量化龋齿的方法与流程

技术领域

本发明一般涉及牙齿成像领域，尤其涉及龋齿的早期检测的方法和装置。更具体地说，本发明涉及用于量化使用荧光和光的散射捕获的牙齿图像中的龋齿的方法和装置。

背景技术：

尽管在检测、治疗和预防技术方面已经有了进步，但是龋齿仍然是影响所有年龄人群的普遍疾病。如果没有被适当而及时地医治的话，龋齿可能导致永久性牙齿损伤甚至牙齿脱落。

龋齿检测的传统方法包括视觉检查和用尖锐的牙齿探针器件碰触探测，经常辅以射线照相（X射线）成像。使用这些方法的检测是有些主观的，由于许多因素而在准确度方面改变，这些因素包括医师经验、感染点的位置、感染范围、观察条件、X射线设备和处理的准确度以及其它因素。还有一些与传统检测技术有关的危险，包括利用碰触方法会损害虚弱的牙齿和传播感染以及暴露到X射线辐射的危险。到了龋齿状态在视觉和碰触检查下很明显的时候，病情一般已经在需要补牙并且如果没有及时处理的话，有可能导致牙齿脱落的晚期。

响应对改进的龋齿检测方法的需要，人们已经对不使用X射线的改进的成像技术产生了相当大的兴趣。一种方法利用荧光，其中用高强度蓝光照射牙齿。这种技术，有时候被称为“定量光导荧光（quantitative light-induced fluorescence, QLF）”，是基于以下原理工作的：健全的、健康的牙齿珐琅（enamel）与已经被龋齿感染损害的、去矿物质化的（de-mineralized）的珐琅相比在来自某些波长的激励下产生更高强度的荧光。于是矿物质损失和蓝光激励的荧光损失之间的关联被用于识别并评估牙齿的龋齿区域。对红光激励已经发现了不同的关系，在这种光谱区域中，龋齿区域中的细菌和细菌副产品比健康区域更明显地吸收并发出荧光。

申请人注意到了与龋齿的光学检测有关的一些参考资料。

专利号为4,515,476的美国专利（Ingmar）描述了使用激光来提供产生某种其它波长的荧光以定位龋齿区域的激励能量。

专利号为6,231,338的美国专利（de Josselin de Jong等人）描绘了用于使用荧光检测识别龋齿的成像装置。

公开号为2004/0240716的美国专利申请（de Josselin de Jong等人）描绘了用于对从发荧光的组织获得的图像进行改进的图像分析的方法。

专利号为4,479,499的美国专利（Alfano）描绘了根据牙齿结构的半透明特性使用透射检测龋齿的方法。

在使用荧光特性进行牙齿成像的产品中，有一种是来自荷兰阿姆斯特丹的检查研究系统BV（lnspektor Research Systems BV）的QLF临床系统（QLF Clinical System）。来自美国伊利诺斯州苏黎士湖（Lake Zurich, Illinois, USA）的Kavo牙齿公司（Kavo dental Corporation）的Diagnodent激光龋齿检测辅助（Diagnodent Laser Caries Detection Aid）通过在红光照射下监视细菌副产品的荧光强度而检测龋齿活动。

公开号为2004/0202356的美国专利申请（Stookey等人）描述了荧光的光谱变化的数学处理，以改进的准确度检测不同阶段的龋齿。意识到使用光谱荧光测量时早期检测的困难，Stookey等人的'2356专利申请描述了增强得到的光谱值、实现适于获得荧光图像的照相机的频谱响应的光谱数据的转换的方法。

尽管所描述的方法和装置意在是非侵入性的、非离子化的龋齿检测成像方法，然而仍然有改进空间。使用荧光成像的现有技术的一个公认缺点跟图像对比度有关。诸如QLF的荧光产生技术所提供的图像由于健康和感染区域之间相对较差的对比度可能难以评估。如同Stookey等人的'2356专利申请所指出的，初期龋齿的光谱和强度变化可能是非常细微的，使得非疾病性的牙表面不规则与初期龋齿难以区分。

总之，已经意识到，使用荧光技术，得到的图像对比度对应于状态的严重程度。使用这些技术对龋齿准确识别经常要求该状态在较晚的阶段（在初期或早期龋齿后），因为龋齿和健全牙齿的结构之间的荧光差异对于早期阶段的龋齿是非常小的。在这样的情况下，使用荧光技术的检测准确度可能没有表现出相对传统方法的明显进步。因为这个缺点，荧光效应的使用显得有一些实际限制，这阻止了初期龋齿的准确诊断。因此，龋齿状态可能直到更严重（例如，需要补牙）时才被发现。

很早期阶段的龋齿检测是预防牙科学特别感兴趣的。如同早前提到的，传统方法一般不能检测到在状态可逆的阶段的龋齿。作为一般经验，初期龋齿是还没有实质上穿透到牙齿珐琅中的损害。如果这种龋齿损害在它威胁到牙齿的牙本质部分之前就可以被识别的话，可以经常进行矿物质补充（remineralization），而逆转早期损伤并避免补牙的需要。然而，更后期的龋齿变得越来越更难以治疗，通常经常需要某种形式的补牙或者其它形式的介入（intervention）。

为了利用非侵入式牙齿技术来预防龋齿，必需在一开始就检测出龋齿。在许多情况下，如同在Stookey等人的'2356专利公开文本中承认的一样，已经发现使用诸如QLF的现有的荧光成像技术难以实现这种水平的检测。因此，早期龋齿一直没有能被发现，从而到了获得肯定的（positive）检测的时候，使用低成本预防措施进行逆转的时机可能就丧失。

在公开号为2008/0056551的共同转让的美国专利申请中，使用利用牙齿的反射图像和荧光图像两者的方法和装置来检测龋齿。它对初期龋齿利用观察到的反向散射（back-scattering），或反射，并结合荧光效应，来提供检测龋齿的改进的牙齿成像技术。这种技术，被称为具有反射增强的荧光成像（FIRE），有助于增加图像相对于以前的方式的对比度，并使得检测处于预防措施有可能有效的阶段的初期龋齿成为可能。有利地，与使用只测量荧光的现有的荧光方式所呈现的相比，FIRE检测在龋齿感染的更早期阶段可以准确。该申请描述了产生FIRE图像的降速变换（downshifting）方法。

名称为“METHOD FOR DETECTION OF CARIES（检测龋齿的方法）”的共同转让的同时待审的PCT/CN2009/000078描述了用于产生具有对照明度的变化有更低的灵敏度的FIRE图像的形态学方法。

基于诸如荧光图像的牙齿的数字图像的龋齿的量化提供了有关损害区域的严重度的数字信息并且可以帮助牙科医生制定并执行治疗计划。对于牙医来说，它可能是龋齿的纵向监视的有用工具以便观察每个损害区域随时间的演变。公开号为2004/0240716的美国专利申请已经揭示了一些用于龋齿量化的方法；然而，所揭示的方法通常要求由用户从图像的健全牙齿区域中人工提取损害区域，且它们是基于只有荧光的图像的。从图像中人工提取损害区域提出两个问题。首先，提取过程慢，需要用户在图像上进行许多次鼠标点击或划线以指明损害区域的边界。其次，人工提取就用户而言要求相当多的龋齿诊断经验，而且通常是主观的。另外，只有荧光的图像以相对低的对比度显示初期龋齿，进一步增加了人工损害提取过程的困难。因此，在所揭示的方法中，最多只实现了折衷的龋齿量化结果。

因此，可以看出，需要量化牙齿图像中的龋齿的改进方法，该方法包含基于牙齿的数字图像，特别是基于牙齿的FIRE图像或荧光图像从健全牙齿区域自动提取损害区域的步骤。

技术实现要素：

本发明的一个目的是提供用于量化牙齿的数字图像中的龋齿（尤其是在龋齿的较早期）的方法。

本发明的另一个目的是提供基于牙齿的FIRE图像量化龋齿的方法。

本发明的一个特征是，龋齿损害是在FIRE图像中被自动提取的，FIRE图像中的高对比度提供了龋齿识别的改进的灵敏度和准确度。

本发明的一个优点是，牙齿图像中的龋齿损害是在没有用户干预的情况下被提取和量化的，从而提供了龋齿识别和监视的高效的工作流程。

这些目的只是通过说明性例子的方式给出的，而这些目的可以是本发明的一个或多个实施方式的示例。由所揭示的发明固有地实现的其它理想的目的和优点对熟悉本领域的人员来说是可以发生的或显而易见的。本发明由所附的权利要求限定。

根据本发明的一个方面，提供量化龋齿的方法，至少部分地在诸如计算机硬件的数据处理硬件上执行，该方法包含以下步骤：产生牙齿的数字图像，该图像包含对应于该牙齿、牙龈和背景的像素区域的实际强度值；通过识别牙齿区域、提取可疑损害区域以及除去假肯定值（false positive）而从健全牙齿区域提取损害区域；识别邻近提取的损害区域的邻近健全区域；根据该邻近健全区域中的值，对该损害区域内的牙齿组织重建强度值；以及使用该重建的强度值和来自该损害区域的强度值量化该龋齿的状态。

在本发明的上述方法中，其中产生该牙齿的该数字图像包含获得该牙齿的荧光图像。

在本发明的上述方法中，其中产生该牙齿的该数字图像包含：获得该牙齿的荧光图像；获得该牙齿的反射图像；以及组合该荧光和反射图像的图像数据。

在本发明的上述方法中，其中识别牙齿区域包含子步骤：通过选择高于第一预定门限值c1的强度数据值，从该牙齿的灰度级荧光图像产生第一门限图像；通过选择高于第二预定门限值c2的强度数据值，从该牙齿的灰度级反射图像产生第二门限图像；从该第一和第二门限图像的交集产生初步牙齿区域图像；通过选择高于第三预定门限值c3的强度数据值，从该灰度级荧光图像产生参考二值图像，其中门限值c3超过门限值c1；以及从在该初步牙齿区域图像中以及连接到该参考二值图像中的对象的区域中产生提炼的牙齿区域图像。

在本发明的上述方法中，其中该灰度级荧光图像和该灰度级反射图像中的一个或两个分别是从该荧光图像和反射图像的绿色信道获得的。

在本发明的上述方法中，进一步包含使用求门限识别一个或多个牙齿区域。

在本发明的上述方法中，其中提取该可疑损害区域包含使用由标记控制的分水岭算法。

在本发明的上述方法中，其中提取该可疑损害区域包含使用基于形态底帽的方法与多分辨率和表面重建技术。

在本发明的上述方法中，其中除去假肯定值包含定位邻间区域和除去邻间假肯定值。

在本发明的上述方法中，其中提取该可疑损害区域包含：识别一个或多个内部标记；识别一个或多个外部标记；形成梯度图像；以及对该梯度图像应用由标记控制的分水岭转换。

在本发明的上述方法中，其中提取该可疑损害区域进一步包含：对在全分辨率的该数字图像应用底帽操作以产生原始底帽图像；下采样该原始底帽图像以形成一个或多个降低的分辨率底帽图像；对该原始底帽图像和对该一个或多个降低的分辨率底帽图像应用形态底帽操作以形成多个形态底帽处理图像；对该多个形态底帽处理图像中的每一个应用门限操作以形成多个二值底帽处理图像；插值该多个二值底帽处理图像中的每一个到该全分辨率以形成多个插值图像；以及将一个或多个可疑损害区域识别为该多个插值图像的并集。

在本发明的上述方法中，其中定位邻间区域包含用以下步骤定位具有清晰界限的邻间区域：对该牙齿的该数字图像的二值图像应用距离转换以定位该二值图像中具有从识别的牙齿区域的边界测量的最大距离的像素；将连接到定位的像素的识别的牙齿区域指定为第一对象；将没有连接到该定位的像素的识别的牙齿区域指定为第二对象；以及将该邻间区域限定为该背景中到该第一和第二对象有相同距离的像素。

在本发明的上述方法中，其中定位邻间区域包含用以下步骤定位不具有清晰界限的邻间区域：在该牙齿的二值图像中限定起始点；以多个角度从该起始点投射射线的扇形；在每个射线首先与牙齿和背景区域之间的界限相交的点处限定轮廓线；确定内部和外部标记；对具有该内部和外部标记的该数字图像的灰度级版本的梯度图像应用由标记控制的分水岭转换以形成第一和第二组流域；以及将到该第一和第二组流域有相同距离的像素作为邻间区域。

在本发明的上述方法中，其中定位邻间区域包含用以下步骤定位不具有清晰界限的邻间区域：对该牙齿的该数字图像的二值图像应用距离转换，以形成距离图像，在该距离图像中每个像素值代表那个像素到该牙齿的该背景的最近距离；使用该距离图像确定内部和外部标记；对具有该内部和外部标记的该数字图像的灰度级版本的梯度图像应用由标记控制的分水岭转换以形成两组流域；以及将到该两组盆地有相同距离的像素作为邻间区域。

在本发明的上述方法中，其中识别该邻近健全区域、重建强度值和量化该龋齿的状态的步骤中的至少一个是在该荧光图像上执行的。

在本发明的上述方法中，其中重建强度值的步骤是通过由双线性插值、表面拟合和通过求解拉普拉斯方程的插值中的一项或多项组成的过程而执行的。

在本发明的上述方法中，其中量化该龋齿的状态包含计算该损害区域的荧光损失或计算该损害区域的面积。

本发明提供量化龋齿的方法，至少部分地在数据处理硬件上执行，包含以下步骤：根据该牙齿获得荧光图像数据，根据该牙齿获得反射图像数据，以及将该荧光图像数据与该反射图像数据组合以形成该牙齿的数字图像；从健全牙齿区域提取损害区域；识别邻近提取的损害区域的邻近健全区域；根据该邻近健全区域中的值，对该损害区域内的牙齿组织重建强度值；以及使用重建的强度值和来自该损害区域的强度值量化该龋齿的状态。

在本发明的上述方法中，其中提取该损害区域包含识别牙齿区域、使用由标记控制的分水岭算法提取可疑损害区域以及除去假肯定值。

在本发明的上述方法中，其中提取该损害区域包含识别牙齿区域、使用基于形态底帽的方法和多分辨率以及表面重建技术提取可疑损害区域、以及除去假肯定值。

在本发明的上述方法中，进一步包含通过定位邻间区域和除去邻间假肯定值而除去假肯定值。

附图说明

根据下面如附图中所示的本发明的实施例的更具体的描述，本发明的前述和其它目的、特征、和优点会显而易见。各图中的元件不是必需彼此成比例的。

图1显示了根据本发明的包含五个步骤的用于量化龋齿的方法。

图2A、2B、2C分别说明性地显示了典型的反射图像、荧光图像和FIRE图像。

图2D是显示用于组合牙齿图像数据以产生FIRE图像的过程的视图。

图3A显示了数字图像产生步骤的实施例。

图3B显示了FIRE图像中的牙齿区域，其具有在提取步骤中识别出的损害区域。

图3C显示了根据本发明的用于从健全牙齿区域提取损害区域的步骤的实施例。

图3D显示了健全区域识别步骤之后的FIRE图像，其具有在健全牙齿区域的扩张线（dilated line），以及分开健全牙齿区域和损害区域的损害分割（segmentation）边界。

图3E显示了使用双线性插值法的强度重建步骤的实施例。

图4A显示了三个牙齿的二值图像。

图4B显示了根据从起始点出发的射线的扇形形成的轮廓线。

图4C显示了确定的内部和外部标记。

图4D是由标记控制的分水岭结果的图示。

图4E是邻近的牙齿之间的中间线（interlines）的图示。

图5A显示了类似于图4A的三个牙齿的二值图像。

图5B显示了根据图5A的图像的距离转换形成的距离图像Idist。

图5C显示了播种区域（seeded area）的种子点。

图5D显示了内部和外部标记。

图5E是在由标记控制的分水岭和距离变换处理之后中间线的图示。

图6A显示了根据本发明的包含产生FIRE图像的用于龋齿量化的方法。

图6B显示了根据本发明的用于龋齿量化的方法，该方法包含产生FIRE图像的步骤和在从健全的牙齿区域中提取损害区域的步骤中的子步骤。

具体实施方式

下面是参考附图对本发明的优选实施例的详细说明，在附图中，相同的参考数字代表若干幅图中每一幅图中的相同结构的元件。

参考Wei Wang等人2009年1月20日提交的、名称为“METHOD FOR DETECTION OF CARIES（用于检测龋齿的方法）”的PCT/CN2009/000078。

参考Wong等人的、公开号为2008/0056551、2008年3月6日公开的、题为“METHOD FOR DETECTION OF CARIES（用于检测龋齿的方法）”的美国专利申请。

参考Liang等人的、公开号为2008/0063998、 2008年3月13日公开的、名称为“APPARATUS FOR CARIES DETECTION（用于龋齿检测的装置）”的美国专利申请。

参考Burns等人的、公开号为2008/0170764、 2008年7月17日公开的、名称为“SYSTEM FOR EARLY DETECTION OF DENTAL CARIES（用于龋齿的早期检测的系统）”的美国专利申请。

参考Wong等人的、公开号为2007/0099148、2007年5月3日公开的、名称为“MTHOD AND APPARATUS FOR DETECTION OF CARIES（用于龋齿检测的方法和装置）”的美国专利申请。

本发明包括计算步骤。熟悉本领域的人员会意识到，这些计算步骤可以由数据处理硬件来执行，这些数据处理硬件提供有用于图像数据处理的指令。因为这样的图像处理系统是熟知的，所以本发明更加尤其地针对执行本发明的方法的算法和系统。这样的算法和系统的其它方面，以及用于产生以及以其它方式处理图像信号的数据处理硬件和/或软件可以是选自现有技术中已知的这样的系统、算法、部件和元件。在给出如下面的详细说明中所阐述的描述后，其软件实现对精通程序设计领域的人员来说是普通技术。

存储的这样的软件程序的指令可以存储在计算机可读介质中，这些介质可包含，例如：诸如为磁盘或磁带的磁存储介质；诸如为光盘、光带（optical tape）或机器可读条形码的光存储介质；诸如随机存取存储器（RAM）或只读存储器（ROM）的固态电子存储器件；或用于存储计算机程序的任何其它物理设备或介质。使用这样的软件，本发明可以用在数据处理硬件装置上，比如为计算机系统或个人计算机，或用在使用专用数据处理部件的嵌入系统上，比如为数字信号处理芯片。

在本公开内容中，“强度”这个词用于指亮度级，也被宽泛地用于指数字图像中的像素的值。

本文中所使用的术语“流域（water basin）”是行业术语，用于描述被识别的、且在成像领域中用于执行由标记控制的分水岭转换的结构。有时候用同样的方式使用术语“汇水盆地（catchment basin）”。本公开内容中对“流域”的引用指的是这种成像领域构造。

参考图1，至少部分地在诸如计算机硬件的数据处理硬件上执行的用于量化龋齿的方法，包含产生牙齿的数字图像的步骤110，该图像包含对应于牙齿、牙龈和背景的像素区域的实际强度值；通过识别牙齿区域、提取可疑损害区域和除去假肯定值（false positive）而从健全的牙齿区域提取损害区域的步骤120；识别邻近提取的损害区域的健全区域的步骤130；根据邻近的健全区域中的值重建损害区域内的牙齿组织的强度值的步骤140；以及使用重建的强度值和来自损害区域的强度值量化龋齿状态的步骤150。注意，本申请全文中使用的短语“提取损害区域”意思是识别数字牙齿图像中的至少一个损害区域。

图2A、2B和2C分别说明性地显示了牙齿表面的典型的反射图像167、荧光图像168和FIRE图像169，该牙齿表面包括健全牙齿区域164和早期损害区域（或龋齿区域）162。一般来说，在诸如白光反射图像的反射图像中，早期龋齿区域的强度比它们周围的健全区域的强度高。相反，在诸如为在蓝色激励光下获得的荧光图像的荧光图像中，因为龋齿区域中的荧光损失，龋齿区域的强度比它们周围的健全区域的强度低。FIRE图像是通过从荧光图像中减去反射图像的局部最大值和圆顶（dome）区域而获得的。因此，该FIRE图像具有与荧光图像类似的外观，因为与在周围的健全区域中相比，两者在损害区域中都具有更低的强度值。然而，该FIRE图像比荧光图像有更高的对比度，使得它有可能在检测龋齿方面更灵敏。应该注意，通过组合荧光和反射图像的图像数据而产生的其它图像也可用于代替FIRE图像。

图2D对应于公开号为2008/0056551（Wong等人），名称为“METHOD FOR DETECTION OF CARIES（用于龋齿检测的方法）”的共同转让的同时待审的美国专利申请的图5。此图显示，通过处理装置180将荧光图像168与反射图像167组合起来，形成FIRE图像169。

在图像处理领域，有许多用于从图像中提取特征的已知方法，包括但不限于，门限、顶帽（top-hat）和形态灰度级重建技术（参见IEEE图像处理学报1993年第2卷第2期第176-201页的Luc Vincent的“图像分析中的形态灰度级重建：应用和有效的算法”（Luc Vincent, "Morphological grayscale reconstruction in image analysis: applications and efficient algorithms", IEEE Transaction on Image Processing,Vol.2, No.2, pp. 176-201, 1993））。然而，不是所有的技术都适合于从牙齿图像中分割（segmenting）出损害。牙齿图像有许多给自动损害提取带来挑战的特性。例如，牙齿图像没有平坦的背景（健全牙齿区域是标的龋齿的背景），龋齿没有固定的尺寸和形状，而且牙齿的表面轮廓和弯曲导致不均匀的照明，带来跨牙齿图像的强度的变化。本发明通过利用解决针对牙齿图像的自动处理的各种问题的不同的图像处理技术的组合，克服了这些困难。

在下文中，参考图3A到5E，描述了根据本发明的用于量化龋齿的步骤。

产生牙齿的数字图像的步骤110

图3A显示了产生牙齿的数字图像的步骤110的一个实施例，其包含步骤：获得荧光图像、获得反射图像和组合荧光和反射图像的图像数据以产生图像，比如FIRE图像。Liang等人的、公开号为2008/0063998、2008年3月13日公开的、名称为“APPARATUS FOR CARIES DETECTION（用于龋齿检测的装置）”的美国专利申请描述了如何获得荧光和反射图像的细节。依据此实施例，该牙齿的数字图像是FIRE图像169，其是通过如图2D所示的处理装置180将荧光图像168与反射图像167组合而形成的。

在名称为“METHOD OF DETECTION OF CARIES（龋齿检测的方法）”的共同转让的同时待审PCT/CN2009/000078中，揭示了产生FIRE图像的细节。产生FIRE图像的主要步骤如下。

1. 获得反射图像，然后将该反射图像转换为具有强度值为Iwgreen的灰度反射图像。该灰度反射图像可以是该反射图像的绿色信道。这个灰度反射图像被处理作为掩模（mask），且它具有强度值Imask = Iwgreen。在一个例子中，该反射图像是白光反射图像。该白光可以是从一个或多个白色LED发射的。

2. 根据以下公式产生强度值为Imarker的标记：

Imarker = Imask – hdome，

其中hdome表示该灰度反射图像中的圆顶的高度，是固定值，而且是基于获得的多个灰度反射牙齿图像的强度值依据经验选择的。在一个创造性的例子中，hdome是50。

3. 通过形态灰度级重建产生具有强度值为Ireconstructed的重建图像，其将Imask和Imarker作为输入（参见早先引用的Luc Vincent的文章）。

4. 产生该灰度反射图像的局部最大值和圆顶区域的图像。这个图像对应于可疑龋齿区域，具有强度值

Ihdome = Imask – Ireconstructed。

5. 产生FIRE图像，具有强度值

I_FIRE = I_Fluo – Ihdome，

其中I_FIRE和I_Fluo分别是产生的FIRE图像和获得的荧光图像的绿色信道的强度值。产生的FIRE图像可以通过将I_FIRE与该荧光图像的红色和蓝色信道结合起来而显示为彩色图像。在一个例子中，该荧光图像在蓝色激励光下获得的一个荧光图像。该蓝色光可以是从一个或多个蓝色LED发射的。该FIRE图像是用于后续图像处理步骤的数字图像。

产生牙齿的数字图像的步骤110的另一个实施例包含获得荧光图像的步骤。该荧光图像是用于后续图像处理步骤的数字图像。

从健全牙齿区域提取损害区域的步骤120

一般来说，牙齿的数字图像可以被分类为三组区域：1）牙龈、2）牙齿、和3）其它背景。龋齿检测只需要在牙齿区域165内部执行。

参考图3B，在牙齿区域165内部是损害区域162、周围的健全牙齿区域164和将这两个区域分开的分割边界163。下面描述了识别牙齿区域165、损害区域162、周围的健全牙齿区域164和分割边界163的方法。

图3C显示了根据本发明用于从牙齿的数字图像中的牙齿区域165提取损害区域162的步骤120的实施例。步骤120是自动执行的，无需用户输入。具体地说，步骤120包括识别牙齿区域165、提取一个或多个可疑损害区域和除去假肯定值的子步骤。这些子步骤包括针对牙齿图像的细节，正如下面讨论的。

因为某些图像处理工作是在彩色图像的特定信道上完成的，为了方便起见，下面的术语Iwred、Iwgreen、Iwblue、Ibred、Ibgreen、Ibblue、Ifred、Ifgreen和Ifblue分别用于表示反射、荧光和FIRE图像的红色、绿色和蓝色信道中的像素的强度值。并且为了除去照明级的影响，反射和荧光图像两者的强度值都被调整到在0到150之间的范围，其中0和150对应于最小和最大强度值。

如同讨论过的，类似于荧光图像，FIRE图像在正常/健全牙齿区域内部有比在龋齿和其它背景区域中更高的绿色强度值。因此，适应修改过的门限技术被优选地应用于荧光或FIRE图像上以将包含正常/健全牙齿区域和龋齿区域两者的牙齿区域从牙龈和其它背景中分开。

识别牙齿区域165的子步骤

依照本发明的一个实施例，以如下方式将牙齿区域165从数字牙齿图像中识别出来。在此实施例和本公开内容全文中的其它实施例中，使用荧光和反射图像两者的灰度级版本，该灰度级图像是从它们的各自的彩色图像的一个信道（比如绿色信道）中产生的，或使用图像处理领域中公知的方法从三个信道的混合中产生。为了进行说明，下面分别使用荧光和反射图像的绿色信道，Ibgreen和Iwgreen来描述该实施例。

门限图像分别是通过选择比某预定的门限值c1和c2（例如10和30）高的门限值而从Ibgreen和Iwgreen产生的。第二，两个门限图像的交集区域（intersection regions）被作为初步牙齿区域图像Iroi0。第三，用比产生Iroi0时使用的门限值（比如30）更高的门限值c3对该图像Ibgreen求门限（thresholding）而获得参考二值图像Irefroi。最后，通过选出在Iroi0中且连接于Irefroi中的对象的区域而产生提炼的牙齿区域165图像Iroi。与仅仅对该FIRE或荧光图像求门限相比，上面四个步骤增加了选择牙齿区域165的准确度。然后在下面提取可疑损害区域和除去假肯定值的子步骤中使用该提炼的牙齿区域165图像。

在替代实施例中，求门限技术被应用到该荧光或FIRE图像以确定牙齿区域165。这个实施例有助于提供更简单和更快速的处理。

提取可疑损害区域的子步骤

在FIRE图像（Ifgreen）中，对龋齿来说有明确的形态特征，也就是说，龋齿162的区域的强度比周围的健全牙齿区域164的强度更低。本发明根据数学形态学理论，利用这个特征来检测并分割该可疑龋齿区域。

在一个实施例中，基于由标记控制的分水岭方法适用于检测并分割可疑龋齿区域。这种方法的关键是确定目标对象的内部和外部标记。根据本发明，该内部标记是用形态灰度级重建技术确定的。如上面所讨论的，相同的技术也用于产生FIRE图像。

为了用形态灰度级重建方法确定内部标记，局部盆地（basin）Ihbasin被首先检测出来；它们对应于龋齿的目标区域，因为它们比周围的健全区域具有更低的强度。然后，通过用固定值（例如，50）求门限Ihbasin而获得该内部标记。注意，该固定值可以根据检测灵敏度要求而进行调整。该内部标记是在其内部Ihbasin的强度高于给定门限值的区域。

为了获得该外部标记，首先根据该内部标记形成二值图像，其中该二值图像的像素值对于内部标记内的像素是1，否则是0。然后距离转换（DT）将每个图像像素映射到它的到目标对象的最短距离上，并且被应用于该二值图像以产生DT图像。（参见Rosenfeld, A.和 Pfaltz, J.的1966年的J. ACM. 13的“数字图像处理中的顺序操作”和Ricardo Fabbri，Luciano Da F. Costa，Julio C. Torelli和Odemir M. Bruno的2008年的ACM计算调查40的“2D欧几里德距离转换算法：比较性调查”（“Sequential operations in digital picture processing”, J. ACM. 13, 1966, by Rosenfeld, A. and Pfaltz, J. and “2D Euclidean distance transform algorithms: a comparative survey”, ACM computing surveys 40, 2008, by Ricardo Fabbri, Luciano Da F. Costa, Julio C. Torelli and Odemir M. Bruno））。由该DT图像中具有局部最大值的像素组成的并位于内部标记之间的分水线被作为外部标记。

接下来，用苏贝尔算子（Sobel operator）计算Ifgreen的梯度图像。苏贝尔算子是熟悉图像处理/模式识别领域的人员公知的图像处理函数；对它的描述可以在Duda, R.和 Hart, P., John Wiley 和Sons的1993年的第271-272页的模式分类和景物分析（Pattern Classification and Scene Analysis, Duda, R. and Hart, P., John Wiley and Sons, 1973, pp.271-272）中找到。

在该内部和外部标记和该梯度图像被识别或确定的情况下，然后应用由标记控制的分水岭转换以直接产生目标龋齿区域162的轮廓。对由标记控制的分水岭转换的描述可以在Luc Vincent的IEEE图像处理学报1993年第2卷第176-201页的“图像分析中的形态灰度级重建：应用和有效的算法”中找到。

在另一个实施例中，一种基于形态底帽（bottom-hat）操作与多分辨率和表面重建技术的方法被适用于检测并分割可疑龋齿区域。根据本发明的该实施例，底帽操作被首先应用于Ifgreen以产生具有强度值为Ibothat的原始底帽图像。然后多分辨率策略被适用于使能检测具有不同尺寸的龋齿。根据这种策略，该原始底帽图像被下采样（down-sampled）以形成一个或多个降低的分辨率的底帽图像，比如2倍下采样图像（2x-down sampled image）和4倍下采样图像。给定具有固定尺寸的2维形状的结构元件，例如，半径为10个像素的圆面，然后对具有不同分辨率的图像（也就是说，原始底帽图像、2倍下采样底帽图像、4倍下采样底帽图像等）应用形态底帽。注意，该2维结构元件可以采用其它形状。该结构元件的尺寸，例如该圆面的半径，可以根据该目标对象的图像分辨率或尺寸进行调整。对于得到的多分辨率底帽图像中的每一个，根据相应的牙齿区域内部的强度值的统计量，门限值Ithres可以根据下式计算：

Ithres = Imean + w* Istd，

其中w是通过实验确定的权重参数，而Imean和Istd分别是强度值的平均值和标准偏差。对多分辨率底帽图像中的每一个应用门限操作，得到二值图像，在该二值图像中有非零值的区域是具有相应分辨率的图像中的初始可疑龋齿区域。在将二值图像中的每一个插值（interpolating）回原始分辨率以产生插值图像之后，所有插值图像的并集被作为初始可疑损害区域。

因为不能够使用无限多的分辨率，而该结构元件的尺寸和形状与目标龋齿区域162的尺寸和形状不同，所以该初始可疑龋齿区域通常不是最优结果。

然而，通过使用小的权重参数w的值，该目标龋齿区域可以以高的置信度被包括在该初始的可疑龋齿区域内部。在一个例子中，对于原始的、2倍下采样的和4倍下采样的图像，该权重参数w分别是1.0、0.5和0。当然，该权重参数w可以根据实际需要进行调整。

根据该初始可疑龋齿区域外的正常强度值，可以进一步估计该初始的可疑龋齿区域内的正常强度值（即，龋齿发展以前区域的强度值）。根据本发明，该强度估计是表面重建处理，产生Ireconstructed，其中强度被作为拓扑表面。从该重建图像Ireconstructed减去原始图像Ifgreen，得到差异图像Idiff。因为龋齿区域内部的强度值比正常/健全牙齿区域的强度值低，而正常或健全牙齿区域内部的部分之间的变化不像龋齿和正常/健全牙齿区域之间的变化那么大，具有强度值变化更大的区域（例如，>7，其可以根据所需的检测灵敏度进行调整）被当作提炼的可疑龋齿区域。

尽管该形态灰度级重建技术也可以用于检测灰度级图像中某一高度的局部最大圆顶或某一深度的局部最小盆地，然而它不像上面讨论的实施例那样适合提取牙齿图像中的龋齿损害。这是因为不同的龋齿区域相对于它们周围的区域具有不同的对比度。因此，需要不同的局部极值高度或深度以适合不同的图像或不同的龋齿感染。毕竟，高度或深度仍然是全局参数。另外，形态灰度级重建比本发明的形态底帽方法更难以实现且更慢。

尽管传统的顶/底帽方法也可能被考虑用来检测局部最大圆顶或最低盆地区域，然而该方法也不适于提取龋齿损害，因为难以确定该结构元件的尺寸。这不同于本发明的形态底帽方法，本发明的形态底帽方法在与多分辨率和表面重建技术一起使用时，成功地解决了确定结构元件的尺寸的问题。

除去假肯定值的子步骤

根据实验结果，大多数假肯定值的发生可以分为两类：（1）相对于周围区域具有低对比度的区域（通常低于7，然而它可以根据实际应用进行调整）、以及（2）在邻近牙的邻接面(proximal surface)之间的区域（后面称为邻间区域）。

根据本发明，通过计算可疑区域和它周围的区域之间的强度对比度而除去低对比度假肯定值。

根据位于邻间区域内部或连接到邻间区域的可疑龋齿的形态特征而除去邻间假肯定值。为了这样做，首先识别该邻间区域。

下面给出如何在牙齿图像中定位邻间区域的详细说明。

对于良好分离的邻近牙齿，该邻间区域包含空隙，该空隙是背景的一部分。以如下方式定位具有邻近牙齿的清晰界限的这种第一类邻间区域。首先，对牙齿区域的二值图像应用距离转换，且定位该二值图像中具有从识别出的牙齿区域的边界测量到的最大距离的像素。第二，连接到该定位的像素的识别出的牙齿区域被指定为一个对象，而其它识别出的牙齿区域被指定为另一对象。第三，背景中到这两个对象有相同距离的像素被定义为邻间区域。

对于彼此非常接近的邻近牙齿，邻间区域不包含邻近牙齿的清晰界限。必须要采用不同的图像处理方法来识别牙齿图像中的这种第二类邻间区域。在第一有创造性的实施例中，参考图4A到4E，用在连接到有最大距离的像素的区域中的由标记控制的分水岭转换和距离转换，在四个步骤中定位该第二类邻间区域。

图4A显示了目标牙齿165a和两个相邻牙齿165b和165c的二值图像。光亮区域表示牙齿，而黑暗区域表示牙齿的背景。该光亮和黑暗区域由边界分开。起始点200被限定为具有到牙齿的边界的最大距离的像素，尽管目标牙齿165a的中心附近的任何点也可以被选作起始点。该起始点也可以根据实际应用利用其它方法确定。例如，如果位于图像中心的牙齿被选作目标牙齿，离该图像中心最近的局部最大值点可以被选为起始点。

在如图4B所示的第一步骤中，射线210的扇形从起始点200在0度到360度间的任何方向上投射。然后，根据每个射线210首先与该光亮和黑暗区域之间的边界相交的点形成或限定轮廓线202。

在第二步骤中，内部和外部标记以如下方式被识别或确定。如图4C所示，内部标记是根据围绕起始点200的某圆形区域222和灰色区域220a、220b、220c、220d确定的。根据本发明的一个例子，圆形区域222的半径被选为最大距离（起始点200到该牙齿边界的距离）的3/4倍。通过从牙齿区域165a、165b、165c（参考图4A，已经由光亮区域和黑暗区域之间的边界确定了）中减去由轮廓线202包围的区域而得到灰色区域220a、220b、220c、220d。外部光亮区域224对应于图4A的黑暗区域，被作为外部标记。

在第三步骤中，对具有上面确定的内部和外部标记的灰度级FIRE图像的梯度图像应用由标记控制的分水岭转换。在一个实施例中，灰度级FIRE图像是根据该FIRE图像的绿色信道Ifgreen产生的。在替代实施例中，该灰度级FIRE图像可以是使用图像处理领域公知的方法根据三个信道的混合产生的。这个转换产生连接于对应于图4C的圆形区域222的内部标记的流域170、和分别连接于对应于图4C的灰色区域220a、220b、220c和220d的内部标记的流域172a、172b、172c、172d。这个转换还产生分水岭线173a、173b。分水岭线173a将流域172a从172b分开，而分水岭线173b将流域172c从172d分开。如同早先提到的，术语“流域”也被称为汇水盆地，是成像中由标记控制的分水岭转换的术语，是该领域的技术人员所公知的。

在第四步骤中，然后到两组盆地有相同距离的像素被当作第二类邻间区域。图4E显示了中间线（interline）176的部分，其指示了识别出的邻间区域的位置。中间线176是通过由标记控制的分水岭转换和距离转换得到的。区域174a是从流域170得到的。区域174b是从流域172a和172b的组合得到的。区域174c是从流域172c和172d的组合得到的。

在第二有创造性的例子中，现在参考图5A到5E，用连接到具有最大距离的像素的区域中的不同的由标记控制的分水岭转换和距离转换的适应修改，在四个步骤中定位没有清晰界限的第二类邻间区域。尽管共享类似的第三和第四步骤，在前两个步骤上此第二有创造性的例子不同于第一有创造性的例子。

类似于图4A，图5A显示了目标牙齿165a和两个相邻牙齿165b和165c的二值图像。光亮区域表示牙齿，而黑暗区域表示牙齿的背景。

在如图5B中所示的第一步骤中，距离转换被应用于图5A的图像并产生距离图像Idist，其中像素值表示那个像素到牙齿的背景的最近距离。在图5C和图5D所示的第二步骤中，内部标记230a、230b、230c和外部标记232是以如下方式确定的。

在Idist作为掩模且Idist - dhome作为标记的情况下，使用形态灰度级重建，可以得到重建图像Idrecon。然后可以根据下述等式确定Iseeds：

Iseeds = (Idrecon > Tdrecon) ∩ (Idist > Tdist)，

其中Tdrecon和Tdist分别是两个门限值（例如，Tdrecon = 5、而Tdist = 10）。符号（Idrecon > Tdrecon）指的是在其中Idrecon的像素值大于Tdrecon的区域，而符号（Idist > Tdist）指的是在其中Idist的像素值大于Tdrecon的区域。符号∩是交集算子，是精通集合理论的人员所公知的。

图5C中显示了从Iseeds获得的播种区域（seeded region）230a、230b、230c。在每个播种区域中，根据图5B中的距离图像Idist，种子点被识别为具有最大距离的像素。例如，种子点234a、234b和234c分别是播种区域230a、230b、230c中具有最大距离的像素。将种子点作为起始点并将它的距离的3/4倍作为半径，对于每个播种区域，建立圆形区域作为对应于种子点的内部标记。具体地说，圆形内部标记236a、236b和236c是分别根据种子点234a、234b、234c建立的，如图5D所示。牙齿的背景区域被用作外部标记232a、232b。

类似于第一有创造性的例子的第三步骤（参考图4A到4E），在第三步骤中，如图5E中所示，对具有上面确定的内部标记236a、236b和236c和外部标记232a、232b的灰度级FIRE图像的梯度图像应用由标记控制的分水岭转换，并分别获得针对内部标记236a、236b和236c的流域区域238a、238b、238c。最后，在第四步骤中，还是类似于第一有创造性的例子的第四步骤，中间线240a、240b被定位为到两个相邻流域区域有相同距离的像素。

在邻间区域被定位之后，然后连接到邻间区域的可疑龋齿区域被识别。因为一些真实龋齿也位于这些区域中，所以并不是所有的连接到邻间区域的可疑龋齿区域都应当被除去。真实龋齿通常作为“灰度级洞”出现，“灰度级洞”是灰度级图像中由较亮的像素围绕的黑暗像素区域。因此，“灰度级洞”特征被用于测试可疑龋齿区域中哪些是真实龋齿而应当被保留，同时将连接到邻间区域的其它可疑区域作为假肯定值被除去。

在假肯定值被除去后，剩余的可疑龋齿区域是提取的龋齿区域162。这些区域可以在牙齿的显示的FIRE、荧光或反射图像中用假色描绘其轮廓或加亮显示以帮助龋齿筛选或诊断。它们也被用来，在下面所述的步骤中，进行龋齿量化分析。

寻找邻近提取的损害区域的健全牙齿区域的步骤130

参考回图3D，识别邻近提取的损害区域的健全牙齿区域的步骤130是通过用形态扩张将可疑损害区域162向外扩展到扩张线166进行的，形态扩张是图像处理领域公知的操作。这个步骤是自动执行的，无需用户输入。这个步骤和步骤140和150优选地是在荧光图像上执行的，理由下面会进行说明。围绕扩展后的可疑损害区域的区域被当作正常/健全区域，而组成扩张线166的像素的值被当作周围的正常/健全区域的强度值。形态扩张步骤的算法实现类似于图3中展示的、公开号为2008/0170764的共同转让的同时待审的美国专利申请的那种。这个步骤减少了错误，即使在检测出的可疑龋齿区域中有可能的检测错误，以及在正常/健全牙齿区域中有不明显的强度变化。

对损害区域内的牙齿组织重建强度值的步骤140

为了评估提取的损害的严重程度并为了监视识别的损害随时间的发展，在龋齿发展以前估计可疑龋齿区域的正常强度值是有帮助的。这可以根据在步骤130中发现的周围的正常/健全区域的强度值通过各种方法执行。

在一个实施例中，在识别出周围的健全区域之后，使用双线性插值技术，根据邻近的健全区域中的值，可以得到损害区域内的牙齿组织的重建强度值，如下所述。

图3E显示了图3D中所示的感兴趣区域161的分解视图。对于损害区域R 162中的每个像素P，在健全区域中的扩张线166上在P的左边、右边、上边和下边有四个像素，分别称为P_L、P_R、P_T、P_B。P处重建的强度值Ir的估计值可以使用双线性插值法计算，双线性插值法的公式显示如下。

用这种方式对龋齿区域162中的每个像素进行双线性插值以为整个区域重建正常强度值。

作为替代实施例，在识别出周围的健全区域后，可以使用表面拟合技术（比如二维样条，或Bézier拟合）得到损害区域内的牙齿组织的重建强度值。

为损害区域内的牙齿组织重建强度值的另一实施例是通过求解拉普拉斯方程而从扩展的可疑龋齿区域的边界上的像素值向内平滑插值。这个实施例是普通的图像处理技术的适应修改（比如在它的图像处理工具箱中的常见的Matlab软件函数“roifill”所实现地那样），并产生更准确的估计。

量化龋齿状态的步骤150

正如上面讨论的，关于龋齿区域162的量化信息对于评估提取的损害的状态和监视识别的损害随时间的发展是有帮助的。牙齿图像中的龋齿状态可以用许多方式量化，包括计算损害区域的尺寸（或面积）和计算损害区域的荧光损失率。

在一个例子中，通过计数龋齿区域162内的实际像素数、然后将其转换到实际的空间维度（比如mm²）来计算损害区域。

在另一个例子中，荧光损失被用于测量龋齿的状态。牙齿结构中的荧光损失已经被证明是该结构中的脱矿物质化的程度的直接指标。这个量可以根据该牙齿的荧光图像中的强度值直接计算出来。在荧光图像中，使用下面的公式计算该损害区域内的每个像素处的荧光损失率∆F：

其中I_r是根据步骤140的重建强度值，而I_o是荧光图像I_Fluo的绿色信道的实际测量强度值。在发生龋齿处，∆F > 0。

该损害区域的全部荧光损失L是损害区域R内的∆F的和：

根据本发明的另一个实施例，图6A显示了根据本发明的龋齿的量化的方法，其包含产生通过将牙齿的荧光图像和反射图像组合而得到的FIRE图像或其它图像的步骤。图6A类似于图1。然而，在图6A中，牙齿的数字图像是根据反射图像和荧光图像两者产生的FIRE图像或类似图像。尤其是，该反射图像是使用白色或单色光产生的，而该荧光图像是在紫外线-蓝色范围内的激励光下产生的。在识别邻近提取的损害区域的健全区域的步骤130的过程中，该荧光图像可代替FIRE图像作为输入，由虚线箭头160a指示。在重建损害区域内的强度值的步骤140和量化龋齿区域的状态的步骤150的过程中，也需要该荧光图像作为输入，由箭头160指示。

图6B显示了本发明的另一个实施例。它类似于图6A，但是在步骤120不同，步骤120具体说来包含从牙齿图像中识别牙齿区域165、提取可疑损害区域和除去假肯定值的步骤。虚线箭头160a显示荧光图像可以用于步骤130，而箭头160显示荧光图像用于步骤140和150。

在另一个替代实施例中，参考回图1，在步骤110中产生的数字图像是牙齿的荧光图像。如同前面讨论的，荧光图像具有与FIRE图像类似的特征，因此在损害区域提取步骤120中使用的方法可以全部在荧光图像上执行。因此，在这个替代实施例中，荧光图像被用于从步骤110到步骤150的所有步骤中。

部件列表

110 产生牙齿的数字图像的步骤

120 从健全牙齿区域提取损害区域的步骤

130 识别邻近提取的损害区域的健全区域的步骤

140 对该损害区域内的牙齿组织重建强度值的步骤

150 计算龋齿的状态的步骤

160, 160a 箭头

161 感兴趣区域

162 损害区域（或龋齿的区域）

163 分割边界

164 健全牙齿区域

165 牙齿区域

165a、165b、165c 牙齿

166 扩张线

167 反射图像

168 荧光图像

169 FIRE图像

170 对应于圆形内部标记区域222的流域

172a、172b、172c、172d 流域

173a、173b 分水岭线

174a 对应于流域170的区域

174b 对应于流域172a和172b的组合的区域

174c 对应于流域172c和172d的组合的区域

176 牙齿之间的中间线

180 处理装置

200 起始点

202 轮廓线

210 射线

220a、220b、220c、220d 对应于内部标记的灰色区域

222 对应于内部标记的目标牙齿上的圆形区域

224 对应于外部标记的光亮区域

230a、230b、230c 播种区域

232a、232b 外部标记

234a、234b、234c 种子点

236a、236b、236c 内部标记

238a、 236b、236c 流域区域

240a、240b 中间线