本发明涉及医学图像处理领域,尤其涉及一种牙弓曲线自动生成方法、装置、设备及存储介质。
背景技术:
1、牙弓曲线的拟合和生成在辅助矫正设计和模拟排牙试验中具有重要的意义,是医生对口腔问题进行分析和诊断的重要前提。
2、专利号为cn106204688a的专利提供了一种牙弓曲线生成方法,可以实现在生成牙弓曲线过程中整体移动、旋转,且不会破坏牙弓曲线形态,但是该专利所述方法是一种手动生成方法,需要人工介入,比较耗时。
3、专利号为cn113989304a的专利提供了一种图像处理方法,可以自动生成牙弓曲线,但该专利采用阈值分割的方式分割口腔图像,从而得到牙根区域图像。由于人的口腔形态各不相同,而分割算法面对不同数据的分割结果往往不同,算法的稳定性较差,容易出现过分割和欠分割的现象,导致牙弓曲线提取的效果不好。
4、因此亟需一种牙弓曲线生成方法,可以实现对牙弓曲线的自动提取,提升处理效率,且能够对牙齿最终位置提供有效的数据依据和支持。
技术实现思路
0、
技术实现要素:
:
1、本发明的目的在于克服上述背景技术中描述的现有技术的缺点,提供一种牙弓曲线自动生成方法、装置、设备及存储介质。本发明针对上下颌分别提取牙弓曲线,有助于根据目标区域位于上颌和下颌选择不同的牙弓曲线以调节全景片的重建效果,更好地展示牙齿状态、辅助种植体规划和图像分析。另外在得到牙齿检测模型之后,本发明提供的方法可以全程自动计算,精确获得牙弓曲线位置,避免了人工参与,提升处理效率。
2、第一方面,本发明提供了一种牙弓曲线自动生成方法,该方法包括:
3、获取口腔cbct图像;
4、对所述口腔cbct图像进行牙齿质心检测,得到每颗牙齿在lps坐标系下的质心坐标;
5、利用聚类算法对所述牙齿质心坐标进行聚类,以分离上下颌;
6、利用曲线拟合方法,对排序后的质心点集合进行曲线拟合,分别得到所述上颌和所述下颌的牙弓曲线。
7、进一步地,所述对所述口腔cbct图像进行牙齿质心检测,得到每颗牙齿在lps坐标系下的质心坐标,包括:
8、基于所述口腔cbct图像制作牙齿质心的热图标签;
9、采用深度学习模型结构对所述质心热图标签进行训练,得到牙齿质心检测模型;
10、进行模型预测与后处理,获得每颗牙齿质心点的三维坐标。
11、进一步地,所述基于所述口腔cbct图像制作牙齿质心的热图标签,包括:
12、基于所述口腔cbct图像,对其进行三个正交切片的显示,包括横断面、矢状面、冠状面;
13、对每颗牙齿在三个正交切片勾画前景区域与背景区域;
14、基于初步勾画的前景、背景区域,利用图割算法,得到牙齿的分割结果;
15、对每颗牙齿的分割结果计算中心点,得到牙齿的质心点;
16、对所述质心点图像进行高斯平滑,得到所述牙齿质心的热图标签。
17、进一步地,对所述质心点图像进行高斯平滑的平滑半径设置为2mm。
18、进一步地,所述得到的牙齿质心的热图标签为一个数值范围为[0,1]的三维图像,其中质心点处的数值为1,距离质心越远的体素点数值越小。
19、进一步地,所述采用深度学习模型结构对所述质心热图标签进行训练,得到牙齿质心检测模型,包括:
20、所述深度学习模型采用unet模型,损失函数采用均方误差损失mseloss,对所述输入的cbct图像和相应的质心热图标签进行训练,直到损失函数收敛,得到用于质心检测的神经网络模型参数。
21、进一步地,所述进行模型预测与后处理,获得每颗牙齿质心点的三维坐标,包括:
22、利用所述牙齿质心检测模型,对所述输入的cbct图像进行检测,得到质心检测的结果,所述质心检测的结果为热图;
23、以0.5为阈值对所述热图进行二值化,对二值化后的图像进行连通域分析,每个连通域代表一颗牙齿;
24、计算每个连通域的中心点,得到每颗牙齿在lps坐标系下的质心坐标。
25、进一步地,所述利用聚类算法对所述牙齿质心坐标进行聚类,以分离上下颌,包括:
26、以质心点中z轴坐标最小及最大的两个点作为初始的聚类中心,计算每个质心点到两个聚类中心的z方向上的距离;
27、根据所述距离为每个质心点分配簇,簇的个数设置为2,即上颌与下颌,距离更小的聚类中心所属的簇则为该质心点所属的簇;
28、每个质心点分配簇之后计算两个簇的中心点,将两个中心点作为新的聚类中心,再次计算每个质心点到所述聚类中心的距离并分配簇;
29、重复上述过程直到所述聚类中心不再发生改变,此时所述质心点被聚类为两个簇,分别代表上颌牙齿的质心点集合与下颌牙齿的质心点集合;
30、分别将所述上颌与所述下颌质心点集合中所有所述质心点的z轴坐标设置为其所属的簇的聚类中心的z坐标,确保同一集合中的所述质心点处在同一平面上。
31、进一步地,所述聚类算法采用k-means算法。
32、进一步地,利用曲线拟合方法,对排序后的质心点集合进行曲线拟合,分别得到所述上颌和所述下颌的牙弓曲线,包括:
33、对所述上颌牙齿质心点集合和所述下颌牙齿质心点集合中的质心点分别进行排序;
34、利用曲线拟合方法,对所述排序后的质心点集合分别进行曲线拟合,得到所述上颌和所述下颌的牙弓曲线。
35、进一步地,所述对所述上颌牙齿质心点集合和所述下颌牙齿质心点集合中的质心点分别进行排序,包括:
36、所述口腔cbct图像在lps坐标系下的坐标范围记为[xmin,ymin,zmin]至[xmax,ymax,zmax];
37、根据所述图像范围确定一个角点,共有四个点可以作为角点,分别为[xmin,ymax,zmin],[xmin,ymax,zmax],[xmax,ymax,zmin],[xmax,ymax,zmax];
38、选取其中一个角点作为目标角点,找到离所述目标角点距离最近的质心点作为第一个点,搜索所述质心点集合中距离该点最近的质心点作为下一个点,并将找到的点从集合中剔除;
39、重复上述过程直到集合为空,得到一个有序的质心点集合。
40、进一步地,所述曲线拟合方法采用最小二乘法。
41、第二方面,本发明还提供了一种牙弓曲线自动生成装置,该装置包括:
42、获取模块,用于获取所述口腔cbct图像;
43、检测模块,用于对所述口腔cbct图像进行牙齿质心检测,得到每颗牙齿在lps坐标系下的质心坐标;
44、聚类模块,用于利用聚类算法对所述牙齿质心坐标进行聚类,以分离上下颌;
45、生成模块,用于利用曲线拟合方法,对排序后的质心点集合进行曲线拟合,分别得到所述上颌和所述下颌的牙弓曲线。
46、第三方面,本发明还提供了一种牙弓曲线自动生成设备,所述设备包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序指令,其中,所述处理器用于执行存储器中存储的计算机程序指令,以实现上述所述的牙弓曲线自动生成方法。
47、第四方面,本发明还提供了一种牙弓曲线自动生成的存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述所述的牙弓曲线自动生成方法。
48、本发明提供了一种牙弓曲线自动生成方法、装置、设备及存储介质。该方法通过对所述口腔cbct图像进行牙齿质心检测,得到每颗牙齿在lps坐标系下的质心坐标,接着利用k-means聚类算法对所述牙齿质心坐标进行聚类,以分离上下颌,最后利用最小二乘法对排序后的质心点集合进行拟合,得到牙弓曲线。由于牙齿本身的ct值非常高且结构相对固定,因此本发明可以获得稳定的输出结果,且本发明针对上下颌分别提取牙弓曲线,有助于根据目标区域位于上颌和下颌选择不同的牙弓曲线以调节全景片的重建效果,更好地展示牙齿状态、辅助种植体规划和图像分析。另外在得到牙齿检测模型之后,本发明提供的方法可以全程自动计算,精确获得牙弓曲线位置,避免了人工参与,提升处理效率。