[发明专利]使用深度学习方法对3D牙齿数据进行自动分类和归类

权利要求书

1.一种用于处理表示牙颌面结构的3D数据的计算机实现的方法，包括：

计算机接收3D数据，优选地3D锥束CT(CBCT)数据，3D数据包括牙颌面结构的体素表示，牙颌面结构包括牙列，体素至少与辐射强度值相关联，体素表示的体素定义图像体积；

计算机将体素表示提供给第一3D深度神经网络的输入，3D深度神经网络被训练为将体素表示的体素分类为一个或多个牙齿类，优选地分类为牙列的至少32个牙齿类；第一深度神经网络包括定义第一卷积路径的多个第一3D卷积层、以及定义平行于第一卷积路径的第二卷积路径的多个第二3D卷积层，第一卷积路径被配置为在其输入处接收体素表示的第一体素块，并且第二卷积路径被配置为在其输入处接收体素表示的第二体素块，第一体素块和第二体素块在图像体积中具有相同或基本相同的中心点，并且第二体素块表示的现实世界维度下的体积大于第一体素块的现实世界维度下的体积，第二卷积路径确定第一体素块的体素的上下文信息；第一卷积路径和第二卷积路径的输出连接到至少一个全连接层，全连接层用于将第一体素块的体素分类为一个或多个牙齿类；以及

计算机从第一3D深度神经网络的输出接收牙颌面结构的体素表示的分类的体素。

2.如权利要求1所述的方法，其中第二体素块的体积大于第一体素块的体积，第二体素块表示第一体素块的下采样版本，优选地，下采样因子在20和2之间选择，更优选地，在10和3之间选择。

3.如权利要求1或2所述的方法，还包括：

计算机基于分类的体素确定牙颌面结构的单个牙齿的一个或多个体素表示；

计算机向第二3D深度神经网络的输入提供单个牙齿的所述一个或多个体素表示中的每一个体素表示，第二3D深度神经网络被训练为将单个牙齿的体素表示分类为牙列的多个牙齿类中的一个，每个牙齿类与候选牙齿类标签相关联，经训练的第二3D神经网络为候选牙齿类标签中的每一个生成激活值，与候选牙齿类标签相关联的激活值定义单个牙齿的体素表示对由该候选牙齿类标签指示的牙齿类进行表示的可能性。

4.如权利要求1-3中的任一项所述的方法，还包括：

确定牙列的归类，包括：定义候选牙列状态，每个候选状态是通过基于激活值向单个牙齿的多个体素表示中的每一个体素表示指派候选牙齿类标签而形成的；以及基于一个或多个条件评估候选牙列状态，所述一个或多个条件中的至少一个条件要求不同的候选牙齿类标签指派单个牙齿的不同体素表示。

5.如权利要求1-4中的任一项所述的方法，还包括：

计算机使用预处理算法来确定牙颌面结构的3D位置特征信息，3D位置特征信息为每个体素在体素表示中定义与体素在图像体积中相对于牙齿参考对象的位置的位置有关的信息，牙齿参考对象例如是颌、牙弓和/或一个或多个牙齿；以及

在将3D数据提供给第一深度神经网络的输入之前，计算机将3D位置特征信息添加到3D数据，所添加的3D位置特征信息为3D数据提供附加数据通道。

6.如权利要求1-5中的任一项所述的方法，还包括：

计算机基于经训练的第三神经网络对由第一3D深度神经网络分类的体素进行后处理，第三深度神经网络被训练为在其输入处接收由第一深度神经网络分类的体素，并校正由第一深度神经网络错误分类的体素，优选地，第三神经网络基于在第一深度神经网络的训练期间分类的体素作为输入、并基于训练集的3D图像数据的部分牙颌面结构的一个或多个3D数据集作为目标来进行训练。