[发明专利]一种牙体检测模型、模型生成方法及牙体分割方法

说明书

本申请提供一种牙体检测模型、模型生成方法及牙体分割方法。该模型包括下采样层、第五Unet模块、上采样层、第一门控层、第二门控层、第三门控层及第十Unet模块；下采样层包括依次连接的第一Unet模块、第二Unet模块、第三Unet模块及第四Unet模块；上采样层，包括第六Unet模块、第七Unet模块、第八Unet模块及第九Unet模块。本申请实施例中，在上采样层外侧设置门控层，进而通过门控层能够将前一层的特征与当前上采样层的特征进行融合，提高后续上采样的采样效果，避免出现上采样时尺寸不匹配或与前一层的语义不在同一维度的情况。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种牙体检测模型、模型生成方法及牙体分割方法。

背景技术

牙颌图像的分析是口腔诊疗过程中必不可少的一环。近年来，随着医学影像的发展，越来越多更加精确、高效的影像技术开始进入临床，而锥形束计算机断层扫描技术(Cone-beam computed tomography，CBCT)作为其中重要的一员，以其低辐射量、操作简单、短扫描时间、高分辨率、显示清晰等优点获得了越来越多临床工作者的认可，并在口腔数字化治疗领域(正畸、牙齿种植、牙体牙髓治疗等)显示出了广阔应用前景，极大提高了口腔诊疗的效率。然而在实际运用中，CBCT数据量大，一个病人上下牙列的CBCT横断面图多达200张(层距为0.25mm)，在观察和整合CBCT的三维信息上，传统的逐层阅读，手动分割模式非常耗时。另外，现有CBCT配套软件中采用的“体绘制”模式进行的三维重建时，三维模型并不能显示牙根部分(牙槽骨遮盖)，并且数据不能进行编辑。这些让临床医生在参考CBCT图像、三维建模图像来进行诊疗方案的设计上带来了极大的不便。

随着深度学习的发展，现有的医学图像分割升级网络主要有UNet(一种网络模型)、AttentionUNet(一种网络模型)和UNet+CBAM(一种网络模型)。但它们在处理小样本小目标的数据集时，无法准确捕捉准确的语义信息，导致错误的分割和产生小的分割噪音，特别是在定位牙根的区域上常常多分割或漏分割。一些网络对于连续和不连续区域的区分并不有效，尤其是在邻牙接触点区域，无法识别出这是两颗不同的牙。

发明内容

本申请实施例的目的在于提供一种牙体检测模型、模型生成方法及牙体分割方法，以提高对于牙体的分割效果。

本发明是这样实现的：

第一方面，本申请实施例提供一种牙体检测模型，包括：下采样层，包括依次连接的第一Unet模块、第二Unet模块、第三Unet模块及第四Unet模块；所述下采样层用于接收牙齿图像，并降低所述牙齿图像的尺寸，以得到浅层次特征；第五Unet模块，与所述第四Unet模块连接；上采样层，包括第六Unet模块、第七Unet模块、第八Unet模块及第九Unet模块；所述第六Unet模块与所述第四Unet模块连接，所述第七Unet模块与所述第三Unet模块连接，所述第八Unet模块与所述第二Unet模块连接，所述第九Unet模块与所述第一Unet模块连接；所述上采样层用于将经所述下采样层处理后的牙齿图像进行尺寸还原，并得到深层次特征；第一门控层，与所述第五Unet模块及所述第六Unet模块连接，所述第一门控层用于将所述第五Unet模块得到的浅层次特征与所述第六Unet模块得到的深层次特征融合，并将融合结果传递至所述第七Unet模块；第二门控层，与所述第七Unet模块及所述第一门控层连接，所述第二门控层用于将所述第七Unet模块得到的特征与所述第一门控层处理后的特征进行融合处理，并将融合结果传递至所述第八Unet模块；第三门控层，与所述第八Unet模块及所述第二门控层连接，所述第三门控层用于将所述第八Unet模块得到的特征与所述第二门控层处理后的特征进行融合处理，并将融合结果传递至所述第九Unet模块；第十Unet模块，与所述第九Unet模块及所述第三门控层连接，所述第十Unet模块用于将所述第九Unet模块得到的特征与所述第三门控层处理后的特征进行合并，以输出目标特征图像。