一种基于深度学习的三维牙颌图像分割方法及系统

本技术涉及到图像分割，特别是涉及一种基于深度学习的三维牙颌图像分割方法及系统。

背景技术：

1、近年来，随着三维数据扫描技术和计算机图形图像处理技术的应用和发展，计算机辅助设计系统出现在越来越多的领域，他们利用硬件支持的计算机图形图像技术来高效地完成传统上工作量很大的任务。目前全球许多牙科诊所都使用计算机辅助正畸治疗系统对患者的牙齿进行矫正治疗，计算机辅助正畸系统在现代牙科中起着重要作用。它能高效地帮助医生进行牙齿矫正的定位、牙弓形态预测以及牙齿治疗前后配准等医学操作，使临床牙医避免许多重复工作，有助于形成一套准确的治疗计划。

2、而在计算机辅助正畸治疗系统中，牙齿的分割是这些系统中最基本和最关键的组成部分。在通过扫描患者的口腔获取三维牙颌模型后，一般都包含有牙齿和牙龈两部分，口腔医生通常需要从三维牙颌模型中分割出所有牙齿。分割得到牙齿后，医生会在计算机上分析牙齿的位置和排列，并进行模拟以制定适用于患者的治疗计划。所以在牙齿矫正治疗过程中，将三维牙颌模型分割成一个个单颗牙齿是至关重要的一步，是否能精确地分割出牙齿会影响后续治疗工作的准确性，同时高效地分割牙齿也会为医生节约很多时间，缩短牙齿正畸治疗的周期。

3、现有技术中存在通过深度学习模型对牙齿图像分割的技术方案，例如，中国发明专利（cn108986111a）公开了一种用于计算机辅助隐形正畸的三维牙颌模型分割方法，包括如下步骤，步骤1，读取三角网格牙颌模型；步骤2，简化该模型；步骤3，标记牙齿种子点和牙颌种子点；步骤4，设定阈值，通过设置的特征区域和扩散操作形成牙齿轮廓线；步骤5，重复步骤4直到所有牙齿种子点扩散结束；步骤6，进行牙齿侧面搭桥；步骤7，得到孔洞网格模型；步骤8：整合步骤4和步骤7得到最终的单颗牙齿模型。

4、然而，上述方案通过标记种子点再通过扩散操作形成牙齿轮廓线的形式实现单个牙齿的图像分割，没有对牙齿的类型主要是有无第三磨牙进行区分即进行图像的分割，而第三磨牙的存在会导致分割精度不高。

5、因此，现有技术急需一种提高牙齿分割精度的基于深度学习的三维牙颌图像分割的技术方案。

技术实现思路

1、本发明要解决的技术问题是针对上述技术方案的不足，提供一种基于深度学习的三维牙颌图像分割方法及系统，用于提高牙齿分割精度。

2、为了实现上述目的，根据本发明的一个方面，提供一种基于深度学习的三维牙颌图像分割方法，包括以下步骤：

3、s1：获取不同病人的三维牙颌图像，并进行预处理以及标注，形成用于深度学习模型训练的样本集；

4、s2：建立用于三维牙颌图像分割的模型；所述模型包括有第三磨牙三维牙颌图像分割子模型和无第三磨牙三维牙颌图像分割子模型；

5、所述无第三磨牙三维牙颌图像分割子模型为深度学习模型中的卷积神经网络模型；

6、所述有第三磨牙三维牙颌图像分割子模型为深度学习模型中的卷积神经网络模型和第三磨牙识别模型的组合模型；所述有第三磨牙三维牙颌图像分割子模型中的卷积神经网络模型用于分割所述有第三磨牙三维牙颌图像中的除第三磨牙外的其他牙齿图像；在得到上述的其他牙齿图像后，将所述其他牙齿图像在所述三维牙颌图像中分割出去，然后，再将其他牙齿图像被分割出去的三维牙颌图像输入至所述第三磨牙识别模型中，用于分割得到第三磨牙图像；

7、所述第三磨牙识别模型采用区域生长法分割所述有第三磨牙三维牙颌图像中的第三磨牙图像；

8、s3：判断待分割三维牙颌图像的类型，若不存在第三磨牙，则进入s4，若存在第三磨牙，则进入s5；

9、s4：采用所述无第三磨牙三维牙颌图像分割子模型对所述待分割三维牙颌图像进行分割；

10、s5：采用所述有第三磨牙三维牙颌图像分割子模型对所述待分割三维牙颌图像进行分割。

11、优选地，所述三维牙颌图像通过锥型束ct断层扫描获得。

12、优选地，所述s1具体为：

13、s1.1：获取不同病人的三维牙颌图像；

14、s1.2：对所述s1.1获取的三维牙颌图像进行预处理；

15、s1.3：对经过所述s1.2预处理的三维牙颌图像进行人工标注；

16、s1.4：将经过所述s1.3标注的三维牙颌图像作为图像分割的样本集。

17、优选地，所述预处理包括：对所述三维牙颌图像进行滤波操作以消除所述三维牙颌图像中的噪音；对所述三维牙颌图像进行伪影消除操作，以消除所述三维牙颌图像中的金属伪影；具体地，采用多项式插值法消除所述三维牙颌图像中的金属伪影；采用labelimg对所述三维牙颌图像进行标注，标注出每个牙齿的位置以及大小、轮廓信息；以及所述三维牙颌图像中是否存在第三磨牙。

18、其中，对于无第三磨牙三维牙颌图像分割子模型为卷积神经网络模型；所述无第三磨牙三维牙颌图像分割子模型的建立步骤为：

19、s2a.1：筛选出所述s1中不含有第三磨牙的样本集作为所述无第三磨牙三维牙颌图像分割子模型的训练集；

20、s2a.2：建立卷积神经网络模型；

21、具体地，所述卷积神经网络模型包括输入层、卷积层、采样层、全连接层和输出层；

22、s2a.3：将所述无第三磨牙三维牙颌图像分割子模型的训练集对所述卷积神经网络模型训练，从而得到所述无第三磨牙三维牙颌图像分割子模型。

23、优选地，所述有第三磨牙三维牙颌图像分割子模型的建立步骤为：

24、s2b.1：建立所述有第三磨牙三维牙颌图像分割子模型的框架；

25、s2b.2：筛选出所述s1中含有第三磨牙的三维牙颌图像，并将含有第三磨牙的三维牙颌图像中标注的第三磨牙分割出去作为所述有第三磨牙三维牙颌图像分割子模型的卷积神经网络模型的训练集，对所述有第三磨牙三维牙颌图像分割子模型的卷积神经网络模型训练；

26、s2b.3：将训练好的所述有第三磨牙三维牙颌图像分割子模型的卷积神经网络模型和第三磨牙识别模型组合，形成所述有第三磨牙三维牙颌图像分割子模型。

27、优选地，所述区域生长法的分割过程为：以任意选定的种子点作为第三磨牙的起始像素，从种子点出发，按照生长规则，对种子点周围的像素进行一致性检测，即判断其3×3邻域的灰度均值是否满足一致性准则，把这些通过一致性测试的像素并入生长区中，从而完成第三磨牙的分割。

28、根据本发明的另一方面，还包括一种基于深度学习的三维牙颌图像分割系统，该系统采用上述的一种基于深度学习的三维牙颌图像分割方法，包括如下模块：

29、样本集获取模块：与三维牙颌图像分割模型建立模块连接，用于获取不同病人的三维牙颌图像，并进行预处理以及标注，形成用于深度学习模型训练的样本集。

30、三维牙颌图像分割模型建立模块：与待分割三维牙颌图像类型判断模块连接，建立用于三维牙颌图像分割的深度学习模型；

31、待分割三维牙颌图像类型判断模块：分别与无第三磨牙三维牙颌图像分割子模块和有第三磨牙三维牙颌图像分割子模块连接，用于判断待分割三维牙颌图像的类型，若不存在第三磨牙，则进入无第三磨牙三维牙颌图像分割子模块，若存在第三磨牙，则进入有第三磨牙三维牙颌图像分割子模块；

32、无第三磨牙三维牙颌图像分割子模块：用于采用所述无第三磨牙三维牙颌图像分割子模型对所述待分割三维牙颌图像进行分割；

33、有第三磨牙三维牙颌图像分割子模块：用于采用所述有第三磨牙三维牙颌图像分割子模型对所述待分割三维牙颌图像进行分割。

34、根据本发明的另一个方面，提供一种计算机可读存储介质，计算机可读存储介质上存储有数据处理程序，数据处理程序被处理器执行上述的基于深度学习的三维牙颌图像分割方法。

35、基于上述技术方案，本技术提供的基于深度学习的三维牙颌图像分割方法及系统，具有如下技术效果：

36、本发明在建立用于三维牙颌图像分割的深度学习模型时，首先对三维牙颌图像进行分类，分为有第三磨牙三维牙颌图像和无第三磨牙三维牙颌图像；然后针对不同类型的三维牙颌图像设置不同的图像分割模型，用于实现不同类型三维牙颌图像的分割；相对于现有技术中仅通过深度学习模型分割所有类型的三维牙颌图像，可有效提高三维牙颌图像的分割精度。

37、本发明在对有第三磨牙的三维牙颌图像进行分割时，首先采用深度学习模型识别出除第三磨牙外的其他牙齿图像，然后将其他牙齿图像分割出去，以避免对第三磨牙分割时其他牙齿对第三磨牙的影响，再通过区域增长法分割第三磨牙的图像，正是由于已经将三维牙颌图像中的其他牙齿分割出去，区域生长法仅用来分割第三磨牙图像，这样可避免了其他牙齿对第三磨牙分割的影响，从而提高了第三磨牙的分割精度。