[发明专利]自动采样厚度检测的非线性口腔CT全景图像合成方法有效
申请号: | 201811226010.1 | 申请日: | 2018-10-22 |
公开(公告)号: | CN109377534B | 公开(公告)日: | 2022-04-26 |
发明(设计)人: | 贠照强;赵磊;杨烁;阳维;冯前进 | 申请(专利权)人: | 南方医科大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00;G06T7/136 |
代理公司: | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人: | 赵蕊红 |
地址: | 510515 广东省广州*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 自动 采样 厚度 检测 非线性 口腔 ct 全景 图像 合成 方法 | ||
自动采样厚度检测的非线性口腔CT全景图像合成方法,包括15个步骤。本发明的有益效果如下:第一、前期不需要人工设定断层图像范围。第二、能够自动计算和识别包含上下颌的断层图像范围,实现真正的全自动牙弓曲线提取。第三、在提取牙弓曲线的同时自动检测虚拟全景的采样厚度,克服人工设置过大或过小导致的虚拟全景合成存在的模糊或不全的问题,实现真正的全自动提取过程。本发明和现有方法相比,极大的提高的虚拟全景图像的清晰度和对比度,能够获得和真实X射线全景图像相近似的效果。
技术领域
本发明属于口腔CT重建数据的图像后处理技术领域,特别涉及自动采样厚度检测的非线性口腔CT全景图像合成方法。
背景技术
头部CT重建获取的断层图像所生成的虚拟全景图像是口腔CT图像后处理的一项重要功能,虚拟全景图像在口腔手术及口腔种植有广泛应用,虚拟全景图像在牙齿正畸、压槽骨及颞颌关节等疾病的诊断和治疗方面提供了上下颌的全局信息,精确牙弓线的生成是牙科全景图像生成必不可少的一个重要步骤,直接决定了虚拟全景图像生成的正确性和最终效果。
现有技术中,牙弓曲线检测方法可以分为直接方法和间接方法两类。直接方法是依次对输入的断层图像进行牙齿分割和形态学操作,获取所有断层的牙弓曲线,并从所有的牙弓曲线中选择最优的结果为最后的牙弓曲线。间接方法首先生成体数据不同角度的投影图像,在投影图像上经过分割和形态学操作获取牙弓曲线。直接方法可实现全自动牙弓曲线提取,但由于需要对所有输入断层图像进行操作,其计算量较大,运行时间较长,无法达到临床实际的需求。另外由于直接方法是从多个断层提取的牙弓曲线中获取最优结果,其本质是用局部来代表全局牙弓曲线,操作较大的偏差。间接方法具有速度快和直接表达全局牙弓曲线的优势,但是间接方法无法实现全自动的提取,需要人工设置断层图像的范围。直接方法和间接方法都存在的一个主要问题是虚拟全景图像的合成都采用ray-sum方法,如图10所示,合成的虚拟全景图像非常模糊,对比度差,直接影响医生对虚拟全景图像的观察。
现有技术中的牙弓曲线检测方法还有一个缺点,是需要人工设置虚拟全景的采样厚度,设置过大则虚拟全景图像会变的模糊;反之虚拟全景图像无法包含所有的上下颌解决结构信息。
因此针对现有技术不足,提供一种自动采样厚度检测的非线性口腔CT全景图像合成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自动采样厚度检测的非线性口腔CT全景图像合成方法。该自动采样厚度检测的非线性口腔CT全景图像合成方法能够极大的提高的虚拟全景图像的清晰度和对比度,能够获得和真实X射线全景图像相近似的效果。
本发明的上述目的通过以下技术措施实现:
提供一种自动采样厚度检测的非线性口腔CT全景图像合成方法,步骤包括有:
步骤一、输入口腔CT重建后体数据,得到体数据最大密度投影图像;
步骤二、对步骤一得到的体数据最大密度投影图像进行二维高斯滤波,得到滤波体数据最大密度投影图像;
步骤三、计算步骤二得到的滤波体数据最大密度投影图像的直方图,得到滤波体数据最大密度投影图像分割阈值;
步骤四、用步骤三得到的滤波体数据最大密度投影图像分割阈值对步骤二得到的滤波体数据最大密度投影图像进行分割,得到上下颌中牙齿在序列图像中范围;
步骤五、由步骤四得到的上下颌中牙齿在序列图像中范围生成得到横断面最大密度投影图像;
步骤六、统计步骤五得到的横断面最大密度投影图像的直方图,得到横断面最大密度投影图像分割阈值;
步骤七、根据步骤六得到的横断面最大密度投影图像分割阈值对步骤五得到的横断面最大密度投影图像进行分割,得到横断面最大密度投影图像分割结果;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南方医科大学,未经南方医科大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811226010.1/2.html,转载请声明来源钻瓜专利网。