基于CBCT图像的牙齿水平集分割

发布时间：2021-06-19 16:56

　　随着越来越多人重视口腔健康,牙齿功能改善和美观治疗存在大量的临床需求,医生对牙齿分割技术的应用要求逐步提高。CBCT的出现为计算机辅助口腔诊疗提供重要的数据信息,但牙齿与邻牙、牙周组织、颌骨接触边界模糊,且牙齿结构发生拓扑变化等问题令分割难度增大,而水平集方法在医学图像分割拓扑结构变化方面表现良好。因此,本文针对临床口腔在牙齿分割效率、准确度和稳定性方面的应用现实问题,结合CBCT图像数据特征和牙齿解剖结构知识,进行牙齿水平集分割算法研究,并完成牙齿三维结构实现。具体研究内容如下:数据预处理。根据CBCT图像数据信息采用分段线性变换、中值滤波进行图像增强、降噪,利用最大密度投影选取牙齿边界区域,便于分割处理;制定牙齿分割实现方案。结合牙齿分割发展历程,基于水平集理论和牙齿解剖结构重点介绍牙齿分割实现方案。针对初始层磨牙提出基于边缘检测因子的快速水平集分割,实验结果验证了运行时间有相对较好的提升。改进的单牙齿混合水平集分割。针对分割牙根拓扑变化不及时和曲线易被邻牙、牙周组织影响导致分割错误边界的情况,本文充分利用CBCT图像序列的层间信息,优化先验信息项和正则项的定义,引入带约束的形状项... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

牙齿CBCT影像

电子科技大学硕士学位论文12每个数据元描述一条信息，其中数据标签TAG分为4类：Patient，Study，Series，Image，由8位16进制数组成描述，前4位代表组号（GroupNumber），后4位代表元素号（ElementNumber）。常见的有：（0018，0050）代表切片厚度（SliceThickness）；（0028,0030）代表像素间隔（PixelSpacing）；（0028,1050）代表窗位（WindowCenter）；（0028,1051）代表窗宽（WindowWidth）；（0018,0088）代表片层间隔（SpacingBetweenSlices）。不同CBCT采集设备参数设置会影响所生成数据内容，但DICOM格式文件中总会包含一幅以.dcm为后缀的序列结构影像图。2.2CBCT数据预处理CBCT图像伪影的存在和放射物剂量小会影响成像质量，给图像分割造成不小的困难。为给后续分割提供有用的图像信息，本节对CBCT图像进行预处理。2.2.1图像灰度变换为便于后续分割进行，首先分析本次图像数据，图像大小480*480，像素大小是0.2658mm*0.2658mm，层厚0.2515mm，如图2-3(a)所示是CBCT扫描得到的牙齿横断面序列图像中的一层，图2-3(b)是该CBCT图像的灰度统计分布图。(a)(b)图2-3牙齿CBCT影像。(a)牙齿横断面序列图像中的一层；(b)灰度直方图由图2-3(b)可以看出，与一般自然图像相比，医学图像灰度级达到上千位，数据灰度值跨度大概在4000-5000，范围较大。图像一般需要基于图像灰度信息进行处理，因此首先对CBCT图像进行预处理，将灰度值转换到常用的人眼可识别范围[0，255]，增强图像对比度。灰度变换需要将图像上像素点的灰度值映射为另一个新的灰度值的变化，其中映射关系代表灰度变换过程。一般的灰度变换可以改善图像质量，增强对比度。这种灰度变换可表示为一种函数关系如式(2-2)所示：

局部增强

【参考文献】：
期刊论文
[1]最大密度投影算法实现与改进[J]. 罗守华,刘俊秀,于洁,陈功.  北京生物医学工程. 2009 (02)



本文编号：3238194