牙齿全景图通过全局直方图均衡化进行图像增强后的结果图。
图12是人工选择的牙齿牙冠点映射到全景图上的示意图。
图13是牙齿牙冠点所映射的分割线的像素折线图与分割线上像素的示意图。折线图上标出的红点表示像素值最大的两个波峰的位置。
图14是在全景图上自动标注出的上下颌分离线结果。
图15是全景图人工选择牙齿区域后,根据人工选择的牙齿牙冠点映射的分割线得到图片分段的示意图。
图16(a)是根据分割线分段后相邻牙齿间图像的示意图。
图16(b)是进行20均分后得到的19段均分的分界线。
图16(c)是由分界线像素最小值的波谷拟合得到相邻牙齿分割线示意图。
图16(d)是经过k-means分类后消除异常点后的相邻牙齿分割线示意图。
图17是在全景图上自动标注出的相邻左右牙分割线结果。
图18是经过人工修正后的上下牙分割线和相邻左右牙分割线结果。
图19是人工选择希望提取的单牙后得到的这颗单牙的分割线示意图。
图20是由牙齿的分割线所得到的牙齿边框示意图。
图21(a)是由全景图上的牙齿边框映射到牙槽骨前景图上的单牙范围示意图。
图21(b)是在这个单牙范围内进行牙弓曲线上的法向遍历提取单牙的示意图。
图22(a)是提取出的三维单牙CT图像堆在冠面方向上的示意图。
图22(b)是全景图中的单牙分割线映射到三维单牙CT图像堆冠面向图像上的示意图。
图22(c)是三维单牙CT图像堆根据单牙分割线进行取出相邻牙齿干扰后的冠面示意图。
图23是最终得到的三维单牙CT图像堆的三维建模结果。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行详细的说明。应当说明的是,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,能实现同样功能的产品属于等同替换和改进,均包含在本发明的保护范围之内。
下面通过实施例结合附图进一步说明本发明。
实施例一,参阅附图1,给出了本发明的整体流程图,共分为6大步骤,分别是提取牙槽骨前景图、生成牙齿全景图、生成上下颌分离线、生成相邻牙齿分割线、将单牙从三维口腔CT中提取及对生成的三维单牙CT图像堆进行后处理。在图2中给出了本发明实施提取牙槽骨前景图的方法流程图,图3给出了本发明实施生成牙齿全景图的方法流程图,图4给出了本发明实施生成上下颌分离线的方法流程图,图5给出了本发明实施生成相邻牙齿分割线的方法流程图,图6给出了本发明实施单牙提取的方法流程图,图7给出了本发明实施三维单牙CT图像堆进行后处理的方法流程图,依次按照图示流程,给出一组实施例。首先将三维口腔CT图像在轴向计算最大密度投影图,图8(a)给出了该组实施例得到的最大密度投影图;对最大密度投影图使用大津算法进行二值化操作,图8(b)给出了该组实施例由最大密度投影图所得到的二值图;将得到的二值图进行形态学关操作,取出细小噪点,得到牙槽骨掩模图像,图8(c)给出了该实施例得到的牙槽骨掩模图像;将掩模图像与三维口腔CT图像堆得到的最大密度投影图进行AND操作,得到提取出的牙槽骨前景图,图8(d)给出了该实施例提取出的牙槽骨前景图。
由人工在得到的牙槽骨前景图上的牙齿牙冠部进行选点,图9(a)给出了该实施例人工选点的示意图;使用n阶贝塞尔样条对牙齿牙冠点进行牙弓曲线的拟合,图9(b)给出了该实施例拟合出的牙弓曲线的示意图;对牙弓曲线上的每一个点进行遍历,计算每一个点法向在牙槽骨掩模图像上的长度,图9(c)给出了该实施例遍历牙弓曲线法向点的示意图,图9(d)给出了该实施例牙弓曲线上每一个点的法向在牙槽骨掩模图像上的长度示意图;选取最大值作为生成全景图时法向扫描的距离;遍历每一层三维口腔CT图像堆,对每一层CT图像,同上一样遍历牙弓曲线上的每一个点,计算法向方向上的像素最大值构成全景图上的一个像素,法向遍历像素的距离即之前求出的生成全景图时法向扫描的距离,一层CT图像生成一行像素,多层CT图像遍历后,将生成的多行像素排列可以得到生成的全景图,图10为该实施例生成的全景图。
对生成的全景图使用全局直方图均衡化进行图像增强,图11给出了该实施例全景图进行全局直方图均衡化后的图像增强结果;将人工在牙槽骨全景上所选的牙齿牙冠点映射到全景图上作为穿过牙齿中心的分割线,图12给出了该实施例人工选择的牙齿牙冠点映射到全景图后的结果;取每条分割线上的像素值,并进行遍历,取每条分割线上的两个像素值最大的波峰位置,取波峰位置的中点作为这条分割线上上下牙分割点,图13给出了该实施例一条分割线、其像素值折线图以及两个值最大的波峰波谷的位置的示意图。根据每条分割线上的上下颌分割点进行n阶贝塞尔样条的拟合,可以得到上下颌分割线的拟合曲线,图14给出了该实施例自动标注得到的上下颌分割线结果。
对生成的全景图使用全局直方图均衡化进行图像增强,图11给出了该实施例全景图进行全局直方图均衡化后的图像增强结果;将人工在牙槽骨全景上所选的牙齿牙冠点映射到全景图上作为穿过牙齿中心的分割线,图12给出了该实施例人工选择的牙齿牙冠点映射到全景图后的结果;将全景图的上下区域人工裁剪到牙齿部分,并使用得到的穿过牙齿中心的分割线将全景图进行分段,图15给出了人工对全景图上下区域进行裁剪并使用穿过牙齿中心的分割线对全景图进行分段的示意图。图16(a)给出了该实施例中一个分段后的相邻牙齿段,对得到的每一段图片从上到下进行20分段,得到19条横向分割线,图16(b)给出了该实施例中一个相邻牙齿段进行上下分段得到19条横向分割线的示意图,对每一条分割线计算像素值最小的波谷位置,作为这一段上相邻牙齿的分割点,图16(c)给出了该实施例使用分割线波谷位置作为相邻牙齿分割点的示意图。计算每一条分割线上像素值的标准差,以分割线上的像素标准差作为依据进行k-means三分类,将标准差均值最小的那一类中的分割线上的分割点从相邻牙齿分割点中去除,得到最终的这一段上的相邻牙齿分割点,使用贝塞尔样条进行拟合,得到这一段上拟合的相邻牙齿分割线,图16(d)给出了该分段上去除杂质干扰的相邻牙齿分割点后的相邻牙齿分割点及贝塞尔样条所拟合的相邻牙齿分割线。图17给出了该实施例自动标注的得到的相邻牙齿分割线的结果。
对得到的上下颌分割线和各个相邻牙齿之间的分割线进行人工修正,图18给出了该实施例进行人工修正后的上下颌分割线和各个牙之间的分割线。计算上下颌分割线与各个相邻牙齿之间的分割线的交点,根据交点得到各个牙齿周围的分割线。人工选择希望提取出的单牙,计算出这颗单牙周围的分割线,图19给出了该实施例人工选择牙齿后得到的单牙分割线的示意图。根据单牙分割线,得到这颗牙齿的边框,图20给出了根据单牙分割线在全景图上得到的这颗单牙的边框。将全景图上的单牙边框映射回牙槽骨前景图中,得到在牙槽骨前景图上这颗单牙在牙弓曲线上的范围,图21(a)给出了该实施例这颗单牙在牙槽骨前景图上这颗单牙在牙弓曲线上的范围。遍历三维口腔CT图像堆的每一层CT图像,对每一层CT图像遍历牙弓曲线上单牙范围内的每一个点,对每一个点遍历其法线方向上的像素,遍历长度为之前得到的牙槽骨范围内法线扫描的最大距离,一个点的法线像素构成一行像素,单牙范围内牙弓曲线上的每个点所得到的法线像素排列后得到一层单牙CT图像,每层CT图像扫描后,可以生成提取出的三维单牙CT图像堆。图21(b)给出了该实施例遍历单牙范围内牙弓曲线上点的法线方向的示意图。
得到的三维单牙CT图像堆后,沿着冠面方向对三维单牙CT图像堆进行逐层遍历,图22(a)给出了该实施例三维单牙CT图像堆冠面图像的示意图。将全景图上这颗单牙的分割线映射到提取出的三维单牙CT图像堆冠面方向的每一层图像上,图22(b)给出了该实施例中全景图上单牙的分割线映射到三维单牙CT图像堆冠面每一层图像上的示意图。根据三维单牙CT图像堆每层的单牙分割线,生成一个封闭的多边形区域,将多边形区域内的像素保留,多边形区域外的像素剔除,避免相邻牙齿对要提取单牙的干扰,图22(c)给出了该实施例在单牙CT图像堆冠面方向上根据单牙分割线上排除干扰后的结果示意图。经过处理后,得到最终的三维单牙CT图像堆结果,图23给出了最终三维单牙CT图像堆的三维重建结果。
Claims (1)
1.一种基于全景图的单牙提取方法,其特征在于,包括:
步骤1,提取牙槽骨前景图;
步骤2,根据步骤1得到的牙槽骨前景图生成牙齿全景图;
步骤3,根据步骤2得到的牙齿全景图生成上下颌分离线;
步骤4,根据步骤2得到的牙齿全景图生成相邻牙齿分割线;
步骤5,使用步骤3得到的上下颌分离线与步骤4得到的相邻牙齿分割线将单牙从三维口腔CT中提取出来;
步骤6,对生成的三维单牙CT图像堆进行后处理;
其中各个步骤的具体实施过程如下:
如步骤1所述的提取牙槽骨前景图,具体实施过程:
1.1.采集患者的原始三维口腔CT图像堆,计算三维口腔CT图像堆在轴向方向上的最大密度投影图;
1.2.使用大津算法(OTSU)计算步骤1.1中最大密度投影图的阈值,在阈值计算过程中需排除背景像素对阈值的干扰、影响;使用这个阈值对步骤1.1中最大密度投影图进行二值化操作,得到牙槽骨的掩模二值图像;
1.3.使用形态学关操作对步骤1.2中得到的牙槽骨的掩模二值图像进行处理,去除牙槽骨掩模图像中的噪点,得到二值的牙槽骨掩模图像;
1.4.将步骤1.3得到的二值牙槽骨掩模图像与步骤1.1得到的最大密度投影图进行AND操作,提取出最大密度投影图上的牙槽骨区域,得到牙槽骨前景图;
如步骤2所述的生成牙齿的全景图,具体实施过程:
2.1在步骤1最后得到的牙槽骨前景图上,人工在每个牙齿的牙冠部分选点,得到n个牙齿的牙冠点;
2.2使用n+1阶的贝塞尔样条,对步骤2.1选中的n个牙齿的牙冠点生成贝塞尔样条,作为拟合的牙弓曲线,并且得到所述牙弓曲线上每个拟合点的切线方向;
n阶贝塞尔样条曲线及其一阶微分公式为:
其中,bi,n(t)为伯恩斯坦系数,定义如公式(3)所示;t为控制向量;Pi为步骤2.1中选中的第i个牙齿牙冠点;n为选中的牙齿牙冠点总个数;
其中bi,n(t)为伯恩斯坦多项式,t为控制向量;n为牙齿牙冠点的个数,公式(3)中t与n的定义与公式(1)中的定义相同;
2.3将步骤2.2中拟合的牙弓曲线映射在步骤1.3中得到的二值牙槽骨掩模图像上,对映射后的牙弓曲线上的每一个点进行遍历;
2.3.1在映射的二值牙槽骨掩模图像中,计算每一点的法向在牙槽骨范围内的长度;
2.4选出步骤2.3最后得到的牙槽骨范围内,每个点法向最大的距离作为生成全景图法线扫描的最大距离;
2.5对每一层的原始三维口腔CT图像堆进行遍历;
2.5.1在每一层的CT二维图像上,将步骤2.2中拟合的牙弓曲线映射到该层图像上;
2.5.2对步骤2.5.1中映射的牙弓曲线上的每一个点进行遍历;
2.5.2.1对每一个点的法向进行像素遍历,遍历长度为步骤2.3中得到的生成全景图法线扫描的最大距离;
2.5.2.2将步骤2.5.2.1得到的法向遍历后的像素取最大值作为全景图上的一点;
2.5.3将步骤2.5.2最后得到的一个个点依次排列起来,得到全景图上的一行像素;
2.6将步骤2.5最后得到的一行行像素依次排列起来,得到最终生成的全景图;
如步骤3所述的生成上下颌分离线,具体实施过程:
3.1将步骤2最后得到的全景图使用全局直方图均衡的方法进行图像增强,得到增强后的全景图;
3.2将步骤2.1中人工在牙槽骨前景图选出的n个牙齿牙冠部分的点映射到步骤3.1中得到的增强后的全景图上,在全景图上映射为n个穿过牙齿中心的分割线;
3.3取步骤3.2中得到n个的分割线,遍历每一条分割线;
3.3.1依次取分割线上的像素值,计算分割线上像素值的波峰,得到两个像素值最大的波峰;
3.3.2计算步骤3.3.1中得到的这两个波峰位置的中间值,作为这一对上下牙的上下颌分界点;
3.4取步骤3.3最后得到的m个上下颌分界点,使用m+1阶贝塞尔样条对m个上下颌分界点进行拟合,得到上下颌分离线;
3.5当存在因智齿、坏牙造成对牙齿像素波峰的影响情况时,对步骤3.4中得到的上下颌分离线进行人工修正,得到最后的上下颌分离线;
如步骤4所述的生成相邻牙齿分割线,具体实施过程:
4.1人工将步骤2最后得到的全景图的范围缩小到只包含全部牙齿的最小范围;
4.2将步骤4.1中得到的全景图使用全局直方图均衡的方法进行图像增强,得到增强后的全景图;
4.3将步骤2.1中人工在牙槽骨前景图选出的牙齿牙冠部分的点映射到步骤4.2中得到增强后的全景图上,在全景图上映射为穿过牙齿中心的分割线,得到全景图上的分割线;
4.4以步骤4.3中得到的分割线为界,将步骤4.2中得到的全景图进行分段,得到若干段图像,每一段图像包含相邻牙齿的中间部分;
4.5遍历步骤4.4中得到的每一段图像;
4.5.1将步骤4.4中得到的每一段图像从上到下进行20均分,得到19条均分的分界线;
4.5.2遍历步骤4.5.1中得到的每一条分界线;
4.5.2.1取得分界线上的像素值,计算分割线上像素值的波谷;
4.5.2.2将步骤4.5.2.1中得到的分界线上像素值最小的波谷位置,作为这条分界线上相邻左右牙的分割点;
4.5.2.3计算这一条分界线上像素值的标准差,提供给步骤4.5.3进行聚类分类;
4.5.3剔除无意义分界点:
使用K-means算法对步骤4.5.2.3得到的这19条分界线上像素值的标准差进行聚类分类,取分类结果里标准差均值最小的那一类,将包含在这一类中的分界线所得到的相邻牙齿分割点从19个相邻左右牙齿的分割点中剔除,避免无意义分界点对左右相邻牙齿的分界线造成影响,得到最终的k个分割点,k≤19;
4.5.4使用k+1阶贝塞尔样条对步骤4.5.3中得到的每一段图像上k个相邻牙齿中间分割点进行拟合,得到这一段图像上的相邻牙齿分割线;
4.5.5将步骤4.5.4得到的这一段图像上的相邻牙齿分割线映射到步骤4.2中得到的增强的全景图上;
4.6当存在因智齿、坏牙造成对牙齿像素波峰的影响情况时,对步骤4.5最后得到的每对相邻牙齿分割线进行人工修正,得到最后的相邻牙齿分割线;
如步骤5所述的将单牙从三维口腔CT中提取出来,具体实施过程为:
5.1计算步骤3最后得到的上下颌分离线与步骤4最后得到的相邻牙齿分割线的交点,根据所述交点将上下颌分离线和相邻牙齿分割线进行划分,得到各个牙齿的分割线;
5.2用户选择所需单牙,得到该牙齿的轮廓线;
5.3根据步骤5.2轮廓线,计算这颗单牙的边框;
5.4将步骤5.3中得到的单牙边框映射回步骤1最后得到的牙槽骨前景图中,得到这个单牙在牙槽骨前景图上的限制位置;
5.5遍历三维口腔CT图像堆的每一层;
5.5.1将步骤2.2得到的牙弓曲线映射在每一层图像上;
5.5.2将步骤5.4得到的单牙在牙槽骨前景图上的限制位置映射到每一层图像上,将单牙的限制位置与步骤5.5.1中的牙弓曲线相对应,可以得到这一层图像上在单牙限制位置范围内的牙弓曲线;
5.5.3遍历这一层图像上步骤5.5.2得到的单牙限制范围内牙弓曲线上的每一点;
5.5.3.1对步骤5.5.3中的每一个点进行法向上的像素遍历,遍历长度为步骤2.3中得到的生成全景图法线扫描的最大距离;
5.5.3.2步骤5.5.3.1中每个点法向遍历所得到的一行像素构成三维单牙CT图像堆中一层图像中的一行像素;
5.5.4将步骤5.5.3最后得到的一行行像素依次排列起来,构成三维单牙CT图像堆的一层图像;
5.6将步骤5.5最后得到的一层层图像依次排列起来,构成三维单牙CT图像堆;
如步骤6所述的对步骤5最后生成的三维单牙CT图像堆进行后处理,去除相邻牙齿的影响,具体实施过程:
6.1沿冠面方向对步骤5最后得到的三维单牙CT图像堆进行每一层的遍历;
6.1.1将步骤5.2得到的牙齿轮廓线映射到每一层的图像上;
6.1.2将步骤6.1.2中每一层图像上的牙齿轮廓线进行封闭操作;
6.1.3将牙齿轮廓线内的像素值保留,而多边形外的像素值归零,避免相邻牙齿的干扰;
6.2步骤6.1操作后得到最终的三维单牙CT图像堆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910664757.3A CN110619646B (zh) | 2019-07-23 | 2019-07-23 | 一种基于全景图的单牙提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910664757.3A CN110619646B (zh) | 2019-07-23 | 2019-07-23 | 一种基于全景图的单牙提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619646A CN110619646A (zh) | 2019-12-27 |
CN110619646B true CN110619646B (zh) | 2023-08-29 |
Family
ID=68921645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910664757.3A Active CN110619646B (zh) | 2019-07-23 | 2019-07-23 | 一种基于全景图的单牙提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619646B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612795B (zh) * | 2020-04-26 | 2022-10-18 | 武汉大学 | 一种对术前鼻-牙槽突矫治器数字模型的特征点自动提取方法 |
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 |
CN113920253B (zh) * | 2021-11-22 | 2022-05-17 | 广州大学 | 一种基于三维口腔模型的牙齿模型快速切割方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393653A (zh) * | 2008-10-16 | 2009-03-25 | 浙江大学 | 一种通过牙颌石膏模型ct数据和牙颌的全景透视图重建全牙的三维模型方法 |
WO2013012966A1 (en) * | 2011-07-21 | 2013-01-24 | Carestream Health, Inc. | Method and system for dental images |
CN105488849A (zh) * | 2015-11-24 | 2016-04-13 | 嘉兴学院 | 一种基于混合水平集的三维牙齿建模方法 |
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 |
CN105662610A (zh) * | 2015-12-30 | 2016-06-15 | 青岛兰信医学科技有限公司 | 基于模型的用于隐形正畸的虚拟牙龈的生成方法 |
WO2016128828A1 (en) * | 2015-02-13 | 2016-08-18 | Align Technology, Inc. | Three-dimensional tooth modeling using a two-dimensional x-ray image |
CN106214175A (zh) * | 2016-08-26 | 2016-12-14 | 中国科学院深圳先进技术研究院 | 一种估算三维牙轴的方法和装置 |
CN106228549A (zh) * | 2016-07-14 | 2016-12-14 | 嘉兴学院 | 一种基于路径规划的三角网格牙齿分割方法 |
CN107106117A (zh) * | 2015-06-11 | 2017-08-29 | 深圳先进技术研究院 | 牙齿和牙槽骨的分割与重构方法及装置 |
KR20170127950A (ko) * | 2016-05-13 | 2017-11-22 | 연세대학교 산학협력단 | Ct 치아 영상의 자동 세그먼테이션 시스템 및 방법 |
CN107909589A (zh) * | 2017-11-01 | 2018-04-13 | 浙江工业大学 | 一种结合C‑V水平集和GrabCut算法的牙齿图像分割方法 |
WO2018214950A1 (en) * | 2017-05-26 | 2018-11-29 | Wuxi Ea Medical Instruments Technologies Limited | Image segmentation method for teeth images |
CN109377534A (zh) * | 2018-10-22 | 2019-02-22 | 南方医科大学 | 自动采样厚度检测的非线性口腔ct全景图像合成方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9129363B2 (en) * | 2011-07-21 | 2015-09-08 | Carestream Health, Inc. | Method for teeth segmentation and alignment detection in CBCT volume |
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 |
-
2019
- 2019-07-23 CN CN201910664757.3A patent/CN110619646B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393653A (zh) * | 2008-10-16 | 2009-03-25 | 浙江大学 | 一种通过牙颌石膏模型ct数据和牙颌的全景透视图重建全牙的三维模型方法 |
WO2013012966A1 (en) * | 2011-07-21 | 2013-01-24 | Carestream Health, Inc. | Method and system for dental images |
WO2016128828A1 (en) * | 2015-02-13 | 2016-08-18 | Align Technology, Inc. | Three-dimensional tooth modeling using a two-dimensional x-ray image |
CN107106117A (zh) * | 2015-06-11 | 2017-08-29 | 深圳先进技术研究院 | 牙齿和牙槽骨的分割与重构方法及装置 |
CN105488849A (zh) * | 2015-11-24 | 2016-04-13 | 嘉兴学院 | 一种基于混合水平集的三维牙齿建模方法 |
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 |
CN105662610A (zh) * | 2015-12-30 | 2016-06-15 | 青岛兰信医学科技有限公司 | 基于模型的用于隐形正畸的虚拟牙龈的生成方法 |
KR20170127950A (ko) * | 2016-05-13 | 2017-11-22 | 연세대학교 산학협력단 | Ct 치아 영상의 자동 세그먼테이션 시스템 및 방법 |
CN106228549A (zh) * | 2016-07-14 | 2016-12-14 | 嘉兴学院 | 一种基于路径规划的三角网格牙齿分割方法 |
CN106214175A (zh) * | 2016-08-26 | 2016-12-14 | 中国科学院深圳先进技术研究院 | 一种估算三维牙轴的方法和装置 |
WO2018214950A1 (en) * | 2017-05-26 | 2018-11-29 | Wuxi Ea Medical Instruments Technologies Limited | Image segmentation method for teeth images |
CN107909589A (zh) * | 2017-11-01 | 2018-04-13 | 浙江工业大学 | 一种结合C‑V水平集和GrabCut算法的牙齿图像分割方法 |
CN109377534A (zh) * | 2018-10-22 | 2019-02-22 | 南方医科大学 | 自动采样厚度检测的非线性口腔ct全景图像合成方法 |
Non-Patent Citations (1)
Title |
---|
S S Naumovich等.Three-dimensional reconstruction of teeth and jaws based on segmentation of CT images using watershed transformation.Dentomaxill of acial Radiology.2015,第1-6页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110619646A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619646B (zh) | 一种基于全景图的单牙提取方法 | |
US11734825B2 (en) | Segmentation device and method of generating learning model | |
CN110889850B (zh) | 一种基于中心点检测的cbct牙齿图像分割方法 | |
Kumar et al. | Descriptive analysis of dental X-ray images using various practical methods: A review | |
CN113223010B (zh) | 口腔图像多组织全自动分割的方法和系统 | |
CN106846307B (zh) | 基于锥形束计算机体层摄影的图像处理方法及装置 | |
Poonsri et al. | Teeth segmentation from dental x-ray image by template matching | |
US20230206451A1 (en) | Method for automatic segmentation of a dental arch | |
CN110555852B (zh) | 基于灰度直方图的单牙及其牙髓分割方法 | |
CN114757960B (zh) | 一种基于cbct图像的牙齿分割与重建方法及存储介质 | |
US20220361992A1 (en) | System and Method for Predicting a Crown and Implant Feature for Dental Implant Planning | |
US20210217170A1 (en) | System and Method for Classifying a Tooth Condition Based on Landmarked Anthropomorphic Measurements. | |
CN109377534B (zh) | 自动采样厚度检测的非线性口腔ct全景图像合成方法 | |
Duy et al. | Automatic detection and classification of teeth in CT data | |
CN116152500A (zh) | 一种基于深度学习的全自动牙齿cbct图像分割方法 | |
Jang et al. | Fully automatic integration of dental CBCT images and full-arch intraoral impressions with stitching error correction via individual tooth segmentation and identification | |
US20220358740A1 (en) | System and Method for Alignment of Volumetric and Surface Scan Images | |
CN117541672A (zh) | 一种从口腔cbct自动合成全景图像的方法 | |
CN117011318A (zh) | 一种牙齿ct图像三维分割方法、系统、设备及介质 | |
Zhang et al. | Jaw Segmentation from CBCT Images | |
EP3864619A1 (en) | Method for segmenting teeth in reconstructed images | |
Pavaloiu et al. | Automatic segmentation for 3D dental reconstruction | |
US20230013902A1 (en) | System and Method for Correcting for Distortions of a Diagnostic Image | |
Sotthivirat et al. | Automatic detection of inferior alveolar nerve canals on CT images | |
Kakehbaraei et al. | 3D tooth segmentation in cone-beam computed tomography images using distance transform |
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 |