[发明专利]一种牙根图像交互标注方法

说明书

本发明公开了一种牙根图像交互标注方法，具体内容为：输入原始的牙根图像；在牙根图像的牙根顶部增加一个交互点，用于自动分割的初始定位；将交互点和原始的牙根图像一起输入基于U‑Net的带有改进后损失函数的神经网络，进行自动分割，得到分割结果，作为标注结果。本发明通过改进后的损失函数,使得神经网络在分割预测时更加关注到交互点，同时更加关注到预测分割得到的形状信息，从而得到牙根图像更准确的自动分割结果，以达到交互标注更好地辅助标注人员完成标注工作。本发明通过对自动分割神经网络的损失函数进行改进，使得神经网络更好的完成自动分割并辅助完成标注工作。

技术领域

本发明涉及牙根图像交互标注网络领域，具体涉及一种牙根图像交互标注方法。

背景技术

根管治疗主要针对牙齿内部，是治疗急性牙髓炎最有效的一种治疗方法。通过清除牙髓腔内的坏死组织，接着在消毒后重新填充牙髓腔，以解除病变组织对牙神经的压迫刺激，并且防止牙齿的情况进一步恶化。牙龈根管填充会存在过长，过短和恰好三种情况，在医学领域分别被称为冲，恰和嵌，不恰当的填充结果会造成不可估量的后期影响。目前，医学领域对于根管填充状态的评判任然依赖于医师的个人判断，一方面，人工判断的错误概率无法得到保证，另一方面，检测的速度慢，效率低下，占用医师的治疗时间。

而医学图像分割目的是将医学图像中具有某些特殊含义的部分分割出来，提取相关特征，为临床诊疗和病理学研究提供可靠的依据，辅助医生作更为准确的诊断。

图像分割为了获得高质量的图像分割结果，通常需要用户提供三分图或者用户交互性的输入前景和背景线条，随后通过建立最优化模型传播信息到整个图像，从而完成图像分割。目前牙根图像分割受到多重因素的影响：(1)医生时间和精力的大量投入；(2)牙根与组织之间界限的模糊不清；(3)人体头部骨骼对牙根图像的影响等，极大的导致人力和资源的消耗，并且无法保证图像分割的准确率。

发明内容

本发明的目的是为了克服现有技术存在的缺点和不足，而提供一种牙根图像交互标注方法，以解决上述背景技术中提出的问题。

本发明具体是基于对医学图像分类领域的经典U-Net网络加以损失函数上的改进，使得神经网络更好的辅助完成针对牙根图像的标注工作。

一种牙根图像交互标注方法，包括如下步骤：

S1、输入原始的牙根图像；

S2、在牙根图像的牙根顶部增加一个交互点，用于自动分割的初始定位；

S3、将步骤S2中的交互点和原始的牙根图像一起输入基于U-Net的带有改进后损失函数的神经网络，进行自动分割，得到分割结果，作为标注结果。

步骤S1中，所述的原始的牙根图像包括牙根。

步骤S3中，所述的基于U-Net的带有改进后损失函数的神经网络包括：U-Net网络和改进后损失函数。

将步骤S2中的交互点和原始的牙根图像一起输入基于U-Net的带有改进后损失函数的神经网络，进行自动分割，得到分割结果，具体包括：

S3.1、计算U-Net网络预测的分割结果的最高点和步骤S2中的交互点(即牙根的最高点)的欧式距离。

S3.2、计算U-Net网络预测的分割结果的轮廓形状和标准分割结果的轮廓形状的傅里叶描述子差值；

S3.3、将S3.1得到的欧式距离和S3.2得到的傅里叶描述子差值计算得出改进后损失函数；

S3.4、通过步骤S3.3的改进后的损失函数迭代训练U-Net网络，得到U-Net网络的参数值；

S3.5通过步骤S3.4确定的U-Net网络的参数值，对新输入带交互点的牙根图像通过U-Net网络进行自动分割，作为标注结果。