[发明专利]一种基于中心点检测的CBCT牙齿图像分割方法

说明书

本发明提供了一种基于中心点检测的CBCT牙齿图像分割方法，包括预处理；粗分割；双水平集精分割；层间迭代分割；牙齿三维结构。本发明基于中心点检测的牙齿图像分割算法充分利用检测到的中心点信息，进行初始层的粗分割，并利用粗分割结果代替手动初始化，实现一种全自动的“专家”指导下的图像分割。本文考虑利用检测到的中心点信息作为分割算法的先验信息，提出基于中心点检测的牙齿图像分割算法；并在分割过程中引入双水平集分割算法及阈值优化约束处理，便于更快、更方便也更准确的得到牙齿三维结构，使分割更准确，鲁棒性更好。

技术领域

本发明属于图像分割技术领域，尤其涉及一种基于中心点检测的CBCT牙齿分割方法。

背景技术

随着社会发展，越来越多的成年人在寻求牙齿正畸治疗，以改善他们的笑容，改正牙齿咬合状况或纠正因受伤、疾病或长久忽视口腔护理所造成的其它问题。为全面、精确、详实地获取患者数据，进而为口腔疾病的诊断和治疗提供有力保障，医学成像技术成为不可或缺的技术手段。口腔CT设备是牙科的革命性工具，CBCT自上世纪九十年代后期应用于口腔医学领域，因其能够真实反映颌面部的三维结构，克服二维成像的弊端，可以更加立体的评估牙齿和骨骼的关系，使正畸医生能够制定更合理的方案。但由于CBCT牙齿切片图像亮度低、对比度差、噪点多、边界不明显、结构异常复杂，个体呈多样性；并且CT因受噪声、强度非均匀性产生的伪影及不同组织强度相同的影响使得牙齿的自动分割非常困难，且大多数图像灰度不均匀。如何处理有效的分割牙齿图像成为了获取牙齿信息的关键步骤。

目前主要的牙齿分割算法有：手动分割，其缺点是需要多人参与、分割时间长、测量精度受到操作者操作影响；自适应阈值分割，但因为存在噪点多、相邻牙齿边界模糊和牙齿灰度值不均匀这些问题，极易受到非有效信息的干扰；形态学分割，由于对边缘过于敏感，经常出现过度分割；基于活动轮廓模型的水平集分割，如DRLSE、MICO存在的问题是对于初始化要求过高需要依赖于较为精准先验知识，而且缺少对演化表面的局部控制。由于医学图像的成像技术缺陷和牙齿结构的特殊性，牙齿的分割处理目前都要借助一定量的交互操作才能实现。因此，引入形状先验信息来简化分割问题是必不可少的。为了实现ROI的精确自动分割，本文考虑利用检测到的中心点信息作为分割算法的先验信息，提出基于中心点检测的牙齿图像分割算法，使分割更准确，鲁棒性更好。基于中心点检测的牙齿图像分割算法充分利用检测到的中心点信息，进行初始层的粗分割，并利用粗分割结果代替手动初始化，通过关键区域的先验信息直接融入到待分割图像中，实现一种全自动的“专家”指导下的图像分割。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于中心点检测的CBCT牙齿分割方法解决了针对现有的大部分牙齿分割算法都需要手动初始化，结合提高牙齿分割精度的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种基于中心点检测的CBCT牙齿图像分割方法，包括以下步骤：

S1、预处理：获取牙齿的原始图像，并根据所述牙齿的原始图像利用MIP算法计算得到包裹牙齿的区域大小；

S2、粗分割：根据所述包裹牙齿的区域大小选取合适的初始层，并利用分水岭算法计算得到牙齿所述初始层的粗分割结果；

S3、双水平集精分割：将所述粗分割结果作为初始化，并利用双水平集DRLSE模型对牙齿初始层进行精分割处理，得到上下两排牙齿初始层的二维分割结果；

S4、层间迭代分割：利用层间信息将所述上下两排牙齿初始层的二维分割结果进行最优阈值处理，并根据其处理结果利用双水平集DRLSE模型进行向上或向下逐层迭代得到CBCT图像牙齿每一层的二维分割结果；

S5、输出三维牙齿结构：利用DRLSE模型对所述CBCT图像牙齿的二维分割结果进行分割处理，得到CBCT牙齿图像的三维分割结果，从而完成CBCT牙齿图像的分割。

进一步地，所述步骤S1包括以下步骤：