[发明专利]基于深度学习的牙科CBCT三维牙齿分割方法

说明书

本发明公开了一种基于深度学习的牙科CBCT三维牙齿分割方法。本发明对CBCT图像序列中每张图像中的牙齿进行语义分割，从而去除噪声；构建深度监督的编码‑解码网络用于口腔CT图像的去噪，编码和解码的子模块通过一系列嵌套的密集跳跃路径进行相互连接，降低编码和解码子模块中特征图的语义缺失；具体包括四个阶段：阶段一、牙科CBCT图像的收集和预处理；阶段二、模型训练集的构造；阶段三、构建编码‑解码结构的网络分割模型；阶段四、模型训练及评估。实验结果表明，本发明对个体三维牙齿分割的Dice相似系数为95.64％。结果表明，本发明提出的方法为数字化牙科提供了一种有效的临床应用框架。

技术领域

本发明提供了一种基于深度学习的牙科CBCT三维牙齿分割方法。本发明针对牙科口腔的锥形束计算机断层摄影(CBCT)图像，构建深度学习语义分割模型对目标牙齿分割，得到去噪后的三维牙齿模型。

背景技术

随着人工智能快速创新和锥形束计算机断层扫描(CT)、口腔内和面部扫描仪以及牙齿三维(3D)打印的发展，数字化牙科正在快速发展。数字化牙科提高了牙医的效率，提高了正畸诊断、治疗和手术指南的准确性。数字牙科的一个基本组成部分是从CBCT图像中三维分割牙齿、颌骨和颅骨，此外精准的牙齿形状有助于医学的评估模拟。从CBCT图像中自动和准确的进行三维牙齿分割是一个困难的任务，口腔软组织、CBCT成像过程中的噪声等原因形成的噪声都会影响医生的诊断。牙齿分割的过程就是图像去噪，尽可能的保留牙齿部分，传统的去噪方法如中值滤波、维纳滤波、基于直方图的滤波等等，其处理效果远远不能满足牙科诊断的需求。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于深度学习的牙科CBCT三维牙齿分割方法。

对于牙科CBCT图像的牙齿分割问题，本发明采用的方法是对CBCT图像序列中每张图像中的牙齿进行语义分割，从而去除噪声。为此我们构建了一个深度监督的编码-解码网络用于口腔CT图像的去噪，编码和解码的子模块通过一系列嵌套的密集跳跃路径进行相互连接，设计这种跳跃连接的目的是为了降低编码和解码子模块中特征图的语义缺失。具体步骤包括：1、牙科CBCT图像的收集和预处理；2、模型训练集的构造；3、构建编码-解码结构的网络分割模型；4、模型训练及评估。实验结果表明，该方法对个体三维牙齿分割的Dice相似系数为95.64％。结果表明，本发明提出的方法为数字化牙科提供了一种有效的临床应用框架。

本发明解决其技术问题所采用的技术方案如下：

基于深度学习的CBCT图像牙齿分割、重建框架包含以下四个阶段，整个流程如图1所示，每个阶段都会有一系列的操作，四个阶段如下：

阶段一、获取牙科CBCT数据集。

阶段二、构建深度语义分割模型。

阶段三、模型训练。

阶段四、牙科CBCT数据分割和重建。

进一步，所述的阶段一获取牙科CBCT数据集的具体步骤实现如下：

1.1使用的牙科CBCT数据集由10位患者组成，每位患者CBCT数据的大小是512张512*512的dcm格式图像。

1.2为了未来进行单个牙齿分类的工作，用ITK-SNAP软件对深度学习语义分割模型的训练数据集进行标注；将CBCT图像的牙齿进行14类的标注，标签文件保存为nii文件格式，CBCT图像及其对应的标签可视化如图1。

1.3标注后的CBCT图像对应的标签，在灰度值图像中的像素对应关系是：像素值0对应背景，像素值1-14对应不同的牙齿，为了分割牙齿，将像素1-14的区域置为1，表示牙齿部分。图2中的a、b、c表示同一个患者不同切片的CBCT图像和对应的牙齿标签。

进一步，所述的阶段二构建深度语义分割模型，具体实现如下：