[发明专利]一种基于深度学习的神经导管自动检测方法

说明书

一种基于深度学习的神经导管自动检测方法，采用以下步骤，步骤1：读取CBCT图像数据，通过该CBCT图像数据重建三维模型，且自动拟合牙弓曲线；步骤2：利用手工交互的方式在三维模型中沿着牙弓曲线勾画对应的曲线，并在三维空间中重建下颌神经管；步骤3：在三维空间坐标系中，以牙弓曲线为参考线，沿着牙弓曲线每间隔指定距离对三维模型进行切片，得到切片图，记录每个切片图在三维空间坐标系中的空间位置，所有的切片图组成该三维图像的图像序列。采用先进的深度学习检测模型，能够适应不同年龄，不同骨质状况的病人数据，因此算法具有很高的稳定性。

技术领域

本发明涉及领域，具体涉及基于深度学习的神经导管自动检测算法。

背景技术

相关产品中该技术的缺陷分析

涉及下颌神经管检测技术的种植软件产品：

缺陷总结：

目前市场上尚未出现全自动的下颌神经管检测技术，绝大部分空腔种植软件都是采用了人工交互勾画下颌神经管的方法。使用时用户需要在全景图像上画出完整的下颌神经管的曲线，然后生成三维的神经导管。为保证精度，通常需要用户不断地调整全景图，以完全显现下颌神经管，该操作非常繁琐，需要大量的交互工作。极少数产品中提供了半自动自动的下颌神经管检测功能(如 Blue Sky Plant)，该产品需要用户标记下颌神经管的入口，除此之外该产品的方法并不稳定，检测结果容易受到数据质量和病人个体差异的影响，

相关技术的缺陷简要分析：

论文

名称：Automatic Extraction of Mandibular Nerve and Bone from Cone-BeamCT Data

会议：International Conference on Medical Image Computing andComputer-Assisted Intervention

日期：2009年

缺陷：该方法需要通过统计方法重建整个下颌骨和下颌神经管，然后采用最短路径法改善初始的下颌神经管。该方法的统计模型限制了该方法的使用范围，另外最短路径的权重的设置受数据影响，不具有稳定性。

名称：Automated tracking of the mandibular canal in CBCT images usingmatching and multiple hypotheses methods

杂志：Fourth International Conference on CommunicationElectronics

日期：2012年

缺陷：该方法采用形态学方法检测神经导管的入口和出口，然后采用基于局部匹配的方法分别从入口和出口对神经导管进行跟踪。该方法整体是基于基本的图像处理技术，因此容易受到图像噪声影响；除此之外该方法假设神经导管是圆形，而实际中神经管的形状变化较大，尤其是大龄病人，下颌神经管呈现不规则形状，因此该方法容易受到数据的影响。

名称：Tubular Geodesics using Oriented Flux:An ITK Implementation

杂志：The Insight Journal

日期：2013年

缺陷：该方法需要手工确定下颌神经管的起始点和终止点，然后通过最短路径的方法确定下颌神经管。对于噪声较大的数据，肉眼难以确定下颌神经管的起始和终止点，另外最短路径的权重通常需要对不同的数据单独调整，因此算法不具有稳定性。