CN116310144A - 一种下颌颏孔手术安全区域自动标定方法 - Google Patents
一种下颌颏孔手术安全区域自动标定方法 Download PDFInfo
- Publication number
- CN116310144A CN116310144A CN202310531448.5A CN202310531448A CN116310144A CN 116310144 A CN116310144 A CN 116310144A CN 202310531448 A CN202310531448 A CN 202310531448A CN 116310144 A CN116310144 A CN 116310144A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- chin hole
- chin
- hole
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000001131 transforming effect Effects 0.000 claims abstract description 7
- 210000004373 mandible Anatomy 0.000 claims description 71
- 238000009877 rendering Methods 0.000 claims description 35
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 16
- 210000000214 mouth Anatomy 0.000 claims description 12
- 230000000873 masking effect Effects 0.000 claims description 9
- 210000000988 bone and bone Anatomy 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 3
- 210000004763 bicuspid Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000001054 cortical effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000003074 dental pulp Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 210000001847 jaw Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004977 neurovascular bundle Anatomy 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/06—Ray-tracing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change
Abstract
一种下颌颏孔手术安全区域自动标定方法,通过5步骤生成手术安全区域。本发明的有益效果如下:第一,自动生成包含颏孔的ROI区域来缩小数据处理范围,其中ROI通过分别对冠状面和横断面的投影图像进行分割后组合得到;第二,通过在体渲染的二维图像上进行颏孔检测,然后将检测得到的屏幕坐标变换到三维空间,极大的缩小了数据处理量,而且可非常容易地集成到现有处理软件系统中;第三,通过左颏孔的三维空间位置和右颏孔的三维空间位置,自动得到以颏孔为中心的手术安全区域标定。本发明能提高安全区域标定的速度和精确度,同时避免主观性引入误差。
Description
技术领域
本发明涉及口腔CBCT数据后处理技术领域,特别涉及一种下颌颏孔手术安全区域自动标定方法。
背景技术
颏孔是前磨牙下方区域中下颌骨外表面的重要解剖结构,通常位于下颌第二前磨牙根下方,下颌体上、下缘连线的中点,距正中线约2.5cm处。颏孔呈卵圆形,开口多向后、上、外方,孔内有颏神经、血管通过,在颏孔附近的区域进行手术前,医生必须知道颏孔位置、直径、方向及其与下颌骨的空间关系,特别是在外科手术过程中,如种植体植入手术、牙髓外科手术、牙根或牙齿的外科切除等手术,以避免损坏颏孔中的血管和神经血管束,因此术前对颏孔进行定位和分析,建立合适的安全区域或距离就尤为重要。由于颏孔的直径非常小,通常不会大于4mm,且颏孔的中心线方向多变,通过手动方法来确定颏孔位置、直径、方向及其与下颌骨的空间关系非常耗时。
口腔CBCT数据因具有很高的成像精度和较低的辐射剂量,被广泛应用于口腔方面的诊断和术前的治疗规划,口腔医生在对颏孔进行空间定位与结构分析时,也是在三维CBCT数据上进行的。通过对国内外相关文献数据库和专利的检索,没有关于三维CBCT数据中下颌骨颏孔手术安全区域自动标定方法的相关研究。
目前临床中对颏孔的定位和结构分析都是通过手动来完成的,医生通过对CBCT数据横断面的阅览来确定颏孔的大概位置,然后采用多平面重建技术,在不同的切面中显示颏孔,通过在不同切面中进行微调来获取颏孔的空间位置,然后在颏孔由骨松质到骨皮质之间的区域进行勾画,以确定颏孔经过骨皮质穿出颌骨的位置、直径、方向及其与下颌骨的空间关系等信息。上述颏孔的定位和分析方法主要依赖于医生的个人经验和所依赖的软件工具的易用性,会造成不同的医生对同一个患者的CBCT数据进行颏孔的定位和分析得到的结果会存在一定的差异;另外后处理软件的多平面重建功能是一项必须的功能模块,否则无法对颏孔进行精确的定位和分析,由于多平面重建仍然是在二维空间中来获取颏孔的信息,因此也存在一定的误差的,无法获取精确的分割结果。
由于颏孔的直径通常不会大于4mm,因此现有方法中细小的误差引入,可能会对安全距离或区域造成较大的影响。综上所述,手工对颏孔进行标定和分析,存在耗时、精确度低和容易受主观和客观软件影响等问题。
因此,针对现有技术不足,提供一种下颌颏孔手术安全区域自动标定方法以解决现有技术不足甚为必要。
发明内容
本发明的目的在于避免现有技术的不足之处而提供一种下颌颏孔手术安全区域自动标定方法。该下颌颏孔手术安全区域自动标定方法能提高安全区域标定的速度和精确度,同时避免主观性引入误差。
本发明的上述目的通过以下技术措施实现:
提供一种下颌颏孔手术安全区域自动标定方法,通过如下步骤进行:
步骤1、获取口腔三维CBCT数据,生成冠状面最大密度投影图像,然后对冠状面最大密度投影图像进行分割,得到冠状面牙齿掩码图像;
步骤2、检测下颌骨在步骤1得到的冠状面最大密度投影图像中的起始位置和结束位置,由起始位置及结束位置的范围内图像生成横断面最大密度投影图像,然后采用自动骨骼分割方法得到下颌骨横断面掩码图像;
步骤3、根据步骤1的冠状面牙齿掩码图像和步骤2中的下颌骨横断面掩码图像,生成下颌骨三维掩码数据;
步骤4、将步骤3得到的下颌骨三维掩码图像应用到三维CBCT数据,得到下颌骨左侧渲染图像和下颌骨右侧渲染图像,采用斑点检测算法得到的左颏孔的三维空间位置和右颏孔的三维空间位置;
步骤5、根据左颏孔的三维空间位置和右颏孔的三维空间位置,生成手术安全区域。
优选的,上述步骤1具体有:
步骤1.1、获取口腔三维CBCT数据,生成冠状面最大密度投影图像;
步骤1.2、采用自适应阈值T对冠状面最大密度投影图像进行分割,得到冠状面牙齿掩码图像Ma。
优选的,上述步骤2具体有:
步骤2.1、沿Y轴对掩码图像Ma中高亮区域进行投影,得到Y轴投影直方图,根据Y轴投影直方图计算牙冠和下颌骨在横断面中的范围{s,e},其中s为三维CBCT数据中开始的切面图像索引;e为三维CBCT数据中结束的切面图像索引,且0<s<e<最大切面张数;
步骤2.2、根据步骤2.1中的下颌骨在横断面的范围{s,e},生成横断面{s,e}范围内最大密度投影数据,得到横断面最大密度投影图像;
步骤2.3、采用自适应阈值T方法对横断面最大密度投影图像分割,得到下颌骨横断面掩码图像Mc。
优选的,上述步骤3为对步骤1得到的冠状面牙齿掩码图像Ma沿冠状面进行三维空间与或非操作,及对步骤2得到的下颌骨横断面掩码图像Mc沿横断面进行三维空间与或非操作,得到下颌骨三维掩码数据Mv。
优选的,上述步骤4具体有:
步骤4.1、将三维掩码数据Mv从中间分成左右两部分,分别为左侧三维掩码Mvl和右侧三维掩码Mvr;
步骤4.2、根据步骤1中的分割阈值对与左侧三维掩码Mvl和右侧三维掩码Mvr对应的三维CBCT数据进行分割,分割后进行面渲染,对应得到左侧面渲染图像Rl和右侧面渲染图像Rr;
步骤4.3、分别采用斑点检测算法在步骤4.2的左侧面渲染图像Rl和右侧面渲染图像Rr对应得到左颏孔位置和右颏孔位置,然后根据光线追踪算法分别得到左颏孔的三维空间位置和右颏孔的三维空间位置。
优选的,上述步骤5具体有:
步骤5.1、分别左颏孔位置和右颏孔位置为中心,并中心的左方、右方和上方以αmm为距离各取一个点得到三个定位点,将三个定位点变换到三维坐标,并构建三维平面,将该三维平面定义为颌骨外表面P,且2≤α≤10,本实施例α为4;
步骤5.2、计算视线方向与颌骨外表面P之间的夹角,根据该夹角计算相机旋转角度,使视线方向与颌骨外表面P法向量垂直;
步骤5.3、分别左颏孔位置和右颏孔位置为圆心,以βmm为半径得到定位圆,将定位圆对应渲染左侧面渲染图像Rl和右侧面渲染图像Rr的点,并分别计算三维坐标到颌骨外表面P的距离,计算结果生成距离高度图Dis,15≤β≤25,本实施例的β为20;
步骤5.4、在距离高度图Dis中找到最优下降路径,将最优下降路径定义为颏孔内表面的方向,所述颏孔内表面的方向即为颏孔中心线方向;
步骤5.5、根据步骤4.3的左颏孔的三维空间位置和右颏孔的三维空间位置,对应生成垂直和平行于颏孔中心线的任意多平面重建图像,在该任意多平面重建图像上采用区域增长算法得到左侧颏孔和右侧颏孔对应的孔信息,所述所述孔信息为颏孔直径、距离下颌骨上下边缘距离和夹角;
步骤5.6、根据左侧的左颏孔位置、颏孔中心线方向及孔信息得到左侧的安全区域,根据右侧的右颏孔位置、颏孔中心线方向及孔信息得到右侧的安全区域。
需要说明的是,由于颏孔的直径非常小,通常不会大于4mm,因本实施例的α设置为4。
在步骤4.2中,采用平行光投影进行面渲染。
在步骤4.3中,采用gLog方法进行斑点检测,如式Ⅰ所示,
其中L s 是滤波后的图(如图5所示),对L s 进行遍历,最高亮度的区域即是颏孔在此图上的坐标;I(x,y)为渲染图像,G i (x,y)为二维高斯滤波核,n为高斯滤波核的尺度。
对步骤1.1中冠状面最大密度投影图像构建高斯滤波核二维高斯滤波。在步骤4.2的渲染角度为在冠面45度夹角。
本发明的一种下颌颏孔手术安全区域自动标定方法,通过如下步骤进行:步骤1、获取口腔三维CBCT数据,生成冠状面最大密度投影图像,然后对冠状面最大密度投影图像进行分割,得到冠状面牙齿掩码图像;步骤2、检测下颌骨在步骤1得到的冠状面最大密度投影图像中的起始位置和结束位置,由起始位置及结束位置的范围内图像生成横断面最大密度投影图像,然后采用自动骨骼分割方法得到下颌骨横断面掩码图像;步骤3、根据步骤1的冠状面牙齿掩码图像和步骤2中的下颌骨横断面掩码图像,生成下颌骨三维掩码数据;步骤4、将步骤3得到的下颌骨三维掩码图像应用到三维CBCT数据,得到下颌骨左侧渲染图像和下颌骨右侧渲染图像,采用斑点检测算法得到的左颏孔的三维空间位置和右颏孔的三维空间位置;步骤5、根据左颏孔的三维空间位置和右颏孔的三维空间位置,生成手术安全区域。本发明的有益效果如下:第一,自动生成包含颏孔的ROI区域来缩小数据处理范围,其中ROI通过分别对冠状面和横断面的投影图像进行分割后组合得到;第二,通过在体渲染的二维图像上进行颏孔检测,然后将检测得到的屏幕坐标变换到三维空间,极大的缩小了数据处理量,而且可非常容易地集成到现有处理软件系统中;第三,通过左颏孔的三维空间位置和右颏孔的三维空间位置,自动得到以颏孔为中心的手术安全区域标定。本发明能提高安全区域标定的速度和精确度,同时避免主观性引入误差。
附图说明
利用附图对本发明作进一步的说明,但附图中的内容不构成对本发明的任何限制。
图1为一种下颌颏孔手术安全区域自动标定方法的流程图。
图2为冠状面MIP和{s, e}计算示意图。
图3为三维掩码生成过程的示意图。
图4为右侧面渲染图像Rr。
图5为经斑点检测算法颏孔在渲染图像坐标的示意图。
图6为颏孔在渲染图像上的坐标变换到三维坐标空间后的示意图。
图7为在渲染图像中左、右、上三个定位点的示意图。
图8为相机旋转角度计算得到的示意图。
图9为距离高度图Dis的示意图。
图10为安全区域的结果示意图。
具体实施方式
结合以下实施例对本发明的技术方案作进一步说明。
实施例1
一种下颌颏孔手术安全区域自动标定方法,如图1至9,通过如下步骤进行:
步骤1、获取口腔三维CBCT数据,生成冠状面最大密度投影图像,然后对冠状面最大密度投影图像进行分割,得到冠状面牙齿掩码图像;
步骤2、检测下颌骨在步骤1得到的冠状面最大密度投影图像中的起始位置和结束位置,由起始位置及结束位置的范围内图像生成横断面最大密度投影图像,然后采用自动骨骼分割方法得到下颌骨横断面掩码图像;
步骤3、根据步骤1的冠状面牙齿掩码图像和步骤2中的下颌骨横断面掩码图像,生成下颌骨三维掩码数据;
步骤4、将步骤3得到的下颌骨三维掩码图像应用到三维CBCT数据,得到下颌骨左侧渲染图像和下颌骨右侧渲染图像,采用斑点检测算法得到的左颏孔的三维空间位置和右颏孔的三维空间位置;
步骤5、根据左颏孔的三维空间位置和右颏孔的三维空间位置,生成手术安全区域。
其中,步骤1具体有:
步骤1.1、获取口腔三维CBCT数据,生成冠状面最大密度投影图像(MaximalIntensity Projection,MIP),如图2中的冠状面MIP;
步骤1.2、采用自适应阈值T对冠状面最大密度投影图像进行分割,得到冠状面牙齿掩码图像Ma,如图2。
其中,步骤2具体有:
步骤2.1、沿Y轴对掩码图像Ma中高亮区域进行投影,得到Y轴投影直方图,根据Y轴投影直方图计算牙冠和下颌骨在横断面中的范围{s,e},如图2,其中s为三维CBCT数据中开始的切面图像索引;e为三维CBCT数据中结束的切面图像索引,且0<s<e<最大切面张数;
步骤2.2、根据步骤2.1中的下颌骨在横断面的范围{s,e},生成横断面{s,e}范围内最大密度投影数据,得到横断面最大密度投影图像,如图3中的横断面MIP图像;
步骤2.3、采用自适应阈值T方法对横断面最大密度投影图像分割,得到下颌骨横断面掩码图像Mc,图3中的掩码图像Mc。
需要说明的是,步骤2.1中的范围{s,e}即为起始位置及结束位置的范围。
本发明的步骤3为对步骤1得到的冠状面牙齿掩码图像Ma沿冠状面进行三维空间与或非操作,及对步骤2得到的下颌骨横断面掩码图像Mc沿横断面进行三维空间与或非操作,得到下颌骨三维掩码数据Mv,如图3。
本发明的步骤4具体有:
步骤4.1、将三维掩码数据Mv从中间分成左右两部分,分别为左侧三维掩码Mvl和右侧三维掩码Mvr;
步骤4.2、将左侧三维掩码Mvl和右侧三维掩码Mvr应用于三维CBCT数据,然后根据步骤1中的分割阈值对与左侧三维掩码Mvl和右侧三维掩码Mvr对应的三维CBCT数据进行分割,分割后进行面渲染,对应得到左侧面渲染图像Rl和右侧面渲染图像Rr,在图5中仅展示右侧面渲染图像Rr,其中白色箭头所示为颏孔在渲染图像上的坐标。
步骤4.3、分别采用斑点检测算法在步骤4.2的左侧面渲染图像Rl和右侧面渲染图像Rr对应得到左颏孔位置MFS和右颏孔位置MFS,如图5所示,然后根据光线追踪算法分别得到左颏孔的三维空间位置MFw和右颏孔的三维空间位置MFw,如图6所示。
本发明的步骤5具体有:
步骤5.1、分别左颏孔位置MFS和右颏孔位置MFS为中心,并中心的左方、右方和上方以αmm为距离各取一个点得到三个定位点,如图7所示,将三个定位点变换到三维坐标,并构建三维平面,将该三维平面定义为颌骨外表面P,且2≤α≤10,如图8所示;
步骤5.2、计算视线方向与颌骨外表面P之间的夹角,如图8所示,根据该夹角计算相机旋转角度,使视线方向与颌骨外表面P法向量垂直;
步骤5.3、分别左颏孔位置MFS和右颏孔位置为圆心MFS,以βmm为半径得到定位圆,将定位圆对应渲染左侧面渲染图像Rl和右侧面渲染图像Rr的点,并分别计算三维坐标到颌骨外表面P的距离,计算结果生成距离高度图Dis,15≤β≤25,如图9所示,其中白色箭头为最优下降路径;
步骤5.4、在距离高度图Dis中找到最优下降路径,将最优下降路径定义为颏孔内表面的方向,颏孔内表面的方向即为颏孔中心线方向;
步骤5.5、根据步骤4.3的左颏孔的三维空间位置和右颏孔的三维空间位置,对应生成垂直和平行于颏孔中心线的任意多平面重建图像,在该任意多平面重建图像上采用区域增长算法得到左侧颏孔和右侧颏孔对应的孔信息,所述孔信息为颏孔直径、距离下颌骨上下边缘距离和夹角;
步骤5.6、根据左侧的左颏孔位置、颏孔中心线方向及孔信息得到左侧的安全区域,根据右侧的右颏孔位置、颏孔中心线方向及孔信息得到右侧的安全区域。
在步骤4.2中,采用平行光投影进行面渲染,在步骤4.2的渲染角度为在冠面45度夹角。
该下颌颏孔手术安全区域自动标定方法的有益效果如下:第一,自动生成包含颏孔的ROI区域来缩小数据处理范围,其中ROI通过分别对冠状面和横断面的投影图像进行分割后组合得到,从而对下颌骨的自动定位,生成下颌骨的三维掩码数据,以减少非感兴趣区域或组织对颏孔定位和分析的影响;
第二,通过在体渲染的二维图像上进行颏孔检测,然后将检测得到的屏幕坐标变换到三维空间,极大的缩小了数据处理量并提高颏孔定位的准确性和一致性,而且可非常容易地集成到现有处理软件系统中;
第三,根据左右颏孔的定位,生成空间距离高度图像,在该图像中检测出颏孔中心线方向,根据以上信息分析颏孔与下颌骨结构的空间关系,得到颏孔的三维空间位置、直径、颏孔中心线方向、与颌骨的夹角、距离下颌骨上下边缘距离等参数,根据这些参数生成以颏孔为中心的安全区域,辅助医生进行手术安全距离和区域的标定,极大的提高颏孔定位和分析的效率和精确度。
实施例2
一种下颌颏孔手术安全区域自动标定方法,其特征与实施例相同,具体是以一组口腔三维CBCT数据为例子,三维CBCT数据长宽高分别为512、512和460,像素之间的间距均为0.3mm,数据类型为无符号短整形,将该数据不经过任何处理输入,经过对本发明方法处理后,可自动得以颏孔为中心的安全区域信息,具体如下:
步骤1具体有:
步骤1.1、获取口腔三维CBCT数据,采用平行投影方式生成冠状面最大密度投影图像,并构建高斯滤波核,高斯滤波核为5X5大小,高斯滤波核水平和垂直方向值均为0.05、0.25、0.4、0.25、0.05,对最大密度投影图像进行二维高斯滤波,以减少噪音影响,得到滤波后的最大密度投影图像;
步骤1.2、计算步骤1.1中最大密度投影图像的直方图,从直方图末端开始向原点方向搜索,得到直方图的第一个峰值,该峰值对应CBCT数据中的骨骼组织,采用高斯函数逼近该峰值,取右侧置信区间98%处为分割阈值,用该阈值对步骤1.1的最大密度投影图像进行分割,得到冠状面牙齿掩码图像Ma。
步骤2具体有:
步骤2.1、根据步骤1.2得到的掩码图像计算上下颌中牙齿在横断面中图像中的范围;具体计算方法是对冠状面的掩码图像进行Y轴方向投影,统计每一行中分割结果中白色点的个数,得到在Y轴上的投影直方图,计算投影直方图中最大峰值所在位置,查找该峰值邻域内是否存在近似高度值的峰值,如果有则认为上下牙齿是分离的,以这两个峰值所在位置为起始点,采用高斯函数逼近两个波峰,分别统计两个峰值置信度为98%的范围,下峰值减去该值,上峰值加上该值,既得到上下颌中牙齿在横断面上的范围;如果不存在临近相似直方图峰值,则上下牙齿是咬合的,以该峰值为中心,采用直方图逼近,得到信度为98%的范围,该峰值分别加上减去置信度,既得到牙冠和下颌骨在横断面中的范围{s,e};
步骤2.2、根据步骤2.1中的下颌骨在横断面的范围{s,e},生成横断面{s,e}范围内最大密度投影数据,得到横断面最大密度投影图像;
步骤2.2、根据步骤2.1中的下颌骨在横断面的范围{s,e},生成横断面{s,e}范围内最大密度投影数据,得到横断面最大密度投影图像;
步骤2.3、统计步骤2.2中最大密度投影图像的直方图,计算直方图峰值,从直方图末端开始向原点方向搜索,得到第一个直方图峰值,该值作为分割阈值,根据分割阈值对步骤2.2得到的横断面最大密度投影图进行分割,得到下颌骨横断面掩码图像Mc。
步骤3、对步骤1得到的冠状面牙齿掩码图像Ma采用平行投影的方式分别沿冠状面进行遍历,及对步骤2得到的下颌骨横断面掩码图像Mc采用平行投影的方式分别沿横断面进行遍历,如果访问的坐标落在步骤1和步骤2中得到的掩码图像中,则该坐标值设置为255,否则设置为0,遍历完所有坐标后,得到下颌骨三维掩码数据Mv。
步骤4具体有:
步骤4.1、将三维掩码数据Mv从中间分成左右两部分,分别为左侧三维掩码Mvl和右侧三维掩码Mvr;
步骤4.2、本实施例具体以右侧进行说明,具体是根据步骤1中的分割阈值,对三维CBCT数据中位于(4.1)中右侧下颌骨三维掩码Mvr中的数据进行分割,分割结果采用Marching-Cube算法进行网格化,生成右下颌骨网格数据,并进行面绘制,得到右下颌骨的渲染图像,即右侧面渲染图像Rr;
步骤4.3、对步骤4.2得到的右侧面渲染图像Rr采用gLog方法进行斑点检测,如式Ⅰ所示:
其中L s 是滤波后图像(如图5),对L s 进行遍历,最高亮度的区域即是颏孔在此图上的坐标;I(x,y)为渲染图像,G i (x,y)为二维高斯滤波核,n为高斯滤波核的尺度,n的取值根据颏孔的直径进行预设,为了更准确的检测颏孔,其典型值为8、10、12、14。然后在得到右侧面渲染图像Rr中颏孔的坐标后,通过光线追踪算法得到右颏孔在三维空间中的坐标,即右颏孔的三维空间位置。
步骤5具体有:
步骤5.1、以右下颌骨的渲染图像中颏孔的坐标为中心即是以右颏孔位置为中心,并中心的左方、右方和上方以8mm(颏孔最大直径)为距离各取一个点得到三个定位点,将三个定位点变换到三维坐标,并构建三维平面,将该三维平面定义为颌骨外表面P,因为还有附颏孔,为了保证颏孔和附颏孔都在区域内,本实施例适当扩大了检测范围;
步骤5.2、计算视线方向与颌骨外表面P之间的夹角,根据该夹角计算相机旋转角度,使视线方向与颌骨外表面P法向量垂直;
步骤5.3、重新进行面渲染,将步骤4.3中得到的右颏孔的三维空间位置,变换为屏幕坐标,以该屏幕坐标为圆心,将20mm三维距离变换为屏幕距离,然后以该屏幕距离为长和宽,遍历该正方形内的所有像素点,将其变换为三维坐标,并计算该三维坐标到颌骨外表面P的距离,得到颏孔中心区域的距离高度图Dis;
步骤5.4、在距离高度图Dis采用全局最优下山算法找到最优下降路径,将最优下降路径定义为颏孔内表面的方向,颏孔内表面的方向即为颏孔中心线方向;
步骤5.5、根据步骤4.3的右颏孔的三维空间位置,对应生成垂直和平行于颏孔中心线的任意多平面重建图像,在该任意多平面重建图像上采用区域增长算法得到右侧颏孔的颏孔直径、距离下颌骨上下边缘距离和夹角;对于左侧颏孔的大小直径,距离下颌骨上下边缘距离,夹角等信息与上述步骤相同在此不再一一赘述;
步骤5.6、左右下颌骨颏孔的位置、大小、中心线方向、颏孔与颌骨表面夹角、颏孔距离颌骨上下边缘的距离信息,并将这些信息在多平面中进行显示得到安全区域信息,如图10所示,其中白色圆圈和圆柱为安全区域,线段和夹角为计算的参数。
本实施例能自动以颏孔为中心的手术安全区域标定,从而能提高安全区域标定的速度和精确度,同时避免主观性引入误差。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细说明,本领域的普通技术人员应当理解,可以对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (10)
1.一种下颌颏孔手术安全区域自动标定方法,其特征在于,通过如下步骤进行:
步骤1、由口腔三维CBCT数据,生成冠状面最大密度投影图像,然后对冠状面最大密度投影图像进行分割,得到冠状面牙齿掩码图像;
步骤2、检测下颌骨在步骤1得到的冠状面最大密度投影图像中的起始位置和结束位置,由起始位置及结束位置的范围内图像生成横断面最大密度投影图像,然后采用自动骨骼分割方法得到下颌骨横断面掩码图像;
步骤3、根据步骤1的冠状面牙齿掩码图像和步骤2中的下颌骨横断面掩码图像,生成下颌骨三维掩码数据;
步骤4、将步骤3得到的下颌骨三维掩码图像应用到三维CBCT数据,得到下颌骨左侧渲染图像和下颌骨右侧渲染图像,采用斑点检测算法得到的左颏孔的三维空间位置和右颏孔的三维空间位置;
步骤5、根据左颏孔的三维空间位置和右颏孔的三维空间位置,生成手术安全区域。
2.根据权利要求1所述的下颌颏孔手术安全区域自动标定方法,其特征在于,所述步骤1具体有:
步骤1.1、获取口腔三维CBCT数据,生成冠状面最大密度投影图像;
步骤1.2、采用自适应阈值T对冠状面最大密度投影图像进行分割,得到冠状面牙齿掩码图像Ma。
3.根据权利要求2所述的下颌颏孔手术安全区域自动标定方法,其特征在于,所述步骤2具体有:
步骤2.1、沿Y轴对掩码图像Ma中高亮区域进行投影,得到Y轴投影直方图,根据Y轴投影直方图计算牙冠和下颌骨在横断面中的范围{s,e},其中s为三维CBCT数据中开始的切面图像索引;e为三维CBCT数据中结束的切面图像索引,且0<s<e<最大切面张数;
步骤2.2、根据步骤2.1中的下颌骨在横断面的范围{s,e},生成横断面{s,e}范围内最大密度投影数据,得到横断面最大密度投影图像;
步骤2.3、采用自适应阈值T方法对横断面最大密度投影图像分割,得到下颌骨横断面掩码图像Mc。
4.根据权利要求3所述的下颌颏孔手术安全区域自动标定方法,其特征在于:所述步骤3为对步骤1得到的冠状面牙齿掩码图像Ma沿冠状面进行三维空间与或非操作,及对步骤2得到的下颌骨横断面掩码图像Mc沿横断面进行三维空间与或非操作,得到下颌骨三维掩码数据Mv。
5.根据权利要求4所述的下颌颏孔手术安全区域自动标定方法,其特征在于,所述步骤4具体有:
步骤4.1、将三维掩码数据Mv从中间分成左右两部分,分别为左侧三维掩码Mvl和右侧三维掩码Mvr;
步骤4.2、根据步骤1中的分割阈值对与左侧三维掩码Mvl和右侧三维掩码Mvr对应的三维CBCT数据进行分割,分割后进行面渲染,对应得到左侧面渲染图像Rl和右侧面渲染图像Rr;
步骤4.3、分别采用斑点检测算法在步骤4.2的左侧面渲染图像Rl和右侧面渲染图像Rr对应得到左颏孔位置和右颏孔位置,然后根据光线追踪算法分别得到左颏孔的三维空间位置和右颏孔的三维空间位置。
6.根据权利要求5所述的下颌颏孔手术安全区域自动标定方法,其特征在于,所述步骤5具体有:
步骤5.1、分别左颏孔位置和右颏孔位置为中心,并中心的左方、右方和上方以αmm为距离各取一个点得到三个定位点,将三个定位点变换到三维坐标,并构建三维平面,将该三维平面定义为颌骨外表面P,且2≤α≤10;
步骤5.2、计算视线方向与颌骨外表面P之间的夹角,根据该夹角计算相机旋转角度,使视线方向与颌骨外表面P法向量垂直;
步骤5.3、分别左颏孔位置和右颏孔位置为圆心,以βmm为半径得到定位圆,将定位圆对应渲染左侧面渲染图像Rl和右侧面渲染图像Rr的点,并分别计算三维坐标到颌骨外表面P的距离,计算结果生成距离高度图Dis,15≤β≤25;
步骤5.4、在距离高度图Dis中找到最优下降路径,将最优下降路径定义为颏孔内表面的方向,所述颏孔内表面的方向即为颏孔中心线方向;
步骤5.5、根据步骤4.3的左颏孔的三维空间位置和右颏孔的三维空间位置,对应生成垂直和平行于颏孔中心线的任意多平面重建图像,在该任意多平面重建图像上采用区域增长算法得到左侧颏孔和右侧颏孔对应的孔信息,所述孔信息为颏孔直径、距离下颌骨上下边缘距离和夹角;
步骤5.6、根据左侧的左颏孔位置、颏孔中心线方向及孔信息得到左侧的安全区域,根据右侧的右颏孔位置、颏孔中心线方向及孔信息得到右侧的安全区域。
7.根据权利要求6所述的下颌颏孔手术安全区域自动标定方法,其特征在于:在所述步骤4.2中,采用平行光投影进行面渲染。
9.根据权利要求2所述的下颌颏孔手术安全区域自动标定方法,其特征在于:对所述步骤1.1中冠状面最大密度投影图像构建高斯滤波核二维高斯滤波。
10.根据权利要求8所述的下颌颏孔手术安全区域自动标定方法,其特征在于:所述α为4;
所述β为20;
在所述步骤4.2的渲染角度为在冠面45度夹角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310531448.5A CN116310144B (zh) | 2023-05-12 | 2023-05-12 | 一种下颌颏孔手术安全区域自动标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310531448.5A CN116310144B (zh) | 2023-05-12 | 2023-05-12 | 一种下颌颏孔手术安全区域自动标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116310144A true CN116310144A (zh) | 2023-06-23 |
CN116310144B CN116310144B (zh) | 2023-08-01 |
Family
ID=86796198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310531448.5A Active CN116310144B (zh) | 2023-05-12 | 2023-05-12 | 一种下颌颏孔手术安全区域自动标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116310144B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377534A (zh) * | 2018-10-22 | 2019-02-22 | 南方医科大学 | 自动采样厚度检测的非线性口腔ct全景图像合成方法 |
CN112022387A (zh) * | 2020-08-27 | 2020-12-04 | 北京大学口腔医学院 | 一种种植体的定位方法、装置、设备及存储介质 |
CN113907903A (zh) * | 2021-09-03 | 2022-01-11 | 张志宏 | 一种利用人工智能技术用于缺牙区种植体位置的设计方法 |
CN114677516A (zh) * | 2022-05-27 | 2022-06-28 | 杭州键嘉机器人有限公司 | 一种基于深度神经网络的口腔下颌管自动分割方法 |
-
2023
- 2023-05-12 CN CN202310531448.5A patent/CN116310144B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377534A (zh) * | 2018-10-22 | 2019-02-22 | 南方医科大学 | 自动采样厚度检测的非线性口腔ct全景图像合成方法 |
CN112022387A (zh) * | 2020-08-27 | 2020-12-04 | 北京大学口腔医学院 | 一种种植体的定位方法、装置、设备及存储介质 |
CN113907903A (zh) * | 2021-09-03 | 2022-01-11 | 张志宏 | 一种利用人工智能技术用于缺牙区种植体位置的设计方法 |
CN114677516A (zh) * | 2022-05-27 | 2022-06-28 | 杭州键嘉机器人有限公司 | 一种基于深度神经网络的口腔下颌管自动分割方法 |
Non-Patent Citations (2)
Title |
---|
孙道平 等: "基于OTSU 和DLS 的颏孔识别", 2011 INERNATIONAL SYMPOSIUM ON BIOMEDICIN AND ENGINEERING, pages 163 - 167 * |
贠照强: "口腔种植规划中CBCT影像处理与智能分析方法研究", 中国博士学位论文全文数据库, pages 074 - 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN116310144B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10204414B2 (en) | Integration of intra-oral imagery and volumetric imagery | |
US10096094B2 (en) | Alignment of mixed-modality data sets for reduction and removal of imaging artifacts | |
Macri et al. | Reliability of landmark recording on film and digital lateral cephalograms | |
Douglas | Image processing for craniofacial landmark identification and measurement: a review of photogrammetry and cephalometry | |
JP2022002823A (ja) | ハイブリッドメッシュセグメンテーションのための方法及び装置 | |
US20170076443A1 (en) | Method and system for hybrid mesh segmentation | |
CN109377534B (zh) | 自动采样厚度检测的非线性口腔ct全景图像合成方法 | |
JP2009511124A (ja) | 散乱補正 | |
EP4074259A1 (en) | Method and apparatus for automatically detecting feature points of three-dimensional medical image data by using deep learning | |
Kondo et al. | Computer-based extraction of the inferior alveolar nerve canal in 3-D space | |
US20220012888A1 (en) | Methods and system for autonomous volumetric dental image segmentation | |
JP6767997B2 (ja) | 歯科用画像生成システムの画像データの画像向上のための方法 | |
CN116310144B (zh) | 一种下颌颏孔手术安全区域自动标定方法 | |
US20230263593A1 (en) | Method for using cbct for automatically positioning tooth | |
Subramanyan et al. | Scanned bi-orthogonal radiographs as a source for 3D cephalometric data | |
Zhu et al. | An algorithm for automatically extracting dental arch curve | |
CN111553941A (zh) | 用户口腔全景视图的合成方法及装置、电子设备 | |
JP2022508372A (ja) | 口腔内スキャナを使用して3dデータを取得する混合方法 | |
CN111772664B (zh) | 一种快速头影测量装置及方法 | |
CN115937233A (zh) | 口腔模型分割方法、电子设备和存储介质 | |
Sanders-Mello et al. | Acta Plane—A New Reference for Virtual Orientation of Cone Beam Computed Tomography Scans: A Pilot Study | |
CN117495743A (zh) | 一种高对比度口腔全景图像自动重建方法及系统 | |
Yaba | A Customized Head Immobilizing System for Setup and Positioning Accuracy on Cone Beam Computed Tomography | |
Halazonetis | Software Support for Advanced Cephalometric Analysis in Orthodontics | |
Zhao et al. | Multimodal Registration of Dental and Facial Images |
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 |