CN112288735A - 一种基于神经网络的利用牙齿锥形束ct图自动检测牙折裂的方法 - Google Patents
一种基于神经网络的利用牙齿锥形束ct图自动检测牙折裂的方法 Download PDFInfo
- Publication number
- CN112288735A CN112288735A CN202011235554.1A CN202011235554A CN112288735A CN 112288735 A CN112288735 A CN 112288735A CN 202011235554 A CN202011235554 A CN 202011235554A CN 112288735 A CN112288735 A CN 112288735A
- Authority
- CN
- China
- Prior art keywords
- tooth
- cbct
- neural network
- picture
- image
- 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.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 8
- 238000002591 computed tomography Methods 0.000 title description 5
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000003062 neural network model Methods 0.000 claims abstract description 6
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 56
- 210000000214 mouth Anatomy 0.000 claims description 12
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000013527 convolutional neural network Methods 0.000 description 7
- 206010062544 Tooth fracture Diseases 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 210000003298 dental enamel Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000021270 cold food Nutrition 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 210000004262 dental pulp cavity Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000021268 hot food Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003239 periodontal effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
一种基于神经网络的利用牙齿锥形束CT图自动检测牙折裂的方法，包括步骤：通过构建牙齿锥形束CT图片自动分割器，对牙齿锥形束CT图进行自动分割，得到每颗牙齿锥形束CT图片，并进行图像处理，输入已训练好的分类神经网络模型，将神经网络的输出作为牙齿锥形束CT图是否存在牙折裂的检测结果。
Description
技术领域
本发明涉及人工智能深度学习、卷积神经网络(Convolutional NeuralNetworks，CNN)、信息相似度(Information Based Similarity，IBS)统计分析理论和图像处理在牙齿锥形束CT(CBCT)图片分类方向的应用。
背景技术
在临床口腔医学中，较为多见的一种疾病就是牙折裂。1997年美国牙髓病学会(American Association of Endodontists，AAE)将有裂纹的牙齿分为5类：牙釉质表面裂纹(Craze Line)、牙尖折裂(Fractured Cusp)、牙不完全裂或叫隐裂(Cracked Tooth)、牙齿完全劈裂(Split Tooth)、牙根纵裂(Vertical Root Facture)。其中的第一类牙釉质表面裂纹通常是因为咬合应力过大，冷热食物交替等因素造成。主要表现为牙齿表面出现一些异常的细微裂痕，经常被人们所忽视；第二类牙尖折裂是外界的直接或者是间接地撞击后，使牙尖失去整体结构发生断裂；第三类狭义牙隐裂特指从牙冠咬合面向根尖方向延伸的折裂线；第四类牙齿完全劈裂是指沿近远中方向并扩展至牙齿边缘嵴的完全性劈裂牙；第五类牙根纵裂特指牙根发生折裂的牙齿，多呈颊舌方向，由于其发生于牙根，无法直视，诊断则更加困难，经常需要依靠牙周手术探查以明确诊断。牙折裂的治疗方法从无需任何治疗的小浅裂纹，到根管治疗、牙冠套保护、到晚期的拔除都有可能，需要针对每个患者的症状对症下药。
如果可以借助卷积神经网络与IBS统计分析对牙齿CBCT图片进行智能分析与诊断，就可以减轻医护人员的工作量。
本发明中使用的孪生交叉对比神经网络模型(Siamese Cross Contrast NeuralNetwork，SCCNN)，该神经网络模型在交叉对比神经网络(Cross-Contrast NeuralNetwork，CCNN)基础上进行改进，主要基于CNN和IBS统计分析两个部分。CNN是一种深度学习模型或类似于人工神经网络的多层感知器，可用来分析视觉图像，以其局部权值共享的特殊结构在图像处理方面有着独特的优越性，其布局更接近于实际的生物神经网络，在计算机视觉领域显示出了优越的性能，在各项比赛与研究中取得了显著的效果。同时，为了进一步提升网络对于牙齿CBCT图片的分类识别能力，引入了统计学上的IBS模型，通过对卷积层提取出的纹理特征进行交叉对比，判断两幅图像是否属于同一类，以实现图片的类别判断。
发明内容
本发明的目的在于通过对牙齿CBCT图片智能分割分类，自动得到每颗牙齿的牙折裂分类结果。通过图像分割算法，自动提取出每颗牙齿的CBCT图片，并将每颗牙齿的CBCT图片作为卷积神经网络的输入，利用IBS对卷积神经网络提取到的特征图进行统计分析，最终对牙齿CBCT图片是否存在牙折裂情况进行分类，可以达到优秀的分类效果。
为实现上述目的，本发明采用如下的技术方案：
构建牙齿CBCT图片自动分割器。首先对采集到的人体口腔牙齿CBCT图进行图像处理，提取出每张CBCT图片上的牙齿边缘轮廓线，通过牙齿边缘轮廓线进而确定牙齿中心轮廓线，在牙齿中心轮廓线上确定每颗牙齿的位置标记点，将标记点作为矩形窗口中心，自动框选截取出每颗牙齿的CBCT图。
构建判断每颗牙齿CBCT图片上是否存在牙折裂的分类器。利用已分割和标记好的单颗牙齿的CBCT图片，训练孪生交叉对比神经网络模型，其中损失函数的计算引入了IBS模型，得到具有较高准确率的判决模型。
采集人体口腔牙齿CBCT图片，利用已构建好的牙齿CBCT图片自动分割器，对牙齿CBCT图片进行自动分割，得到每颗牙齿的CBCT图片，对每颗牙齿的CBCT图片进行处理，得到单颗牙齿的CBCT图片数据集；
将得到的单颗牙齿CBCT图片数据集，依次输入孪生交叉对比神经网络检测模型，得到每颗牙齿CBCT图片是否存在牙折裂的预测结果。
本发明通过图像处理结合深度学习技术，提供了一种基于孪生交叉对比神经网络的利用牙齿CBCT图自动检测牙折裂的方法，大大提高了辨识的客观性和准确性，同时减轻了医护人员的工作量，判别准确率与传统的人工检测方法接近，但比传统的人工检测体验更好。本发明的有益效果远不止于上述罗列诸要点，限于篇幅而不加赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的基于神经网络的利用牙齿锥形束CT图自动检测牙折裂的流程示意图；
图2为人体口腔牙齿CBCT图片；
图3为根据牙齿位置标记点框选的单颗牙齿的CBCT图片；
图4为分割后的单颗牙齿CBCT图(左侧为无牙折裂，右侧为有牙折裂)；
图5为本发明实施例提供的孪生交叉对比神经网络的训练模型；
图6为本发明实施例提供的孪生交叉对比神经网络的检测模型。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实例对本发明进行清楚、详细的描述。
本发明解决问题所采用的方案分为五个部分：
第一部分，构建牙齿CBCT图片自动分割器。首先通过高斯金字塔分解不断对人体口腔CBCT图片进行下采样，高斯金字塔第1层图像由式(1)得到：
将下采样后最终得到的图片作为滤波器对原始口腔牙齿CBCT图片进行二值化处理，得到口腔CBCT图片的牙齿边缘轮廓线，对该二值图像应用形态学操作，减薄牙齿边缘轮廓线，得到牙齿中心轮廓线，并与原始口腔CBCT图片进行融合。
根据口腔CBCT图片的像素灰度值的变化确定牙齿中心轮廓线上的牙齿边界点，如图3中的圆形点，将两个边界点之间的中心点作为牙齿位置标记点，如图3中的方形点，将方形点作为矩形窗口的中心，自动截取出每颗牙齿的CBCT图片，如图3中的方框所示。将整个图像分割算法作为牙齿CBCT图片自动分割器部署在主机或服务器上。
第二部分，构建判断每颗牙齿CBCT图片上是否存在牙折裂的分类器。对预先已分割好的单颗牙齿CBCT图片，标记出是否存在牙折裂情况，并对单颗牙齿的CBCT图片进行补全和缩放，统一图片大小，将单颗牙齿的CBCT图片数据集作为孪生交叉对比神经网络训练模型的输入，将对应的标签作为神经网络的输出，训练该神经网络模型，孪生交叉对比神经网络的训练模型如图5，将训练好的具有较高分类准确率的神经网络模型作为判断单颗牙齿CBCT图片上是否存在牙折裂的分类器，并部署在主机或服务器上。
第三部分，使用常规剂量的CBCT扫描对人体口腔进行扫描，采集待检测人体口腔的牙齿CBCT图片，并利用主机或服务器上的牙齿CBCT图片自动分割器对每层CBCT图片进行自动分割，得到每颗牙齿的CBCT图片，并进行补全和缩放以统一图片大小。
第四部分，将每颗牙齿的CBCT图片作为孪生交叉对比神经网络检测模型的输入，将网络的输出结果作为牙齿CBCT图片是否存在牙折裂的判断结果。孪生交叉对比神经网络的检测模型如图6。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (3)
1.本发明公开了一种基于神经网络的利用牙齿CBCT图自动检测牙折裂的方法，其特征在于采集待检测的人体口腔牙齿CBCT图片，利用牙齿CBCT图片自动分割器将每颗牙齿的CBCT图片分割出来，并利用训练好的神经网络模型判断每颗牙齿是否存在牙折裂情况。
2.根据权利要求1所述的方法，其特征在于，所述的牙齿CBCT图片自动分割器包括步骤：
对采集到的人体口腔牙齿CBCT图进行图像处理，提取出每张CBCT图片上的牙齿边缘轮廓线，通过牙齿边缘轮廓线进而确定牙齿中心轮廓线；
在牙齿中心轮廓线上确定每颗牙齿的位置标记点，将标记点作为矩形窗口中心，自动框选截取出每颗牙齿的CBCT图。
3.根据权利要求1所述的方法，其特征在于，能够通过神经网络和牙齿CBCT图片来自动检测人体口腔中的牙齿是否存在牙折裂情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011235554.1A CN112288735A (zh) | 2020-11-06 | 2020-11-06 | 一种基于神经网络的利用牙齿锥形束ct图自动检测牙折裂的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011235554.1A CN112288735A (zh) | 2020-11-06 | 2020-11-06 | 一种基于神经网络的利用牙齿锥形束ct图自动检测牙折裂的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112288735A true CN112288735A (zh) | 2021-01-29 |
Family
ID=74351855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011235554.1A Pending CN112288735A (zh) | 2020-11-06 | 2020-11-06 | 一种基于神经网络的利用牙齿锥形束ct图自动检测牙折裂的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288735A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113488161A (zh) * | 2021-07-05 | 2021-10-08 | 中国人民解放军总医院第一医学中心 | 颞下颌关节紊乱病治疗方案推荐设备、装置和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140314291A1 (en) * | 2013-04-22 | 2014-10-23 | Carestream Health, Inc. | Detection of tooth fractures in cbct image |
| CN106875386A (zh) * | 2017-02-13 | 2017-06-20 | 苏州江奥光电科技有限公司 | 一种利用深度学习自动进行牙齿健康状况检测的方法 |
| CN109146897A (zh) * | 2018-08-22 | 2019-01-04 | 北京羽医甘蓝信息技术有限公司 | 口腔放射图像质量控制方法及装置 |
| KR20190060054A (ko) * | 2017-11-24 | 2019-06-03 | 주식회사 레이 | 치과용 콘-빔 ｃｔ의 산란선 보정방법 및 보정장치 |
| CN109859203A (zh) * | 2019-02-20 | 2019-06-07 | 福建医科大学附属口腔医院 | 基于深度学习的缺陷牙齿图像识别方法 |
| CN109965894A (zh) * | 2019-03-11 | 2019-07-05 | 南京市口腔医院 | 一种利用影像增强剂及锥形束ct成像技术检测隐裂牙折裂纹的方法 |
| CN111311506A (zh) * | 2020-01-21 | 2020-06-19 | 辽宁师范大学 | 基于双残差网络的低剂量ct牙齿图像去噪方法 |
-
2020
- 2020-11-06 CN CN202011235554.1A patent/CN112288735A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140314291A1 (en) * | 2013-04-22 | 2014-10-23 | Carestream Health, Inc. | Detection of tooth fractures in cbct image |
| CN106875386A (zh) * | 2017-02-13 | 2017-06-20 | 苏州江奥光电科技有限公司 | 一种利用深度学习自动进行牙齿健康状况检测的方法 |
| KR20190060054A (ko) * | 2017-11-24 | 2019-06-03 | 주식회사 레이 | 치과용 콘-빔 ｃｔ의 산란선 보정방법 및 보정장치 |
| CN109146897A (zh) * | 2018-08-22 | 2019-01-04 | 北京羽医甘蓝信息技术有限公司 | 口腔放射图像质量控制方法及装置 |
| CN109859203A (zh) * | 2019-02-20 | 2019-06-07 | 福建医科大学附属口腔医院 | 基于深度学习的缺陷牙齿图像识别方法 |
| CN109965894A (zh) * | 2019-03-11 | 2019-07-05 | 南京市口腔医院 | 一种利用影像增强剂及锥形束ct成像技术检测隐裂牙折裂纹的方法 |
| CN111311506A (zh) * | 2020-01-21 | 2020-06-19 | 辽宁师范大学 | 基于双残差网络的低剂量ct牙齿图像去噪方法 |
Non-Patent Citations (2)
| Title |
|---|
| 尹向辉;: "观察口腔颌面部锥形束CT在牙根折裂中的诊断价值", 全科口腔医学电子杂志, no. 11 * |
| 张飞;樊瑜波;蒲放;刘展;: "牙颌CT图像序列中牙的半自动分割方法", 生物医学工程学杂志, no. 01, pages 2 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113488161A (zh) * | 2021-07-05 | 2021-10-08 | 中国人民解放军总医院第一医学中心 | 颞下颌关节紊乱病治疗方案推荐设备、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859203B (zh) | 基于深度学习的缺陷牙齿图像识别方法 | |
| AU2015284524B2 (en) | Detecting tooth wear using intra-oral 3D scans | |
| Berdouses et al. | A computer-aided automated methodology for the detection and classification of occlusal caries from photographic color images | |
| CN114757960B (zh) | 一种基于cbct图像的牙齿分割与重建方法及存储介质 | |
| Kumar et al. | Descriptive analysis of dental X-ray images using various practical methods: A review | |
| CN111798425B (zh) | 基于深度学习的胃肠道间质瘤中核分裂象智能检测方法 | |
| Ghaedi et al. | An automated dental caries detection and scoring system for optical images of tooth occlusal surface | |
| Kong et al. | Automated maxillofacial segmentation in panoramic dental x-ray images using an efficient encoder-decoder network | |
| Maji et al. | An automated method for counting and characterizing red blood cells using mathematical morphology | |
| Yuan et al. | Personalized design technique for the dental occlusal surface based on conditional generative adversarial networks | |
| CN114332123A (zh) | 基于全景片的龋病自动分级方法及系统 | |
| Islam et al. | Skin disease recognition using texture analysis | |
| CN114627067A (zh) | 一种基于图像处理的伤口面积测量及辅助诊疗方法 | |
| Chen et al. | Missing teeth and restoration detection using dental panoramic radiography based on transfer learning with CNNs | |
| CN114358194A (zh) | 基于姿态跟踪的孤独症谱系障碍异常肢体行为检测方法 | |
| CN112288735A (zh) | 一种基于神经网络的利用牙齿锥形束ct图自动检测牙折裂的方法 | |
| Antolin et al. | Tooth condition classification for dental charting using convolutional neural network and image processing | |
| CN111340773A (zh) | 一种视网膜图像血管分割方法 | |
| Naik et al. | Automatic segmentation of lower jaw and mandibular bone in digital dental panoramic radiographs | |
| CN116958169A (zh) | 一种三维牙颌模型牙齿分割方法 | |
| US20220358740A1 (en) | System and Method for Alignment of Volumetric and Surface Scan Images | |
| Shang et al. | Identification of common oral disease lesions based on U-Net | |
| Joseph et al. | Teeth feature extraction and matching for human identification using morphological skeleton transform | |
| Tulasigeri et al. | An advanced thresholding algorithm for diagnosis of glaucoma in fundus images | |
| Jaiswal et al. | A cropping algorithm for automatically extracting regions of ınterest from panoramic radiographs based on maxilla and mandible parts |
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 |