[发明专利]一种牙位检出和缺失牙标记方法及装置

说明书

本发明提供了一种牙位检出和缺失牙标记方法及装置，其中方法包括：获取原始牙科全景片影像数据，对原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；将待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集；基于包围框，计算包围框中心作为牙位坐标，根据牙位坐标，分别对牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x‑c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合函数确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集；基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片影像数据上可视化输出。

技术领域

本发明涉及医学影像分析领域和模式识别领域，尤其涉及一种牙位检出和缺失牙标记方法及装置。

背景技术

牙科全景X光技术因其高效、低辐射剂量的优点，被广泛应用于口腔及上颌骨疾病的诊断过程中。而自动化的口腔诊断系统可以为牙科医务工作者提供有效的临床决策辅助，节省诊断时间，并减轻阅片过程中压力和疲劳带来的负面影响。

在口腔诊断过程中，牙位检出对口腔疾病的检出和分析具有重要意义。缺失牙标记则提供了牙体健康状况的重要信息。通常，牙位的检出需要医务工作者根据全景片对牙齿进行逐个判断并标记牙位，进而标记处缺失牙，较为繁琐耗时。且易产生漏标和错标，对诊断结果和质量造成不利影响。因而高效精准的牙位检出是口腔自动化诊断的重要前提。

通常，牙科全景片中的牙齿和解剖结构存在边缘模糊、低对比度的特点，像素等级上的特征差异较小。因而依赖于像素级特征描述子的传统图像处理方法，如水平集、聚类分割等算法，难以在实践中发挥作用。此外，不同厂商生产的机型所产生的全景片也具有不同的统计特征分布，使得依赖于人工统计特征的算法难以适应多机型场景。

近年来，基于深度学习的实例分割技术表现出了较传统方法更卓越的性能。其强大的特征提取能力可以提取具备高级语义的特征，较像素级特征描述子更具判别力。其出色的泛化性能使得算法系统得以适应多机型服务场景。

因此，基于深度学习技术的实例分割技术有助于解决自动化牙位检出和缺失牙标记难题。

发明内容

本发明旨在提供一种克服现有技术难点，即难以精确分割牙齿，难以适应多机型场景，的牙位检出和缺失牙标记方法及装置。

为达到上述目的，本发明的技术方案具体是这样实现的：

本发明的一个方面提供了一种牙位检出和缺失牙标记方法，包括：获取原始牙科全景片影像数据，对原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；将待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集，其中，每个牙位检测结果包括：FDI牙位、包围框和分割轮廓；基于包围框，计算包围框中心作为牙位坐标，根据牙位坐标，分别对牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x-c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合得到的拟合函数，将缺失牙牙位代入拟合函数求得缺失牙横坐标，基于相邻牙位纵坐标，确定缺失牙位纵坐标，确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数；基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片影像数据上可视化输出。

其中，对原始牙科全景片影像数据进行预处理包括：对原始牙科全景片影像数据进行脱敏；如果原始牙科全景片影像数据为DICOM数据，则基于自适应算法调整DICOM数据为合适的窗宽窗位，转化为预设图像格式；和/或将原始牙科全景片影像数据进行缩小或者扩大为预设尺寸，经过对比度受限自适应直方图均衡化处理。

其中，牙位检出模型包括：基于二阶段的实例分割网络，使用ResNeXt-101作为主干网络，加入FPN模块提取具有不同尺度的特征。