ITMI20001980A1

ITMI20001980A1 - Metodo pr l'identificazione di una regione di nervo alveolare in una immagine mandibolare

Info

Publication number: ITMI20001980A1
Application number: IT2000MI001980A
Authority: IT
Inventors: Lee Heu-Yeon; Lee Chan-Kyung; Kong Chang-Hwan
Original assignee: Samsung Sds Co Ltd
Priority date: 1999-09-14
Filing date: 2000-09-11
Publication date: 2002-03-11
Also published as: SE0003205L; ITMI20001980A0; KR100338975B1; FR2798493A1; FI20002018A0; KR20010027535A; IT1318843B1; US6704439B1; DE10045551A1; FI20002018A; SE0003205D0

Description

Descrizione dell’invenzione industriale dal titolo:

“Metodo per l'identificazione di una regione di nervo alveolare in una immagine mandibolare”

STATO DELLA TECNICA

1. Campo dell'invenzione

La presente invenzione è relativa ad un metodo per identificare una regione di nervo alveolare in una immagine mandibolare durante l'impianto dentale, e più in particolare ad un metodo automatizzato o semi-automatizzato per identificare una regione di nervo alveolare in una immagine mandibolare ottenuta tramite tomografia computerizzata (TC).

2. Descrizione della tecnica relativa

Per casi in cui i danni ai denti sono troppo gravi da riparare, è diventata comune la chirurgia per sostituire denti danneggiati con denti artificiali. Per tale chirurgia occorre inserire nell'osso mandibolare una vite di impianto per supportare il dente artificiale.

Le Figure da 1A a 1C illustrano ogni fase di impianto. In dettaglio, nel caso in cui si estragga un dente a causa di un danno come illustrato in Figura 1A, si impianta un dente artificiale nella regione lesionata come segue. La gengiva nella regione lesionata viene tagliata come illustrato in Figura 1B, si perfora una regione in cui deve essere inserita una vite di impianto per formare un foro come illustrato in Figura 1C e si inserisce la vite di impianto nel foro come illustrato in Figura 1D, quindi, si lascia la regione impiantata tale da consentire alla vite di impianto di legarsi strettamente all'osso mandibolare e si fa sì che il tessuto nuovo copra la vite di impianto, come illustrato in Figura 1E. Quando la vite di impianto si è legata strettamente all'osso mandibolare, si toglie la gengiva sulla parte superiore della regione impiantata come illustrato in Figura 1F e quindi si monta un dente artificiale sulla vite di impianto.

Tuttavia, se un dentista non riesce ad inserire la vite di impianto in una regione appropriata nella direzione precisa durante la suddetta chirurgia, la vite di impianto non può supportare in modo soddisfacente il dente artificiale oppure la vite di impianto inserita in modo non appropriato può invadere i nervi alveolari causando la paralisi facciale. Così la parte più importante dell'impianto è quello di valutare con precisione la densità dell'osso mandibolare nelle vicinanze di un sito di impianto desiderato. In particolare, il contatto tra la vite di impianto ed un'area ad alta densità e l'invasione dei nervi nell'osso mandibolare devono essere evitati. Così, è importante che un chirurgo dentale controlli accuratamente la posizione dei nervi vicino ad un sito di impianto desiderato.

Il successo dell'impianto dipende da quanto precisamente un chirurgo dentale conosce la densità dell'osso mandibolare di un paziente. Il metodo principale attuale di 'accertamento preciso della densità dell'osso mandibolare è la tomografia computerizzata (CT). La CT si riferisce a quando si sottopone a scansione un oggetto in molte direzioni per acquisire una immagine tridimensionale dell'oggetto. In una chirurgia dentale durante una scansione CT, la mascella e la mandibola vengono sottoposte tipicamente a scansione in incrementi di 1 ,0 mm, dando come risultato circa 45 scansioni di immagine.

La Figura 2 illustra una immagine di una mandibola ottenuta tramite CT. Come illustrato nella Figura 2, la tecnica di scansione CT e di simulazione a calcolatore fornisce una notevole quantità di informazioni sulla mandibola ad un chirurgo dentale. Tuttavia, non è facile per un chirurgo dentale identificare direttamente e con precisione la posizione dei nervi dalle immagini CT.

RIEPILOGO DELL'INVENZIONE

Per risolvere i suddetti problemi, uno scopo della presente invenzione è quello di prevedere un metodo automatizzato per identificare una regione di nervo alveolare in una immagine mandibolare ottenuta tramite tomografia computerizzata (CT).

Un altro scopo della presente invenzione è quello di prevedere un metodo per identificare una regione di nervo alveolare da una immagine di mandibola ottenuta tramite CT, utilizzando un punto di riferimento presente in una scansione di CT.

Un altro scopo della presente invenzione è quello di prevedere supporti leggibili da calcolatore per il metodo di identificazione di nervi alveolari. Secondo un aspetto della presente invenzione è previsto un metodo per identificare una regione di nervo alveolare in una immagine mandibolare, comprendente le fasi di: a) tagliare l'immagine mandibolare tridimensionale in un certo numero di immagini di scansioni bidimensionali; b) rilevare un oggetto di immagine binaria corrispondente ad una regione mandibolare da una delle immagini di scansione; c) raggruppare i pixel dell’oggetto di immagine binaria della regione mandibolare in gruppi contenenti ciascuno pixel aventi densità simile; d) determinare i gruppi che hanno pixel superiori ad un predeterminato numero minimo di pixel e determinare il gruppo con etichetta minima avente la distribuzione di intensità di pixel minima tra i gruppi; e) comporre una nuova immagine binaria contenente pixel che appartengono sia alla regione mandibolare sia ai gruppi aventi distribuzione di intensità inferiore a quella del gruppo con etichetta minima, in modo da estrarre un oggetto di nervo candidato; e f) determinare se l’oggetto di nervo candidato corrisponde alla regione di nervo alveolare reale.

Il metodo di identificazione di regione di nervo alveolare può comprendere inoltre la fase di determinare oggetti di nervo candidati per la regione di nervo alveolare reale rispetto a tutte le immagini di scansione ed assemblare tutte le immagini di scansione in una immagine mandibolare per produrre una regione di nervo alveolare completa in una immagine mandibolare utilizzando gli oggetti di nervo candidati. Inoltre, il metodo può comprendere anche l'identificazione di una regione di nervo alveolare per una immagine di scansione vicina S1-1 oppure S1+1, che è localizzata prima o dopo l'immagine di scansione Si facendo crescere la regione di nervo alveolare determinata dalla scansione Si.

Preferibilmente, la fase (f) comprende le fasi di: (f1) eseguire una operazione di dialazione sull'oggetto nervo candidato per estrarre la sua regione perimetrale; (f2) confrontare l'intensità dei pixel appartenenti alla regione perimetrale con l'intensità dei pixel interni circondati dalla regione perimetrale; e (f3) determinare un oggetto avente una regione perimetrale la cui intensità di pixel è maggiore di quella dei pixel interni, come nuovo oggetto di nervo candidato. In alternativa la fase (f) può comprendere le fasi di: (f1 ) calcolare il numero Ni di pixel appartenenti all'oggetto nervo candidato; (f2) calcolare il punto di centroide deN'oggetto nervo candidato; (f3) eseguire una operazione di crescita di regione sull'oggetto nervo candidato cominciando sul punto di centroide come punto di riferimento per produrre un oggetto nervo cresciuto; (f4) calcolare il numero N2 di pixel dell'oggetto nervo cresciuto; e (f5) confrontare N1 e N2, e se N2 è maggiore di N1 di un predeterminato numero o più togliere, l'oggetto nervo candidato. In un'altra forma di realizzazione, la fase (f) può comprendere le fasi di: (f1) calcolare un punto di centroide rispetto a tutti i pixel appartenenti alla regione mandibolare dell'immagine di scansione; (f2) determinare i pixel più elevato e più basso della regione mandibolare e calcolare un punto mediano tra i pixel più elevato e più basso; (f3) determinare se il punto di centroide è collocato vicino al punto mediano; e (f4) se il punto di centroide è collocato vicino al punto mediano, determinare l'oggetto nervo candidato al di sopra del punto mediano e più vicino al punto di centroide, oppure l'oggetto di nervo candidato al di sotto e più vicino al punto di centroide, in modo che sia una regione di nervo alveolare reale; e se il punto di centroide non è vicino al punto mediano, determinare l'oggetto di nervo candidato più vicino al punto di centroide in modo che sia una regione di nervo alveolare.

Secondo un altro aspetto della presente invenzione, è previsto un metodo per identificare una regione di nervo alveolare in una immagine mandibolare, comprendente le fasi di: a) tagliare l'immagine mandibolare tridimensionale in un certo numero di immagini di scansione bidimensionali, e scegliere una delle immagini di scansione; b) visualizzare pixel di nervo candidato per l’immagine di scansione selezionata, uno dei pixel di nervo candidato essendo selezionato come punto di riferimento da utilizzare per identificare la regione di nervo alveolare dell'immagine di scansione, c) un utente determinando il punto di riferimento tra i pixel di nervo candidato; e d) confrontare l'intensità del punto di riferimento con l'intensità dei pixel vicini, ed eseguire il processo di crescita di regione sull'immagine di scansione basandosi sul fatto che la differenza tra le intensità confrontate si trovi all’interno di un predeterminato campo di errore, per rilevare pixel corrispondenti ad una regione di nervo alveolare dell'immagine di scansione.

Preferibilmente, il metodo di identificazione di nervi alveolari comprende inoltre l'identificazione di una regione di nervo alveolare per una immagine di scansione vicina oppure che è collocata prima o dopo l'immagine di scansione facendo crescere la regione di nervo alveolare determinata dall'immagine dì scansione Si. Inoltre, il metodo può comprendere l'esecuzione delle fasi da (a) a (d) rispetto a ciascuna delle immagini di scansione per rilevare le regioni di nervo alveolare, e l'assemblamento di tutte le immagini di scansione in una immagine mandibolare per produrre una regione di nervo alveolare completa nell'immagine mandibolare utilizzando le regioni alveolari rilevate.

BREVE DESCRIZIONE DEI DISEGNI

I suddetti scopi e vantaggi della presente invenzione saranno più evidenti descrivendo in dettaglio le sue forme di realizzazione preferite con riferimento ai disegni allegati, in cui:

le Figure da 1A a 1G illustrano ogni fase di impianto dentale;

la Figura 2 illustra una immagina tridimensionale di una mandibola ottenuta tramite tomografia computerizzata (CT);

le Figure 3A e 3B sono diagrammi che illustrano una tecnica per ottenere scansioni da una immagine CT tridimensionale di una mandibola, che è applicata per identificare una regione di nervo alveolare nell'immagine CT secondo la presente invenzione;

le Figure da 4A a 4D sono diagrammi di flusso che illustrano un metodo per identificare una regione di nervo alveolare in una immagine di scansione CT di una mandibola secondo una forma di realizzazione preferita della presente invenzione;

le Figure da 5A a 5I illustrano le immagini delle scansioni di CT da fasi nel metodo delle Figure da 4A a 4D;

la Figura 6 è un diagramma di flusso che illustra un'altra forma di realizzazione del metodo per identificare una regione di nervo alveolare in una immagine CT di una mandibola secondo la presente invenzione; le Figure da 7A a 7E illustrano le immagine di scansioni CT da fasi nel metodo di Figura 6;

la Figura 8 illustra uno stato in cui si inserisce un impianto di vite virtuale in un punto di impianto in una immagine mandibolare.

DESCRIZIONE DETTAGLIATA DELL'INVENZIONE

Nella presente invenzione, una regione mandibolare è distinta in scansioni CT basandosi sulla distribuzione di intensità della regione, e regioni di nervo candidato, che sono considerate nervi alveolari nella mandibola, vengono estratte dalla regione mandibolare. Quindi, si sottopongono le regioni di nervo candidato ad una serie di processi di immagine per togliere le regioni di nervo alveolare candidato che hanno basse possibilità di essere nervi alveolari reali. I processi di immagine utilizzati comprendono operazioni morfologiche, miglioramento di contrasto, raggruppamento di mezzi K, e algoritmi di elaborazione di immagini a crescita di regioni. L’immagine di uscita ultima è espressa come immagine binaria, che illustra la forma la dimensione e la posizione della regione di nervo alveolare identificata.

I termini che verranno utilizzati per tutte le seguenti forme di realizzazione sono definiti come segue. Il termine "oggetto" si riferisce ad un gruppo di pixel binari adiacenti a livello spaziale e connessi uno all'altro. Il termine "perimetro" si riferisce ad un insieme dei pixel binari più esterni di un oggetto, i pixel binari più esterni essendo connessi in modo da formare un anello chiuso. Il termine "punto di centroide" si riferisce alla posizione media di tutti i pixel che costituiscono un oggetto. Il termine "gruppo" si riferisce ad un insieme di pixel aventi caratteristiche simili, per esempio aventi densità simile.

Inoltre l'elaborazione di immagini da adottare nelle seguenti forme di realizzazione sarà spiegata brevemente qui. In primo luogo, "operazioni morfologiche" si riferiscono ad uno strumento matematico per elaborare e manipolare un insieme di oggetti, comprendente operazioni di dilatazione, erosione, chiusura ed apertura rispetto ad una immagine binaria. L'operazione di dilatazione espande le regioni luminose dell'immagine originale e contrae le regioni scure relative, in modo che l’immagine globale sembri più luminosa e più grande. In contrasto con l'operazione di dilatazione, l'operazione di erosione espande le regioni scure dell'immagine originale e fa contrarre le relative regioni luminose, cosicché l'immagine globale sembra più scura e più piccola. Il grado di espansione o contrazione dell'immagine originale tramite l'operazione di dilatazione o di dialazione varia secondo la dimensione del valore di un operatore indicato come elemento di struttura. Le operazioni di apertura e chiusura sono eseguite in combinazione con le operazioni di dialazione ed erosione. Quindi, l'operazione di apertura serve per spianare una regione in cui la luminosità aumenta notevolmente, laddove l'operazione di chiusura serve per spianare una regione in cui la luminosità diminuisce notevolmente.

In secondo luogo, "miglioramento di contrasto" si riferisce ad una modifica in scala lineare di una immagine per collocare l'intensità di una immagine tra predeterminati valori massimo e minimo. In terzo luogo "raggruppamento di mezzi K" si riferisce all’assegnazione dei pixel di una immagine in ingresso ad una pluralità di gruppi (cluster) K secondo la somiglianza delle intensità. In particolare, un utente definisce valori di intensità medi K per K gruppi e quindi ogni pixel dell'immagine è assegnato al gruppo avente l'intensità media più vicina all'intensità del pixel. Dopo che questo raggruppamento ha avuto luogo per tutti i pixel, si calcolano le intensità medie dei pixel che appartengono ad ogni gruppo.

Quindi, si definiscono i risultati come nuova intensità media per ogni gruppo. A seguito di ciò, i pixel dell’immagine vengono riassegnati a corrispondenti gruppi basandosi sulle nuove intensità medie dei gruppi. Questi processi vengono iterati fino a quando l'intensità media di ogni gruppo presenta la variazione minima.

In quarto luogo, "crescita di regione" si riferisce alla determinazione di un pixel iniziale per ogni gruppo e al raggruppamento di pixel vicini aventi una intensità all'interno di una predeterminata tolleranza rispetto all'intensità del pixel iniziale, nel corrispondente gruppo. L'intensità media dei pixel contenuti in ogni gruppo è calcolata di nuovo dopo un predeterminato periodo di tempo, e ciascun pixel dell'Immagine viene riassegnato al corrispondente gruppo basandosi sulle nuove intensità medie.

Le Figure 3A e 3B sono diagrammi che illustrano la tecnica per ottenere scansioni da una immagine CT tridimensionale di una mandibola, che è applicata per identificare una regione di nervo alveolare nell’immagine CT secondo la presente invenzione.

Facendo riferimento alla Figura 3A, l'immagine mandibolare è tagliata nella direzione assiale della dorsale (dalla parte superiore alla parte inferiore della mandibola come illustrato in Figura 3A), cioè lungo le linee Α-Α', B-B' e C-C per formare "intersezioni" della mandibola. Si fa riferimento all’immagine di intersezione vista dalla direzione indicata dalla freccia 31 come immagine di scansione. Qui, l'intervallo tra le intersezioni dipende in generale dalla risoluzione dell'immagine CT. Quando l'intervallo si restringe, si possono rilevare con maggiore precisione le regioni di nervo alveolare. Tuttavia, i processi descritti con riferimento alle Figure da 4A a 4D devono essere iterati tante volte quanto il numero di intersezioni con scansioni, cosicché il tempo richiesto per l'identificazione della regione di nervo alveolare aumenta. Le immagini di intersezioni ottenute sono fornite come "immagine di ingresso" come illustrato in Figura 5A.

La Figura 3B illustra un caso in cui l'immagine mandibolare è tagliata perpendicolare alla linea centrale tratteggiata 38 della mandibola, cioè lungo le linee A-A' e B-B' per ottenere le "intersezioni" della mandibola. Qui, ci si riferisce all’immagine di intersezione vista dalla direzione indicata dalle frecce 35 e 36 come ad una immagine di scansione. I nervi alveolari sono collocati lungo la linea centrale della mandibola. Così, se si identificano regioni di nervo alveolare da ciascuna delle intersezioni ricavate nella direzione illustrata in Figura 3B, e quindi le si combina in una regione di nervo alveolare completa, si può ottenere un risultato che è più preferibile di quello prodotto dalla tecnica di taglio illustrata in Figura 3A. Tuttavia, anche se la regione di nervo alveolare è identificata dalle intersezioni ricavate nella direzione parallela come illustrato in Figura 3A, che non sono perpendicolari alla linea centrale della mandibola, non si presenta una differenza distinta dai risultati delle diverse tecniche di taglio, poiché l'intervallo di taglio è considerevolmente stretto. Pertanto, si può concludere che il taglio di una immagine mandibolare come illustrato in Figura 3A è più semplice a confronto della tecnica illustrata in Figura 3B.

Nella presente forma di realizzazione, una immagine tridimensionale di una mandibola ottenuta tramite CT viene tagliata in una pluralità di scansioni bidimensionali come illustrato nelle Figure 3A oppure 3B, e la regione di nervo alveolare della mandibola per ciascuna delle immagini di scansione viene identificata mediante il metodo illustrato nelle Figure da 4A a 4D. Dopo che si rileva la regione di nervo da ogni immagine di scansione, le immagini di tutte le scansioni si combinano per formare la regione di nervo alveolare della mandibola utilizzando le regioni di nervo di immagini di scansione.

Le Figure da 4A a 4D sono diagrammi di flusso che illustrano un metodo per identificare una regione di nervo alveolare in una immagine mandibolare secondo la presente invenzione. Le Figure da 5A a 51 illustrano le immagini di scansione ottenute dalle fasi del metodo illustrate nelle Figure da 4A a 4D. Nella fase 41 , una immagine mandibolare viene formata tramite CT e quindi la si taglia in scansioni bidimensionali con riferimento alla Figura 3A o 3B. La Figura 5A illustra l'immagine di una delle scansioni che verrà chiamata "immagine di ingresso". L'intensità di ogni pixel della scansione ha un valore tra 0 e 2<N>-1 , dove N è il numero di bit utilizzati per rappresentare ciascun pixel. Se N=16 l'intensità di pixel massima è 65.535.

In generale, le immagini di scansione CT hanno annotati vari testi aggiunti dal calcolatore, per esempio il numero di scansione, e l'altezza e la larghezza della scansione. Queste annotazioni sono collocate intorno al bordo della scansione, ed hanno una intensità costante, che è molto superiore all'intensità dei pixel vicini. Nella fase 42, si rilevano i pixel aventi le intensità massime, che comprendono i pixel delle informazioni di annotazione, e quindi si pone a zero o al valore minimo l'intensità dei pixel rilevati. In altre parole, dopo avere sottoposto a scansione tutti i pixel dell'immagine di scansione per trovare l'intensità di pixel massima, si pone a zero (nero) l'intensità di tutti i pixel aventi l'intensità identica leggermente inferiore rispetto all'intensità di pixel massima.

Nel caso in cui un paziente abbia uno o più denti trattati con amalgama, tali strutture artificiali assorbono i raggi X e sembrano molto luminose nell'immagine di scansione CT, e sono collocate comunemente nella parte superiore dell'immagine mandibolare. Così, si ha la necessità di stabilire l'intensità di questi pixel che appartengono a tali regioni luminose, a zero o a intensità di pixel minima. In particolare, si calcolano le coordinate di centroide e più elevate dell'oggetto mandibolare e si calcola l'intensità media dei pixel tra le due coordinate. Quindi, si pone a zero l'intensità di pixel aventi intensità maggiore per intensità di pixel media. La Figura 5B illustra l'immagine di scansione dopo la fase 42, da cui si tolgono i pixel per le annotazioni e strutture artificiali.

Quindi, si separa all'incirca l'immagine binaria (comprendente "0" e "1") per la regione mandibolare dall'immagine in ingresso da cui si erano tolte le informazioni di annotazione, che è chiamata oggetto mandibolare. L'intensità media dell'oggetto mandibolare è maggiore di quella della regione di fondo e così si stabilisce un predeterminato valore di soglia per eliminare i pixel aventi una intensità inferiore al valore di soglia, in modo tale che si possa distinguere la regione mandibolare dalle altre regioni. Se l'intensità di pixel è maggiore del valore di soglia, si pone l'intensità di pixel ad 1 (bianco). Altrimenti, se l'intensità di pixel è minore del valore di soglia, si pone l'intensità di pixel a 0 (nero). Come risultato, si ottiene una immagine binaria come illustrato in Figura 5C, che è il cosiddetto oggetto mandibolare (fase 43). Si può stabilire l'intensità di pixel media delle scansioni CT come valore di soglia.

Tutavia, quando si ottiene l'immagine binaria utilizzando il valore di soglia, come illustrato in Figura 5C, possono apparire molti oggetti più piccoli non necessari in aggiunta all'oggetto mandibolare. Per questo caso si moltiplica il valore di soglia per un predeterminato coefficiente, "Mean_Multiplier", per ridurre il verificarsi di tali oggetti non necessari. Nella fase 42, si pone a zero l'intensità dei pixel di annotazione, cosicché si abbassa l'intensità media di tutti i pixel. Così, occorre tenere in considerazione la quantità di annotazione nel determinare il coefficiente "Mean_Multiplier" . I risultati della sperimentazione da parte dell'invenzione indicano che è preferibile che il coefficiente abbia un valore pari ad 1 ,25.

Oggetti mandibolari illustrati in Figura 5C, che sono determinati nella fase 43 utilizzando un valore di soglia, possono comprendere la regione mandibolare e non mandibolare. Di solito, l'oggetto binario corrispondente alla regione mandibolare è il più grande, e così si considera che l'oggetto più grande sia la regione mandibolare. Così, nella fase 44, si seleziona l’oggetto binario più grande come oggetto mandibolare. In altre parole, si confronta la dimensione di tutti gli oggetti nell'immagine, e si pongono ad "1" i pixel dell'oggetto più grande mentre si pongono a "0" i restanti pixel, per determinare l'oggetto mandibolare. L'immagine dell'oggetto mandibolare è illustrata in Figura 5D.

Molte cavità sono presenti nell’oggetto mandibolare binario, poiché la densità della mandibola non è uniforme nell'intera regione. In altre parole, il bordo duro della mandibola ha una densità elevata, laddove il midollo o tessuto grasso, che è circondato dal bordo duro, ha una densità relativamente bassa. Per ottenere l'oggetto contiguo massimo, si esegue una operazione di chiusura per eliminare le piccole cavità dall'oggetto mandibolare (fase 45). Quindi, si può eseguire una operazione di erosione rispetto all'immagine di oggetto binario per spianare il bordo dell’oggetto binario. La Figura 5E illustra l'immagine binaria dell'oggetto mandibolare ottenuta dalla fase 45 che è chiamata una "immagine bm".

Quindi, si applica una tecnica di miglioramento del contrasto all'oggetto mandibolare della "immagine di ingresso" originale (vedere Figura 5A) nella fase 46. Il campo di intensità dell'immagine mandibolare e in particolare il campo di intensità dei bordi della struttura ossea della mandibola, non è ancora chiaramente noto. Tuttavia, i campi di intensità della regione ossea e della regione di nervo alveolare possono essere determinati all'incirca applicando la tecnica di miglioramento del contrasto all'oggetto mandibolare.

In primo luogo, per il campo di intensità della regione mandibolare, i pixel delle regioni mandibolari corrispondenti all’oggetto mandibolare binario della Figure 5E sono estratti dalla "immagine di ingresso" di Figura 5A. Quindi, si pone l'intensità di pixel massima dei pixel estratti come "MAX" e si pone l'intensità di pixel minima come "MIN". Per una immagine a contrasto migliorato, si calcola una intensità a contrasto migliorato per ogni pixel appartenente all'oggetto mandibolare, utilizzando la formula (1). La Figura 5F illustra l'immagine dell’oggetto mandibolare a contrasto migliorato.

Nella formula (1), ENH_DEN rappresenta l'intensità in immagini a contrasto migliorato, Max_T rappresenta l’intensità di pixel massima per l'oggetto mandibolare, Min_T rappresenta l'intensità di pixel minima per l'oggetto mandibolare, e PIXJDEN rappresenta l'intensità del pixel originale prima del miglioramento di contrasto.

Dopo il miglioramento dì contrasto rispetto all'Immagine di ingresso corrispondente all'oggetto mandibolare, i pixel appartenenti all’oggetto mandibolare vengono sottoposti all'algoritmo di raggruppamento di mezzi K per ottenere una pluralità di gruppi contenenti ciascuno pixel aventi una intensità di pixel simile (fase 47). Le intensità di pixel medie per i gruppi possono essere poste a 0, 10x10<3>, 15x10<3>, 20x10<3>, 25x10<3>, 45x10<3 >e 500x10<3>. Ciascuno dei pixel è assegnato a ciascuno dei 7 gruppi basandosi sulla sua intensità.

Il gruppo avente l'intensità media massima comprende pixel aventi una intensità superiore, che possono essere generati da un impianto metallico artificiale, e il gruppo avente intensità media relativamente bassa comprende pixel per lo sfondo ed i tessuti nervosi. Inoltre, i gruppi aventi intensità medie mediane comprendono pixel per la struttura ossea dura ed il canale che circonda nervi alveolari. Dopo il raggruppamento dei pixel delle immagini in gruppi, si rilevano successivamente le regioni di nervo alveolare basandosi sui gruppi. La Figura 5G illustra l'immagine di gruppo a livello 7 rispetto all'oggetto mandibolare, che è ottenuta applicando l'algoritmo di raggruppamento di mezzi K, basandosi sulle intensità di pixel e chiamata "immagine di gruppo".

Qui di seguito si descriverà una fase per ottenere pixel di nervo alveolare candidato dalla "immagine di gruppo" e dalla "immagine bm".

Dopo che tutti i pixel per l'oggetto mandibolare sono assegnati ad uno dei gruppi, per trovare l'oggetto di nervo alveolare candidato che è assai probabile sia la regione di nervo alveolare, si determinano i gruppi che contengono un maggior numero di pixel rispetto ad un predeterminato numero di pixel, cioè per esempio 10 pixel, e quindi si definisce come "K_Min" il gruppo avente il numero di gruppo minimo, cioè il gruppo avente l’intensità media minima. In altre parole, per il gruppo contenente pixel di nervo alveolare candidato, almeno 10 pixel devono essere contenuti nel gruppo e il numero di gruppo deve essere quanto più basso possibile. Questo avviene poiché è noto che i pixel di nervo alveolare hanno una intensità bassa e i pixel di intensità bassa appartengono ad un gruppo etichettato con un numero inferiore.

Così, i pixel dei gruppi con etichetta con un numero di "K_Min" o meno tra i pixel che sono già posti a "1" (regioni mandibolari), dell 'immagine binaria "immagine bm" sono posti a "1" e gli altri pixel sono posti a "0", per produrre una nuova immagine binaria (fase 48).

Una pluralità di oggetti che sono contenuti nell'immagine binaria ottenuta dalla fase 48, vengono etichettati in sequenza con numeri a cominciare da "1 ". Inoltre, gli oggetti contenenti pochi pixel sono considerati componenti di rumore e, così, devono essere tolti dall'immagine. Così, i pixel di oggetti aventi un numero minimo di pixel, "Min_Number", sono posti a "0" e quindi tolti (fase 49). Preferibilmente, "Min_Number" è 5. Dopo aver tolto gli oggetti piccoli utilizzando il valore "Min_Number", si rietichettano i restanti oggetti di nervo alveolare "candidato" e li si sottopone ai seguenti processi. La Figura 5H illustra gli oggetti di nervo alveolare candidato dopo che si completa la fase 49.

Dopo la fase 49, di solito rimangono uno o più oggetti di nervo alveolare candidato. Così, si sceglie l'oggetto di nervo alveolare candidato più probabile basandosi sulle seguenti caratteristiche del nervo alveolare. L'intensità della regione di nervo alveolare è leggermente inferiore a quella del perimetro, che è la regione di canale che circonda la regione di nervo alveolare. La regione di nervo alveolare della mandibola è espressa da una regione scura circolare (avente una intensità inferiore), che è circondata da una regione di canale anulare comprendente pixel aventi una intensità leggermente superiore a confronto con la regione di nervo alveolare. Inoltre, la regione di canale è circondata da una regione ossea bianca (avente una intensità molto maggiore). Così, per l'oggetto di nervo alveolare candidato più probabile, l'intensità del perimetro dell'oggetto di nervo alveolare candidato deve essere leggermente maggiore di quella della sua regione di nervo interno.

Nella fase 50 si confrontano le intensità dei pixel interni degli oggetti candidati con quelle dei pixel della regione perimetrale dell’oggetto per determinare se l’oggetto di nervo alveolare candidato corrisponde alla regione di nervo alveolare reale. Questa fase sarà ora descritta in maggiore dettaglio con riferimento alla Figura 4B.

Allo scopo di determinare un numero di gruppo rispetto ai pixel di perimetro degli oggetti di nervo candidati, si sottopongono gli oggetti binari di Figura 5H ad una operazione di dilazione morfologica per estrarre le loro regioni perimetrali (fase 502). La regione perimetrale di ogni oggetto forma una regione anulare stretta. Per determinare se la regione anulare corrisponde al canale che circonda il nervo alveolare della mandibola, occorre calcolare numeri di gruppo rispetto ai pixel perimetrali all'interno delle regioni anulari.

Per l’oggetto di nervo alveolare candidato più probabile, il numero di gruppo dei pixel perimetrali, che costituiscono la regione anulare che circonda l'oggetto di nervo candidato, deve essere leggermente maggiore di quello dei pixel interni dell'oggetto di nervo alveolare candidato circondato dalla regione di canale anulare.

Così, si contano il numero (P1) di pixel perimetrali, e il numero (P2) di pixel per il gruppo etichettato con "K_Min+1" oppure "K_Min+2" tra i pixel perimetrali (fase 504). Allo scopo di determinare se l’oggetto di nervo candidato ha pixel perimetrali che hanno una intensità leggermente maggiore dei pixel interni circondati dagli stessi, si calcola la percentuale dei pixel contenuti nel gruppo "K_Min+1" oppure "K_Min+2" rispetto ai pixel perimetrali (fase 506). Se la percentuale calcolata è minore, per esempio dell'80% che si può considerare non rispettare le caratteristiche dei nervi alveolari, si toglie l'oggetto di nervo candidato dall'immagine binaria (fase 508).

Le fasi da 502 a 508 vengono ripetute rispetto a tutti gli oggetti di nervo candidato per selezionare gli oggetti candidati più possibili. La Figura 51 illustra un esempio dell'immagine binaria dell'oggetto di nervo candidato più probabile ottenuto utilizzando le suddette fasi.

Quindi, nella fase 51 , dai restanti oggetti di nervo candidato, si tolgono gli oggetti corrispondenti a regioni che sono considerate tessuti grassi di midollo nella mandibola, di fianco alla regione di nervo alveolare. Una caratteristica di oggetto contenente soltanto tessuti grassi midollari che l’oggetto più circondato da un certo numero di pixel aventi quasi la stessa intensità. Cosi, gli oggetti candidato associati ai tessuti midollari possono essere eliminati confrontando l'intensità di pixel di un oggetto con quella dei pixel vicini dell’oggetto. Si descriverà ora la fase 51 con riferimento alla Figura 4C.

In primo luogo, si conta il numero di pixel dell’oggetto di nervo candidato e lo si definisce come N1 (fase 511). Quindi, si calcola il punto di centroide dell’oggetto di nervo candidato e lo si determina come punto "iniziale" (fase 512). Quindi si applica un algoritmo di crescita di regione a cominciare dal punto di riferimento (fase 513). Qui, il valore di taglio per il processo di crescita di regione è posto a 0,085, e la crescita di regione dal punto di riferimento continua fino a quando tutti i pixel aventi un predeterminato campo di intensità vengono compresi in una regione cresciuta. In altre parole, se l'intensità di un pixel vicino della regione cresciuta è entro l'8,5% dell'intensità media di tutti i pixel della regione cresciuta, si incorpora il pixel vicino nella regione cresciuta. Dopo che si conclude la crescita di regione, si conta il numero di pixel dell'oggetto di nervo cresciuto e lo si definisce come N2 (fase 514).

Quindi, si confronta il numero (N1) di pixel dell'oggetto di nervo candidato originale e il numero (N2) di pixel all'interno dell'oggetto di nervo cresciuto (fase 515). In particolare, se N2 è molto maggiore di N1, è assai probabile che l’oggetto di nervo candidato sia una regione di tessuto midollare piuttosto che la regione di nervo alveolare. Se N2 è circa tre volte maggiore di N1, la probabilità che l’oggetto di nervo candidato sia la regione di nervo alveolare è molto bassa, e cosi si toglie l'oggetto di nervo candidato dal'immagine (fase 516). Le fasi da 511 a 516 si ripetono per tutti gli oggetti candidati e il processo porta alla fase 52.

Nella fase 52, si determina che l'oggetto di nervo candidato è adiacente a livello spaziale al bordo della regione mandibolare. I nervi alveolari sono collocati generalmente sul bordo della regione mandibolare ed in particolare nell'area dove i nervi alveolari entrano nella mandibola. Cosi, se si conferma che l'oggetto di nervo candidato è a contatto con il bordo della mandibola (fase 53), si determina che l'oggetto di nervo candidato è una regione di nervo alveolare reale e quindi il processo termina. Altrimenti il processo è seguito dalle successive fasi.

Per la determinazione se l'oggetto di nervo candidato è a contatto con il bordo della regione mandibolare, per primo si sottopone l'oggetto di nervo candidato ad una operazione di dialazione morfologica e quindi si controlla se l'oggetto di nervo candidato che è stato sottoposto all'operazione di dialazione si estende sul bordo della regione mandibolare. Se è così significa che l'oggetto di nervo candidato originale prima della dilatazione è a contatto con il bordo della regione mandibolare e così è assai possibile che l’oggetto di nervo candidato sia una regione di nervo alveolare reale.

Quindi, nella fase 54, si determina se l'oggetto di nervo candidato è la regione di nervo alveolare basandosi sull'area della regione mandibolare da cui si estrae la scansione CT. L’intersezione mandibolare del paziente varia. Cioè, le parti superiore ed inferiore dell'intersezione mandibolare hanno la stessa larghezza, oppure la parte superiore della mandibola è più larga della sua parte inferiore. Tenendo presente l'anatomia, si determina la posizione dei nervi alveolari rispetto alla forma dell'intersezione mandibolare, In altre parole, l'area della mandibola da cui si estrae la scansione CT deve essere presa in considerazione nella determinazione se l'oggetto di nervo candidato corrisponde ad una regione di nervo alveolare. Sarà ora descritta con riferimento alla Figura 4D la fase 54.

In primo luogo, si calcola un punto di centroide rispetto a tutti i pixel dell'immagine mandibolare di una scansione CT (fase 541). Si determinano i pixel più elevato e più basso della regione mandibolare e si calcola un punto mediano tra i due pixel (fase 542). Quindi, si determina se il punto di centroide è vicino al punto mediano (fase 543). Se il punto di centroide è collocato vicino al punto mediano, il che significa che l'intersezione mandibolare ha una larghezza simile nella parte superiore ed inferiore, il processo si sposta alla fase 545. Altrimenti, si esegue la fase 544. Nella fase 543, preferibilmente, quando la distanza tra il punto di centroide e il punto mediano è all’interno di una predeterminata percentuale della distanza tra il pixel più elevato e più basso, per esempio entro il relativo 10%, si determina che il punto di centroide è vicino al punto mediano.

Si esegue la fase 545 nel caso in cui la larghezza della regione mandibolare sia quasi costante dalla parte superiore alla parte inferiore. È noto dai risultati sperimentali che i nervi alveolari sono collocati al di sopra del punto mediano e vicino ai punto di centroide. Così, nella fase 545, si determina se un oggetto di nervo candidato è collocato al di sopra del punto mediano. Se esistono tali oggetti di nervo candidato nell'immagine, l'oggetto di nervo candidato più vicino al punto di centroide viene selezionato e si determina che una regione di nervo alveolare è reale. Inoltre, se nessun oggetto di nervo candidato è collocato al di sopra del punto mediano, si seleziona l'oggetto di nervo candidato al di sotto del punto di centroide che è più vicino al punto di centroide, e si determina che esso è una regione di nervo alveolare reale (fase 547).

Nel frattempo si esegue la fase 544 nel caso in cui la larghezza della regione mandibolare non sia costante nella direzione verticale, come descritto in precedenza. Nella fase 544, l'oggetto di nervo candidato che è il più vicino al punto di centroide viene selezionato e determinato in modo da essere una regione di nervo alveolare reale. L'oggetto di nervo candidato più probabile è ottenuto da una immagine di scansione di una mandibola attraverso i seguenti processi. Si ripetono le suddette fasi, dalle fasi da 42 a 54, rispetto a tutte le scansioni CT per l'immagine mandibolare per produrre un oggetto di nervo candidato per ogni immagine di scansione. Quindi, si fanno risaltare gli oggetti di nervo alveolare candidato più possibili da ogni immagine di scansione CT per produrre una immagine di nervo alveolare completa.

La Figura 6 è un diagramma di flusso che illustra un altro metodo per identificare una regione di nervo di alveolare in una immagine mandibolare secondo la presente invenzione. Le Figure da 7A a 7E illustrano le immagini ottenute dai processi mediante il metodo illustrato in Figura 6.

A confronto con il metodo descritto con riferimento alle Figure da 4A a 4D, in cui si automatizzano una serie di fasi per l'identificazione della regione di nervo alveolare, il metodo di Figura 6 può essere categorizzato come tipi di processo semi-automatizzato poiché si sceglie manualmente tramite un utente un punto di riferimento rispetto ad ogni immagine di scansione CT dell'immagine mandibolare. In altre parole, un utente (chirurgo dentale) indica una regione o un punto di immagine di scansione CT che considera sia la regione di nervo alveolare e si applica un algoritmo di crescita di regione utilizzando la regione indicata dall'utente come punto di riferimento, per identificare una regione di nervo alveolare all'interno dell'immagine di scansione CT della mandibola. La scelta del punto di riferimento da parte dell'utente basandosi sull'esperienza consente l'omissione di una serie di fasi lunghe eseguite dal metodo, che sono state descritte con riferimento alle Figure da 4A a 4D, per ottenere oggetti di nervo candidato, il che risparmia molto tempo. Così, si può migliorare la velocità di elaborazione delle immagini.

Secondo il metodo di identificazione di nervi alveolari descritto con riferimento alle Figure da 4A a 4D, si determinano oggetti di nervo candidato da tutte le scansioni CT e li si fa risaltare in una immagine di nervo alveolare completa. A confronto con il metodo delle Figure da 4A a 4D, il metodo di identificazione di nervi alveolari di Figura 6 rileva una regione di nervo alveolare da una immagine di scansione CT di una mandibola basandosi sul punto di riferimento indicato, ed esegue un processo di crescita di regione dalla regione di nervo rilevata rispetto ad una scansione CT vicina per produrre una immagine di nervo alveolare. Facendo così si può migliorare nettamente la velocità di elaborazione globale. Il metodo di Figura 6, in cui si produce l'immagine di nervo alveolare tramite la crescita di regione rispetto a scansioni CT vicine, può essere applicato al metodo delle Figure da 4A a 4D. Per esempio, dopo che si rileva l'oggetto di nervo di candidato più probabile da una immagine di scansione CT di una mandibola, si può applicare lo stesso processo di crescita di regione di Figura 6 rispetto a scansioni CT vicine basandosi sull'oggetto di nervo candidato più probabile dell'immagine di scansione precedente.

Con riferimento alla Figura 6, si estrae per prima una scansione CT S1 da una immagine mandibolare (fase 61). Si taglia una immagine mandibolare tridimensionale in immagini di scansione bidimensionali utilizzando la tecnica di Figura 3A oppure 3B, e si seleziona una delle immagini di scansione bidimensionali. Quindi, come nella fase 42 della Figura 4A, si tolgono le annotazioni dall'immagine di scansione, e si applica una tecnica di elaborazione di immagini, come ad esempio il miglioramento del contrasto, all'immagine di scansione per presentare l'immagine della regione mandibolare su uno schermo di visualizzazione.

Nella presente forma di realizzazione, si determina che uno dei pixel appartenenti all'immagine di scansione è un punto di riferimento, e si esegue la crescita di regione a cominciare dal punto di riferimento rispetto al'immagine di scansione. Per una facile comprensione del processo di crescita di regione, le caratteristiche dei nervi alveolari sono descritte brevemente come segue.

(1) i nervi alveolari sono circondati da un canale, che forma una forma tubolare continua, e non si diramano.

(2) I nervi alveolari si estendono in modo continuo nella mandibola.

(3) Le sezioni trasversali dei nervi alveolari hanno un’area quasi identica. (4) Una regione di nervo alveolare inevitabilmente si sovrappone tra scansioni CT vicine.

(5) L'intensità di pixel della regione di nervo alveolare nell'immagine CT si trova all'interno di un certo campo, per esempio da 1100 a 1700. (6) L'intensità di pixel della regione di nervo alveolare si trova all'interno di un determinato campo di errore.

(7) Comunemente, la regione di nervo alveolare ottenuta da una immagine di scansione CT bidimensionale è espressa come figura chiusa. Soltanto le due regioni alveolari della mandibola, dove i nervi entrano nella mandibola e fuoriescono dalla stessa, sono illustrate come figure aperte in una immagine di scansione CT.

Nella fase 62, i pixel di nervo candidato nell'immagine di scansione CT, che sarebbero un punto di riferimento per un processo di crescita di regione da eseguire per ottenere una regione di nervo alveolare, vengono visualizzati su uno schermo. Poiché l'intensità di pixel dei pixel corrispondenti alla regione di nervo alveolare si trova nel campo da 1100 a 1700, quei pixel aventi intensità di pixel all'interno del campo vengono visualizzati come pixel di nervo candidato. Quindi, un utente indica uno dei pixel di nervo candidato come punto di riferimento (fase 63).

La Figura 7A illustra un esempio di un punto di riferimento selezionato da un utente in una immagine di scansione CT. Non è difficile per un chirurgo dentale trovare una regione di nervo alveolare in una immagine di scansione CT basandosi sull'esperienza.

Basandosi sulle caratteristiche dei nervi alveolari citati in precedenza, si esegue un processo di crescita di regione rispetto a pixel vicini dal punto di riferimento per ottenere una regione di nervo alveolare dall'immagine di scansione (fase 64). Si esegue il processo di crescita di regione come segue. In primo luogo, si confronta l'intensità di pixel del punto di riferimento con quella di un pixel vicino per determinare se la differenza tra i due valori di intensità di pixel si trova all'interno di un campo di errore, che è espresso dalla seguente formula (2). Se l'intensità di pixel del pixel vicino si trova all'interno del campo di errore, si determina che il pixel è una parte della regione di nervo alveolare. La Figura B illustra una regione di nervo alveolare cresciuta da un punto di riferimento di una immagine di scansione CT. In Figura 7B, l'area scura indica la regione di nervo cresciuta.

(2) Nella formula (2), DVmax e DVmin rappresentano rispettivamente i valori di densità di pixel minimo e massimo nella regione mandibolare. Il coefficiente, 0,05, può essere variato in modo appropriato a seconda della risoluzione delle immagini di scansione CT.

Dopo che i pixel corrispondenti alla regione di nervo alveolare sono identificati da una scansione CT S1, si applica il processo di crescita di regione alla scansione CT vicina Si-1 e Si+1, che è collocata prima o dopo la scansione CT Si, basandosi sulla regione di nervo della scansione CT S1, per espandere la regione di nervo della scansione Si verso le scansioni S1 vicine SM e SM (fasi da 65 a 67).

In particolare, nella fase 65, si stabilisce una regione di pixel a 8 vicini come regione campione basandosi sulla regione di nervo alveolare della scansione CT S1, che comprende la regione di nervo ottenuta e ogni pixel a 8 vicini per tutti i pixel appartenenti alla regione di nervo. Si fa crescere una regione di nervo alveolare rispetto ad una scansione vicina Si-1 oppure Si+1 che è collocata prima o dopo la scansione CT Si, in modo che non si estenda al di là della regione campione ottenuta dalla scansione CT S1.

Nella fase 66 si determina che un pixel avente l'intensità di pixel minima tra i pixel appartenenti ad una regione della scansione vicina Si-1 oppure Si+1 corrispondente alla regione campione, sia il punto di riferimento per la crescita di regione rispetto alla scansione vicina Si-1 oppure Si+1 La ragione per cui si determina che il pixel di intensità minima sia il punto di riferimento è che la regione interna del nervo alveolare ha una densità relativamente inferiore al suo canale. Quindi, si esegue la crescita di regione rispetto alla scansione CT Si-1 oppure Si+1 dal punto di riferimento in maniera identica alia fase 64 per ottenere una regione di nervo alveolare della scansione CT Si-1 oppure Si+1 (fase 67). La Figura 7C illustra il caso in cui la regione di nervo alveolare è collocata vicino al punto mediano della mandibola e la Figura 7D illustra un caso in cui la regione di nervo alveolare è collocata vicino alla parte superiore della mandibola.

Si eseguono le fasi sopracitate rispetto a tutte le scansioni CT (fase 68) e si fanno risaltare le regioni di nervo alveolare ottenute da tutte le scansioni CT in una regione di nervo alveolare completa della mandibola (fase 69).

La Figura 7E è una sezione trasversale dell'immagine mandibolare effettuata lungo la linea mediana dell’immagine mandibolare, che illustra la regione di nervo alveolare rilevata attraverso le fasi citate in precedenza. Un chirurgo dentale può identificare la regione di nervo alveolare nell'immagine mandibolare di un paziente attraverso il metodo sopra citato, che consente al chirurgo dentale prima dell'impianto di simulare se una vite di impianto può invadere o meno i nervi alveolari. La Figura 8 illustra lo stato in cui si inserisce una vite di impianto in un sito di impianto dell'immagine mandibolare di un paziente, che illustra la simulazione per l'impianto. Nella Figura 8, il numero di riferimento 81 rappresenta un'immagine mandibolare tridimensionale, e il numero di riferimento 82 rappresenta una vite di impianto virtuale.

Per la simulazione dell'impianto si inserisce la vite di impianto virtuale nel sito di impianto dell'immagine mandibolare per determinare i pixel che vengono a contatto con la vite di impianto virtuale inserita. Quindi si determina se la vite viene a contatto con i pixel appartenenti alla regione di nervo alveolare rilevata mediante il metodo inventivo. Cioè, un chirurgo dentale può determinare arbitrariamente la posizione, l'orientamento la profondità della vite di impianto virtuale, in modo tale che la vite di impianto non venga a contatto con i nervi alveolari, il che consente un impianto sicuro.

L'invenzione può essere realizzata anche come codice leggibile da calcolatore su un supporto leggibile da calcolatore. Il supporto leggibile da calcolatore è qualsiasi dispositivo di memorizzazione dati che può memorizzare dati che dopo ciò possono essere letti da un sistema di calcolatore. Esempi di supporto leggibili da calcolatore comprendono memorie di sola lettura, memorie ad accesso casuale, CD-ROM, nastri magnetici, dischi floppy, e dispositivi di memorizzazione dati ottici. Il supporto leggibile da calcolatore può essere distribuito anche su sistemi di calcolatori accoppiati su rete cosicché il codice leggibile da calcolatore è memorizzato ed eseguito in maniera distribuita.

Come descritto in precedenza, il metodo di identificazione di una regione di nervo alveolare in una immagine mandibolare secondo la presente invenzione consente ad un chirurgo dentale di rilevare con precisione la regione di nervo alveolare per un impianto sicuro in maniera automatizzata. Inoltre, una regione di nervo alveolare potenziale, che è determinata da un chirurgo dentale basandosi sulla propria esperienza con immagini in CT, è confermata tramite confronto con la regione di nervo alveolare determinata tramite il metodo inventivo, e così si può eseguire con molta più attenzione un impianto effettivo.

Come citato in precedenza, in una forma di realizzazione della presente invenzione, un punto di riferimento, che è il punto di partenza per la crescita di regione per l'identificazione del nervo alveolare può essere determinato personalmente da un utente (chirurgo dentale), e può essere utilizzato come base per la crescita di regione all'interno di una scansione CT oppure tra scansioni CT vicine per identificare una regione di nervo alveolare, migliorando in tal modo la velocità di rilevamento dei nervi.

Mentre la presente invenzione è stata illustrata e descritta in particolare con riferimento a sue forme di realizzazione preferite, gli esperti nel ramo comprenderanno che si possono effettuare in essa varie modifiche di forma e dettagli senza discostarsi dallo spirito e dal campo di protezione dell'invenzione come definiti dalle rivendicazioni allegate.

Claims

RIVENDICAZIONI 1. Metodo per identificare una regione di nervo alveolare in una immagine mandibolare comprendente le fasi di: (a) tagliare l'immagine mandibolare tridimensionale in un certo numero di immagini di scansione bidimensionali; (b) rilevare un oggetto di immagine binaria corrispondente ad una regione mandibolare da una delle immagini di scansione; (c) raggruppare pixel dell'oggetto di immagine binaria della regione mandibolare in gruppi contenenti ciascuno pixel aventi intensità simile; (d) determinare gruppi che hanno un numero di pixel maggiore di un predeterminato numero minimo di pixel, e determinare il gruppo con etichetta minima avente la distribuzione di intensità di pixel inferiore tra i gruppi; (e) comporre una nuova immagine binaria contenente pixel che appartengono sia alla regione mandibolare sia a gruppi aventi distribuzione di intensità inferiore a quella del gruppo con etichetta minima, per estrarre un oggetto di nervo candidato; (f) determinare se l'oggetto di nervo candidato corrisponde alla regione di nervo alveolare reale.
2. Metodo secondo la rivendicazione 1, comprendente inoltre la fase di (g) determinare gli oggetti di nervo candidato per la regione di nervo alveolare reale rispetto a tutte le immagini di scansione ed assemblare tutte le immagini di scansione in una immagine mandibolare per produrre una regione di nervo alveolare completa nell'immagine mandibolare utilizzando gli oggetti di nervo candidato.
3. Metodo secondo la rivendicazione 1, comprendente inoltre la fase di (g) identificare una regione di nervo alveolare per una immagine di scansione vicina Si-1 oppure Si+1, che è ubicata prima o dopo l'immagine di scansione S1 facendo crescere la regione di nervo alveolare determinata dalla scansione S1.
4. Metodo secondo la rivendicazione 1, in cui la fase (a) comprende inoltre la rimozione di pixel corrispondenti ad informazioni di annotazione ed una struttura artificiale dall'immagine di scansione.
5. Metodo secondo la rivendicazione 1 , in cui nella fase (b) il valore di intensità media di tutti i pixel nell'immagine di scansione, oppure un predeterminato valore di soglia ottenuto moltiplicando il valore di intensità media per un predeterminato coefficiente, viene confrontato con ciascuno dei pixel appartenenti all'immagine di scansione, e l'oggetto di immagine binaria corrispondente alla regione mandibolare viene formato basandosi sul risultato del confronto.
6. Metodo secondo la rivendicazione 1, comprendente inoltre dopo la fase (b) il miglioramento del contrasto interpolando l'intensità di ogni pixel utilizzando valori di intensità di pixel massimi e minimi per i pixel corrispondenti alla regione mandibolare dell'immagine di scansione.
7. Metodo secondo la rivendicazione 1, in cui la fase (f) comprende: (f1) eseguire una operazione di dialazione sull'oggetto di nervo candidato per estrarre la sua regione perimetrale; (f2) confrontare l'intensità dei pixel appartenenti alla regione perimetrale con l'intensità dei pixel interni circondati dalla regione perimetrale; e (f3) determinare un oggeto avente una regione perimetrale la cui intensità di pixel è maggiore di quella dei pixel interni, come nuovo oggeto di nervo candidato.
8. Metodo secondo la rivendicazione 1 , in cui la fase (f) comprende: (f1) calcolare il numero N1 di pixel appartenenti all'oggetto di nervo candidato; (f2) calcolare il punto di centroide dell'oggetto di nervo candidato; (f3) eseguire una operazione di crescita di regione sull'oggetto di nervo candidato, a cominciare dal punto di centroide come punto di riferimento per produrre un oggetto di nervo cresciuto; (f4) calcolare il numero N2 di pixel dell’oggeto di nervo cresciuto; e (f5) confrontare Ni ed N2 e se N2 è maggiore di Ni di un predeterminato numero o più, togliere l'oggeto di nervo candidato.
9. Metodo secondo la rivendicazione 1, in cui la fase (f) comprende: (f1) calcolare un punto di centroide rispeto a tuti i pixel appartenenti alla regione mandibolare dell'immagine di scansione, (f2) determinare i pixel più elevato e più basso della regione mandibolare, e calcolare un punto mediano tra i pixel più elevato e più basso, (f3) determinare se il punto di centroide è collocato vicino al punto mediano, e (f4) se il punto di centroide è collocato vicino al punto mediano determinare l'oggetto di nervo candidato al di sopra del punto mediano e più vicino al punto di centroide oppure l’oggeto di nervo candidato al di soto e più vicino al punto di centroide in modo che sia una regione di nervo alveolare reale, e se il punto di centroide non si trova vicino al punto mediano, determinare l’oggetto di nervo candidato più vicino al punto di centroide in modo che sia una regione di nervo alveolare,
10. Metodo per identificare una regione di nervo alveolare in una immagine mandibolare, comprendente le fasi di: (a) tagliare l'immagine mandibolare tridimensionale in un certo numero di immagini di scansione bidimensionali, e selezionare una delle immagini di scansione; (b) visualizzare pixel di nervo candidato dell'immagine di scansione selezionata, uno dei pixel di nervo candidato essendo selezionato come punto di riferimento da utilizzare per identificare la regione di nervo alveolare dell'immagine di scansione; (c) un utente determinando il punto di riferimento tra i pixel di nervo candidato; e (d) confrontare l'intensità del punto di riferimento con l'intensità dei pixel vicini ed eseguire un processo di crescita di regione sull'immagine di scansione basandosi sul fatto che la differenza tra le intensità confrontate si trovi all'interno di un predeterminato campo di errore o meno, per rilevare pixel corrispondenti ad una regione di nervo alveolare dell'immagine di scansione.
11. Metodo secondo la rivendicazione 10, comprendente inoltre la fase di (e) identificare una regione di nervo alveolare per una immagine di scansione vicina Si-1 oppure Si+1 , che è posizionata prima o dopo limmagine di scansione S1 , facendo crescere la regione di nervo alveolare determinata dall'immagine di scansione S1.
12. Metodo secondo la rivendicazione 11 , in cui la fase (e) comprende le fasi di: (e1 } stabilire una regione campione contenente i pixel corrispondenti alla regione di nervo alveolare ottenuta dall'immagine di scansione e dai suoi pixel vicini; (e2) determinare un pixel avente l'intensità di pixel minima tra i pixel appartenenti ad una regione dell'immagine di scansione vicina Si-1 oppure Si+1, corrispondente alla regione campione ottenuta nella fase (e1), in modo che sia un punto di riferimento per l'immagine di scansione vicina Si-1 oppure Si+1; e (e3) confrontare l'intensità del punto di riferimento dell'immagine di scansione vicina Si-1 oppure Si+1 con l'intensità dei suoi pixel vicini, ed eseguire un processo di crescita di regione sull'immagine di scansione vicino Si-1 oppure Si+1 basandosi sul fatto che la differenza tra le intensità confrontate si trovi o meno all'interno di un predeterminato campo di errore, per rilevare pixel corrispondenti alla regione di nervo alveolare dell'immagine di scansione vicina SM oppure Si-1 -
13. Metodo secondo la rivendicazione 10, comprendente inoltre la fase di (e) eseguire le fasi da (a) a (d) rispetto a ciascuna delle immagini di scansione per rilevare regioni di nervo alveolare, ed assemblare tutte le immagini di scansione in una immagine mandibolare per produrre una regione di nervo alveolare completa nell'immagine mandibolare utilizzando le regioni alveolari rilevate.
14. Supporto leggibile da calcolatore avente incorporato su di esso un programma di calcolatore per identificare una regione di nervo alveolare in una immagine mandibolare, in cui l'identificazione di regione di nervo alveolare comprende le fasi di: (a) tagliare l'immagine mandibolare tridimensionale in un certo numero di immagini di scansione bidimensionali: (b) rilevare un oggetto di immagine binaria corrispondente ad una regione mandibolare da una delle immagini di scansione; (c) raggruppare i pixel dell’oggetto di immagine binaria della regione mandibolare in gruppi contenenti ciascuno pixel aventi intensità simile; (d) determinare gruppi che hanno pixel superiori ad un predeterminato numero di pixel, e determinare il gruppo con etichetta minima avente la distribuzione di intensità di pixel minima tra i gruppi; (e) comporre una nuova immagine binaria contenente pixel che appartengono sia alla regione mandibolare sia ai gruppi aventi distribuzione di intensità minore di quella del gruppo con etichetta minima, per estrarre un oggetto di nervo candidato; e (f) determinare se un oggetto di nervo candidato corrisponde alla regione di nervo alveolare reale.
15. Supporto leggibile da calcolatore avente incorporato su di esso un programma di calcolatore per identificare una regione di nervo alveolare in una immagine mandibolare, in cui l'identificazione di regione di nervo alveolare comprende le fasi di: (a) tagliare l'immagine mandibolare tridimensionale in un certo numero di immagini di scansione bidimensionali, e selezionare una delle immagini di scansione; (b) visualizzare pixel di nervo candidato dell'immagine di scansione selezionata, uno dei pixel di nervo candidato essendo selezionato come punto di riferimento da utilizzare per identificare la regione di nervo alveolare dell'immagine di scansione; (c) un utente determinando il punto di riferimento tra i pixel di nervo candidato; e (d) confrontare l'intensità del punto di riferimento con l'intensità dei pixel vicini, ed eseguire un processo di crescita di regione sull'immagine di scansione basandosi sul fatto che la differenza tra le intensità confrontate si trovi o meno all'interno di un campo di errore predeterminato, per rilevare pixel corrispondenti ad una regione di nervo alveolare di una immagine di scansione.