CN114596289A - 一种基于软组织轮廓线采样点的口点检测方法 - Google Patents
一种基于软组织轮廓线采样点的口点检测方法 Download PDFInfo
- Publication number
- CN114596289A CN114596289A CN202210242218.2A CN202210242218A CN114596289A CN 114596289 A CN114596289 A CN 114596289A CN 202210242218 A CN202210242218 A CN 202210242218A CN 114596289 A CN114596289 A CN 114596289A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- candidate
- concave
- mouth
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T2207/30—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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于软组织轮廓线采样点的口点检测方法,包括如下步骤:步骤一、获取软组织轮廓采样点,判断是否存在口点;步骤二、如果口点存在,则继续检测鼻尖点;否则直接退出;步骤三、在指定范围内检测凹点和凸点;步骤四、基于检测的凹点和凸点,判断口点的位置。本发明提出的一种基于软组织轮廓线采样点的口点检测方法,根据侧位图轮廓线的凹凸特性,能够准确地检测出口点位置,大大降低了算法的复杂度,减少了对数据集的依赖。
Description
技术领域
本发明涉及X射线头影测量图像技术领域,具体涉及一种基于软组织轮廓线采样点的口点检测方法。
背景技术
在经过几十年的发展,目前头影测量分析技术已广泛应用于研究颅面发育、牙颌正畸与治疗方面。头影测量分析技术是通过医学仪器拍摄患者的颅部,得到X射线头影测量图像,并对图像上的结构特征点进行标记。通过X线投影测量分析得知其畸形机理,初步确定手术部位后,可使用面型预测分析VTO(Visual treatment objective)技术来进一步处理,确定颌骨,牙齿所需移动的方向和距离,以保证手术能够定量化进行,同时通过VTO法可预测术后的面形侧貌,得到一个可视化的术后效果。
现有的针对头影测量的方法中,有些需要进行大量标准数据的工作,还有些方法采用深度学习算法,通过建立级联回归网络搭建全自动检测算法框架,但是需要训练网络,较为繁琐。
发明内容
本发明的目的是计算口点位置,以口点为分界,分别控制侧位图软组织轮廓线的上下两部分变化。切牙分为上下切牙,移动上切牙牵引上半部分轮廓线发生变化,移动下切牙牵引下半部分轮廓线变化,以口点为标准将轮廓线分为两部分,可以更精确地模拟矫治后的侧脸。为克服现有方法的不足,本发明提出一种基于软组织轮廓线采样点的口点检测方法,根据侧位图轮廓线的凹凸特性,能够准确地检测出口点位置,大大降低了算法的复杂度,减少了对数据集的依赖。
本发明的技术方案为:一种基于软组织轮廓线采样点的口点检测方法,包括如下步骤:
步骤一、获取软组织轮廓采样点,判断是否存在口点;
步骤二、如果口点存在,则继续检测鼻尖点;否则直接退出;
步骤三、在指定范围内检测凹点和凸点;
步骤四、基于检测的凹点和凸点,判断口点的位置。
进一步的,所述步骤一包括:
获取软组织轮廓线采样点,由上到下依次为p1(x1,y1),p2(x2,y2),…,pm(xm,ym);m为采样点个数,获取采样点纵坐标的最大值Ymax和最小值Ymin;设凹点为横坐标小于相邻两点横坐标的采样点;在纵坐标的范围为((Ymax+Ymin)/2,Ymax)的采样点中检测是否存在凹点。
进一步的,所述步骤二中继续检测鼻尖点,包括:
遍历检测所有采样点中横坐标最大的点,得到鼻尖点,记录鼻尖点的纵坐标值Ynose。
进一步的,所述步骤三在指定范围内检测凹点和凸点,具体包括:
从p1(x1,y1),p2(x2,y2),…,pm(xm,ym)中,依次检测纵坐标在(Ynose,Ynose+w*(Ymax-Ymin))范围内的凹点,其中w∈[0.3,0.4],按照检测的先后顺序,将凹点依次记为sunk1,sunk2,…,sunka,即共检测出a个凹点;
设凸点为横坐标大于相邻两点横坐标的采样点,依次检测p1(x1,y1),p2(x2,y2),…,pm(xm,ym)中纵坐标在(Ynose,Ynose+w*(Ymax-Ymin))范围内的凸点,按照检测的先后顺序,将凸点依次记为convex1,convex2,…,convexb,即共检测出b个凸点。
进一步的,所述步骤四基于检测的凹点和凸点,判断口点的位置,具体包括:
若a>3,轮廓线采样点不准确,出现了噪声扰动现象,计算凹点序列sunk1,sunk2,…,sunka,两个相邻点之间的欧氏距离,若计算的欧氏距离小于设定阈值,则将两个相邻点中索引值较小的凹点从该序列中删除,更新后的凹点序列为口点候选点;
若a=3,则凹点序列为sunk1,sunk2,sunk3,根据侧位图凹凸特性,3个凹点依次为鼻下点,口点和下唇凹点,得到口点为sunk2;
若a=2,则凹点序列为sunk1,sunk2,根据侧位图凹凸特性,2个凹点依次为鼻下点和口点,则得到的口点为sunk2;
若a=1,则sunk1为口点;
若a=0,口点不存在。
进一步的,在更新后的凹点序列为口点候选点之后,还包括:
设口点候选点共n个,分别设为candidate1,candidate2,…,candidaten,若n=1,则candidate1即为口点;若n>1,选择其中一个候选点作为口点,具体如下:
对于i,设凸点序列中纵坐标小于candidatei点纵坐标且与candidatei欧式距离最小的凸点为upi,纵坐标大于candidatei纵坐标且与candidatei欧氏距离最小的凸点为downi,计算向量和的夹角thetai,v=argmin(theta1,theta2,…,thetan),则candidatev为口点,其中argmin(*)为计算最小值下标运算,其中i=1,2,…,n。
有益效果:
本发明提出一种基于软组织轮廓线采样点的口点检测方法,根据侧位图轮廓线的凹凸特性,能够准确地检测出口点位置,大大降低了算法的复杂度,减少了对数据集的依赖。
附图说明
图1:本发明的方法流程示意图;
图2:软组织轮廓采样点示意图;
图3:鼻尖点示意图;
图4:凸点和凹点示意图;
图5:口点示意图;
图6:软组织轮廓线,以口点为标准,分为上下两部分。
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、完整的描述,显然,所描述的实施例仅为本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
根据本发明的实施例,如图1所示,提出一种基于软组织轮廓线采样点的口点检测方法,包括以下几个步骤:
步骤一、获取软组织轮廓采样点,判断是否存在口点;
获取软组织轮廓线采样点,如图2所示,由上到下依次为p1(x1,y1),p2(x2,y2),…,pm(xm,ym);m为采样点个数。获取采样点纵坐标的最大值Ymax和最小值Ymin。设凹点为横坐标小于相邻两点横坐标的采样点。由于轮廓线采样点包含了整个面部信息,因此口点纵坐标的范围为((Ymax+Ymin)/2,Ymax),检测纵坐标在该范围内的采样点中是否存在凹点,若不存在,则表明口点不存在,直接退出。若存在凹点,则表明可能存在口点。
步骤二、如果口点存在,则继续检测鼻尖点;否则直接退出;
鼻尖点为所有采样点中横坐标最大的点,如图3所示,N1为鼻尖点,因此遍历轮廓线采样点,得到鼻尖点,记录鼻尖点的纵坐标值Ynose。
步骤三、在指定范围内检测凹点和凸点;
从p1(x1,y1),p2(x2,y2),…,pm(xm,ym)中,依次检测纵坐标在(Ynose,Ynose+w*(Ymax-Ymin))范围内的凹点(w∈[0.3,0.4]),按照检测的先后顺序,将凹点依次记为sunk1,sunk2,…,sunka,即共检测出a个凹点。设凸点为横坐标大于相邻两点横坐标的采样点。依次检测p1(x1,y1),p2(x2,y2),…,pm(xm,ym)中纵坐标在(Ynose,Ynose+w*(Ymax-Ymin))范围内的凸点,按照检测的先后顺序,将凸点依次记为convex1,convex2,…,convexb,即共检测出b个凸点。如图4所示,A点为凹点,B点为凸点,C点为p1(x1,y1),p2(x2,y2),…,pm(xm,ym)中纵坐标大于Ynose+w*(Ymax-Ymin)的采样点。
步骤四、基于检测的凹点和凸点,判断口点的位置;
若a>3,轮廓线采样点不准确,出现了噪声等扰动现象,噪声扰动现象会使得凹点出现的次数增加,噪声扰动位置的凹点与凹点之间的间距减小。计算凹点序列sunk1,sunk2,…,sunka,两个相邻点之间的欧氏距离,若计算的欧氏距离小于threshold(设定阈值),则将索引值较小的凹点从该序列中删除,更新后的凹点序列为口点候选点。
设口点候选点共n个,分别设为candidate1,candidate2,…,candidaten,若n=1,则candidate1即为口点。若n>1,选择其中一个候选点作为口点。设凸点序列中纵坐标小于candidatei(i=1,2,…,n)点纵坐标且与candidatei欧式距离最小的凸点为upi,纵坐标大于candidatei纵坐标且与candidatei欧氏距离最小的凸点为downi,计算向量和的夹角thetai。v=argmin(theta1,theta2,…,thetan),则candidatev为口点,其中argmin(*)为计算最小值下标运算。
若a=3,则凹点序列为sunk1,sunk2,sunk3,根据侧位图凹凸特性,3个凹点依次为鼻下点,口点和下唇凹点,如图4所示,A点由上到下依次为鼻下点,口点、下唇凹点,则得到口点为sunk2。
若a=2,则凹点序列为sunk1,sunk2,根据侧位图凹凸特性,2个凹点依次为鼻下点和口点,则得到的口点为sunk2。
若a=1,则sunk1为口点。
若a=0,口点不存在。
检测的口点结果如图5的D点所示,本发明的口点检测方法,根据侧位图轮廓线的凹凸特性,能够准确地检测出口点位置,大大降低了算法的复杂度,减少了对数据集的依赖。
如图6所示,在口点存在的情况下,以口点为标准,生成的上下两部分轮廓线。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,且应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (6)
1.一种基于软组织轮廓线采样点的口点检测方法,其特征在于,包括如下步骤:
步骤一、获取软组织轮廓采样点,判断是否存在口点;
步骤二、如果口点存在,则继续检测鼻尖点;否则直接退出;
步骤三、在指定范围内检测凹点和凸点;
步骤四、基于检测的凹点和凸点,判断口点的位置。
2.根据权利要求1所述的一种基于软组织轮廓线采样点的口点检测方法,其特征在于,所述步骤一包括:
获取软组织轮廓线采样点,由上到下依次为p1(x1,y1),p2(x2,y2),…,pm(xm,ym);m为采样点个数,获取采样点纵坐标的最大值Ymax和最小值Ymin;设凹点为横坐标小于相邻两点横坐标的采样点;在纵坐标的范围为((Ymax+Ymin)/2,Ymax)的采样点中检测是否存在凹点。
3.根据权利要求1所述的一种基于软组织轮廓线采样点的口点检测方法,其特征在于,所述步骤二中继续检测鼻尖点,包括:
遍历检测所有采样点中横坐标最大的点,得到鼻尖点,记录鼻尖点的纵坐标值Ynose。
4.根据权利要求1所述的一种基于软组织轮廓线采样点的口点检测方法,其特征在于,所述步骤三在指定范围内检测凹点和凸点,具体包括:
从p1(x1,y1),p2(x2,y2),…,pm(xm,ym)中,依次检测纵坐标在(Ynose,Ynose+w*(Ymax-Ymin))范围内的凹点,其中w∈[0.3,0.4],按照检测的先后顺序,将凹点依次记为sunk1,sunk2,…,sunka,即共检测出a个凹点;
设凸点为横坐标大于相邻两点横坐标的采样点,依次检测p1(x1,y1),p2(x2,y2),…,pm(xm,ym)中纵坐标在(Ynose,Ynose+w*(Ymax-Ymin))范围内的凸点,按照检测的先后顺序,将凸点依次记为convex1,convex2,…,convexb,即共检测出b个凸点。
5.根据权利要求4所述的一种基于软组织轮廓线采样点的口点检测方法,其特征在于,所述步骤四基于检测的凹点和凸点,判断口点的位置,具体包括:
若a>3,轮廓线采样点不准确,出现了噪声扰动现象,计算凹点序列sunk1,sunk2,…,sunka,两个相邻点之间的欧氏距离,若计算的欧氏距离小于设定阈值,则将两个相邻点中索引值较小的凹点从该序列中删除,更新后的凹点序列为口点候选点;
若a=3,则凹点序列为sunk1,sunk2,sunk3,根据侧位图凹凸特性,3个凹点依次为鼻下点,口点和下唇凹点,得到口点为sunk2;
若a=2,则凹点序列为sunk1,sunk2,根据侧位图凹凸特性,2个凹点依次为鼻下点和口点,则得到的口点为sunk2;
若a=1,则sunk1为口点;
若a=0,口点不存在。
6.根据权利要求5所述的一种基于软组织轮廓线采样点的口点检测方法,其特征在于,在更新后的凹点序列为口点候选点之后,还包括:
设口点候选点共n个,分别设为candidate1,candidate2,…,candidaten,若n=1,则candidate1即为口点;若n>1,选择其中一个候选点作为口点,具体如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242218.2A CN114596289B (zh) | 2022-03-11 | 2022-03-11 | 一种基于软组织轮廓线采样点的口点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242218.2A CN114596289B (zh) | 2022-03-11 | 2022-03-11 | 一种基于软组织轮廓线采样点的口点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114596289A true CN114596289A (zh) | 2022-06-07 |
CN114596289B CN114596289B (zh) | 2022-11-22 |
Family
ID=81808892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210242218.2A Active CN114596289B (zh) | 2022-03-11 | 2022-03-11 | 一种基于软组织轮廓线采样点的口点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114596289B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999059106A1 (en) * | 1998-05-13 | 1999-11-18 | Acuscape International, Inc. | Method and apparatus for generating 3d models from medical images |
US20130084537A1 (en) * | 2011-10-03 | 2013-04-04 | David Cho | Apparatus and method for use in creating dental prosthetics |
JP2013252424A (ja) * | 2012-05-08 | 2013-12-19 | Hiroki Hirabayashi | X線診断システム、x線照射マスク、診断支援システム、電子カルテおよび電子カルテシステム |
CN111261287A (zh) * | 2020-02-26 | 2020-06-09 | 中国人民解放军第四军医大学 | 一种种植方案设计方法及系统、终端和计算机可读存储介质 |
CN113792718A (zh) * | 2021-11-18 | 2021-12-14 | 北京的卢深视科技有限公司 | 深度图中人脸区域定位方法、电子设备及存储介质 |
CN113850906A (zh) * | 2021-09-29 | 2021-12-28 | 北京大学口腔医学院 | 一种智能口腔三维美学分析方法 |
-
2022
- 2022-03-11 CN CN202210242218.2A patent/CN114596289B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999059106A1 (en) * | 1998-05-13 | 1999-11-18 | Acuscape International, Inc. | Method and apparatus for generating 3d models from medical images |
US20130084537A1 (en) * | 2011-10-03 | 2013-04-04 | David Cho | Apparatus and method for use in creating dental prosthetics |
JP2013252424A (ja) * | 2012-05-08 | 2013-12-19 | Hiroki Hirabayashi | X線診断システム、x線照射マスク、診断支援システム、電子カルテおよび電子カルテシステム |
CN111261287A (zh) * | 2020-02-26 | 2020-06-09 | 中国人民解放军第四军医大学 | 一种种植方案设计方法及系统、终端和计算机可读存储介质 |
CN113850906A (zh) * | 2021-09-29 | 2021-12-28 | 北京大学口腔医学院 | 一种智能口腔三维美学分析方法 |
CN113792718A (zh) * | 2021-11-18 | 2021-12-14 | 北京的卢深视科技有限公司 | 深度图中人脸区域定位方法、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
李诗佩 等: "头颅侧貌轮廓与软组织标志点的计算机自动识别", 《浙江大学学报(医学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114596289B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102831606B (zh) | 在医学影像中获取发音器官轮廓的方法 | |
CN109598716A (zh) | 基于计算机视觉的肠镜退镜速度实时监测方法和系统 | |
Kim et al. | Enhanced airway-tissue boundary segmentation for real-time magnetic resonance imaging data | |
CN105809715B (zh) | 一种基于帧间累计变化矩阵的视觉运动目标检测方法 | |
CN108615239B (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
CN113436734B (zh) | 基于人脸结构定位的牙齿健康评估方法、设备和存储介质 | |
CN108596897B (zh) | 基于图像处理的鼻咽镜下腭咽闭合度的全自动检测方法 | |
CN116612123B (zh) | 一种花生油加工质量视觉检测方法 | |
JP4279079B2 (ja) | ゴルフスウィングの自動追尾方法 | |
CN115063579B (zh) | 基于二维图像和三维点云投影的列车定位销松动检测方法 | |
CN111709365A (zh) | 一种基于卷积神经网络的人体运动姿态自动检测方法 | |
CN110751635A (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN105844096A (zh) | 基于图像处理技术的手功能评价方法 | |
CN114596289B (zh) | 一种基于软组织轮廓线采样点的口点检测方法 | |
CN109949344A (zh) | 一种基于颜色概率目标建议窗口的核相关滤波跟踪方法 | |
CN111539911B (zh) | 一种口呼吸面容识别方法、设备和存储介质 | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
CN117315547A (zh) | 一种解决动态物体大占比的视觉slam方法 | |
CN116721128A (zh) | 基于机器视觉实现内窥镜进退镜速度的检测方法 | |
CN116229236A (zh) | 一种基于改进YOLO v5模型的结核杆菌检测方法 | |
CN113989269B (zh) | 一种基于卷积神经网络多尺度特征融合的中医舌图像齿痕自动检测方法 | |
CN111583341B (zh) | 云台像机移位检测方法 | |
CN114333073A (zh) | 基于视觉感知的智能台灯辅助调节方法与系统 | |
CN108830166A (zh) | 一种公交车客流量实时统计方法 | |
CN110298799A (zh) | 一种pcb图像定位校正方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |