CN104574411A - 一种基于离体牙cbct的龋齿图像处理方法 - Google Patents
一种基于离体牙cbct的龋齿图像处理方法 Download PDFInfo
- Publication number
- CN104574411A CN104574411A CN201510031522.2A CN201510031522A CN104574411A CN 104574411 A CN104574411 A CN 104574411A CN 201510031522 A CN201510031522 A CN 201510031522A CN 104574411 A CN104574411 A CN 104574411A
- Authority
- CN
- China
- Prior art keywords
- tooth
- image
- cbct
- processing method
- image processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本发明公开了一种基于离体牙CBCT的龋齿图像处理方法,该方法的步骤包括对离体牙CBCT二维重建的原始牙齿CBCT灰度图像进行颗粒噪声滤波;根据滤波后的原始牙齿CBCT灰度图像,确定该图像中空气区域内的背景空气亮度平均灰度值;利用人工交互式感兴趣区,并根据测试识别需求,对牙体临面的牙釉质或牙本质区域所要观察的感兴趣区域边缘进行选择;根据背景空气亮度平均灰度值,计算灰度图像中牙齿龋损的脱矿参数;利用原始牙齿CBCT灰度图像中的背景空气亮度平均灰度值和脱矿参数与预设阈值比较,确定牙齿上龋齿斑点。通过本发明所述技术方案可实现CBCT图像龋病的检测与定位,可提高CBCT图像中龋齿诊断的准确性。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种基于离体牙CBCT的龋齿图像处理方法。
背景技术
龋齿(Dental Caries)是一种由口腔中多种因素复合作用所导致的牙齿硬组织进行性病损,表现为无机质的脱矿和有机质的分解,随着病程的发展而从色泽变化到形成实质性病损的演变过程。20世纪以来,随着物质生活水平的提高,人们饮食***均龋患率可在90%左右,是口腔主要的常见病,也是人类最普遍的疾病之一,已经被世界卫生组织列为全球性重点防治的三大疾病之一,有效的龋病预防、早期检查和治疗正成为人类越来越关注的一个课题。
随着计算机技术和信息处理技术的不断发展,利用计算机图像处理方法对医学图像进行处理和分析,作为医师判别病变的辅助手段,已成为国内外学术界的研究热点之一。对与龋病检测,已有的研究均是利用计算机辅助诊断***对传统影像学图像进行评估,无法实现牙齿图像中龋病的定位与检测。
口腔CBCT(Cone beam CT的简称,即锥形束CT)可提供质量最清晰、分辨率最高的计算机重组断层影像,在口腔医学研究和疾病诊断中获得成功应用。目前,尚无利用口腔CBCT图像对离体牙的龋病检测的研究方法。因此,需要提供一种基于CBCT图像的龋齿图像处理方法,以对离体牙进行龋病检测。
发明内容
本发明要解决的技术问题是提供一种基于离体牙CBCT的龋齿图像处理方法,以实现CBCT龋齿图像的检测与定位,提高CBCT图像中龋齿诊断的准确性。
为解决上述技术问题,本发明的是提供一种基于离体牙CBCT的龋齿图像处理方法,该方法的步骤包括
一种基于离体牙CBCT的龋齿图像处理方法,该方法的步骤包括
对离体牙CBCT二维重建的原始牙齿CBCT灰度图像进行颗粒噪声滤波;
根据滤波后的原始牙齿CBCT灰度图像,确定该图像中空气区域内的背景空气亮度平均灰度值;
利用人工交互式感兴趣区,并根据测试识别需求,对牙体临面的牙釉质或牙本质区域所要观察的感兴趣区域边缘进行选择;
根据背景空气亮度平均灰度值,计算灰度图像中牙齿龋损的脱矿参数;
利用原始牙齿CBCT灰度图像中的背景空气亮度平均灰度值和脱矿参数与预设阈值比较,确定牙齿上龋齿斑点。
优选的,所述颗粒噪声滤波采用高斯型平滑滤波器:其中,D(x,y)是点(x,y)距离原点的距离。
优选的,所述高斯型平滑滤波器的尺寸为5*5像素。
优选的,利用计算所述空气区域的平均灰度值,其中,μi为像素i的灰度值。
优选的,在感兴趣区范围内,利用公式: 计算牙齿感兴趣区内图像每个像素点i的脱矿参数,其中,μE,μD,μA分别为牙釉质、牙本质和背景空气亮度的平均灰度值,μi为像素i的灰度值。
优选的,利用三次样条插值算法对噪声滤波后的图像进行分辨率调整。
优选的,该方法进一步包括根据判断条件, 设置门限值MT,剔除图像中像素灰度较低的可以龋齿斑点。
优选的,该方法进一步包括将确定为龋齿斑点的位置标记在原始牙齿CBCT灰度图像中。
本发明的有益效果如下:
本发明所述技术方案能够对离体牙CBCT图像进行有效处理,获得CBCT图像中存在的龋病,实现离体牙CBCT图像龋病的检测与定位,可提高CBCT图像中龋齿诊断的准确性。
附图说明
图1-a示出原始牙齿CBCT图像;
图1-b示出原始牙齿CBCT图像的局部放大图像
图2示出原始牙齿CBCT图像去噪处理后的局部放大图像;
图3示出原始牙齿CBCT图像中ROI区域图像;
图4示出原始牙齿CBCT图像在ROI区域预处理后的图像;
图5示出原始牙齿CBCT图像中牙本质的图像;
图6示出原始牙齿CBCT图像中牙釉质的图像;
图7示出原始牙齿CBCT图像中龋齿点的定位图像
图8示出一种基于离体牙CBCT的龋齿图像处理方法的示意图。
具体实施方式
下面结合附图及实例对本发明作进一步描述
本发明提出了一种基于离体牙CBCT图像龋病检测方法,利用临床拍摄的牙齿CBCT图像,经过该检测方法获得CBCT图像中存在的龋病,实现CBCT图像龋病的检测与定位,用以提高CBCT图像中龋齿诊断的准确性。
本发明所述龋齿图像处理方法,首先经高斯型平滑滤波器滤除原始牙齿CBCT图像中颗粒噪声,并很好的保持牙齿边缘特征,采用三次样条插值方法获得高分辨率的CBCT图像;然后,在龋齿检测感兴趣区域中,通过将原始牙齿CBCT图像脱矿参数的计算以及空气灰度均值统计相比较,识别出图像中存在的疑似龋病;最后,经形态学图像处理方法降低龋病检测假阳性率,实现高准确度的离体牙CBCT图像龋齿点的检测与定位。
图像导入与预处理
导入离体牙CBCT图像。原始牙齿CBCT图像由于其特殊的成像机理与后期的重建算法的影响,使得牙齿CBCT图像具有以下特点:如图1-a所示,图像分辨率小,经重建后的二维灰度图像的分辨率为263*263像素,而对于单个牙齿的分辨率将更小,图中的左一牙齿,其分辨率仅为26*52像素;如图1-b所示,图像经放大4倍显示,可以看到图像内部具有严重的颗粒噪声,将对图像的分割等后续处理带来影响。
为了更好的实现龋齿点的检测与定位,需滤除原始牙齿CBCT图像中的颗粒噪声,并且较好的保持图像中的正常组织结构边缘特征,本发明设计了高斯型平滑滤波器,函数定义为,
其中,D(x,y)是点(x,y)距离原点的距离。为了保持牙齿边缘特征,将滤波器的尺寸设计为5*5像素。本发明为减小CBCT分辨率小对图像处理与参数测量准确性的影响,在图像平滑滤波后经三次样条插值算法实现图像的缩放。
背景空气亮度平均值的测量
本发明所述方法选取原始牙齿CBCT图像中空气区域,来计算CBCT图像均值作为背景空气亮度平均均值,该空气区域为M*N矩形区域,一般选择为50*25像素大小。该背景空气亮度平均值用于后续龋损脱矿参数的计算和测量,这里定义μi为像素i的灰度值,
感兴趣区选择与参数测量
如图3所示,本方法可采用人工交互式感兴趣区ROI选择,根据测试识别需求圈定牙体邻面的牙釉质或牙本质区域所要观察的兴趣区域边缘。在ROI范围内,计算牙齿兴趣区图像每一个像素点i的脱矿参数,龋损的脱矿参数Mi按照如式(3)定义:
其中,μE,μD,μA分别指示牙釉质、牙本质和空气区域对应CBCT图像所属局域的平均灰度值,μi为像素i的灰度值。
可疑龋齿点的检测与标识
如图4至图7所示,***在提取龋损的脱矿参数后,根据设定的可疑龋齿脱矿参数的门限值MT实现自动检测,
由于图像噪声、后续二维重建算法等因素的影响使得图像中存在个别像素灰度较低,如式(4)所示,Mi小于MT或Mi大于等于MT的情况,在实际中Mi小于MT的斑点不是真的龋损位置。因此,在获得龋齿的脱矿参数后,再自动计算每一个连通的可疑区域面积,例如像素个数,判断低于设定门限值的Mi予以剔除,以降低可疑龋病的检测的假阳性率。为了便于从图上直接辨别龋齿点位置,***提取区域的边缘,并将其标识在原始图像中,如图7所示。
下面通过一组实例,对本发明做进一步说明,假设可疑龋病检测参数为:空气区域M*N=50*25,图像放大比例为4倍,脱矿参数门限值MT=0.10,面积筛选门限值为10,经算法处理获得的图像参数为:空气亮度平均值μA=0.01,牙釉质亮度平均值μE=212,牙本质亮度平均值μD=147,由式(3)可计算牙釉质和牙本质区域每个像素点的脱矿参数Mi,通过门限值比较、面积筛选即可实现可疑龋病的检测,检测结果如图7所示。
综上所述,本发明所述技术方案能够对离体牙CBCT图像进行有效处理,获得CBCT图像中存在的龋病,实现离体牙CBCT图像龋病的检测与定位,可提高CBCT图像中龋齿诊断的准确性。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种基于离体牙CBCT的龋齿图像处理方法,其特征在于,该方法的步骤包括
对离体牙CBCT二维重建的原始牙齿CBCT灰度图像进行颗粒噪声滤波;
根据滤波后的原始牙齿CBCT灰度图像,确定该图像中空气区域内的背景空气亮度平均灰度值;
利用人工交互式感兴趣区,并根据测试识别需求,对牙体临面的牙釉质或牙本质区域所要观察的感兴趣区域边缘进行选择;
根据背景空气亮度平均灰度值,计算灰度图像中牙齿龋损的脱矿参数;
利用原始牙齿CBCT灰度图像中的背景空气亮度平均灰度值和脱矿参数与预设阈值比较,确定牙齿上龋齿斑点。
2.根据权利要求1所述的龋齿图像处理方法,其特征在于,所述颗粒噪声滤波采用高斯型平滑滤波器:其中,D(x,y)是点(x,y)距离原点的距离。
3.根据权利要求2所述的龋齿图像处理方法,其特征在于,所述高斯型平滑滤波器的尺寸为5*5像素。
4.根据权利要求1所述的龋齿图像处理方法,其特征在于,利用计算所述空气区域的平均灰度值,其中,μi为像素i的灰度值。
5.根据权利要求1所述的龋齿图像处理方法,其特征在于,在感兴趣区范围内,利用公式: 计算牙齿感兴趣区内图像每个像素点i的脱矿参数,其中,μE,μD,μA分别为牙釉质、牙本质和背景空气亮度的平均灰度值,μi为像素i的灰度值。
6.根据权利要求1所述的龋齿图像处理方法,其特征在于,利用三次样条插值算法对噪声滤波后的图像进行分辨率调整。
7.根据权利要求1所述的龋齿图像处理方法,其特征在于,该方法进一步包括根据判断条件, 设置门限值MT,剔除图像中像素灰度较低的可以龋齿斑点。
8.根据权利要求1所述的龋齿图像处理方法,其特征在于,该方法进一步包括将确定为龋齿斑点的位置标记在原始牙齿CBCT灰度图像中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510031522.2A CN104574411A (zh) | 2015-01-22 | 2015-01-22 | 一种基于离体牙cbct的龋齿图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510031522.2A CN104574411A (zh) | 2015-01-22 | 2015-01-22 | 一种基于离体牙cbct的龋齿图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104574411A true CN104574411A (zh) | 2015-04-29 |
Family
ID=53090383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510031522.2A Pending CN104574411A (zh) | 2015-01-22 | 2015-01-22 | 一种基于离体牙cbct的龋齿图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574411A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460762A (zh) * | 2018-03-16 | 2018-08-28 | 鲍志遥 | 一种快速检测龋齿的检测装置及其方法 |
CN109640877A (zh) * | 2016-05-10 | 2019-04-16 | 神原正树 | 牙齿健康性判定辅助装置和牙齿健康性判定辅助*** |
CN110363750A (zh) * | 2019-06-28 | 2019-10-22 | 福建师范大学 | 一种基于多模态数据融合的牙根管形态自动提取方法 |
CN111292313A (zh) * | 2020-02-28 | 2020-06-16 | 湖北咿呀医疗投资管理股份有限公司 | 补牙质量评测方法及装置 |
CN111340945A (zh) * | 2020-03-06 | 2020-06-26 | 徐州医科大学 | 一种数字化儿童口腔治疗操作模型的建模方法 |
CN111933252A (zh) * | 2020-08-12 | 2020-11-13 | 杭州深睿博联科技有限公司 | 一种牙位检出和缺失牙标记方法及装置 |
CN118314143A (zh) * | 2024-06-11 | 2024-07-09 | 成都玻尔兹曼智贝科技有限公司 | 一种基于人工智能的牙齿早期釉质脱矿评估方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080170764A1 (en) * | 2007-01-17 | 2008-07-17 | Burns Peter D | System for early detection of dental caries |
CN101513366A (zh) * | 2009-03-18 | 2009-08-26 | 天津大学 | 基于ps-oct的三维可视化口腔龋齿检测装置及检测方法 |
CN101849816A (zh) * | 2009-04-06 | 2010-10-06 | 住友电气工业株式会社 | 利用光学相干断层扫描技术的牙齿诊断*** |
CN101926641A (zh) * | 2009-06-19 | 2010-12-29 | 卡尔斯特里姆保健公司 | 量化龋齿的方法 |
US20110275034A1 (en) * | 2009-01-20 | 2011-11-10 | Wei Wang | Method and apparatus for detection of caries |
-
2015
- 2015-01-22 CN CN201510031522.2A patent/CN104574411A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080170764A1 (en) * | 2007-01-17 | 2008-07-17 | Burns Peter D | System for early detection of dental caries |
US20110275034A1 (en) * | 2009-01-20 | 2011-11-10 | Wei Wang | Method and apparatus for detection of caries |
CN101513366A (zh) * | 2009-03-18 | 2009-08-26 | 天津大学 | 基于ps-oct的三维可视化口腔龋齿检测装置及检测方法 |
CN101849816A (zh) * | 2009-04-06 | 2010-10-06 | 住友电气工业株式会社 | 利用光学相干断层扫描技术的牙齿诊断*** |
CN101926641A (zh) * | 2009-06-19 | 2010-12-29 | 卡尔斯特里姆保健公司 | 量化龋齿的方法 |
Non-Patent Citations (1)
Title |
---|
ANDREW M. TAYLOR ET AL: "An automated assessment algorithm for micro-CT images of occlusal caries", 《THE SURGEON》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640877A (zh) * | 2016-05-10 | 2019-04-16 | 神原正树 | 牙齿健康性判定辅助装置和牙齿健康性判定辅助*** |
CN108460762A (zh) * | 2018-03-16 | 2018-08-28 | 鲍志遥 | 一种快速检测龋齿的检测装置及其方法 |
CN110363750A (zh) * | 2019-06-28 | 2019-10-22 | 福建师范大学 | 一种基于多模态数据融合的牙根管形态自动提取方法 |
CN110363750B (zh) * | 2019-06-28 | 2023-05-09 | 福建师范大学 | 一种基于多模态数据融合的牙根管形态自动提取方法 |
CN111292313A (zh) * | 2020-02-28 | 2020-06-16 | 湖北咿呀医疗投资管理股份有限公司 | 补牙质量评测方法及装置 |
CN111292313B (zh) * | 2020-02-28 | 2023-04-28 | 恩施京植咿呀雅口腔医院有限公司 | 补牙质量评测方法及装置 |
CN111340945A (zh) * | 2020-03-06 | 2020-06-26 | 徐州医科大学 | 一种数字化儿童口腔治疗操作模型的建模方法 |
CN111933252A (zh) * | 2020-08-12 | 2020-11-13 | 杭州深睿博联科技有限公司 | 一种牙位检出和缺失牙标记方法及装置 |
CN111933252B (zh) * | 2020-08-12 | 2023-08-04 | 杭州深睿博联科技有限公司 | 一种牙位检出和缺失牙标记方法及装置 |
CN118314143A (zh) * | 2024-06-11 | 2024-07-09 | 成都玻尔兹曼智贝科技有限公司 | 一种基于人工智能的牙齿早期釉质脱矿评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574411A (zh) | 一种基于离体牙cbct的龋齿图像处理方法 | |
TWI483711B (zh) | Tumor detection system and method of breast ultrasound image | |
AU706993B2 (en) | Computerized detection of masses and parenchymal distortions | |
Jitpakdee et al. | A survey on hemorrhage detection in diabetic retinopathy retinal images | |
Antal et al. | Improving microaneurysm detection using an optimally selected subset of candidate extractors and preprocessing methods | |
Kumar et al. | Descriptive analysis of dental X-ray images using various practical methods: A review | |
CN115345893B (zh) | 基于图像处理的卵巢组织癌变区域分割方法 | |
DE10321722A1 (de) | Computergestützte Diagnose von Mehrfachenergiebildern | |
CN101706843A (zh) | 一种乳腺cr图像交互式读片方法 | |
CN104143035B (zh) | 一种分割乳腺病灶的方法 | |
Lakshmi et al. | Classification of Dental Cavities from X-ray images using Deep CNN algorithm | |
Ghaedi et al. | An automated dental caries detection and scoring system for optical images of tooth occlusal surface | |
CN110021022A (zh) | 一种基于深度学习的甲状腺核医学图像诊断方法 | |
Anuradha et al. | Detection of oral tumor based on marker-controlled watershed algorithm | |
Rad et al. | Computer-aided dental caries detection system from X-ray images | |
CN106483130A (zh) | 一种水稻病害的检测方法及其自动检测装置 | |
US9547903B2 (en) | Method for quantifying caries | |
Sagar et al. | Color channel based segmentation of skin lesion from clinical images for the detection of melanoma | |
Yu et al. | A new technique for diagnosis of dental caries on the children’s first permanent molar | |
Wisaeng et al. | Automatic detection of exudates in retinal images based on threshold moving average models | |
CN106097283A (zh) | 一种基于人类视觉***特性的多尺度x线图像增强方法 | |
Cao et al. | Liver fibrosis identification based on ultrasound images | |
CN105225231B (zh) | 基于病灶容积测量的mri自动图像分割方法 | |
CN111563877B (zh) | 一种医学影像的生成方法及装置、显示方法及存储介质 | |
Raju Maher et al. | A Decision Support System for Automatic Screening of Non-proliferative Diabetic Retinopathy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150429 |
|
RJ01 | Rejection of invention patent application after publication |