本发明涉及医学影像领域,具体而言,涉及一种口腔三维图像处理方法。
背景技术:
1、随着人们对口腔健康的重视日益提高,越来越多的人开始关注牙齿种植技术,这需要医生掌握完整的牙齿和神经管的形态与位置信息,才能做出更加精准的术前决策。口腔cbct图像为医生诊断病人口腔健康的一种重要医学影像手段。随着人工智能技术的发展,越来越多的研究开始将ai智能技术应用于口腔cbct领域。然而,目前并没有一个完整的人工智能系统可以全自动地支持医生进行牙齿和神经管的识别和分析任务。
2、现有技术对于下颌骨神经管的识别仅采用传统的算法提取,容易产生较大误差;另外,对于分割后牙齿的牙位信息采用与一个标准模版空间重合度的概率值来决定,对于复杂的牙齿情况,这种单一的模版匹配方法并不能准确的决定牙位,造成潜在的错分情况。
技术实现思路
1、本发明的目的在于,针对上述现有技术中的不足,提供一种口腔三维图像处理方法,以便实现牙列和神经管的自动识别和分析任务,为口腔医疗提供可靠的支持,帮助患者实现更好的治疗效果。
2、为实现上述目的,本技术实施例采用的技术方案如下:
3、第一方面,本技术实施例提供了一种口腔三维图像处理方法,包括:
4、对待处理的口腔三维图像进行预处理,得到预处理后的目标三维图像;
5、采用预先训练的神经管识别模型,对所述目标三维图像进行神经管识别,得到所述目标三维图像对应口腔部位的神经管的识别信息;所述神经管的识别信息包括:所述神经管的类别,以及所述神经管在所述目标三维图像中的第一位置信息;
6、采用预先训练的牙列识别模型,对所述目标三维图像进行牙列识别,得到所述口腔部位的牙列的识别信息;所述牙列的识别信息包括:所述牙列的牙位编号,以及所述牙列在所述目标三维图像中的第二位置信息;
7、根据所述第一位置信息,对所述口腔三维图像进行神经管分割,得到所述神经管的三维掩膜;
8、根据所述第二位置信息,对所述口腔三维图像进行牙位分割,得到所述牙列的三维掩膜;
9、对所述神经管的三维掩膜和所述牙列的三维掩膜进行合并,生成所述口腔部位的三维识别图像。
10、在可选的实施方式中,所述对待处理的口腔三维图像进行预处理,得到预处理后的目标三维图像,包括:
11、根据预设的单位体素间距,对所述口腔三维图像进行体素数据的重采样,得到所述口腔三维图像中的重采样体素的数据;
12、对所述重采样体素的数据进行归一化处理,得到归一化后的体素数据;
13、根据所述归一化后的体素数据,生成所述目标三维图像。
14、在可选的实施方式中,所述对所述重采样体素的数据进行归一化处理之前,所述方法还包括:
15、采用预设的多阶插值算法,对所述重采样体素的数据进行插值处理,得到插值后的体素数据;
16、所述对所述重采样体素的数据进行归一化处理,得到归一化后的体素数据,包括:
17、对所述插值后的体素数据进行归一化处理,得到所述归一化后的体素数据。
18、在可选的实施方式中,所述对所述神经管的三维掩膜和所述牙列的三维掩膜进行合并,生成所述口腔部位的三维识别图像之前,所述方法还包括:
19、对所述神经管的三维掩膜执行形态学闭操作,得到处理后的所述神经管的三维掩膜;
20、采用最大连通域处理算法,对处理后的所述神经管的三维掩膜进行离群点滤除,得到所述神经管的目标三维掩膜;
21、所述对所述神经管的三维掩膜和所述牙列的三维掩膜进行合并,生成所述口腔部位的三维识别图像,包括:
22、对所述神经管的目标三维掩膜和所述牙列的三维掩膜进行合并,生成所述口腔部位的三维识别图像。
23、在可选的实施方式中,所述对所述神经管的三维掩膜和所述牙列的三维掩膜进行合并,生成所述口腔部位的三维识别图像之前,所述方法还包括:
24、采用最大连通域处理算法,对所述牙列的三维掩膜进行离群点滤除,得到处理后的所述牙列的三维掩膜;
25、将处理后的所述牙列的三维掩膜中体素数据小于预设体素数据阈值的体素进行滤除,生成所述牙列的目标三维掩膜。
26、在可选的实施方式中,所述采用预先训练的神经管识别模型,对所述目标三维图像进行神经管识别,得到所述目标三维图像对应口腔部位的神经管的识别信息之前,所述方法还包括:
27、获取第一口腔三维图像;
28、对所述第一口腔三维图像中标注至少一个所述神经管的类别标签,以及至少一个所述神经管的样本管道标记,生成第一样本口腔三维图像;所述样本管道标记用于指示所述神经管在所述第一口腔三维图像中的位置信息;
29、采用所述第一样本口腔三维图像进行模型训练,得到所述神经管识别模型。
30、在可选的实施方式中,所述对所述第一样本口腔三维图像中标注至少一个所述神经管的类别标签,以及至少一个所述神经管的样本管道标记,包括:
31、在所述第一口腔三维图像的冠状面区域标注至少一个所述神经管的类别标签;
32、每间隔预设间距,在所述第一口腔三维图像的横截面区域对至少一个所述神经管从根部到所有末端出口之间进行片状涂抹标记,得到至少一个所述神经管的样本管道标记,生成所述第一样本口腔三维图像。
33、在可选的实施方式中,所述采用预先训练的牙列识别模型,对所述目标三维图像进行牙列识别,得到所述口腔部位的牙列的识别信息之前,所述方法还包括:
34、获取第二口腔三维图像;
35、对所述第二口腔三维图像中标注至少一个所述牙列的牙位编号,以及至少一个所述牙列的样本牙位标记,生成第二样本口腔三维图像;所述样本牙位标记用于指示所述牙列在所述第二口腔三维图像中的位置信息;
36、采用所述第二样本口腔三维图像进行模型训练,得到所述牙列识别模型。
37、在可选的实施方式中,所述对所述第二口腔三维图像中标注至少一个所述牙列的牙位编号,以及至少一个所述牙列的样本牙位标记,生成第二样本口腔三维图像,包括:
38、在所述第二口腔三维图像的横断面区域标注至少一个所述牙列的牙位编号;
39、在所述第二口腔三维图像的横断面区域对至少一个所述牙列进行涂抹标记,得到至少一个所述牙列的样本牙位标记,生成所述第二样本口腔三维图像。
40、在可选的实施方式中,所述对所述第二口腔三维图像中标注至少一个所述牙列的牙位编号,以及至少一个所述牙列的样本牙位标记,生成第二样本口腔三维图像,还包括:
41、对所述第二口腔三维图像中空缺牙列进行空缺标记以及对应第一牙位编号的标记;
42、和/或,对所述第二口腔三维图像中牙钉牙列进行牙钉标记以及对应的第二牙位编号的标记;
43、相应的,所述牙列的识别信息还包括:所述牙列是否空缺的指示信息,和/或,以及所述牙列是否具有牙钉的指示信息。
44、第二方面,本技术实施例还提供了一种口腔三维图像处理装置,包括:
45、预处理模块,用于对待处理的口腔三维图像进行预处理,得到预处理后的目标三维图像;
46、识别模块,用于采用预先训练的神经管识别模型,对所述目标三维图像进行神经管识别,得到所述目标三维图像对应口腔部位的神经管的识别信息;所述神经管的识别信息包括:所述神经管的类别,以及所述神经管在所述目标三维图像中的第一位置信息;
47、所述识别模块,还用于采用预先训练的牙列识别模型,对所述目标三维图像进行牙列识别,得到所述口腔部位的牙列的识别信息;所述牙列的识别信息包括:所述牙列的牙位编号,以及所述牙列在所述目标三维图像中的第二位置信息;
48、分割模块,用于根据所述第一位置信息,对所述口腔三维图像进行神经管分割,得到所述神经管的三维掩膜;
49、所述分割模块,还用于根据所述第二位置信息,对所述口腔三维图像进行牙位分割,得到所述牙列的三维掩膜;
50、合并模块,用于对所述神经管的三维掩膜和所述牙列的三维掩膜进行合并,生成所述口腔部位的三维识别图像。
51、第三方面,本技术实施例还提供了一种计算机设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的程序指令,当计算机设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述程序指令,以执行如第一方面任一所述的口腔三维图像处理方法的步骤。
52、第四方面,本技术实施例还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面任一所述的口腔三维图像处理方法的步骤。
53、本技术的有益效果是:
54、本技术实施例提供了一种口腔三维图像处理方法,包括:对待处理的口腔三维图像进行预处理,得到预处理后的目标三维图像,采用预先训练的神经管识别模型,对目标三维图像进行神经管识别,得到目标三维图像对应口腔部位的神经管的识别信息,神经管的识别信息包括:神经管的类别,以及神经管在目标三维图像中的第一位置信息,采用预先训练的牙列识别模型,对目标三维图像进行牙列识别,得到口腔部位的牙列的识别信息;牙列的识别信息包括:牙列的牙位编号,以及牙列在目标三维图像中的第二位置信息,然后根据第一位置信息,对口腔三维图像进行神经管分割,得到神经管的三维掩膜,根据第二位置信息,对口腔三维图像进行牙位分割,得到牙列的三维掩膜,最后对神经管的三维掩膜和牙列的三维掩膜进行合并,生成口腔部位的三维识别图像。本技术的方法,通过预先训练模型分别对目标三维图像的神经管和牙列进行识别,并根据神经管的识别信息对神经管进行分割,得到神经管的三维掩膜,以及根据牙列的识别信息对牙列进行分割,得到牙列的三维掩膜,最后将神经管的三维掩膜和牙列的三维掩膜进行合并,得到口腔部位的三维识别图像,实现对待处理的口腔三维图像的神经管识别和牙列识别,使得医生可通过三维识别图像查看患者对应三维识别图像中牙齿的整体结构包括牙位编号、牙齿状态和神经管的走向,进一步完成对患者的诊疗判断,提升口腔诊断的精细性和准确性。