CN112598629A - 一种基于人工智能的牙齿排列异常定位辅助系统 - Google Patents
一种基于人工智能的牙齿排列异常定位辅助系统 Download PDFInfo
- Publication number
- CN112598629A CN112598629A CN202011466878.6A CN202011466878A CN112598629A CN 112598629 A CN112598629 A CN 112598629A CN 202011466878 A CN202011466878 A CN 202011466878A CN 112598629 A CN112598629 A CN 112598629A
- Authority
- CN
- China
- Prior art keywords
- tooth
- symmetry axis
- module
- teeth
- segmentation
- 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.)
- Granted
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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- 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
- G06T7/13—Edge detection
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Abstract
本发明涉及人工智能技术领域,具体涉及一种基于人工智能的牙齿排列异常定位辅助系统。本发明实施例通过图像获取模块获取待测人员牙齿的全景X光图像;通过分割图获取模块获得上牙齿的第一分割图和下牙齿的第二分割图;通过第一差异图获取模块获得上牙齿的第一差异图;第二差异图获取模块获得下牙齿的第二差异图;通过上下牙齿的分段对称轴获取模块获得上下牙齿的多个分段对称轴;通过第三差异图获取模块获取第三差异图;通过异常牙齿检测模块获得异常牙齿的位置信息和异常等级信息。本发明实施例利用检测人员自身牙齿分布的对称性实现异常牙齿检测,计算量小,泛化性强,能够快速准确地检测出异常牙齿的位置信息和等级信息。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于人工智能的牙齿排列异常定位辅助系统。
背景技术
牙齿的排列异常是指牙齿错位和牙齿排列不齐的现象,属于牙齿畸形的一种。牙齿异常会出现咬合异常得情况,影响口腔及面部发展,影响口腔的卫生健康,需要及时进行矫正。现在进行矫正时,医生会采集患者的牙齿全景X光图像,通过观察该图像主观判断牙齿的异常排列。
发明人在实践中,发现上述现有技术存在以下缺陷:
医生主观判断牙齿的异常排列情况,需要一定的时间,不能迅速得到诊断结果。现有的智能检测异常牙齿的技术中,需要采集多种不同大小、形状的牙齿作为机器学习的数据集,不能泛化地检测所有的情况,容易对没有被采集的牙齿造成误检,影响牙齿健康。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于人工智能的牙齿排列异常定位辅助系统,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种基于人工智能的牙齿排列异常定位辅助系统,该系统包括以下模块:
图像获取模块,用于获取待测人员牙齿的全景X光图像;
分割图获取模块,用于划分牙齿的感兴趣区域,根据感兴趣区域获得上牙齿的第一分割图和下牙齿的第二分割图;
第一差异图获取模块,用于确定第一分割图的第二对称轴,根据第二对称轴获得上牙齿左右对称差异图,记为第一差异图;
第二差异图获取模块,用于确定第二分割图的第三对称轴,根据第三对称轴获得下牙齿左右对称差异图,记为第二差异图;
上下牙齿的分段对称轴获取模块,用于根据感兴趣区域获得上牙齿或者下牙齿与相应的关联牙龈的交界点,得到关联牙龈的轮廓线,根据轮廓线确定上下牙齿的多个分段对称轴;
第三差异图获取模块,用于根据多段对称轴获取第一分割图和第二分割图的上下对称差异图,记为第三差异图;
异常牙齿检测模块,用于获得异常牙齿的位置信息,并分别将第一差异图和第二差异图获得的异常牙齿位置信息与第三差异图进行对比,获取异常牙齿的异常等级信息。
优选的,分割图获取模块包括间隙提取模块,用于获取上下牙齿中间的间隙,根据间隙区分上下牙齿获得第一分割图和第二分割图。
优选的,第一差异图获取模块包括第二对称轴确定模块,用于根据第一对称轴确定使上牙齿对称效果最好的第二对称轴的横坐标,第一对称轴为全景X光图像的中心线。
优选的,第二对称轴确定模块还包括:
预选对称轴选择模块,用于在预设的第一对称轴的邻域内选取预选对称轴;
第二对称轴选取模块,用于以预选对称轴作镜像操作相减获得差值图的像素均值,选取像素均值最小的预选对称轴作为第二对称轴。
优选的,上下牙齿的分段对称轴获取模块还包括:
关键点检测模块,用于获取感兴趣区域图像中上牙齿或者下牙齿与相应的关联牙龈的接触点;
关联牙龈分布函数获取模块,用于根据接触点获取反映关联牙龈分布的多项式函数;
牙龈轮廓线分段点获取模块,用于根据多项式函数的斜率对关联牙龈的轮廓线进行分段,获取多个分段点;
线段获取模块,用于连接相邻的分段点,获得多条线段;
线段平移模块,用于将线段沿各自的垂直方向平移,得到上下牙的多段对称轴。
优选的,线段平移模块还包括:
间隙边缘线获取模块,用于对间隙进行轮廓提取,获得间隙的边缘线;
平移距离计算模块,用于在每条线段平移之后,使平移后的线段的中点与每条多段对称轴对应的每段边缘线的中点之间的距离最短。
优选的,第三差异图获取模块还包括:
偏移量获取模块,用于根据第二对称轴和第三对称轴获取第二分割图的偏移量;
偏移方向获取模块,用于根据偏移量获得第二分割图沿多段对称轴的偏移方向;
第二分割图修正模块,用于根据偏移量和偏移方向对第二分割图进行修正。
本发明实施例具有如下有益效果:
本发明实施例仅利用检测人员自身牙齿分布的对称性即可实现异常牙齿检测,避免因检测人员不同产生的牙齿大小、形状等不同造成的检测误差,泛化性强;且计算量小,简单迅速。
为了避免上下牙齿由于咬合关系产生的偏移量对上下牙齿对称差异,本发明实施例利用上下牙齿分割图的对称轴差异获取下牙齿的偏移量,以分段对称轴为方向,先对第二分割图进行修正,再获得上下牙齿的对称差异图,提高检测的准确性。
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和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于人工智能的牙齿排列异常定位辅助系统的框架图;
图2为本发明一个实施例所提供的一种基于人工智能的牙齿排列异常定位辅助系统的系统结构图;
图3为分割图获取模块的系统结构图;
图4为第一差异图获取模块的系统结构图;
图5为第二对称轴获取模块的系统结构图;
图6为第一分割图的几何示意图;
图7为上下牙齿的分段对称轴获取模块的系统结构图;
图8为线段平移模块的系统结构图;
图9为第一段间隙边缘线示意图;
图10为第三差异图获取模块的系统结构图;
图11为异常牙齿检测模块的系统结构图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于人工智能的牙齿排列异常定位辅助系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于人工智能的牙齿排列异常定位辅助系统的具体方案。
请参阅图1和图2,图1示出了本发明一个实施例提供的一种基于人工智能的牙齿排列异常定位辅助系统框架图,图2示出了本发明一个实施例所提供的一种基于人工智能的牙齿排列异常定位辅助系统的系统结构图。该系统包括以下模块:图像获取模块100、分割图获取模块200、第一差异图获取模块300、第二差异图获取模块400、上下牙齿的分段对称轴获取模块500、第三差异图获取模块600以及异常牙齿检测模块700。
图像获取模块100,用于获取待测人员牙齿的全景X光图像。
具体的,为了得到对比度强的牙齿全景X光图片,对图像进行Gamma矫正,Gamma矫正的计算公式如下:
Iout=Iin γ
其中,Iout为输出图片,Iin为输入图片,γ即为Gamma值,当γ大于1时,降低光照影响,增强对比度,取值越大,对比度越强。
图像获取模块得到对比度强的图像,便于后续的特征提取。
分割图获取模块200,用于划分牙齿的感兴趣区域,根据感兴趣区域获得上牙齿的第一分割图和下牙齿的第二分割图。
全景X光图片拍摄时,X光杆和摄像头在患者头部四周呈半圆形地旋转,从下巴一侧开始,到另一侧结束。所以采集到的全景图为对称图像,中心线即为第一对称轴,记为L1;获取牙齿区域两侧到对称轴的最大距离,记为w;获取牙齿区域的高度信息,记为h;得到尺寸信息为(2w,h)的牙齿感兴趣区域(region ofinterest,ROI)。
需要说明的是,在拍摄牙齿全景X光图片时,会让待测人员咬住一物体,保证上下牙齿的分离,便于牙齿的检测。为了检测单侧牙齿的对称性,本发明实施例获取上牙齿的第一分割图I1和下牙齿的第二分割图I2。
请参阅图3,分割图获取模块200还包括二值图获取模块210、间隙获取模块220和上下牙齿分割图获取模块230。
具体的:
二值图获取模块210,用于对牙齿ROI内用最大类间方差法获得阈值,利用该阈值进行阈值化处理得到二值图。
间隙获取模块220,用于对二值图利用较大的全为1的模板进行先膨胀后腐蚀操作闭合前景区域,即白色区域,的细小的缝隙,由于上下牙齿中间的间隙较大会保留下来,得到上下牙齿之间的间隙。
作为一个示例,本发明实施例中使用7×7的模板。
上下牙齿分割图获取模块230,用于以模块220中得到的间隙为分界线,上方区域为上牙齿的Mask区域,将该Mask区域与原牙齿ROI相乘获得上牙齿的第一分割图I1;下方区域为下牙齿的Mask区域,以同样的方法获得下牙齿的第二分割图I2。
第一差异图获取模块300,用于确定第一分割图的第二对称轴,根据第二对称轴获得上牙齿左右对称差异图,记为第一差异图。
第一对称轴为整幅图像的对称轴,并不是精确的上牙齿对称轴。由于上牙齿的对称轴在对称轴的附近分布,所以本发明实施例构建优化模型得到精确的上牙齿的对称轴,记为L2;避免因对称轴的错误选取影响对称差异性的检测。
具体的,请参阅图4,第一差异图获取模块300还包括第二对称轴确定模块310和第一差值图后处理模块320:
第二对称轴确定模块310,用于根据第一对称轴确定使上牙齿对称效果最好的第二对称轴的横坐标。
进一步的,请参阅图5,第二对称轴确定模块还包括预选对称轴选择模块311和第二对称轴选取模块312:
预选对称轴选择模块311,用于在预设的第一对称轴的邻域内选取预选对称轴。
进一步的,根据先验可知,第二对称轴的位置在第一对称轴的左右邻域内。本发明实施例预设第一对称轴左右邻域为[l1-x0,l1+x0],其中l1为第一对称轴L1在图像坐标系上的横坐标值,x0为偏置量,所以预选对称轴L2′的横坐标值l2′的约束条件为[l1-x0,l1+x0]。
作为一个示例,本发明实施例中x0取值为2。
第二对称轴选取模块312,用于以预选对称轴作镜像操作相减获得差值图的像素均值,选取像素均值最小的预选对称轴作为第二对称轴。
如图6所示,h表示牙齿区域的高度信息,w表示牙齿区域两侧到第一对称轴的最大距离,L1为第一对称轴,L2′为预选对称轴,(w+|l2′-l1|)×h为差值图的尺寸信息,以尺寸较大的单侧图像尺寸为基准。
计算像素均值:
其中,l1表示第一对称轴在图像坐标系中的横坐标,l2′表示预选对称轴在图像坐标系中的横坐标,(i,j)表示以预选对称轴作镜像操作,将一侧的图像镜像到另一侧,执行相减操作得到的差值图中(i,j)位置处的像素值。
进一步的,借助退火模拟优化算法,在上述约束条件中搜索到满足目标函数的l2′的全局最优解,该最优解即为精确的上牙齿对称轴L2,即第二对称轴,横坐标为l2。
第一差值图后处理模块320,用于对差值图后处理,获得第一差异图。
具体的,利用最大类间方差法获得阈值,利用该阈值进行阈值化处理,得到二值图;对二值图进行连通域分析,获得每一个连通域的面积,将面积小于5的连通域中的像素值置为0,去除环境、光线等噪声以及牙齿表面纹理信息不一致对图像的干扰。得到最终的上牙齿左右对称差异图,即第一差异图,记为Diff1。
图像Diff1可以反映上牙左右分布的对称情况,图像中前景区域为对称性较差的区域,为牙齿排列异常的可疑区域,为最终实现牙齿排列异常定位提供了有效信息。
第二差异图获取模块400,用于确定第二分割图的第三对称轴,根据第三对称轴获得下牙齿左右对称差异图,记为第二差异图。
同理,第一对称轴也不是精确的下牙齿对称轴。由于下牙齿的对称轴在对称轴的附近分布,所以本发明实施例构建优化模型得到精确的下牙齿的对称轴,记为L3;避免因对称轴的错误选取影响对称差异性的检测。
第二差异图获取模块400与第一差异图获取模块300相同,先构建优化模型确定下牙齿的对称轴L3再得到下牙齿左右对称差异图即第二差异图Diff2。
上下牙齿的分段对称轴获取模块500,用于根据感兴趣区域获得上牙齿或者下牙齿与关联牙龈的交界点,得到关联牙龈的轮廓线,根据轮廓线确定上下牙齿的多个分段对称轴。
由于在牙齿全景X光图像中,上下牙齿分别呈弯曲的弧形分布,直接以一个对称轴得到上下牙齿的分布差异会带来很大的检测误差。同时,牙齿分布因人而异,使得每一个人的分布的弯曲程度不一致,如何精确地选取对称轴直接影响到上下牙齿的对称差异检测。
请参阅图7,上下牙齿的分段对称轴获取模块500还包括关键点检测模块510、关联牙龈分布函数获取模块520、牙龈轮廓线分段点获取模块530、线段获取模块540以及线段平移模块550。
具体的:
关键点检测模块510,用于获取牙齿ROI图像中上牙齿或者下牙齿与相应的关联牙龈的接触点。
作为一个示例,本发明实施例使用上牙齿和上牙龈进行关键点检测。
关键点检测网络的输入为采集到的牙齿ROI图像,输出为上牙齿与牙龈的接触点的热力图(Heatmap),利用soft-Argmax函数处理即可获得每一个接触点的坐标信息。
本发明实施例中,关键点检测网络为Encoder-Decoder结构。
进一步的,关键点检测模块510,还包括关键点网络训练模块511,用于训练关键点网络:
训练集为采集到的牙齿全景X光图片中的牙齿ROI图像,人为给训练集打上标签,打标签的具体操作为:对上牙齿与牙龈的接触点位置处利用高斯卷积核进行处理,在接触点处形成热斑,得到标签数据。损失函数采用交叉熵损失函数,不断迭代更新模型参数,使得损失函数值不断减低,完成网络训练。
关联牙龈分布函数获取模块520,用于根据关键点检测模块510中获取的接触点获取反映关联牙龈分布的多项式函数:
本发明实施例中依然以上牙齿为例,由于上牙齿牙龈的分布情况大致满足多项式分布,二次多项式f(x)=ax2+bx+c完全可以充分表示牙龈的分布情况。对接触点的坐标信息利用最小二乘法进行二次多项式的拟合,确定待定系数a,b,c的值,即可得到反映上牙齿牙龈分布的多项式函数y=f(x),其中,(x,y)为上牙齿牙龈轮廓线上点的位置信息。
牙龈轮廓线分段点获取模块530,用于根据关联牙龈分布函数获取模块520获得的多项式函数的斜率对关联牙龈的轮廓线进行分段,获取多个分段点。
具体的,求得y=f(x)的导数,利用导数的变化对上牙齿牙龈轮廓线进行分段。
从左向右分析导数的变化,记录左边起始点的导数值f′0,以步长为1向右滑动得到相邻的新的导数值,将获得的新的导数值与f′0做差,当导数变化量Δf′<0.5时,则认为滑过的区域呈直线分布,不需要分段;当检测到Δf′>0.5时,认为上牙齿牙龈轮廓线分布出现了明显变化,以该位置处为第一个分段点,记录该分段点的坐标信息(x1,y1);获得该分段点导数值f1′,以步长为1继续向右滑动,用得到的相邻的新的导数值与左侧最近分段点的导数值f1′做差得到导数变化量,进行判断;如次循环遍历上牙齿牙龈轮廓线上的所有点,得到一些列的分段点,构成序列如下:
{(x0,y0),(x1,y1),(x2,y2),(x3,y3),......(xn-1,yn-1),(xn,yn)}
其中,(x0,y0)为起始点,(xn,yn)为终止点,其他为n-1个分段点。
线段获取模块540,用于连接相邻的分段点,获得多条线段。
线段平移模块550,用于将线段沿各自的垂直方向平移,得到上下牙的多段对称轴。
具体的,请参阅图8,线段平移模块550还包括间隙边缘线获取模块551和平移距离计算模块552:
间隙边缘线获取模块551,用于对间隙获取模块220获得的间隙进行轮廓提取,获得间隙的边缘线。
需要说明的是,该边缘线是由一系列散点组成的,该散点可以反映上下牙齿间隙的位置,方便后续上下牙齿对称轴位置的确定。
平移距离计算模块552,用于在每条线段平移之后,使平移后的线段的中点与每条多段对称轴对应的每段边缘线的中点之间的距离最短。
具体的,首先过分段点作对称轴的垂线,作为一个示例,过分段点(x1,y1)作(x0,y0)-→(x1,y1)连线线段的垂线,利用该垂线分割上下牙齿之间间隙的边缘线,将边缘线同样分割为n段,每一段轮廓对应一条对称轴的方向线段。
以第一段间隙边缘线作为一个示例详细说明平移距离计算模块:
如图9所示,获取第一段间隙边缘线包围的区域的最小外接矩形,同时可以获得最小外接矩形的四个角点的坐标信息,进一步获得最小外接矩形较短边界上中点P′1和P″1的连线,进一步获得该连线的中点信息,记为P1。
按照相同的方法可以获得n段边缘线对应的中点信息。
进一步的,构建目标函数如下:
min{||P1Q1(B)||2}
将确定平移距离的问题转化为一个优化问题,是为了使平移距离B之后上牙齿牙龈边缘线上的第一条线段的中点Q1(B)到对应的间隙边缘线中点P1的距离最小。
同理,得到上牙齿牙龈轮廓线上n条线段的偏移距离,记为{B1,B2,......,Bn}。
第三差异图获取模块600,用于根据多段对称轴获取第一分割图和第二分割图的对称差异图,记为第三差异图。
进一步的,考虑到上下牙齿之间的咬合关系,上下牙齿之间存在一定距离的偏移,直接根据对称轴镜像获得上下牙齿的对称差异图会产生很大的误检,因此该模块根据第二对称轴和第三对称轴获得上下牙齿的偏移量,先进行修正再获得上下牙齿的对称差异图,提高检测的准确性。
具体的,请参阅图10,第三差异图获取模块600还包括:偏移量获取模块610、偏移方向获取模块620、第二分割图修正模块630以及第二差值图后处理模块640:
偏移量获取模块610,用于根据第二对称轴和第三对称轴获取第二分割图的偏移量。以上牙齿分割图的第二对称轴为基准,获得下牙齿与上牙齿的偏移量Δl=l3-l2,其中,l3,l2分别为第三对称轴和第二对称轴的横坐标值。
偏移方向获取模块620,用于根据偏移量获得第二分割图沿多段对称轴的偏移方向。当Δl>0时,表示沿多段对称轴向右侧偏移,当Δl<0时,则沿多段对称轴向左侧偏移。
第二分割图修正模块630,用于根据偏移量和偏移方向对第二分割图进行修正。对应多段的分段对称轴,分别将第一分割图和第二分割图裁剪为与对称轴数目相同的子图像,将第二分割图每一子图像沿着各自偏移方向的反方向以偏移量Δl进行修正。
第二差值图后处理模块640,用于将修正后的第二分割图的各个子图像进行后处理,得到第三差异图。将修正后的各子图像进行镜像、相减操作,得到各子图像的差值图,按照与第一差值图后处理模块320同样的方法对各子差值图进行后处理,去除噪声干扰,最后将处理后的子图像按照裁剪顺序拼接即可得到第一分割图和第二分割图的上下对称差异图,即第三差异图,记为Diff3。
异常牙齿检测模块700,用于获得异常牙齿的位置信息,并分别将第一差异图和第二差异图获得的异常牙齿位置信息与第三差异图进行对比,获取异常牙齿的异常等级信息。
具体的,请参阅图11,异常牙齿检测模块700还包括异常牙齿定位模块710和异常等级标记模块720:
异常牙齿定位模块710,用于对第一差异图Diff1进行连通域分析,获得所有连通域的中心点坐标,当两个坐标点的距离不大于2时,确定为是同一牙齿;同时获得该系列坐标点关于第二对称轴对称的坐标点的位置,获取的所有的坐标信息为Diff1中的异常牙齿的位置信息;同理,按照相同的方法获得Diff2、Diff3中异常牙齿的位置信息。
异常等级标记模块720,用于分别将第一差异图和所第二差异图获得的异常牙齿位置信息与第三差异图进行对比,获得异常牙齿的异常等级。
具体的,分别将Diff1、Diff2获得异常牙齿的位置信息与Diff3中获得的异常牙齿的位置信息进行对比,当相同位置出现两次时,将该位置处的牙齿异常等级标定为高,将出现一次的位置牙齿异常等级标定为低,完成异常牙齿的定位,辅助医生完成牙齿畸形的检测。
综上所述,本发明实施例通过图像获取模块100获取待测人员牙齿的全景X光图像;通过分割图获取模块200获得上牙齿的第一分割图和下牙齿的第二分割图;通过第一差异图获取模块300获得上牙齿的第一差异图;第二差异图获取模块400获得下牙齿的第二差异图;通过上下牙齿的分段对称轴获取模块500获得上牙齿或者下牙齿与关联牙龈的交界点,得到关联牙龈的轮廓线,根据轮廓线确定上下牙齿的多个分段对称轴;通过第三差异图获取模块600获取第一分割图和第二分割图的上下对称差异图即第三差异图;通过异常牙齿检测模块700获得异常牙齿的位置信息和异常等级信息。本发明实施例利用检测人员自身牙齿分布的对称性实现异常牙齿检测,计算量小,泛化性强,能够快速准确地检测出异常牙齿的位置信息和等级信息。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (7)
1.一种基于人工智能的牙齿排列异常定位辅助系统,其特征在于,该系统包括以下模块:
图像获取模块,用于获取待测人员牙齿的全景X光图像;
分割图获取模块,用于划分牙齿的所述感兴趣区域,根据所述感兴趣区域获得上牙齿的第一分割图和下牙齿的第二分割图像;
第一差异图获取模块,用于确定所述第一分割图的第二对称轴,根据所述第二对称轴获得上牙齿左右对称差异图,记为第一差异图;
第二差异图获取模块,用于确定所述第二分割图的第三对称轴,根据所述第三对称轴获得下牙齿左右对称差异图,记为第二差异图;
上下牙齿的分段对称轴获取模块,用于根据所述感兴趣区域获得上牙齿或者下牙齿与相应的关联牙龈的交界点,得到所述关联牙龈的轮廓线,根据所述轮廓线确定上下牙齿的多个分段对称轴;
第三差异图获取模块,用于根据所述多段对称轴获取所述第一分割图和所述第二分割图的上下对称差异图,记为第三差异图;
异常牙齿检测模块,用于获得异常牙齿的位置信息,并分别将所述第一差异图和所述第二差异图获得的异常牙齿位置信息与所述第三差异图进行对比,获取所述异常牙齿的异常等级信息。
2.根据权利要求1所述的一种基于人工智能的牙齿排列异常定位辅助系统,其特征在于,所述分割图获取模块包括间隙获取模块,用于获取上下牙齿中间的间隙,根据所述间隙区分上下牙齿获得所述第一分割图和所述第二分割图。
3.根据权利要求1所述的一种基于人工智能的牙齿排列异常定位辅助系统,其特征在于,所述第一差异图获取模块包括第二对称轴确定模块,用于根据第一对称轴确定使上牙齿对称效果最好的所述第二对称轴的横坐标,所述第一对称轴为所述全景X光图像的中心线。
4.根据权利要求3所述的一种基于人工智能的牙齿排列异常定位辅助系统,其特征在于,所述第二对称轴确定模块还包括:
预选对称轴选择模块,用于在预设的所述第一对称轴的邻域内选取预选对称轴;
第二对称轴选取模块,用于以所述预选对称轴作镜像操作相减获得差值图的像素均值,选取所述像素均值最小的预选对称轴作为所述第二对称轴。
5.根据权利要求2所述的一种基于人工智能的牙齿排列异常定位辅助系统,其特征在于,所述上下牙齿的分段对称轴获取模块还包括:
关键点检测模块,用于获取所述感兴趣区域图像中上牙齿或者下牙齿与相应的关联牙龈的接触点;
关联牙龈分布函数获取模块,用于根据所述接触点获取反映所述关联牙龈分布的多项式函数;
牙龈轮廓线分段点获取模块,用于根据所述多项式函数的斜率对所述关联牙龈的轮廓线进行分段,获取多个分段点;
线段获取模块,用于连接相邻的所述分段点,获得多条线段;
线段平移模块,用于将所述多条线段沿各自的垂直方向平移,得到上下牙的多段对称轴。
6.根据权利要求5所述的一种基于人工智能的牙齿排列异常定位辅助系统,其特征在于,所述线段平移模块还包括:
间隙边缘线获取模块,用于对所述间隙进行轮廓提取,获得所述间隙的边缘线;
平移距离计算模块,用于在每条所述线段平移之后,使平移后的所述线段的中点与每条所述多段对称轴对应的每段边缘线的中点之间的距离最短。
7.根据权利要求1所述的一种基于人工智能的牙齿排列异常定位辅助系统,其特征在于,第三差异图获取模块还包括:
偏移量获取模块,用于根据所述第二对称轴和所述第三对称轴获取所述第二分割图的偏移量;
偏移方向获取模块,用于根据所述偏移量获得所述第二分割图沿所述多段对称轴的偏移方向;
第二分割图修正模块,用于根据所述偏移量和所述偏移方向对所述第二分割图进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466878.6A CN112598629B (zh) | 2020-12-14 | 2020-12-14 | 一种基于人工智能的牙齿排列异常定位辅助系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011466878.6A CN112598629B (zh) | 2020-12-14 | 2020-12-14 | 一种基于人工智能的牙齿排列异常定位辅助系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112598629A true CN112598629A (zh) | 2021-04-02 |
CN112598629B CN112598629B (zh) | 2023-07-11 |
Family
ID=75195087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011466878.6A Active CN112598629B (zh) | 2020-12-14 | 2020-12-14 | 一种基于人工智能的牙齿排列异常定位辅助系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598629B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035025A (zh) * | 2022-04-28 | 2022-09-09 | 南通林德安全设备科技有限公司 | 一种基于牙片处理的牙齿校正辅助方法 |
CN117788569A (zh) * | 2024-02-23 | 2024-03-29 | 陕西省人民医院(陕西省临床医学研究院) | 一种基于图像特征的口腔异常点定位方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105769353A (zh) * | 2016-02-04 | 2016-07-20 | 北京正齐口腔医疗技术有限公司 | 自动化排牙方法及装置 |
CN110178045A (zh) * | 2016-11-17 | 2019-08-27 | 特里纳米克斯股份有限公司 | 用于光学检测至少一个对象的检测器 |
WO2019193216A1 (es) * | 2018-04-05 | 2019-10-10 | Tech Xika Ptt, S.L. | Dispositivo de medida de parámetros dentales |
CN111563887A (zh) * | 2020-04-30 | 2020-08-21 | 北京航空航天大学杭州创新研究院 | 一种口腔图像的智能分析方法与装置 |
-
2020
- 2020-12-14 CN CN202011466878.6A patent/CN112598629B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105769353A (zh) * | 2016-02-04 | 2016-07-20 | 北京正齐口腔医疗技术有限公司 | 自动化排牙方法及装置 |
CN110178045A (zh) * | 2016-11-17 | 2019-08-27 | 特里纳米克斯股份有限公司 | 用于光学检测至少一个对象的检测器 |
WO2019193216A1 (es) * | 2018-04-05 | 2019-10-10 | Tech Xika Ptt, S.L. | Dispositivo de medida de parámetros dentales |
CN111563887A (zh) * | 2020-04-30 | 2020-08-21 | 北京航空航天大学杭州创新研究院 | 一种口腔图像的智能分析方法与装置 |
Non-Patent Citations (3)
Title |
---|
CHENG CHENG ET AL: "Personalized Orthodontic Accurate Tooth Arrangement System with Complete Teeth Model", 《TRANSACTIONAL PROCESSING SYSTEMS》 * |
肖兵: "义齿数字化修复牙齿分割与标准牙冠定位技术研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
高天宇: "基于牙冠数据的牙齿建模方法研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035025A (zh) * | 2022-04-28 | 2022-09-09 | 南通林德安全设备科技有限公司 | 一种基于牙片处理的牙齿校正辅助方法 |
CN117788569A (zh) * | 2024-02-23 | 2024-03-29 | 陕西省人民医院(陕西省临床医学研究院) | 一种基于图像特征的口腔异常点定位方法及系统 |
CN117788569B (zh) * | 2024-02-23 | 2024-05-07 | 陕西省人民医院(陕西省临床医学研究院) | 一种基于图像特征的口腔异常点定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112598629B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6150583B2 (ja) | 画像処理装置、内視鏡装置、プログラム及び画像処理装置の作動方法 | |
Karakozoglou et al. | Automatic glottal segmentation using local-based active contours and application to glottovibrography | |
CN111415419B (zh) | 基于多源图像的牙体修复模型制作方法和系统 | |
CN110458831B (zh) | 一种基于深度学习的脊柱侧弯图像处理方法 | |
JP4585471B2 (ja) | 特徴点検出装置及びその方法 | |
CN111325739A (zh) | 肺部病灶检测的方法及装置,和图像检测模型的训练方法 | |
WO2016003787A1 (en) | Detecting tooth wear using intra-oral 3d scans | |
JP2010088795A (ja) | 医用画像処理装置及び医用画像診断装置 | |
CN112598629A (zh) | 一种基于人工智能的牙齿排列异常定位辅助系统 | |
CN108537838B (zh) | 一种髋关节骨性髋臼角度的检测方法 | |
CN115115841A (zh) | 一种阴影斑点图像处理分析方法及系统 | |
CN116152500A (zh) | 一种基于深度学习的全自动牙齿cbct图像分割方法 | |
CN110868913B (zh) | 利用口内3d扫描图跟踪牙龈线并且显示牙周测量结果的工具 | |
WO2020102479A1 (en) | Methods and system for autonomous volumetric dental image segmentation | |
Ratheesh et al. | Advanced algorithm for polyp detection using depth segmentation in colon endoscopy | |
JPH07210655A (ja) | 眼科用画像処理装置 | |
JP7230722B2 (ja) | 画像処理装置及び画像処理方法 | |
CN114092385A (zh) | 基于机器视觉的工业机械故障检测方法及装置 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN115908361A (zh) | 一种口腔全景片的龋齿识别方法 | |
WO2023142455A1 (zh) | 基于多光谱的图像识别方法、装置、存储介质、电子设备、程序 | |
CN109919935B (zh) | 一种头颈体血管分割方法及设备 | |
CN113658107A (zh) | 一种基于ct图像的肝脏病灶诊断方法及装置 | |
CN112927225A (zh) | 基于人工智能的智齿生长状态辅助检测系统 | |
CN112258533A (zh) | 一种超声图像中小脑蚓部的分割方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230615 Address after: 317000 Floor 3, Building A3, Ocean Small Enterprise Demonstration Base, Linhai, Taizhou, Zhejiang Applicant after: Taizhou yasimei Medical Technology Co.,Ltd. Address before: No.6, block B, Zhongyi Zibo advanced manufacturing industrial city, Gaojia community, Zichuan Economic Development Zone, Zibo City, Shandong Province Applicant before: Qiu Miaona |
|
GR01 | Patent grant | ||
GR01 | Patent grant |