一种基于大数据的CBCT图像重建方法及系统与流程

本发明属于cbct图像重建，具体是一种基于大数据的cbct图像重建方法及系统。

背景技术：

1、cbct图像重建是指从cbct设备采集到的原始投影数据，通常是通过计算机算法重新构建成三维体素数据，形成可视化的三维图像，通过将二维的投影数据转换成三维的体素数据，能够便于医生或研究人员可以更清晰地观察患者的解剖结构和病变情况；

2、由于牙科领域的cbct图像具有特殊性需要进行图像分割，现有cbct图像重建时通常需要进行人工辨别病人的治疗领域是否为牙科领域，人工干预的方式使得图像重建步骤较为麻烦；

3、同时，非牙科领域的cbct图像通常是直接进行图像重建，当图像质量较低时，直接进行重建会导致重建结果中存在丢失或失真的信息，从而会进一步影响后续的研究以及诊断的准确性；

4、且传统的cbct图像重建流程不够明确与清晰，使得重建效率不够高，因此提出一种基于大数据的cbct图像重建方法及系统。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于大数据的cbct图像重建方法及系统，使得cbct图像重建更加准确高效。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于大数据的cbct图像重建方法及系统，包括数据采集与处理模块、图像分类模块、图像质量评估模块、图像分割模块、图像重建模块、图像优化模块、大数据管理与存储模块，所述数据采集与处理模块、图像分类模块、图像质量评估模块、图像分割模块、图像重建模块、图像优化模块、大数据管理与存储模块依次通信连接；

4、所述数据采集与处理模块，用于从cbct设备中获取原始投影数据，并对采集到的原始投影数据进行校正、去噪预处理操作，提高重建图像质量；

5、所述图像分类模块，将预处理后的图像进行自动分类，将图像分类为牙科领域和其他领域，牙科领域的图像将直接传输至图像分割模块，其他领域的图像将传输至图像质量评估模块；

6、所述图像质量评估模块，预设高质量图像的分辨率、噪声水平以及对比度阈值，并对图像进行分辨率分析、噪声水平分析以及对比度分析，判断图像质量，高质量图像传输至图像重建模块，低质量图像传输至图像分割模块；

7、所述图像分割模块，接收牙科领域的图像和低质量图像，并将图像之中的不同组织与结构分离出来；

8、所述图像重建模块，接收高质量图像以及图像分割模块经过分割处理后的图像，使用重建算法对高质量的图像和图像分割模块分割后的图像进行图像重建；

9、所述图像优化模块，对重建后的图像进行处理，包括噪声去除、边缘增强、伪影去除，进一步改善图像质量，并对最终图像进行评估，检验完成后对重建图像进行输出；

10、所述大数据管理与存储模块，将所有cbct图像数据整合到统一的平台中，并用于存储和管理所有的cbct图像数据。

11、进一步的，所述图像分类模块，将预处理后的图像进行自动分类，将图像分类为牙科领域和其他领域，牙科领域的图像将直接传输至图像分割模块，其他领域的图像将传输至图像质量评估模块的过程如下：

12、通过图像的视觉特征，关注图像之中的牙齿结构和周围组织特征，并进行特征提取：特征包括牙齿的形状、大小、位置，以及周围组织的密度、厚度；

13、对于提取后的特征使用方差选择进行特征选择和降维；

14、具体公式为：

15、其中，varx表示特征的方差，即数据的变化程度或分散程度,x＝{x1、x2、、、xi}，xi表示第i个样本的取值，表示特征x的均值，即数据集中所有样本取值的平均值，n表示样本的数量，即数据集中样本的个数；

16、对于每个特征，计算其在数据集中的方差，设定一个方差阈值，将所有特征的方差与设定的阈值进行比较，将方差低于阈值的特征删除，保留方差高于阈值的特征；

17、将保留的特征组合成特征向量，作为图像的最终表示；

18、收集一组已标记的cbct图像数据，包括牙科领域和其他领域的图像，将这些数据用于训练和测试分类模型；

19、使用已标记的数据集训练选择的分类模型，并反复迭代优化模型参数；

20、将训练好的分类模型应用于新的cbct图像数据，模型将自动输出分类结果。

21、方差选择法可以过滤掉方差较小的特征，从而降低数据的维度。这样可以减少特征空间的复杂度，提高模型训练的效率，减少过拟合的风险。

22、进一步的，所述图像质量评估模块，预设高质量图像的分辨率、噪声水平以及对比度阈值，并对图像进行分辨率分析、噪声水平分析以及对比度分析，判断图像质量，高质量图像传输至图像重建模块，低质量图像传输至图像分割模块的过程如下：

23、预设高质量图像的分辨率、噪声水平以及对比度阈值；

24、分辨率分析：使用图像处理库读取cbct图像文件，获取图像的形状信息，包括图像的高度和宽度，根据图像的形状信息，将高度和宽度作为图像的分辨率，将提取到的分辨率信息输出；

25、噪声水平分析：从图像中选择代表性的区域进行噪声水平分析，提取roi，对roi内的像素值进行统计分析，计算其均值和标准差，使用roi内像素值的标准差来评估图像的噪声水平，将噪声水平分析的结果输出；

26、对比度分析：使用噪声水平分析之中提取的roi，并对roi内的像素值进行灰度直方图分析，并根据灰度直方图分析的结果，计算图像的对比度，其具体公式为：

27、其中，c为对比度，用来衡量图像中灰度值的变化程度，反映了图像的对比度，σ表示了像素灰度值的分散程度，即图像中灰度值的变化程度，也是对比度的数值表示，li表示第i个像素的灰度值，即图像中每个像素点的灰度值，μ为图像的平均灰度值，也是所有像素的灰度值的平均值，l为灰度级别的数量，通常为256，表示图像中可能的灰度值范围，对于8位灰度图像，灰度级别为256；

28、将对比度分析的结果输出；

29、根据得出的分辨率数值信息、噪声水平结果以及对比度分析结果，判断图像质量；

30、高质量图像传输至图像重建模块进行图像重建；

31、低质量图像传输至图像分割模块，并将根据图像分割结果进行图像重建。

32、通过分析并计算图像之中的分辨率、噪声水平以及对比度，为后续判断图像是高质量图像还是低质量图像提供了有力的依据。

33、进一步的，所述根据得出的分辨率数值信息、噪声水平结果以及对比度分析结果，判断图像质量的过程如下：

34、将已知的分辨率数值信息与预设的图像分辨率阈值对比，已知分辨率数值信息高于预设的图像分辨率阈值，则判断为高质量图像，已知分辨率数值信息低于预设的图像分辨率阈值，则为低质量图像；

35、将已知的噪声水平结果与预设的噪声水平阈值对比，已知噪声水平结果高于预设的噪声水平阈值，则判断为高质量图像，已知噪声水平结果低于预设的噪声水平阈值，则判断为低质量图像；

36、将已知的对比度分析结果与预设的对比度阈值对比，已知对比度分析结果高于预设的对比度阈值，则判断为高质量图像，已知对比度分析结果低于预设的对比度阈值，则判断为低质量图像。

37、通过预设的高质量图像标准和对应的阈值，可以自动化地评估图像的质量，无需人工干预，提高评估效率。

38、进一步的，所述图像分割模块，接收牙科领域的图像和低质量图像，并将图像之中的不同组织与结构分离出来的过程如下：

39、对于接收的接收牙科领域的图像和低质量图像，提取图像中不同组织和结构的特征，包括颜色、纹理、形状；

40、通过提取颜色、纹理、形状，以便后续的分割操作能够根据这些特征进行区分；

41、使用图像分割算法将图像中的不同组织和结构分离出来：

42、使用边缘检测算法来检测图像中的边缘，对检测到的边缘进行细化操作，得到更精确的边缘位置；

43、根据检测到的边缘，使用分割算法将图像分割成不同的区域，边缘作为分割的边界；

44、对分割结果进行处理，包括去除不需要的边缘和区域、填充空洞、连接断裂的区域，获得准确的分割结果。

45、进一步的，所述图像重建模块，接收高质量图像以及图像分割模块经过分割处理后的图像，使用重建算法对高质量的图像和图像分割模块分割后的图像进行图像重建的过程如下：

46、对高质量的图像直接进行图像重建：使用特征提取算法提取图像中的特征信息；

47、将提取到的特征进行匹配，找到对应的特征点或特征区域；

48、根据匹配到的特征信息，使用图像重建算法来生成重建图像，并对生成的图像进行处理；

49、对图像分割后图像进行重建：基于已知的图像分割的特征数据选择重建算法，生成重建后的图像数据，并对生成的图像数据进行进一步的处理。

50、对于图像分割后的图像进行重建时，可以根据已知的分割特征数据选择合适的重建算法，加快图像重建的过程。

51、进一步的，所述图像优化模块，对重建后的图像进行处理，包括噪声去除、边缘增强、伪影去除，进一步改善图像质量，并对最终图像进行评估，检验完成后对重建图像进行输出的过程如下：

52、对重建后的图像进行噪声去除操作，减少图像中存在的噪声和干扰，提高图像的清晰度和质量；

53、对图像进行边缘增强处理，突出图像中的边缘特征；

54、针对存在的伪影，进行去除或修复操作，消除图像中的干扰因素；

55、伪影会影响图像的真实性和准确性，通过去除或修复这些伪影可以消除图像中的干扰因素，使得重建图像更加真实和可靠。

56、对优化后的图像进行评估，检查图像的质量标准，包括清晰度、准确性、色彩这些方面，质量符合标准时，图像将直接输出至大数据管理与存储模块进行存储，质量不符合标准时，再次进行图像优化操作，优化完成后，进行输出。

57、一种基于大数据的cbct图像重建方法，其特征在于：包括以下步骤：

58、s1、从cbct设备中采集原始投影数据，并对原始图像数据进行预处理；

59、s2、图像经过自动分类为两种类别，牙科领域和其他领域，由于牙科领域图像的特殊性，牙科领域的图像将直接传输至图像分割模块进行分割，其他领域的图像将进行进一步的图像质量评估；

60、s3、其他领域的图像经过质量评估，高质量图像将直接进行图像重建，低质量图像将进行图像分割；

61、s4、低质量图像和牙科领域的图像将以图像分割后的图像作为输出，进行图像重建；

62、s5、重建后的图像将进行图像优化，并进行质量评估，质量达标的图像将直接输出至大数据模块进行保存，质量不达标的图像将再次进行图像优化，优化完成后进行图像输出；

63、s6、大数据管理与存储模块将直接存储所有的图像数据信息，方便图像后期进行查看以及调取。

64、最终的图像数据都会被存储在大数据管理与存储模块中，实现了数据的统一管理和集中存储，方便后续的查看、调取和分析。

65、与现有技术相比，本发明的有益效果是：

66、1、通过设置图像分类模块，能够自动将cbct图像进行图像分类，并分类成为牙科领域和其他领域，自动化图像分类可以大大提高处理大量cbct图像的效率，减少人工干预和处理时间以及降低错误率，同时也能够使得牙科领域的图像直接进行图像分割以及图像重建，使得牙科领域图像重建步骤更加高效。

67、2、通过设置图像质量评估模块，能够对其他领域的图像进行质量评估，评估标准设置有三组，分别是分辨率、噪声水平以及对比度，当图像这三种标准之中的任意一项不达标时，则判断图像为低质量，当图像的这三种标准均达标时，则判断为高质量，同时因设立了这三种标准，也能够准确了解低质量图像不达标的因素，便于后续分析；

68、低质量图像将进行后续的图像分割，并根据图像分割结果作为输出进行后续图像重建：低质量图像经过图像分割可以使得图像中的目标结构从背景中准确提取出来，从而增强重建过程中关键结构的信息，同时也具备减少干扰、定位精确、提高可视化效果和增强对比度等好处，提高重建结果的质量和可信度；

69、高质量图像将直接进行后续图像重建：由于其图像质量较高，不需要额外的图像分割步骤，可以直接进行重建，从而简化了图像重建的步骤。

70、3、通过设置大数据管理与存储模块，能够统一存储cbct图像的数据信息，使得cbct图像能够被有效地进行管理，而且，数据被统一存储能够更方便进行后续的分析查看与调取。

71、4、本发明具备一套完整的cbct图像重建流程，步骤明确，流程清晰易懂，而且自动化程度高，同时设置有图像优化模块，能够对重建后的图像进行进一步处理以及评估，使得图像重建效率更高，图像质量更加精准。