口腔种植规划中CBCT影像处理与智能分析方法研究

发布时间：2020-09-02 11:51

　　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。
【学位单位】：南方医科大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：R783.6;TP391.41
【部分图文】：

口腔,发展趋势

如耳鼻喉、颈椎和甲状腺等应用领域；短扫描、稀疏扫描和迭代重建算法的发展，逡逑未来ＣＢＣＴ设备的辐射剂量将进一步降低；运动追踪可有效的减少患者重拍的逡逑次数。未来ＣＢＣＴ设备将是一款汇集前沿技术的综合性设备（如图１－３所示），逡逑因此需要与此相匹配的高级图像处理技术来提供数字化的解决方案。逡逑５（，逡逑＼ｉ＆逦丨丨ｉ邋Ｉ，逦深度学习邋大数椐逡逑＂逦人检恱迷逦ｔ邋Ｉ逦Ｋ准：逦ＣＢＣＴ数椐逦—逡逑，＇邋Ｉ邋ｊ邋．邋＾邋ｊ＇逦逡逑多功能ＣＢＣＴ设茶逡逑Ｉ邋ｚ逡逑＼逡逑图１－３未来口腔ＣＢＣＴ发展趋势。逡逑Ｆｉｇ．邋１－３邋Ｆｕｔｕｒｅ邋ｄｅｎｔａｌ邋ＣＢＣＴ邋ｄｅｖｅｌｏｐｍｅｎｔ邋ｔｒｅｎｄ．逡逑深度学习和５Ｇ技术的发展，为未来口腔影像处理新模式提供了技术和平台逡逑基础，如图１－３所示，５Ｇ技术的成熟和逐步应用，可以使ＣＢＣＴ设备产生的所逡逑有数据秒速传输到云服务，在云端构建大数据和深度学习平台，其中大数据负责逡逑管理口腔临床产生的海量数据，深度学习平台一方面可以基于其强大的运算平逡逑台来完成关键组织结构的分割和建模

示意图,全景图像,口腔,数据

牙弓的厚度确定了用于生成全景图像的感兴趣区域的范围。第二步是逡逑基于提取到的牙弓曲线生成全景图像，对图２－１邋（ａ）中的红色曲线进行等间隔采逡逑样，并计算采样点处的切线的法向量，然后生成牙弓厚度等宽的切片图像，图２－逡逑１（ａ）中黄色的虚线表示切片图像，将所有的切片图像依次存储，生成弯曲的多平逡逑面重建（Ｍｕｌｔｉ－ｐｌａｎａｒ邋Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ，邋ＭＰＲ）图像集（图邋２－１邋（ｂ）所示）。弯曲的逡逑ＭＰＲ图像集也被称为单层厚全景图像集合，该集合是单层厚的序列切片，不能逡逑够在一个图像中显示类似Ｘ光全景图像中呈现的口腔信息，因此，需要将单层逡逑厚的全景图像集合生成全景图像（图２－１邋（ｃ）所示）。目前，商业软件系统中使逡逑用最广泛的合成算法是射线和算法（ｒａｙ－ｓｕｍ）或Ｘ射线方法这两种方法均逡逑采用平行光进行投影，其中射线和算法沿着单层厚全景图像集合的指定方向进逡逑行采样，将光线上所有采样点处的灰度值求和平均，生成全景图像。Ｘ射线算逡逑法模拟真实世界的Ｘ射线在物体内的传播模型来获取当前采样点处对全景图像逡逑的贡献

流程图,流程图,牙弓,全景图像

像增强处理以改善图像中的细节与整体对比度。逡逑２．邋２．１全景图像重建方法框架流程逡逑所提出的全景图像重建的框架概述如图２－２所示，主要包括三个步骤，第一逡逑步是根据输入的牙科ＣＢＣＴ数据检测牙弓曲线和牙弓厚度；第二步是基于检测逡逑到的牙弓曲线和牙弓厚度获得单层厚全景图像集，然后使用合成算法生成合成逡逑图像（图２－２邋（ｇ））。最后将图像增强算法应用于合成图像以获得最终全景图像逡逑（图邋２－２邋（ｈ））。逡逑Ｇ．ｉｒｖｔｗｌ邋Ｍｉｌ＊逦Ｍｉｓｋ逦ＭＣ＊逦Ｍ．ｉ？ｋ逦ｒｖｓｕｌｂ逡逑Ｐａｎｏｒａｍｉｃ逦ＳｖｍｈｃｔｉＴｅｄ邋ｉｉｎａｐｅ逦（邋ｕｒｖ邋ｅＪ邋ＭＩ＇Ｋ邋ｉｍｒｃ邋ｓｎ逡逑１逦ｉｆｆｌＢ邋Ｉ逡逑图２－２提出方法的流程图。逡逑Ｆｉｇ．邋２－２邋Ｗｏｒｋｆｌｏｗ邋ｏｆ邋ｔｈｅ邋ｐｒｏｐｏｓｅｄ邋ｍｅｔｈｏｄ．逡逑基于ＭＩＰ的牙弓曲线检测方法使用一定范围内连续的轴位图像生成轴位逡逑ＭＩＰ图像，然后用该ＭＩＰ图像来检测牙弓曲线。在基于ＭＩＰ的方法中，使用轴逡逑位图像的范围选择变的尤为重要，图２－３是不同范围的轴位图像生成的轴位ＭＩＰ逡逑图像，其中图２－３邋（ａ）是整个ＣＢＣＴ图像生成的ＭＩＰ图像，该ＭＩＰ图像中由于逡逑头部骨骼组织在上下颌骨上的重叠，会导致上下颂的信息直接被淹没，仅仅有牙逡逑冠的相关信息被保留，而用牙冠来检测牙弓曲线会导致牙弓曲线过度向颌骨外逡逑侧偏移，其主要原因是人体牙齿的牙根部位相比牙冠部分，会向颌骨内侧进行一逡逑１５逡逑

【相似文献】