[发明专利]一种交互式对象更新方法、装置及处理系统

说明书

本发明涉及一种交互式对象更新方法、装置及处理系统，属于图像处理技术领域，解决了现有分割方法中存在局部分割错误等问题。方法包括：检索参考图像和与参考图像相对应的分割图像，参考图像为CBCT图像；从分割图像中提取不合格子对象，不合格子对象包括分割图像的子对象切片与参考图像中正确的牙齿走向不一致的子对象；对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象；以及将更新的合格子对象和分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新重新分割图像中的各个子对象的编号，其中，更新的重新分割图像中的不同牙齿具有不同编号。通过局部分割和/或合并操作大幅度提高了分割速度和准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种交互式对象更新方法、装置及处理系统。

背景技术

牙齿锥束计算机断层扫描(CBCT)是一种诊断成像技术，被广泛用于牙科疾病和牙科问题的研究。CBCT图像中单颗牙齿的分割有助于牙医观察目标牙齿的切片或体积，从而实现更精确的诊断决策和治疗计划。此外，单颗牙齿分割是形成数字牙齿排列、模拟牙齿运动并建立牙齿设置的必要步骤。但是，手动分割牙齿很繁琐、耗时且容易导致观察者内和观察者之间的差异。一种自动分割单颗牙齿的方法可以消除牙齿边界描绘中的主观误差，并减少牙医的工作量。

随着深度学习的发展，数据驱动方法已在许多图像处理领域中使用，并产生了可喜的结果。然而，直到最近，还没有提出使用深度学习对CBCT图像中的单颗牙齿进行分割的方法。Cui等人利用3D mark R-CNN作为基础网络来实现自动牙齿分割和CBCT图像识别，该方法仅关注不包含智齿的牙齿数据集(Z.Cui,C.Li,and W.Wang,“ToothNet:AutomaticTooth Instance Segmentation and Identification from Cone Beam CT Images,”inConference on Computer Vision and Pattern Recongnition(CVPR),CA,USA,2019,pp.6368 6377.)。考虑到患者的牙齿数量和类别不同，在口腔环境中将单颗牙齿分割而不忽略任何牙齿在临床应用中将是有益的。Chen等人使用全卷积网络(FCN)来预测牙齿区域和非牙区域，然后通过控制标记符分水岭算法从牙齿区域中分割出单颗牙齿，从而实现牙齿CBCT图像中的单颗牙齿分割(Y.Chen,H.Du,Z.Yun.et al；“Automatic segmentation ofindividual tooth in dental CBCT images from tooth surface map by a multi-taskFCN”,in IEEE Access,vol.8,pp.97296-97309,2020.)，但是Chen等人的分水岭算法过于简单，无法考虑各种类型和各种数量的牙齿；此外，该分水岭算法的精度也无法满足实际应用需求。

分水岭算法是一种常用的图像分割方法，在实际临床使用中，为了保证分水岭算法的泛化性和时效性，分水岭算法会被调参为适用大多CBCT数据的普适性算法。但是考虑到牙齿数量、形态、位置等复杂性，当分水岭算法中边界信息不够精准、牙齿残缺、牙齿修补以及牙齿边界有残留异物时，容易导致普适性分水岭算法应用于牙齿实例分割时发生局部分割错误。因此，为了牙齿实例分割的精确性，如何对局部牙齿中出现的错误进行修正，面临着巨大难题。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种交互式对象更新方法、装置及处理系统，用以解决现有分割方法中存在局部分割错误等问题。