CN112785616A - 基于颜色聚类的牙齿影像图处理方法、装置及电子设备 - Google Patents
基于颜色聚类的牙齿影像图处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112785616A CN112785616A CN202110127103.4A CN202110127103A CN112785616A CN 112785616 A CN112785616 A CN 112785616A CN 202110127103 A CN202110127103 A CN 202110127103A CN 112785616 A CN112785616 A CN 112785616A
- Authority
- CN
- China
- Prior art keywords
- analyzed
- tooth
- image
- region
- coordinate
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 210000004268 dentin Anatomy 0.000 claims abstract description 116
- 206010065687 Bone loss Diseases 0.000 claims abstract description 91
- 210000003298 dental enamel Anatomy 0.000 claims abstract description 91
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 45
- 210000001114 tooth apex Anatomy 0.000 claims abstract description 21
- 238000007621 cluster analysis Methods 0.000 claims abstract description 20
- 210000001909 alveolar process Anatomy 0.000 claims description 41
- 210000004746 tooth root Anatomy 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000001629 suppression Effects 0.000 claims description 26
- 239000003086 colorant Substances 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 201000001245 periodontitis Diseases 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000028169 periodontal disease Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- 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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本发明实施例提供了一种基于颜色聚类的牙齿影像图处理方法、装置及电子设备,该方法包括:采用颜色聚类算法对待分析牙齿影像图进行聚类分析;针对得到的每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;然后基于预设距离关系,确定牙釉质区域、牙本质区域以及牙槽骨区域,基于牙釉质区域、牙本质区域和预设距离,确定正常牙槽嵴顶位置的第一坐标;基于牙本质区域与牙槽骨区域确定实际牙槽嵴顶位置的第二坐标和牙根尖的第三坐标;最后基于第一坐标、第二坐标和第三坐标,确定待分析牙齿影像图对应的牙齿骨丧失比例。这样,通过对牙齿影像图进行精确分析,可以得到更精确的骨丧失比例。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种基于颜色聚类的牙齿影像图处理方法、装置及电子设备。
背景技术
目前,图像处理技术已广泛应用到医疗技术领域,为医疗提供诊断依据。例如:牙科医生通过对牙齿影像图的观察,来确定牙齿影像图中的骨丧失比例,进而对牙周疾病进行分级分期。
然而,发明人发现,目前这种医生根据经验来观察牙齿影像,得到的牙齿影像的骨丧失比例的方式,完全依赖医生的经验。因此,这样得到的骨丧失比例并不是非常准确,从而会影响对牙周炎分级分期的准确度。
发明内容
本发明实施例的目的在于提供一种基于颜色聚类的牙齿影像图处理方法、装置及电子设备,以实现通过对牙齿影像图进行分析处理,得到更精确的骨丧失比例。具体技术方案如下:
第一方面,本发明实施例提供了一种基于颜色聚类的牙齿影像图处理方法,该方法包括:
在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
可选的,在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域,包括:
在获取到待分析牙齿影像图时,按照预设裁剪尺寸裁剪待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
将裁剪后的牙齿影像图作为待分析牙齿影像图,并采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域。
可选的,在采用颜色聚类算法对待分析牙齿影像图进行聚类分析之前,该方法还包括:
对待分析牙齿影像图进行锐化处理,得到锐化处理后的牙齿影像图;
对锐化后的牙齿影像图进行噪声抑制处理和直方图均衡化处理,得到抑制噪声和均衡化后的牙齿影像图,并将抑制噪声和均衡化后的牙齿影像图作为待分析牙齿影像图。
可选的,确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线,包括:
对牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析,确定牙釉质区域与牙本质区域的第一边界线以及牙本质区域与牙槽骨区域的第二边界线。
可选的,在基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域之后,该方法还包括:
对多种聚类区域中的牙釉质区域、牙本质区域、牙槽骨区域以及除牙釉质区域、牙本质区域以及牙槽骨区域之外的其他区域,采用不同的颜色填充,得到填充颜色后的牙齿影像图,并输出填充颜色后的牙齿影像图。
可选的,在基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标之后,该方法还包括:
对第一坐标、第二坐标以及第三坐标进行标记,得到标记有坐标点的牙齿影像图,并输出标记有坐标点的牙齿影像图。
第二方面,本发明实施例还提供了一种基于颜色聚类的牙齿影像图处理装置,该装置包括:
聚类模块,用于在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
距离计算模块,用于针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
区域确定模块,用于基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
边界线确定模块,用于确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
坐标确定模块,用于基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
长度计算模块,用于基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
骨丧失比例计算模块,用于根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
可选的,聚类模块,具体用于:
在获取到待分析牙齿影像图时,按照预设裁剪尺寸裁剪待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
将裁剪后的牙齿影像图作为待分析牙齿影像图,并采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域。
可选的,该装置还包括:图像增强模块,用于:
在采用颜色聚类算法对待分析牙齿影像图进行聚类分析之前,对待分析牙齿影像图进行锐化处理,得到锐化处理后的牙齿影像图;
对锐化后的牙齿影像图进行噪声抑制处理和直方图均衡化处理,得到抑制噪声和均衡化后的牙齿影像图,并将抑制噪声和均衡化后的牙齿影像图作为待分析牙齿影像图。
可选的,边界线确定模块,具体用于:
对牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析,确定牙釉质区域与牙本质区域的第一边界线以及牙本质区域与牙槽骨区域的第二边界线。
可选的,该装置还包括:填充模块,用于:
在基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域之后,对多种聚类区域中的牙釉质区域、牙本质区域、牙槽骨区域以及除牙釉质区域、牙本质区域以及牙槽骨区域之外的其他区域,采用不同的颜色填充,得到填充颜色后的牙齿影像图,并输出填充颜色后的牙齿影像图。
可选的,该装置还包括:标记模块,用于:
在基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标之后,对第一坐标、第二坐标以及第三坐标进行标记,得到标记有坐标点的牙齿影像图,并输出标记有坐标点的牙齿影像图。
第三方面,本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一实施例所示的基于颜色聚类的牙齿影像图处理方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例所示的基于颜色聚类的牙齿影像图处理方法的步骤。
第五方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一实施例所示的基于颜色聚类的牙齿影像图处理方法的步骤。
本发明实施例有益效果:
本发明实施例提供的一种基于颜色聚类的牙齿影像图处理方法、装置及电子设备,可以在获取到待分析牙齿影像图时,先采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;再针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;然后基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,进而可以确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;在得到第一边界线和第二边界线后,则可以基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;最后基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;并根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。这样,通过对牙齿影像图进行精确分析,可以得到更精确的骨丧失比例,进而可以为医生对牙周炎分级分期提供更精确的分析依据。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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他的实施例。
图1为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第一种实施方式的流程图;
图2a为本发明实施例的待分析牙齿影像图的示意图;
图2b为本发明实施例的待分析牙齿影像图采用颜色聚类算法聚类后包含牙釉质区域与牙本质区域的示意图;
图2c为本发明实施例的待分析牙齿影像图采用颜色聚类算法聚类后包含牙本质区域与牙槽骨区域的示意图;
图2d为对图2a所示的牙齿影像图进行裁剪后得到的影像图;
图3为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第二种实施方式的流程图;
图4为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第三种实施方式的流程图;
图5为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第四种实施方式的流程图;
图6为本发明实施例的一种基于颜色聚类的牙齿影像图处理装置的结构示意图;
图7为本发明实施例的一种电子设备的结构示意图。
具体实施方式
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基于本申请所获得的所有其他实施例,都属于本发明保护的范围。
为了解决现有技术存在的问题,本发明实施例提供了一种基于颜色聚类的牙齿影像图处理方法、装置及电子设备,以实现通过对牙齿影像图进行分析处理,得到更精确的骨丧失比例。
下面,首先对本发明实施例的基于颜色聚类的牙齿影像图处理方法进行介绍,如图1所示,为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第一种实施方式的流程图,该方法可以包括:
S110,在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
S120,针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
S130,基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
S140,确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
S150,基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
S160,基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
S170,根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
在一些示例中,为了对牙齿影像图进行精确分析,可以得到更精确的骨丧失比例,可以将对牙齿进行拍摄得到的牙齿影像图输入至应用本发明实施例的基于颜色聚类的牙齿影像图处理方法的电子设备中,因此,可以获取到牙齿影像图,并将该牙齿影像图作为待分析牙齿影像图,该待分析牙齿影像图可以是图2a所示的示意图。
在获取到待分析牙齿影像图后,可以采用现有技术中的颜色聚类算法对该待分析牙齿影像图进行聚类分析,以便得到该待分析牙齿影像图的多种聚类区域。
在一些示例中,该颜色聚类算法可以是K-means颜色聚类算法,也可以是Meanshift颜色聚类算法或者Quick shift颜色聚类算法,这都是可以的。
在又一些示例中,当使用K-means颜色聚类算法时,可以预先设置聚类的类别,也即K的值,该K的值可以预先设置为3、4,还可以预先设置为更大的值,这都是可以的。
在一些示例中,在得到多种聚类区域后,对于应用本发明实施例的一种基于颜色聚类的牙齿影像图处理方法的电子设备而言,并不知道该多种聚类区域到底是何种区域。
对此,为了从该多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,可以先针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离。
具体的,对于每个聚类区域而言,该聚类区域中的每个像素在待分析牙齿影像图中均具有一个位置,该位置为该像素在待分析牙齿影像图中的坐标。因此,可以先计算该聚类区域中每个像素的坐标与待分析牙齿影像图的中心位置之间的距离,这样,可以得到该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的距离,进而可以基于这些距离,计算出该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离。这样,可以计算得到每种聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
在一些示例中,该平均距离可以是欧式距离,也可以是其他距离,这都是可以的。
在得到每种聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离后,可以基于预设距离关系,从多种聚类区域中确定出牙釉质区域、牙本质区域以及牙槽骨区域。
具体的,该预设距离关系可以是包括不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系。
例如,当该多种聚类区域为三种聚类区域时,则该预设距离关系可以按照平均距离从小到大的顺序,牙釉质区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离最小,牙本质区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离次之,牙槽骨区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离最大。
当该多种聚类区域为四种聚类区域时,则该预设距离关系可以是按照平均距离从大到小的顺序,牙槽骨区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离最大;牙本质区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离次之,牙釉质区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离,小于牙本质区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离,背景区域的所有像素点与待分析牙齿影像图的中心位置之间的平均距离最小。
这样,便可以通过基于预设距离关系,从多种聚类区域中确定出牙釉质区域、牙本质区域以及牙槽骨区域。
在确定出牙釉质区域、牙本质区域以及牙槽骨区域后,由于牙釉质区域与牙本质区域相邻,牙本质区域与牙槽骨区域相邻。如图2b所示的牙釉质区域210和牙本质区域220相邻。图2c所示的牙本质区域220与牙槽骨区域230相邻。因此,可以确定出牙釉质区域与牙本质区域的边界线,也即第一边界线(图2b中未示出),也可以确定出牙本质区域与牙槽骨区域的边界线,也即第二边界线(图2c中的黑色线条);
在又一些示例中,可以将不同种类的聚类区域标记不同的颜色。以方便确定边界线,例如,如图2b和图2c所示,将牙釉质区域210标记为黑色,将牙本质区域220标记为深灰色,将牙槽骨区域230标记为浅灰色。这样,可以更方便的确定出边界线。
在又一些示例中,为了更准确的确定出牙釉质区域与牙本质区域的边界线,以及牙本质区域与牙槽骨区域的边界线,在发明实施例中,可以分别对牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析。可以理解的是,该连通区域分析为现有技术中的算法,这里不再赘述。
通过对该三个区域分别进行连通区域分析,可以提高确定牙釉质区域与牙本质区域的第一边界线以及牙本质区域与牙槽骨区域的第二边界线的准确度,从而可以提高确定第一坐标、第二坐标以及第三坐标的准确度,进而可以提高计算骨丧失比例的准确度。
在确定出第一边界线后。由于该第一边界线并不是完全相连的,每个牙齿都具有一条第一边界线。
在一些示例中,釉牙骨质界的位置,是指牙釉质和牙骨质连接的位置。在牙体上,该釉牙骨质界是围绕牙颈部的一条线。因此,在聚类后的待分析牙齿影像图中,该釉牙骨质界便是牙齿两侧的点。而由于该第一边界线是每个牙的牙釉质区域与牙本质区域的边界线,因此,在聚类后的待分析牙齿影像图中,该釉牙骨质界的位置,实际是该第一边界线的两个端点。
因此,可以基于每个牙齿的第一边界线,确定出该牙齿的釉牙骨质界的位置,也即,将每个牙齿的第一边界线的两端点所在位置作为该牙齿的釉牙骨质界所在位置。例如,图2c中黑色点240所示的位置。
另外,在实际中,正常牙槽嵴顶位置应位于釉牙骨质界所在位置背向牙釉质区域约1.08mm-2.00mm的位置。因此,可以将该1.08mm-2.00mm之间的任一值作为预设距离。
然后基于每个牙齿的釉牙骨质界所在位置和该预设距离,确定出每个牙齿的正常牙槽嵴顶位置,也即正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标。该正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标可以是图2b所示的黑色点所示的位置。
在确定出第二边界线后。由于该第二边界线也并不是完全相连的,每个牙齿都具有一条第二边界线,每个牙齿的第二边界线的两端点为实际牙槽嵴顶位置。因此,可以基于每个牙齿的第二边界线,确定出该牙齿的实际牙槽嵴顶位置,也即,将每个牙齿的第二边界线的两端点所在位置作为该牙齿的实际牙槽嵴顶坐标,也即第二坐标。例如,图2c中灰色点250所示的位置。
在又一些示例中,每个牙齿都有一个牙根尖,该牙根尖是牙齿的最根部位置,因此,相对于图2c而言,每个牙齿的牙根尖则为该牙齿对应的第二边界线的波峰或波谷,基于此,可以通过对每条第二边界线进行波峰或波谷分析,可以得到每条边界线的波峰位置或波谷位置,这样,可以将该条边界线的波峰位置或波谷位置作为该条边界线对应的牙齿的牙根尖的第三坐标。例如,图2c所示的黑色线条的波峰位置的白色点为每个牙齿的牙根尖的第三坐标。
在一些示例中,牙齿骨丧失比例通常为骨丧失总长度与牙根总长度的比值。对此,在计算牙齿骨丧失比例之前,还需要计算骨丧失总长度和牙根总长度。
在通过上述步骤计算得到第一坐标和第二坐标后,则可以针对每颗牙齿,计算该牙齿每侧的第一坐标与第二坐标之间的第一距离,然后对该牙齿两侧的第一距离相加可以得到第一总距离。然后对所有牙齿的第一总距离相加,则可以得到骨丧失总长度。也即,所有牙齿的正常牙槽嵴顶位置与实际牙槽嵴顶位置之间的总长度。
在又一些示例中,每颗牙齿都有牙根,该牙根的长度是指从牙根尖开始的一段距离。为了确定每颗牙齿的牙根长度,可以在确定出每颗牙齿的第一坐标和第三坐标后,基于每颗牙齿两侧的第一坐标,确定出该两个第一坐标的中值,然后可以将该两个第一坐标的中值至该牙齿的第三坐标之间的距离确定为该牙齿的牙根长度,每颗牙齿的牙根长度为如图2c所示的每颗牙齿上两个白色点之间的距离。最后,将所有牙齿的牙根长度相加,即可得到牙根总长度。
在得到骨丧失总长度和牙根总长度,可以计算骨丧失总长度和牙根总长度之间的比值,并将骨丧失总长度和牙根总长度之间的比值,确定为待分析牙齿影像图对应的牙齿骨丧失比例。这样,便可以得到待分析牙齿影像图对应的牙齿骨丧失比例。
本发明实施例提供的一种基于颜色聚类的牙齿影像图处理方法,可以在获取到待分析牙齿影像图时,先采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;再针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;然后基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,进而可以确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;在得到第一边界线和第二边界线后,则可以基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;最后基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;并根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。这样,通过对牙齿影像图进行精确分析,可以得到更精确的骨丧失比例,进而可以为医生对牙周炎分级分期提供更精确的分析依据。
在图1所示的一种基于颜色聚类的牙齿影像图处理方法的基础上,本发明实施例还提供了一种可能的实现方式,如图3所示,为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第二种实施方式的流程图,该方法可以包括:
S310,在获取到待分析牙齿影像图时,按照预设裁剪尺寸裁剪待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
S320,将裁剪后的牙齿影像图作为待分析牙齿影像图,并采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域。
S330,针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
S340,基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
S350,对牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析,确定牙釉质区域与牙本质区域的第一边界线以及牙本质区域与牙槽骨区域的第二边界线;
S360,基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
S370,基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
S380,根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
在一些示例中,拍摄的待分析牙齿影像图中,除了包含计算骨丧失比例所需要的部位的图像外,通常还会包括其他部位的图像,如果直接对该拍摄的待分析牙齿影像图进行分析,可能会因为存在其他部位的图像而造成分析结果的准确度降低,对此,本发明实施例还提供了一种可能的实现方式,例如,对拍摄的待分析牙齿影像图进行裁剪,仅保留计算骨丧失比例所需要的部位的图像。
具体的,可以在获取到待分析牙齿影像图时,按照预设裁剪尺寸裁剪待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;这样,可以将该拍摄的待分析牙齿影像图外边缘、与计算骨丧失比例所需要的部位无关的影像图裁剪掉,仅保留与计算骨丧失比例所需要的部位的图像。然后将裁剪后保留的影像图作为待分析牙齿影像图,并采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域。
其中,该预设裁剪尺寸可以是预先设置的尺寸,例如,该预设尺寸可以是拍摄的牙齿影像图的高度的1/4和宽度的1/10。
具体的,可以按照拍摄的牙齿影像图的高度的1/4的尺寸,沿拍摄得到牙齿影像图的上边缘和下边缘进行裁剪,按照拍摄的牙齿影像图的宽度的1/10,沿拍摄的牙齿影像图的左边缘和右边缘进行裁剪,从而可以得到裁剪后的牙齿影像图。例如,如图2d所示,为对图2a所示的牙齿影像图,按照拍摄的牙齿影像图的高度的1/4和宽度的1/10进行裁剪后得到的影像图。
通过对拍摄的牙齿影像图进行裁剪,可以减少其他部位的存在对计算骨丧失比例的影响,提高计算骨丧失比例的准确度。
可以理解的是,本发明实施例中的步骤S330~S380与第一种实施方式中的步骤S120~S170相同或相似,这里不再赘述。
在图3所示的一种基于颜色聚类的牙齿影像图处理方法的基础上,本发明实施例还提供了一种可能的实现方式,如图4所示,为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第三种实施方式的流程图,该方法可以包括:
S410,在获取到待分析牙齿影像图时,按照预设裁剪尺寸裁剪待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
S420,将裁剪后的牙齿影像图作为待分析牙齿影像图,对待分析牙齿影像图进行锐化处理,得到锐化处理后的牙齿影像图;
S430,对锐化后的牙齿影像图进行噪声抑制处理和直方图均衡化处理,得到抑制噪声和均衡化后的牙齿影像图,并将抑制噪声和均衡化后的牙齿影像图作为待分析牙齿影像图。
S440,采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域。
S450,针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
S460,基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
S470,对牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析,确定牙釉质区域与牙本质区域的第一边界线以及牙本质区域与牙槽骨区域的第二边界线;
S480,基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
S490,基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
S4910,根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
在一些示例中,在对拍摄的待分析牙齿影像图进行裁剪,得到裁剪后的牙齿影像图后,为了进一步提高对待分析牙齿影像图进行分析的准确度,也为了进一步提高计算牙齿骨丧失比例的准确度,可以对裁剪后的牙齿影像图进行图像增强。
具体的,可以对裁剪后的牙齿影像图进行锐化处理,得到锐化处理后的牙齿影像图,然后对锐化后的牙齿影像图进行噪声抑制处理和直方图均衡化处理,得到抑制噪声和均衡化后的牙齿影像图,最后将抑制噪声和均衡化后的牙齿影像图作为待分析牙齿影像图。进而可以采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析。
在一些示例中,可以采用拉普拉斯算子对该裁剪后的牙齿影像图进行锐化处理,也可以采用其他算法对该裁剪后的牙齿影像图进行锐化处理,这都是可以的。
在又一些示例中,在对该裁剪后的牙齿影像图进行锐化处理后,该锐化后的牙齿影像图可能会存在噪声,对此,可以对该锐化后的牙齿影像图进行噪声抑制处理。可以理解的是,在本发明实施例中,可以采用多种现有技术中的噪声抑制算法对该锐化后的牙齿影像图进行噪声抑制处理,例如,可以采用中值滤波算法对该锐化后的牙齿影像图进行噪声抑制处理。除此之外,还可以采用其他噪声抑制算法对该锐化后的牙齿影像图进行噪声抑制处理,这都是可以的。
在对锐化后的牙齿影像图进行噪声抑制处理后,为了提高该噪声抑制处理后的牙齿影像图的对比度,还可以对该噪声抑制处理后的牙齿影像图进行直方图均衡化处理,从而可以得到抑制噪声和均衡化后的牙齿影像图。
通过对裁剪后的牙齿影像图进行锐化处理、噪声抑制处理以及直方图均衡化处理,可以提高该裁剪后的牙齿影像图的清晰度和对比图,从而可以改善裁剪后的牙齿影像图的质量,有利于后续采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析。
可以理解的是,本发明实施例中的步骤S410、S440~S4910与第二种实施方式中的步骤S310~S380相同或相似,这里不再赘述。
在图4所示的一种基于颜色聚类的牙齿影像图处理方法的基础上,本发明实施例还提供了一种可能的实现方式,如图5所示,为本发明实施例的一种基于颜色聚类的牙齿影像图处理方法第四种实施方式的流程图,该方法可以包括:
S510,在获取到待分析牙齿影像图时,按照预设裁剪尺寸裁剪待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
S520,将裁剪后的牙齿影像图作为待分析牙齿影像图,对待分析牙齿影像图进行锐化处理,得到锐化处理后的牙齿影像图;
S530,对锐化后的牙齿影像图进行噪声抑制处理和直方图均衡化处理,得到抑制噪声和均衡化后的牙齿影像图,并将抑制噪声和均衡化后的牙齿影像图作为待分析牙齿影像图。
S540,采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域。
S550,针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
S560,基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
S570,对多种聚类区域中的牙釉质区域、牙本质区域、牙槽骨区域以及除牙釉质区域、牙本质区域以及牙槽骨区域之外的其他区域,采用不同的颜色填充,得到填充颜色后的牙齿影像图,并输出填充颜色后的牙齿影像图。
S580,对牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析,确定牙釉质区域与牙本质区域的第一边界线以及牙本质区域与牙槽骨区域的第二边界线。
S590,基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
S5910,基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
S5920,根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
在一些示例中,在通过步骤S560,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域之后,除了可以通过步骤S580~S5920计算牙齿骨丧失比例之外,本发明实施例还提供了一种可能的实现方式,例如,输出确定出牙釉质区域、牙本质区域以及牙槽骨区域之后的牙齿影像图。
而为了使得医生更容易分辨出输出的牙齿影像图中的牙釉质区域、牙本质区域以及牙槽骨区域,在本发明实施例中,可以对多种聚类区域中的各种区域进行颜色填充。
具体的,可以对该多种聚类区域中的牙釉质区域、牙本质区域、牙槽骨区域以及除牙釉质区域、牙本质区域以及牙槽骨区域之外的其他区域,采用不同的颜色填充,得到填充颜色后的牙齿影像图,并输出填充颜色后的牙齿影像图。
例如,如图2b和图2c所示,假设除牙釉质区域、牙本质区域以及牙槽骨区域之外的其他区域为背景区域。则可以采用黑色对牙釉质区域210进行填充,采用深灰色对牙本质区域220进行填充,采用浅灰色对牙槽骨区域230进行填充,采用白色对背景区域260进行填充,从而可以得到填充颜色后的牙齿影像图,最后输出填充颜色后的牙齿影像图。
通过对多种聚类区域采用不同的颜色进行填充并输出填充颜色后的牙齿影像图,可以使得医生更直观的观察该牙齿影像图的各种聚类区域。并人工对该包含多种聚类区域的牙齿影像图进行处理,人工计算牙齿骨丧失比例,并与本发明实施例得到的牙齿骨丧失比例进行对比,以验证通过本发明实施例得到的牙齿骨丧失比例的准确度。
需要说明的是,在本发明实施例中,步骤S570和步骤S580可以同时执行,也可以先执行步骤S570再执行步骤S580,还可以先执行步骤S580再执行步骤S570,这都是可以的。
在又一些示例中,本发明实施例中,除了输出填充颜色后的牙齿影像图之外,还可以输出有标记有正常牙槽嵴顶位置、实际牙槽嵴顶位置以及牙根尖的牙齿影像图。
对此,可以在执行步骤S590之后,对第一坐标、第二坐标以及第三坐标进行标记,得到标记有坐标点的牙齿影像图,并输出标记有坐标点的牙齿影像图。
在一些示例中,可以采用不同的颜色对第一坐标、第二坐标以及第三坐标进行标记,也可以采用不同的形状对第一坐标、第二坐标以及第三坐标进行标记,这都是可以的。
通过对第一坐标、第二坐标以及第三坐标进行标记,可以使得医生更清楚的查看待分析牙齿影像图中的正常牙槽嵴顶位置、实际牙槽嵴顶位置以及牙根尖。
在又一些示例中,在通过本发明实施例的基于颜色聚类的牙齿影像图处理方法得到牙齿骨丧失比例后,可以输出计算得到的牙齿骨丧失比例,以便医生可以结合牙齿骨丧失比例和牙周炎分期分级标准中的其他因素,对该待分析牙齿影像图对应的牙齿进行分期分级。例如,可以结合牙齿骨丧失比例和牙周炎分期分级标准中的邻面CAL(ClinicalAttachment Loss,临床附着丧失)最重位点、因牙周炎失牙数量等其他因素对牙周炎疾病进行分级分期。
可见,本发明实施例中通过对待分析牙齿影像图进行分析处理,得到该待分析牙齿影像图对应的牙齿骨丧失比例,可以为医生对牙周炎疾病进行分级分期提供参考依据。
可以理解的是,本发明实施例中的步骤S510~S560、S580~S5920与第四种实施方式中的步骤S410~S4910相同或相似,这里不再赘述。
相应于上述的方法实施例,本发明实施例还提供了一种基于颜色聚类的牙齿影像图处理装置,如图6所示,为本发明实施例的一种基于颜色聚类的牙齿影像图处理装置的结构示意图,该装置可以包括:
聚类模块610,用于在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
距离计算模块620,用于针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
区域确定模块630,用于基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
边界线确定模块640,用于确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
坐标确定模块650,用于基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
长度计算模块660,用于基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
骨丧失比例计算模块670,用于根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
本发明实施例提供的一种基于颜色聚类的牙齿影像图处理装置,可以在获取到待分析牙齿影像图时,先采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;再针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;然后基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,进而可以确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;在得到第一边界线和第二边界线后,则可以基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;最后基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;并根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。这样,通过对牙齿影像图进行精确分析,可以得到更精确的骨丧失比例,进而可以为医生对牙周炎分级分期提供更精确的分析依据。
可选的,聚类模块610,具体用于:
在获取到待分析牙齿影像图时,按照预设裁剪尺寸裁剪待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
将裁剪后的牙齿影像图作为待分析牙齿影像图,并采用K-means颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域。
可选的,该装置还包括:图像增强模块,用于:
在采用颜色聚类算法对待分析牙齿影像图进行聚类分析之前,对待分析牙齿影像图进行锐化处理,得到锐化处理后的牙齿影像图;
对锐化后的牙齿影像图进行噪声抑制处理和直方图均衡化处理,得到抑制噪声和均衡化后的牙齿影像图,并将抑制噪声和均衡化后的牙齿影像图作为待分析牙齿影像图。
可选的,边界线确定模块640,具体用于:
对牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析,确定牙釉质区域与牙本质区域的第一边界线以及牙本质区域与牙槽骨区域的第二边界线。
可选的,该装置还包括:填充模块,用于:
在基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域之后,对多种聚类区域中的牙釉质区域、牙本质区域、牙槽骨区域以及除牙釉质区域、牙本质区域以及牙槽骨区域之外的其他区域,采用不同的颜色填充,得到填充颜色后的牙齿影像图,并输出填充颜色后的牙齿影像图。
可选的,该装置还包括:标记模块,用于:
在基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标之后,对第一坐标、第二坐标以及第三坐标进行标记,得到标记有坐标点的牙齿影像图,并输出标记有坐标点的牙齿影像图。
本发明实施例还提供了一种电子设备,如图7所示,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信,
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现上述任一实施例所示的一种基于颜色聚类的牙齿影像图处理方法的步骤,例如,可以实现如下步骤:
在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
本发明实施例提供的一种电子设备,可以在获取到待分析牙齿影像图时,先采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;再针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;然后基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,进而可以确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;在得到第一边界线和第二边界线后,则可以基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;最后基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;并根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。这样,通过对牙齿影像图进行精确分析,可以得到更精确的骨丧失比例,进而可以为医生对牙周炎分级分期提供更精确的分析依据。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例所示的一种基于颜色聚类的牙齿影像图处理方法的步骤,例如,可以实现如下步骤:
在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
在本发明提供的又一实施例中,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一实施例所示的一种基于颜色聚类的牙齿影像图处理方法的步骤,例如,可以执行如下步骤:
在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
在本发明提供的又一实施例中,本发明实施例还提供了一种计算机程序,当其在计算机上运行时,使得计算机执行上述任一实施例所示的一种基于颜色聚类的牙齿影像图处理方法的步骤,例如,可以执行如下步骤:
在获取到待分析牙齿影像图时,采用颜色聚类算法对待分析牙齿影像图进行聚类分析,得到待分析牙齿影像图的多种聚类区域;
针对每种聚类区域,计算该聚类区域中所有像素点的位置与待分析牙齿影像图的中心位置之间的平均距离;
基于预设距离关系,从多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,预设距离关系为不同种类的聚类区域与待分析牙齿影像图的中心位置之间的平均距离的远近关系;
确定牙釉质区域与牙本质区域的第一边界线,牙本质区域与牙槽骨区域的第二边界线;
基于第一边界线和预设距离,确定正常牙槽嵴顶位置在待分析牙齿影像图中的第一坐标;并基于第二边界线确定实际牙槽嵴顶位置在待分析牙齿影像图中的第二坐标和牙根尖在待分析牙齿影像图中的第三坐标;
基于第一坐标和第三坐标确定牙根总长度,并基于第一坐标和第二坐标,确定骨丧失总长度;
根据骨丧失总长度和牙根总长度,确定待分析牙齿影像图对应的牙齿骨丧失比例。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,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。尤其,对于装置、电子设备及存储介质等实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (10)
1.一种基于颜色聚类的牙齿影像图处理方法,其特征在于,所述方法包括:
在获取到待分析牙齿影像图时,采用颜色聚类算法对所述待分析牙齿影像图进行聚类分析,得到所述待分析牙齿影像图的多种聚类区域;
针对每种聚类区域,计算该聚类区域中所有像素点的位置与所述待分析牙齿影像图的中心位置之间的平均距离;
基于预设距离关系,从所述多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,所述预设距离关系为不同种类的聚类区域与所述待分析牙齿影像图的中心位置之间的平均距离的远近关系;
确定所述牙釉质区域与所述牙本质区域的第一边界线,所述牙本质区域与所述牙槽骨区域的第二边界线;
基于所述第一边界线和预设距离,确定正常牙槽嵴顶位置在所述待分析牙齿影像图中的第一坐标;并基于所述第二边界线确定实际牙槽嵴顶位置在所述待分析牙齿影像图中的第二坐标和牙根尖在所述待分析牙齿影像图中的第三坐标;
基于所述第一坐标和所述第三坐标确定牙根总长度,并基于所述第一坐标和所述第二坐标,确定骨丧失总长度;
根据所述骨丧失总长度和所述牙根总长度,确定所述待分析牙齿影像图对应的牙齿骨丧失比例。
2.根据权利要求1所述的方法,其特征在于,所述在获取到待分析牙齿影像图时,采用颜色聚类算法对所述待分析牙齿影像图进行聚类分析,得到所述待分析牙齿影像图的多种聚类区域,包括:
在获取到所述待分析牙齿影像图时,按照预设裁剪尺寸裁剪所述待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
将所述裁剪后的牙齿影像图作为所述待分析牙齿影像图,并采用K-means颜色聚类算法对所述待分析牙齿影像图进行聚类分析,得到所述待分析牙齿影像图的多种聚类区域。
3.根据权利要求1所述的方法,其特征在于,在所述采用颜色聚类算法对所述待分析牙齿影像图进行聚类分析之前,所述方法还包括:
对所述待分析牙齿影像图进行锐化处理,得到锐化处理后的牙齿影像图;
对所述锐化后的牙齿影像图进行噪声抑制处理和直方图均衡化处理,得到抑制噪声和均衡化后的牙齿影像图,并将所述抑制噪声和均衡化后的牙齿影像图作为所述待分析牙齿影像图。
4.根据权利要求1所述的方法,其特征在于,所述确定所述牙釉质区域与所述牙本质区域的第一边界线,所述牙本质区域与所述牙槽骨区域的第二边界线,包括:
对所述牙釉质区域、牙本质区域以及牙槽骨区域进行连通区域分析,确定所述牙釉质区域与所述牙本质区域的第一边界线以及所述牙本质区域与所述牙槽骨区域的第二边界线。
5.根据权利要求1所述的方法,其特征在于,在所述基于预设距离关系,从所述多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域之后,所述方法还包括:
对多种聚类区域中的所述牙釉质区域、所述牙本质区域、所述牙槽骨区域以及除所述牙釉质区域、所述牙本质区域以及所述牙槽骨区域之外的其他区域,采用不同的颜色填充,得到填充颜色后的牙齿影像图,并输出所述填充颜色后的牙齿影像图。
6.根据权利要求1所述的方法,其特征在于,在所述基于所述第二边界线确定实际牙槽嵴顶位置在所述待分析牙齿影像图中的第二坐标和牙根尖在所述待分析牙齿影像图中的第三坐标之后,所述方法还包括:
对所述第一坐标、所述第二坐标以及所述第三坐标进行标记,得到标记有坐标点的牙齿影像图,并输出所述标记有坐标点的牙齿影像图。
7.一种基于颜色聚类的牙齿影像图处理装置,其特征在于,所述装置包括:
聚类模块,用于在获取到待分析牙齿影像图时,采用颜色聚类算法对所述待分析牙齿影像图进行聚类分析,得到所述待分析牙齿影像图的多种聚类区域;
距离计算模块,用于针对每种聚类区域,计算该聚类区域中所有像素点的位置与所述待分析牙齿影像图的中心位置之间的平均距离;
区域确定模块,用于基于预设距离关系,从所述多种聚类区域中,确定出牙釉质区域、牙本质区域以及牙槽骨区域,其中,所述预设距离关系为不同种类的聚类区域与所述待分析牙齿影像图的中心位置之间的平均距离的远近关系;
边界线确定模块,用于确定所述牙釉质区域与所述牙本质区域的第一边界线,所述牙本质区域与所述牙槽骨区域的第二边界线;
坐标确定模块,用于基于所述第一边界线和预设距离,确定正常牙槽嵴顶位置在所述待分析牙齿影像图中的第一坐标;并基于所述第二边界线确定实际牙槽嵴顶位置在所述待分析牙齿影像图中的第二坐标和牙根尖在所述待分析牙齿影像图中的第三坐标;
长度计算模块,用于基于所述第一坐标和所述第三坐标确定牙根总长度,并基于所述第一坐标和所述第二坐标,确定骨丧失总长度;
骨丧失比例计算模块,用于根据所述骨丧失总长度和所述牙根总长度,确定所述待分析牙齿影像图对应的牙齿骨丧失比例。
8.根据权利要求7所述的装置,其特征在于,所述聚类模块,具体用于:
在获取到所述待分析牙齿影像图时,按照预设裁剪尺寸裁剪所述待分析牙齿影像图的边缘,得到裁剪后的牙齿影像图;
将所述裁剪后的牙齿影像图作为所述待分析牙齿影像图,并采用K-means颜色聚类算法对所述待分析牙齿影像图进行聚类分析,得到所述待分析牙齿影像图的多种聚类区域。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127103.4A CN112785616B (zh) | 2021-01-29 | 2021-01-29 | 基于颜色聚类的牙齿影像图处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127103.4A CN112785616B (zh) | 2021-01-29 | 2021-01-29 | 基于颜色聚类的牙齿影像图处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785616A true CN112785616A (zh) | 2021-05-11 |
CN112785616B CN112785616B (zh) | 2022-10-11 |
Family
ID=75759833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110127103.4A Active CN112785616B (zh) | 2021-01-29 | 2021-01-29 | 基于颜色聚类的牙齿影像图处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785616B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657519A (zh) * | 2013-11-18 | 2015-05-27 | 同方威视技术股份有限公司 | 建立釉牙本质界的统计平均模型的方法 |
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 |
US20200015764A1 (en) * | 2018-07-11 | 2020-01-16 | Novodynamics, Inc. | Methods and systems for periodontal disease screening |
TWI715297B (zh) * | 2019-11-20 | 2021-01-01 | 洪宗甫 | 牙冠增長手術輔具及其製造方法 |
-
2021
- 2021-01-29 CN CN202110127103.4A patent/CN112785616B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657519A (zh) * | 2013-11-18 | 2015-05-27 | 同方威视技术股份有限公司 | 建立釉牙本质界的统计平均模型的方法 |
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 |
US20200015764A1 (en) * | 2018-07-11 | 2020-01-16 | Novodynamics, Inc. | Methods and systems for periodontal disease screening |
TWI715297B (zh) * | 2019-11-20 | 2021-01-01 | 洪宗甫 | 牙冠增長手術輔具及其製造方法 |
Non-Patent Citations (2)
Title |
---|
ABDULAZIZ A.AL KHERAIF等: "Detection of dental diseases from radiographic 2d dental image using hybrid graph-cut technique and convolutional neural network", 《MEASUREMENT》 * |
谢也斯等: "牙周炎罹患程度对种植修复体周围组织健康状况的影响", 《中日友好医院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112785616B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021031459A1 (zh) | 适用于内窥镜的图像增强方法、装置和存储介质 | |
KR102472034B1 (ko) | X선 영상에서의 치아의 인접면 우식증 영역 검출 방법 및 장치 | |
US11250580B2 (en) | Method, system and computer readable storage media for registering intraoral measurements | |
EP1596323A1 (en) | Specified object detection apparatus | |
WO2021189848A1 (zh) | 模型训练方法、杯盘比确定方法、装置、设备及存储介质 | |
US20220383661A1 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
CN107038704B (zh) | 视网膜图像渗出区域分割方法、装置和计算设备 | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
WO2023130661A1 (zh) | 一种二维频谱多普勒超声心动图像的处理方法和装置 | |
CN111640123A (zh) | 无背景图像的生成方法、装置、设备及介质 | |
CN110211200B (zh) | 一种基于神经网络技术的牙弓线生成方法及其系统 | |
CN111062390A (zh) | 感兴趣区域标注方法、装置、设备和存储介质 | |
CN114052951B (zh) | 基于图像识别的托槽精准定位方法、装置、系统、终端及介质 | |
CN112785616B (zh) | 基于颜色聚类的牙齿影像图处理方法、装置及电子设备 | |
CN110648336A (zh) | 一种舌质和舌苔的分割方法及装置 | |
WO2022100005A1 (zh) | 牙齿图像的处理方法、装置、电子设备、存储介质及程序 | |
WO2024074060A1 (zh) | 图像调色方法、装置和存储介质 | |
CN112634309A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110675444B (zh) | 头部ct扫描区域的确定方法、装置及图像处理设备 | |
JP6935663B1 (ja) | 口腔粘膜疾患診断支援システム,方法およびプログラム | |
US20230065612A1 (en) | Image processing device and image processing method | |
CN114663443A (zh) | 12导联纸质心电图数字化方法与装置 | |
CN114298927A (zh) | 一种cbct图像去噪方法、装置、存储介质及电子设备 | |
KR102200060B1 (ko) | 치아의 정밀 진단 모듈로의 간편한 이동 방법 및 그 장치 | |
CN112381810A (zh) | 一种肺炎图像识别方法、装置及计算设备 |
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 |