[发明专利]一种利用关键点检测多项式拟合曲线对牙根影像分割方法

说明书

本发明公开了一种利用关键点检测多项式拟合曲线对牙根影像分割方法，包括：将原始的根管影像作为模型的输入，使用自动旋转模块调整图片中的根管角度，生成根管角度竖直的标准影像。将生成的标准影像作为高分辨率深度神经网络(HRNet)的输入，利用HRNet神经网络多分辨卷积的优点，检测出牙根头部边界的多个特征点的坐标。将先求所有特征点与相邻特征点之间距离的平均值，并遍历计算每个特征点与其先后两个相邻特征点的距离。使用短距离敏感算法，遍历随机去除1‑5个特征点的所有情况，取短距离敏感距离的最小情况对应的曲线作为最终的输出牙根头部边界曲线。

技术领域

本发明涉及牙根模糊边界的分割和口腔医学牙根边界检测领域，具体涉及一种利用关键点检测多项式拟合曲线对牙根影像分割方法。

背景技术

根管治疗是最常用于治疗牙髓病和根尖周病的有效方法。根管治疗的原理是通过机械和化学方法去除患者根管内的大部分感染物，并通过填充根管、封闭冠部的方式，防止发生根尖周病变或促进已经发生的根尖周病变的愈合。为了确定后续治疗将采用的方法，医师需要对患者的治疗部位的X光影像给出评价，认定根管填充和封闭的效果。在口腔医学中，填充过度、恰好、过短分别被称为冲、恰、嵌。在本发明中提出的一种利用关键点检测多项式拟合曲线对牙根影像分割方法将通过深度学习实现对于牙根边界的分割。

把图像分成若干部分特定的具有独特性质的区域并且提出感兴趣目标的技术，被称作图像分割。作为从图像处理到图像分析的关键步骤，是人工智能领域的一个重要研究方向。利用神经网络模型实现图像分割，可以避免观察者不同可能导致的偏差，降低人工识别的成本，提高根管分割的准确率。

我们的利用关键点检测多项式拟合曲线对牙根影像分割方法在解决根管分割的问题上具有较好的适用性、准确性、鲁棒性以及运行效率。其中提出的短距离敏感算法能够自动减小错误标记点带来的负面影响，具有较强的检错纠错能力。

使用传统的图像分割算法模型对于确定根管边界的结果无法达到令人满意的程度。根管的边界具有模糊的特性，而且牙齿周围一些组织的影像结构也可能会对根管边界的确定造成影响，这些因素都是会对于模型的准确率造成较大的干扰。

根管治疗的评价指标是基于根管头和牙根尖端的相对位置关系来给出的，而一些传统的牙齿分割方法是对整颗牙齿进行了分割，占用了不必要的计算资源和参数，而根管治疗只要求头部的精准分割，不需要这些不必要的参数。

现有的这些算法模型对于根管头部的分割是不适用的，它们的缺点会给准确评估根管治疗效果带来较大的负面作用，可能会干扰医师的判断，甚至给后续治疗方案的制定造成事故。

发明内容

本发明主要针对以往根管治疗效果评估算法存在的技术缺陷，提出了一种利用关键点检测多项式拟合曲线对牙根影像分割方法，其中短距离敏感算法有效地提升了方法的效率。

本发明提出的算法模型可以以更小的资源消耗得到更精准的根管治疗效果评估，为根管后续的治疗提供了可靠的评估指标。

一种利用关键点检测多项式拟合曲线对牙根影像分割方法，该方法包括以下步骤：

S1、将原始的牙根影像作为模型的输入；

S2、使用自动旋转模块调整图片中的根管角度，生成根管角度竖直的标准影像；

S3、将步骤S2中生成的标准影像作为高分辨率深度神经网络(HRNet)的输入，检测出牙根头部边界的多个特征点的坐标；

S4、将步骤S3中检测得到的特征点采用最小二乘法得到二次多项式曲线，选出最佳的二次多项式拟合曲线作为牙根影像的分割结果。

步骤S1中，原始的牙根影像包括牙根以及填充了牙胶的根管。