CN111553907B - 颅颌面状态的分析方法及装置、电子设备 - Google Patents
颅颌面状态的分析方法及装置、电子设备 Download PDFInfo
- Publication number
- CN111553907B CN111553907B CN202010366381.0A CN202010366381A CN111553907B CN 111553907 B CN111553907 B CN 111553907B CN 202010366381 A CN202010366381 A CN 202010366381A CN 111553907 B CN111553907 B CN 111553907B
- Authority
- CN
- China
- Prior art keywords
- craniomaxillofacial
- midline
- image
- head
- brain
- 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
Images
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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种颅颌面状态的分析方法及装置、电子设备。其中,该分析方法包括:获取目标用户的头部颅颌面的目标序列图像,其中,目标序列图像的类型为软组织序列图像或黑骨头序列图像,目标序列图像为磁共振图像MRI;将目标序列图像合成计算机断层扫描CT图像;利用目标序列图像定位目标用户的脑中线;采用脑中线定位头部颅颌面的正中矢状平面;基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。本发明解决了相关技术中由于颅骨的不规则性导致颅颌面的正中矢状面的确定过程存在误差大的缺陷,造成无法获取全面的颅颌面状态的技术问题。
Description
技术领域
本发明涉及头影分析技术领域,具体而言,涉及一种颅颌面状态的分析方法及装置、电子设备。
背景技术
相关技术中,在临床影像方面以及三维头影测量的研究,三维坐标系和参考平面的建立至关重要,尤其是CBCT(Cone beam computed tomography,CBCT)的不断普及,通过计算机终端很容易获取反映用户颅颌面信息的三维数据的技术不断进步。当前的技术方案中,在确定颅颌面的正中矢状面时,常使用3个位于颅颌面部中线上的解剖标志点构建正中矢状面,即先构建眶耳平面作为轴面(水平面),再选择两个面部中线上的解剖标志点做垂直于眶耳平面的正中矢状面,但是这种方式存在很大的缺陷,即由于CBCT在软组织显示方面的缺陷,大部分颅颌面正中矢状平面的定位都是在颅骨上完成的,由于颅骨是不规则形态的,用3个位于颅颌面部中线上的解剖标志点构建正中矢状面存在误差大,随机性,另外在严重颅颌面畸形中这些标志点的稳定性差。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种颅颌面状态的分析方法及装置、电子设备,以至少解决相关技术中由于颅骨的不规则性导致颅颌面的正中矢状面的确定过程存在误差大的缺陷,造成无法获取全面的颅颌面状态的技术问题。
根据本发明实施例的一个方面,提供了一种颅颌面状态的分析方法,包括:获取目标用户的头部颅颌面的目标序列图像,其中,所述目标序列图像的类型为软组织序列图像或黑骨头序列图像,所述目标序列图像为磁共振图像MRI;将所述目标序列图像合成计算机断层扫描CT图像;利用所述目标序列图像定位所述目标用户的脑中线;采用所述脑中线定位所述头部颅颌面的正中矢状平面;基于所述正中矢状平面,分析所述目标用户的头部颅颌面是否出现异常变形。
可选地,获取目标用户的头部颅颌面的目标序列图像的步骤,包括:在检测所述目标用户的仰卧位满足预设仰卧条件后,检测所述目标用户的头部方向和头部位置;基于所述目标用户的头部方向和头部位置,分析所述目标用户的口腔张合状态是否满足预设张合状态;在确定所述目标用户的口腔张合状态满足预设张合状态的情况下,采用梯度回波序列对所述目标用户的头部进行MRI软组织常规序列扫描,以得到头部颅颌面的软组织序列图像;或者,在确定所述目标用户的口腔张合状态满足预设张合状态的情况下,采用低翻转角的目标参数对所述目标用户的头部进行MRI黑骨头序列扫描,以得到头部颅颌面的黑骨头序列图像。
可选地,将所述目标序列图像合成计算机断层扫描CT图像的步骤,包括:采用深度学习未配对数据方式将所述目标序列图像转换为头部序列图像;对头部序列图像进行自动编码,得到CT图像。
可选地,利用所述目标序列图像定位所述目标用户的脑中线的步骤,包括:提取所述目标用户的头部结构;基于所述头部结构,定位所述目标用户的头部在虚拟解剖后的脑中线结构;确定脑中线与面中线的映射关系;基于所述脑中线结构和所述映射关系,确定至少一条脑中线;从所述至少一条脑中线中选取与面中线一致性最高的颅颌面脑中线,并将该颅颌面脑中线作为所述目标用户的脑中线。
可选地,所述脑中线结构包括下述至少之一:大脑镰、纵裂池,胼胝体。
可选地,采用所述脑中线定位所述头部颅颌面的正中矢状平面的步骤,包括:基于所述脑中线与面中线的映射关系,确定与所述颅颌面脑中线对应的颅颌面中线;基于所述颅颌面中线和面中线标识点定位所述正中矢状平面。
可选地,基于所述正中矢状平面,分析所述目标用户的头部颅颌面是否出现异常变形的步骤,包括:以所述正中矢状平面为参照,在目标序列图像中对颅颌面软组织进行三维分析,得到所述头部颅颌面的软组织信息;以所述正中矢状平面为参照,在CT图像中对颅颌面硬组织进行三维分析,得到所述头部颅颌面的硬组织信息;基于所述头部颅颌面的软组织信息和硬组织信息,分析所述目标用户的头部颅颌面是否出现异常变形。
根据本发明实施例的另一方面,还提供了一种颅颌面状态的分析装置,包括:获取单元,用于获取目标用户的头部颅颌面的目标序列图像,其中,所述目标序列图像的类型为软组织序列图像或黑骨头序列图像,所述目标序列图像为磁共振图像MRI;合成单元,用于将所述目标序列图像合成计算机断层扫描CT图像;第一定位单元,用于利用所述目标序列图像定位所述目标用户的脑中线;第二定位单元,用于采用所述脑中线定位所述头部颅颌面的正中矢状平面;分析单元,用于基于所述正中矢状平面,分析所述目标用户的头部颅颌面是否出现异常变形。
可选地,所述获取单元包括:第一检测模块,用于在检测所述目标用户的仰卧位满足预设仰卧条件后,检测所述目标用户的头部方向和头部位置;第一分析模块,用于基于所述目标用户的头部方向和头部位置,分析所述目标用户的口腔张合状态是否满足预设张合状态;第一扫描模块,用于在确定所述目标用户的口腔张合状态满足预设张合状态的情况下,采用梯度回波序列对所述目标用户的头部进行MRI软组织常规序列扫描,以得到头部颅颌面的软组织序列图像;或者,在确定所述目标用户的口腔张合状态满足预设张合状态的情况下,采用低翻转角的目标参数对所述目标用户的头部进行MRI黑骨头序列扫描,以得到头部颅颌面的黑骨头序列图像。
可选地,所述颅颌面状态的分析装置还包括:第二转换模块,用于在将所述目标序列图像合成计算机断层扫描CT图像之后,采用深度学习未配对数据方式将合成的CT图像转换回MRI图像;第一分析模块,用于通过预设图像分析模型分析合成CT与实际CT图像的差异。
可选地,所述第一定位单元包括:第一提取模块,用于提取所述目标用户的头部结构;第一定位模块,用于基于所述头部结构,定位所述目标用户的头部在虚拟解剖后的脑中线结构;第一确定模块,用于确定脑中线与面中线的映射关系;第二确定模块,用于基于所述脑中线结构和所述映射关系,确定至少一条脑中线;第一选取模块,用于从所述至少一条脑中线中选取与面中线一致性最高的颅颌面脑中线,并将该颅颌面脑中线作为所述目标用户的脑中线。
可选地,所述脑中线结构包括下述至少之一:大脑镰、纵裂池,胼胝体。
可选地,所述第二定位单元包括:第二确定模块,用于基于所述脑中线与面中线的映射关系,确定与所述颅颌面脑中线对应的颅颌面中线;第二定位模块,用于基于所述颅颌面中线和面中线标识点定位所述正中矢状平面。
可选地,所述分析单元包括:第二分析模块,用于以所述正中矢状平面为参照,在目标序列图像中对颅颌面软组织进行三维分析,得到所述头部颅颌面的软组织信息;第三分析模块,用于以所述正中矢状平面为参照,在CT图像中对颅颌面硬组织进行三维分析,得到所述头部颅颌面的硬组织信息;第四分析模块,用于基于所述头部颅颌面的软组织信息和硬组织信息,分析所述目标用户的头部颅颌面是否出现异常变形。
根据本发明实施例的另一方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的颅颌面状态的分析方法。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,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上述任意一项所述的颅颌面状态的分析方法。
本发明实施例中,在分析用户的头部颅颌面是否出现变形异常时,先获取目标用户的头部颅颌面的目标序列图像,然后将目标序列图像合成计算机断层扫描CT图像,利用目标序列图像定位目标用户的脑中线,之后可采用脑中线定位头部颅颌面的正中矢状平面,最后可基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。在该实施例中,可以在合成的CT图像和目标序列图像中自动定位颅颌面脑中线,并采用该颅颌面脑中线定位正中矢状平面,以此正中矢状平面为参考,分析头部颅颌面是否异常,分析结果更为全面和准确,从而解决相关技术中由于颅骨的不规则性导致颅颌面的正中矢状面的确定过程存在误差大的缺陷,造成无法获取全面的颅颌面状态的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,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一种可选的颅颌面状态的分析方法的流程图;
图2是根据本发明实施例的一种可选的颅颌面状态的分析装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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。
为便于本领域技术人员理解本发明,下面对本发明各实施例中涉及的部分术语或名词做出解释:
CT,Computed Tomography,电子计算机断层扫描仪器,利用精确准直的线束、射线、超声波等,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面扫描。
CBCT,Cone beam computed tomography,简称锥形束CT,也称口腔CT,是锥形束投照计算机重组断层影像设备,实现数据断层重组,获得三维口腔图像。
MRI,Magnet ic Resonance Imaging,磁共振程序,采用多序列、直接多方位显示检测部位的影像。
现有技术中,在基于CBCT进行三维头影测量中,正中矢状面的确定方案存在误差大、随机性强、稳定性差(严重颅颌面畸形中标志点的稳定性差)的问题。本申请针对这些问题,采用大量实验,确定用户头部的前脑、前颅及中上面部中线结构的高度相关性在生理与病理情况下都得到充分体现。中线是神经板中第一个确立的结构界限;脊索前板通过产生例如Shh(Sonic hedgehog,Shh)信号分子,设定面部的中线,同时诱导前脑分裂为两个大脑半球。这一中线结构是脊椎动物胚胎的自身发育轴。面部中线结构的异常,常与脑中线结构的异常并存。本发明实施例根据脑、面中线的一致性,利用解剖存在的脑中线代替融合的面中线构建颅颌面正中矢状平面,以得到三维头影测量正中矢状平面确定的技术方案。利用MRI将脑中线与面中线联系起来,将脑、眼疾病与面疾病联系起来,可以大大加快三维头影测量研究的进程,有助于深入探索颅颌面畸形的发病机理,结束颅颌面畸形研究的孤立状态。
本发明实施例通过扫描用户头部的头部颅颌面的目标序列图像,其中,目标序列图像的类型包括软组织序列图像或黑骨头序列图像,然后将目标序列图像合成CT图像,利用目标序列图像(可理解为磁共振MRI图像)定位目标用户的脑中线,采用脑中线定位头部颅颌面的正中矢状平面。目标序列图像可以为MRI图像,在MRI图像中自动定位与面中线一致性最好的颅颌面脑中线正中矢状平面,并使此正中矢状平面可以在软组织序列与合成CT中转换,以此正中矢状平面为参考,利用软组织序列对颅颌面软组织进行分析,利用合成CT图像对颅颌面硬组织进行三维分析,分析结果更为全面和准确。下面结合各个实施例来详细说明本发明。
实施例一
根据本发明实施例,提供了一种颅颌面状态的分析方法实施例,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。
图1是根据本发明实施例的一种可选的颅颌面状态的分析方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标用户的头部颅颌面的目标序列图像,其中,目标序列图像的类型为软组织序列图像或黑骨头序列图像,目标序列图像为磁共振图像MRI;
步骤S104,将目标序列图像合成计算机断层扫描CT图像;
步骤S106,利用目标序列图像定位目标用户的脑中线;
步骤S108,采用脑中线定位头部颅颌面的正中矢状平面;
步骤S110,基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。
通过上述步骤,可以在分析用户的头部颅颌面时,先获取目标用户的头部颅颌面的目标序列图像,然后将目标序列图像合成计算机断层扫描CT图像,利用目标序列图像定位目标用户的脑中线,之后可采用脑中线定位头部颅颌面的正中矢状平面,最后可基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。在该实施例中,可以在合成的CT图像和目标序列图像中自动定位颅颌面脑中线,并采用该脑中线定位正中矢状平面,以此正中矢状平面为参考,分析头部颅颌面是否异常,分析结果更为全面和准确,从而解决相关技术中由于颅骨的不规则性导致颅颌面的正中矢状面的确定过程存在误差大的缺陷,造成无法获取全面的颅颌面状态的技术问题。
下面结合上述各步骤来详细说明本发明。
步骤S102,获取目标用户的头部颅颌面的目标序列图像,其中,目标序列图像的类型为软组织序列图像或黑骨头序列图像,目标序列图像为磁共振图像MRI。
用户的头部颅颌面,包括多个硬组织和包裹的外部软组织,其中,硬组织包括但不限于:下颌骨、上颌骨、牙齿等。
作为本发明可选的实施例,获取目标用户的头部颅颌面的目标序列图像的步骤,包括:在检测目标用户的仰卧位满足预设仰卧条件后,检测目标用户的头部方向和头部位置;基于目标用户的头部方向和头部位置,分析目标用户的口腔张合状态是否满足预设张合状态;在确定目标用户的口腔张合状态满足预设张合状态的情况下,采用梯度回波序列对目标用户的头部进行MRI软组织常规序列扫描,以得到头部颅颌面的软组织序列图像;或者,在确定目标用户的口腔张合状态满足预设张合状态的情况下,采用低翻转角的目标参数对目标用户的头部进行MRI黑骨头序列扫描,以得到头部颅颌面的黑骨头序列图像。
本申请涉及到的目标序列图像是通过核磁扫描得到的序列图像,图像的类型包括软组织序列图像、黑骨头序列图像。其中,软组织序列图像对应的图像信息是指对肌肉脂肪等软组织信息,而黑骨头序列图像对应的图像信息是指颅颌面的骨骼、牙齿等硬组织信息,对于黑骨头序列图像,通过使用低翻转角度来抑制脂肪和水以获得均匀的软组织图像背景(目标参数可以是指翻转角度,如翻转角度为5°,有效地抑制来自脂肪和水的信号,使皮质骨呈现黑色并且可以识别,同时使软组织呈现均一的灰色,这种MRI序列通过提高骨与其它软组织之间的图像对比度,减少不同软组织之间的对比度,而使骨组织呈现可辨别的黑色,因此称为“黑骨头”序列),黑骨头图像序列提供了一种潜在的替代CT的方案。
本发明实施例为了同时获得软组织序列图像和黑骨头序列图像,对用户进行软组织或者黑骨头两个序列的扫描。
步骤S104,将目标序列图像合成计算机断层扫描CT图像。
另一种可选的,将目标序列图像合成计算机断层扫描CT图像的步骤,包括:采用深度学习未配对数据方式将目标序列图像转换为头部序列图像;对头部序列图像进行自动编码,得到合成的CT图像。
可选的,在将目标序列图像合成计算机断层扫描CT图像之后,分析方法还包括:采用深度学习未配对数据方式将合成的CT图像转换回MRI图像;通过预设图像分析模型分析合成CT与实际CT图像的差异。
深度学习未配对数据方式,较其它配对数据训练的方法得到的CT图像更真实,含伪影和模糊斑点均较少,基于深度学习未配对数据的方案,包括:先学习将MRI软组织序列图像合成CT图像,然后学习将合成的CT图像转换回MRI图像,最后通过训练找出合成CT与实际CT的区别。
步骤S106,利用目标序列图像定位目标用户的脑中线。
在本发明实施例,利用目标序列图像定位目标用户的脑中线的步骤,包括:提取目标用户的头部结构;基于头部结构,定位目标用户的头部在虚拟解剖后的脑中线结构;确定脑中线与面中线的映射关系;基于脑中线结构和映射关系,确定至少一条脑中线;从至少一条脑中线中选取与面中线一致性最高的颅颌面脑中线,并将该颅颌面脑中线作为目标用户的脑中线。
可选的,脑中线结构包括下述至少之一:大脑镰、纵裂池,胼胝体。
步骤S108,采用脑中线定位头部颅颌面的正中矢状平面。
在本发明实施例中,采用脑中线定位头部颅颌面的正中矢状平面的步骤,包括:基于脑中线与面中线的映射关系,确定与颅颌面脑中线对应的颅颌面中线;基于颅颌面中线和面中线标识点定位正中矢状平面。
通过调整坐标轴的位置,使代表正中矢状平面的坐标轴最大限度的与垂体窝前部的大脑镰重叠,并通过正中矢状平面与鸡冠点及鼻根点的关系验证这一颅颌面正中矢状平面的准确性。因为眼眶以上面部及前颅底属于单一模块,稳定性好,并且已通过实验证实,在严重颅颌面不对称畸形患者中鸡冠点和鼻根点的稳定性较好,在定位时,通过接收外部终端输入的调整信息(包括微调脑中线),使其最大限度通过鼻根点和鸡冠点,从而定位脑中线正中矢状平面。
上述的颅颌面中线和面中线标识点,可以包括:彩色图像点、直线、数字、字符、字母等标志等。即本发明实施例中,在定位脑中线的正中矢状平面时,可以接收外部终端输入的调整信息、参数,然后自动定位脑中线与颅颌面中线上特定标志点的关系或者畸形用户特定的特征,调整自动定位的脑中线,使其更符合实际的颅颌面正中矢状平面。
步骤S110,基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。
可选的,基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形的步骤,包括:以正中矢状平面为参照,在目标序列图像中对颅颌面软组织进行三维分析,得到头部颅颌面的软组织信息;以正中矢状平面为参照,在合成CT图像中对颅颌面硬组织进行三维分析,得到头部颅颌面的硬组织信息;基于头部颅颌面的软组织信息和硬组织信息,分析目标用户的头部颅颌面是否出现异常变形。
通过上述实施例,可以在目标序列图像(为MRI图像,无辐射,可以减少用户辐射伤害)中自动定位颅颌面脑中线,并通过颅颌面脑中线确定正中矢状平面,并使此正中矢状平面可以在目标序列图像转换;通过定位完成的正中矢状平面对颅颌面进行分析,以确定颅颌面是否出现变形、异常,这样进行颅颌面软硬组织的三维分析,更符合人体轴的分子生物学规律,提高分析准确性,输出结果更为准确。
下面结合另一种可选的实施例来说明本发明。
实施例二
图2是根据本发明实施例的一种可选的颅颌面状态的分析装置的示意图,如图2所示,该分析装置可以包括:获取单元21、合成单元23、第一定位单元25、第二定位单元27、分析单元29,其中,
获取单元21,用于获取目标用户的头部颅颌面的目标序列图像,其中,目标序列图像的类型为软组织序列图像或黑骨头序列图像,目标序列图像为磁共振图像MRI;
合成单元23,用于将目标序列图像合成计算机断层扫描CT图像;
第一定位单元25,用于利用目标序列图像定位目标用户的脑中线;
第二定位单元27,用于采用脑中线定位头部颅颌面的正中矢状平面;
分析单元29,用于基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。
上述颅颌面状态的分析装置,在分析头部颅颌面是否变形时,可以先通过获取单元21获取目标用户的头部颅颌面的目标序列图像,然后通过合成单元23将目标序列图像合成计算机断层扫描CT图像,通过第一定位单元25利用目标序列图像定位目标用户的脑中线,之后可通过第二定位单元27采用脑中线定位头部颅颌面的正中矢状平面,最后可通过分析单元29基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。在该实施例中,可以在CT图像和目标序列图像中自动定位颅颌面脑中线,并采用该脑中线定位正中矢状平面,以此正中矢状平面为参考,分析头部颅颌面是否异常,分析结果更为全面和准确,从而解决相关技术中由于颅骨的不规则性导致颅颌面的正中矢状面的确定过程存在误差大的缺陷,造成无法获取全面的颅颌面状态的技术问题。
可选地,获取单元包括:第一检测模块,用于在检测目标用户的仰卧位满足预设仰卧条件后,检测目标用户的头部方向和头部位置;第一分析模块,用于基于目标用户的头部方向和头部位置,分析目标用户的口腔张合状态是否满足预设张合状态;第一扫描模块,用于在确定目标用户的口腔张合状态满足预设张合状态的情况下,采用梯度回波序列对目标用户的头部进行MRI软组织常规序列扫描,以得到头部颅颌面的软组织序列图像;或者,在确定目标用户的口腔张合状态满足预设张合状态的情况下,采用低翻转角的目标参数对目标用户的头部进行MRI黑骨头序列扫描,以得到头部颅颌面的黑骨头序列图像。
可选地,合成单元包括:第一转换模块,用于采用深度学习未配对数据方式将目标序列图像转换为头部序列图像;第一编码模块,用于对头部序列图像进行自动编码,得到CT图像。
可选地,颅颌面状态的分析装置还包括:第二转换模块,用于在将目标序列图像合成计算机断层扫描CT图像之后,采用深度学习未配对数据方式将合成的CT图像转换回MRI图像;第一分析模块,用于通过预设图像分析模型分析合成CT与实际CT图像的差异。
可选地,第一定位单元包括:第一提取模块,用于提取目标用户的头部结构;第一定位模块,用于基于头部结构,定位目标用户的头部在虚拟解剖后的脑中线结构;第一确定模块,用于确定脑中线与面中线的映射关系;第二确定模块,用于基于脑中线结构和映射关系,确定至少一条脑中线;第一选取模块,用于从至少一条脑中线中选取与面中线一致性最高的颅颌面脑中线,并将该颅颌面脑中线作为目标用户的脑中线。
可选地,脑中线结构包括下述至少之一:大脑镰、纵裂池,胼胝体。
可选地,第二定位单元包括:第二确定模块,用于基于脑中线与面中线的映射关系,确定与颅颌面脑中线对应的颅颌面中线;第二定位模块,用于基于颅颌面中线和面中线标识点定位正中矢状平面。
可选地,分析单元包括:第二分析模块,用于以正中矢状平面为参照,在目标序列图像中对颅颌面软组织进行三维分析,得到头部颅颌面的软组织信息;第三分析模块,用于以正中矢状平面为参照,在CT图像中对颅颌面硬组织进行三维分析,得到头部颅颌面的硬组织信息;第四分析模块,用于基于头部颅颌面的软组织信息和硬组织信息,分析目标用户的头部颅颌面是否出现异常变形。
上述的颅颌面状态的分析装置还可以包括处理器和存储器,上述获取单元21、合成单元23、第一定位单元25、第二定位单元27、分析单元29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。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。
上述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),存储器包括至少一个存储芯片。
根据本发明实施例的另一方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的颅颌面状态的分析方法。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,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上述任意一项所述的颅颌面状态的分析方法。
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:获取目标用户的头部颅颌面的目标序列图像,其中,目标序列图像的类型为软组织序列图像或黑骨头序列图像,目标序列图像为磁共振图像MRI;将目标序列图像合成计算机断层扫描CT图像;利用目标序列图像定位目标用户的脑中线;采用脑中线定位头部颅颌面的正中矢状平面;基于正中矢状平面,分析目标用户的头部颅颌面是否出现异常变形。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种颅颌面状态的分析方法,其特征在于,包括:
获取目标用户的头部颅颌面的目标序列图像,其中,所述目标序列图像的类型为软组织序列图像或黑骨头序列图像,所述目标序列图像为磁共振图像MRI;
将所述目标序列图像合成计算机断层扫描CT图像,在将目标序列图像合成计算机断层扫描CT图像之后,分析方法还包括:采用深度学习未配对数据方式将合成的CT图像转换回MRI图像;通过预设图像分析模型分析合成CT与实际CT图像的差异;
利用所述目标序列图像定位所述目标用户的脑中线;
采用所述脑中线定位所述头部颅颌面的正中矢状平面;
基于所述正中矢状平面,分析所述目标用户的头部颅颌面是否出现异常变形,
将所述目标序列图像合成计算机断层扫描CT图像的步骤,包括:采用深度学习未配对数据方式将所述目标序列图像转换为头部序列图像;对头部序列图像进行自动编码,得到CT图像,
利用所述目标序列图像定位所述目标用户的脑中线的步骤,包括:提取所述目标用户的头部结构;基于所述头部结构,定位所述目标用户的头部在虚拟解剖后的脑中线结构;确定脑中线与面中线的映射关系;基于所述脑中线结构和所述映射关系,确定至少一条脑中线;从所述至少一条脑中线中选取与面中线一致性最高的颅颌面脑中线,并将该颅颌面脑中线作为所述目标用户的脑中线,
所述脑中线结构包括:大脑镰、纵裂池,胼胝体,
采用所述脑中线定位所述头部颅颌面的正中矢状平面的步骤,包括:基于所述脑中线与面中线的映射关系,确定与所述颅颌面脑中线对应的颅颌面中线;基于所述颅颌面中线和面中线标识点定位所述正中矢状平面,
在定位所述头部颅颌面的正中矢状平面时,还包括:接收外部终端输入的调整信息、参数;自动定位脑中线与颅颌面中线上特定标志点的关系或者畸形用户特定的特征;调整自动定位的脑中线,得到所述头部颅颌面的正中矢状平面。
2.根据权利要求1所述的分析方法,其特征在于,获取目标用户的头部颅颌面的目标序列图像的步骤,包括:
在检测所述目标用户的仰卧位满足预设仰卧条件后,检测所述目标用户的头部方向和头部位置;
基于所述目标用户的头部方向和头部位置,分析所述目标用户的口腔张合状态是否满足预设张合状态;
在确定所述目标用户的口腔张合状态满足预设张合状态的情况下,采用梯度回波序列对所述目标用户的头部进行MRI软组织常规序列扫描,以得到头部颅颌面的软组织序列图像;或者,
在确定所述目标用户的口腔张合状态满足预设张合状态的情况下,采用低翻转角的目标参数对所述目标用户的头部进行MRI黑骨头序列扫描,以得到头部颅颌面的黑骨头序列图像。
3.根据权利要求1所述的分析方法,其特征在于,基于所述正中矢状平面,分析所述目标用户的头部颅颌面是否出现异常变形的步骤,包括:
以所述正中矢状平面为参照,在目标序列图像中对颅颌面软组织进行三维分析,得到所述头部颅颌面的软组织信息;
以所述正中矢状平面为参照,在CT图像中对颅颌面硬组织进行三维分析,得到所述头部颅颌面的硬组织信息;
基于所述头部颅颌面的软组织信息和硬组织信息,分析所述目标用户的头部颅颌面是否出现异常变形。
4.一种颅颌面状态的分析装置,其特征在于,包括:
获取单元,用于获取目标用户的头部颅颌面的目标序列图像,其中,所述目标序列图像的类型为软组织序列图像或黑骨头序列图像,所述目标序列图像为磁共振图像MRI;
合成单元,用于将所述目标序列图像合成计算机断层扫描CT图像,在将目标序列图像合成计算机断层扫描CT图像之后,采用深度学习未配对数据方式将合成的CT图像转换回MRI图像;通过预设图像分析模型分析合成CT与实际CT图像的差异;
第一定位单元,用于利用所述目标序列图像定位所述目标用户的脑中线;
第二定位单元,用于采用所述脑中线定位所述头部颅颌面的正中矢状平面;
分析单元,用于基于所述正中矢状平面,分析所述目标用户的头部颅颌面是否出现异常变形,
所述颅颌面状态的分析装置还包括:第二转换模块,用于在将所述目标序列图像合成计算机断层扫描CT图像之后,采用深度学习未配对数据方式将合成的CT图像转换回MRI图像;第一分析模块,用于通过预设图像分析模型分析合成CT与实际CT图像的差异;
所述第一定位单元包括:第一提取模块,用于提取所述目标用户的头部结构;第一定位模块,用于基于所述头部结构,定位所述目标用户的头部在虚拟解剖后的脑中线结构;第一确定模块,用于确定脑中线与面中线的映射关系;第二确定模块,用于基于所述脑中线结构和所述映射关系,确定至少一条脑中线;第一选取模块,用于从所述至少一条脑中线中选取与面中线一致性最高的颅颌面脑中线,并将该颅颌面脑中线作为所述目标用户的脑中线;
所述脑中线结构包括:大脑镰、纵裂池,胼胝体;
所述第二定位单元包括:第二确定模块,用于基于所述脑中线与面中线的映射关系,确定与所述颅颌面脑中线对应的颅颌面中线;第二定位模块,用于基于所述颅颌面中线和面中线标识点定位所述正中矢状平面,
在定位所述头部颅颌面的正中矢状平面时,还包括:接收外部终端输入的调整信息、参数;自动定位脑中线与颅颌面中线上特定标志点的关系或者畸形用户特定的特征;调整自动定位的脑中线,得到所述头部颅颌面的正中矢状平面。
5.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至3中任意一项所述的颅颌面状态的分析方法。
6.一种计算机存储介质,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3中任意一项所述的颅颌面状态的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366381.0A CN111553907B (zh) | 2020-04-30 | 2020-04-30 | 颅颌面状态的分析方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366381.0A CN111553907B (zh) | 2020-04-30 | 2020-04-30 | 颅颌面状态的分析方法及装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553907A CN111553907A (zh) | 2020-08-18 |
CN111553907B true CN111553907B (zh) | 2021-07-02 |
Family
ID=72000458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010366381.0A Active CN111553907B (zh) | 2020-04-30 | 2020-04-30 | 颅颌面状态的分析方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553907B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781547B (zh) * | 2021-08-05 | 2024-05-31 | 东软医疗系统股份有限公司 | 头部对称轴识别方法及装置、存储介质、计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663818A (zh) * | 2012-04-16 | 2012-09-12 | 上海交通大学医学院附属第九人民医院 | 颅颌面三维形貌模型的构建方法及其装置 |
CN107374728A (zh) * | 2017-08-25 | 2017-11-24 | 四川大学 | 颅颌面畸形应用骨性标志点建立标准正中矢状面的方法 |
CN108846866A (zh) * | 2018-05-29 | 2018-11-20 | 南京医科大学附属口腔医院 | 基于光学成像的颅颌面软组织矢状向中轴面确定方法及系统 |
CN110378941A (zh) * | 2019-07-16 | 2019-10-25 | 北京大学口腔医学院 | 一种获取面中部缺损目标参照数据的刚性配准方法 |
WO2019224140A1 (en) * | 2018-05-23 | 2019-11-28 | Raysearch Laboratories Ab | Medical image conversion |
-
2020
- 2020-04-30 CN CN202010366381.0A patent/CN111553907B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663818A (zh) * | 2012-04-16 | 2012-09-12 | 上海交通大学医学院附属第九人民医院 | 颅颌面三维形貌模型的构建方法及其装置 |
CN107374728A (zh) * | 2017-08-25 | 2017-11-24 | 四川大学 | 颅颌面畸形应用骨性标志点建立标准正中矢状面的方法 |
WO2019224140A1 (en) * | 2018-05-23 | 2019-11-28 | Raysearch Laboratories Ab | Medical image conversion |
CN108846866A (zh) * | 2018-05-29 | 2018-11-20 | 南京医科大学附属口腔医院 | 基于光学成像的颅颌面软组织矢状向中轴面确定方法及系统 |
CN110378941A (zh) * | 2019-07-16 | 2019-10-25 | 北京大学口腔医学院 | 一种获取面中部缺损目标参照数据的刚性配准方法 |
Non-Patent Citations (4)
Title |
---|
《Craniofacial soft and hard tissue symmetry depicted with MRI, based on integrated and modular organization of the human head: three-dimensional analysis》;Xiling Jiang et al;;《Int J Clin Exp Med》;20191231;第12卷(第4期);第3114-3123页; * |
《Deep MR to CT Synthesis using Unpaired Data》;Jelmer M. Wolterink;《arXiv:1708.01155v1》;20170803;第1-10页; * |
《Evaluation of facial hard and soft tissue asymmetry using cone-beam computed tomography》;Rahime Burcu Nur et al ;;《American Journal of Orthodontics and Dentofacial Orthopedics》;20161228;第149卷(第2期);第225-第237页; * |
《基于头部一体化与模块化结构特点的颅面对称性CT与MRI三维分析》;姜喜玲;《中国博士学位论文全文数据库医药卫生科技辑》;20190515;第E074-1页; * |
Also Published As
Publication number | Publication date |
---|---|
CN111553907A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7162793B2 (ja) | 超音波拓本技術に基づく脊椎画像生成システム及び脊柱手術用のナビゲーション・位置確認システム | |
CN111513718B (zh) | 颅颌面状态的分析方法及装置、电子设备 | |
US10582863B2 (en) | Image guided atlas correction | |
CN112258492B (zh) | 颅骨不对称信息的获取方法、存储介质及电子设备 | |
CN109741290B (zh) | 用于神经追踪的方法、非暂时性计算机可读媒体及设备 | |
CN111528889B (zh) | 颅颌面状态的分析方法及装置、电子设备 | |
Dorfling et al. | Facial approximations: Characteristics of the eye in a South African sample | |
CN111553907B (zh) | 颅颌面状态的分析方法及装置、电子设备 | |
CA3136862A1 (en) | Method and apparatus for wireless portable ultrasound imaging | |
KR101118549B1 (ko) | 의료용 융합영상 획득장치 및 획득방법 | |
Smith et al. | Automated measurement of pediatric cranial bone thickness and density from clinical computed tomography | |
CN111513719B (zh) | 颅颌面状态的分析方法及装置、电子设备 | |
CN111583219B (zh) | 颅颌面软硬组织的分析方法及装置、电子设备 | |
CN114723879A (zh) | 一种基于多维跨模态影像融合技术的人脑锥体束全自动重建方法 | |
Cuccia et al. | Imaging of temporomandibular joint: approach by direct volume rendering | |
CN112991478A (zh) | 基于深度学习的影像分析多时相异常特征区域参数的方法 | |
CN111553941A (zh) | 用户口腔全景视图的合成方法及装置、电子设备 | |
CN111553908B (zh) | 颅颌面信息的分析方法及装置、电子设备、计算机存储介质 | |
CN111583218A (zh) | 用户颞下颌关节软硬组织的分析方法及装置、电子设备 | |
CN111583221B (zh) | 颅颌面软硬组织的分析方法及装置、电子设备 | |
CN111528846B (zh) | 口腔颅颌面的扫描设备及扫描方法、电子设备 | |
CN110613481A (zh) | 一种髋关节的成像方法以及髋关节成像系统 | |
US20230025920A1 (en) | Medical information processing apparatus and medical information processing method | |
CN115568873B (zh) | 一种ct影像自动调整方法 | |
Banerjee | Automatic Assessment of Scoliosis Using 3D Ultrasound Imaging and Convolutional Neural Network |
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 |