一种基于数字化治疗的牙齿与牙冠位姿确定方法及系统与流程

本发明涉及医学图像处理，特别涉及一种基于数字化治疗的牙齿与牙冠位姿确定方法及系统。

背景技术：

1、在医学领域，精确定位是很多治疗操作的关键步骤。然而，传统的影像设备和图像处理方法在精确定位方面存在一定的局限性。目前，cbct作为一种快速成像技术，已被广泛应用于外科手术、放射治疗等领域。但是，在cbct图像中，由于扫描过程中影响图像质量的因素较多，图像精细度和准确性有待提高。

2、传统的牙科cbct图像处理方法存在诸多局限，如图像模糊、噪声干扰和边缘模糊等问题，这些问题直接影响了诊断的准确性和临床应用的效果。因此，需要新的cbct图像处理算法，以提高图像质量和分辨率。

技术实现思路

1、本发明提供了一种基于数字化治疗的牙齿与牙冠位姿确定方法及系统，基于cbct技术，通过对患者进行立体成像扫描，基于深度学习和图像重建技术，能够准确还原cbct图像的细节和结构，实现精确定位和引导治疗操作。

2、本发明提供了一种基于数字化治疗的牙齿与牙冠位姿确定方法，包括：

3、采用cbct设备对患者进行立体成像扫描，获取多个角度的cbct图像数据；其中，所述cbct图像数据包括骨骼结构、牙齿和周围组织的信息；

4、对扫描得到的cbct图像数据采用预设的深度学习模型进行图像重建处理，以生成重建图像；

5、将患者的所述重建图像与治疗设备或目标区域的三维模型进行图像配准，以对准确性进行验证；

6、根据图像配准结果确定治疗设备或手术操作的位置和方向，并根据精确定位结果，进行治疗操作，引导治疗设备或手术操作的准确定位。

7、进一步地，所述对扫描得到的cbct图像数据采用预设的深度学习模型进行图像重建处理，以生成重建图像的步骤，包括：

8、对cbct图像数据行去噪和增强处理，以提高图像质量和对比度；

9、采用cbct图像数据训练预设的深度学习模型，以学习cbct图像的特征和结构；

10、采用训练好的深度学习模型对cbct图像数据进行重建，以还原图像的细节和边缘；

11、对重建后的图像进行后处理，以增强图像的锐度和对比度，优化图像的视觉效果。

12、进一步地，所述采用训练好的深度学习模型对cbct图像数据进行重建，以还原图像的细节和边缘的步骤，包括：

13、输入cbct图像数据，并利用卷积网络自适应获得测量向量yi，将yi作为初始重建阶段子像素卷积的输入并恢复出低分辨率初始重建图像，生成初始重建图像的过程表示为：

14、

15、其次，为进一步缩小初始重建图像与cbct图像数据xi之间的误差，在它们之间引入残差网络以估计差值其中，wr是残差网络的参数，该过程表示为：

16、

17、将初始重建图像与从残差网络得到的残差估计值相融合，其过程表示为：

18、

19、其中，为经过残差网络改善后的重建图像。

20、进一步地，所述将yi作为初始重建阶段子像素卷积的输入并恢复出低分辨率初始重建图像的步骤中，子像素卷及网络由两个结构相同的子像素卷积模块组成，每个子像素卷积模块包括一个卷积层、一个像素清洗层和一个激活函数prelu层；

21、子像素卷积利用像素清洗层将输入图像的像素重新排列以实现对图像的上采样运算，当一个上采样操作的放大倍数为r时，子像素卷积需要输入r2个由图像构成的同等大小的特征张量,上采样后的图像上位于(x,y)处像素的值由第c张特征图中位于处的像素点，该过程表示为：

22、

23、进一步地，所述残差网络由四个结构相同的残差块组成，每个残差块包含两个卷积和一个跳连接，其中，卷积核的大小为3×3，每个卷积核有16个特征通道，卷积层后跟有批处理归一化层和激活函数prelu层，残差网络中的激活函数为网络模型引入的非线性特性。

24、进一步地，残差网络缩小了初始重建图像与原cbct图像xi之间的误差，通过以下公式得到其残差估计值：

25、

26、将初始重建图像与从残差网络得到的残差估计值相融合，得到经过残差网络改善后的重建图像

27、进一步地，预设的深度学习网络的损失函数为：

28、

29、其中，xi为第i个训练样本的原信号，ff(yi,wf)为第i个重建图像，n为训练集中的样本总数。

30、本发明还提供了一种基于数字化治疗的牙齿与牙冠位姿确定系统，包括：

31、扫描模块，用于采用cbct设备对患者进行立体成像扫描，获取多个角度的cbct图像数据；其中，所述cbct图像数据包括骨骼结构、牙齿和周围组织的信息；

32、重建模块，用于对扫描得到的cbct图像数据采用预设的深度学习模型进行图像重建处理，以生成重建图像；

33、配准模块，用于将患者的所述重建图像与治疗设备或目标区域的三维模型进行图像配准，以对准确性进行验证；

34、确定模块，用于根据图像配准结果确定治疗设备或手术操作的位置和方向，并根据精确定位结果，进行治疗操作，引导治疗设备或手术操作的准确定位。

35、本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

36、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

37、本发明的有益效果为：

38、本发明结合cbct和图像重建，提高图像质量和分辨率，清晰还原牙齿和周围组织的结构和细节，减少cbct图像的噪声干扰和伪影，提高图像的准确性和可靠性，经过训练的深度学习模型能够自动学习和识别图像特征，具有较强的泛化能力，应用于不同型号和品牌的cbct设备，提高设备的整体性能和附加值；能够精确还原患者的解剖结构，提高影像精细度，通过对患者和治疗目标区域进行图像配准，能够验证精确定位的准确性；能够实时定位治疗设备或操作工具，为精确治疗提供准确引导，在介入手术、放射治疗等领域具有广泛的应用前景。

技术特征：

1.一种基于数字化治疗的牙齿与牙冠位姿确定方法，其特征在于，包括：

2.根据权利要求1所述的基于数字化治疗的牙齿与牙冠位姿确定方法，其特征在于，所述对扫描得到的cbct图像数据采用预设的深度学习模型进行图像重建处理，以生成重建图像的步骤，包括：

3.根据权利要求1所述的基于数字化治疗的牙齿与牙冠位姿确定方法，其特征在于，所述采用训练好的深度学习模型对cbct图像数据进行重建，以还原图像的细节和边缘的步骤，包括：

4.根据权利要求3所述的基于数字化治疗的牙齿与牙冠位姿确定方法，其特征在于，所述将yi作为初始重建阶段子像素卷积的输入并恢复出低分辨率初始重建图像的步骤中，子像素卷及网络由两个结构相同的子像素卷积模块组成，每个子像素卷积模块包括一个卷积层、一个像素清洗层和一个激活函数prelu层；

5.根据权利要求3所述的基于数字化治疗的牙齿与牙冠位姿确定方法，其特征在于，所述残差网络由四个结构相同的残差块组成，每个残差块包含两个卷积和一个跳连接，其中，卷积核的大小为3×3，每个卷积核有16个特征通道，卷积层后跟有批处理归一化层和激活函数prelu层，残差网络中的激活函数为网络模型引入的非线性特性。

6.根据权利要求5所述的基于数字化治疗的牙齿与牙冠位姿确定方法，其特征在于，残差网络缩小了初始重建图像与原cbct图像xi之间的误差，通过以下公式得到其残差估计值：

7.根据权利要求3所述的基于数字化治疗的牙齿与牙冠位姿确定方法，其特征在于，预设的深度学习网络的损失函数为：

8.一种基于数字化治疗的牙齿与牙冠位姿确定系统，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本发明涉及医学图像处理技术领域，公开了一种基于数字化治疗的牙齿与牙冠位姿确定方法，包括：采用CBCT设备对患者进行立体成像扫描，获取多个角度的CBCT图像数据；对扫描得到的CBCT图像数据采用预设的深度学习模型进行图像重建处理，以生成重建图像；将患者的所述重建图像与治疗设备或目标区域的三维模型进行图像配准，以对准确性进行验证；根据图像配准结果确定治疗设备或手术操作的位置和方向，并根据精确定位结果，进行治疗操作，引导治疗设备或手术操作的准确定位。本发明基于CBCT技术，通过对患者进行立体成像扫描，基于深度学习和图像重建技术，能够准确还原CBCT图像的细节和结构，实现精确定位和引导治疗操作。

技术研发人员：张海涛,刘旭,刘耀海,王涔光
受保护的技术使用者：四川乃康科技有限公司
技术研发日：
技术公布日：2024/2/21