论文部分内容阅读
数字化口腔的快速发展,对口腔锥形束CT(Cone Beam CT,CBCT)影像处理提出了新的需求,光学成像设备获取的患者三维模型需要与CBCT图像对应的解剖结构进行配准和融合,才能发挥其应有的临床价值,因此口腔CBCT影像处理及关键解剖结构的自动分割成为数字化口腔发展研究的关键问题。围绕这一关键问题,本文主要完成了口腔CBCT自动全景图像重建、下颌神经管自动分割、牙齿区域自动分割和口腔种植路径规划关键技术设计与开发等相关工作。主要研究内容如下:(1)口腔CBCT自动全景图像重建。提出了一种由CBCT图像自动生成高对比度全景图像方法,该方法提出牙弓厚度自动检测,有效解决了因患者个体差异,导致的手工设置困难的问题;针对非感兴趣组织参与全景图像合成导致图像对比度下降的问题,提出了一种抑制非感兴趣组织的全景图像合成算法,有效的改善了全景图像的对比度;最后提出了基于滤波的图像增强处理,进一步提升了全景图像全局和细节对比度。在涵盖各类情况的129例口腔CBCT图像集上,专家对三种不同方法匿名评分结果显示,提出方法的评分为11.03±2.46,明显优于射线和和X-射线方法的6.4±1.65和5.35±1.56。(2)基于多任务的下颌神经管自动分割方法。首先采用光线投射算法得到任意多平面重建数据的渲染图像,在该渲染图像中采用gLoG算法对颏孔进行检测,并计算下颌骨在任意多平面重建数据中的范围,生成全景图像。采用Efficient U-Net对全景图像中的下颌神经管进行分割,得到下颌神经管的趋势图;最后根据颏孔和神经管走向趋势图,对数据中的神经管进行初步分割,然后通过Dijkstra算法进行全局搜索得到最终分割结果。本文提出方法分割三维下颌神经管的召回率、精确率和平均DSC分别为84.26%、87.53%、86.71%。(3)牙齿区域自动分割。牙齿区域占整个口腔CBCT数据的9%左右,为了减少训练的数据量,提高预测的准确度,提高了一种快速牙齿感兴趣区域自动检测算法,然后采用3D U-Net网络对牙齿进行分割。完成了 49个患者CBCT数据的牙齿勾画,其中40个数据用于网络的训练,9个数据用于测试。牙齿分割结果的召回率、精确率和平均DSC分别为87.21%、98.23%、92.10%。(4)口腔种植路径规划关键技术设计与开发。以用户为中心,提出组合式传递函数设计,隐藏传递函数中的数据特征,以二维图像为交互窗口,有效简化了操作步骤;提出了种植位点牙槽骨磨骨量自动测量方法与控件设计;完成了设备状态同步过程服务和多线程DICOM存储服务进程设计。目前,系统中的三维渲染模块和全景处理模块已经过临床验证。