CN114119950A - 一种基于人工智能的口腔曲面断层片牙齿图像分割方法 - Google Patents
一种基于人工智能的口腔曲面断层片牙齿图像分割方法 Download PDFInfo
- Publication number
- CN114119950A CN114119950A CN202111240197.2A CN202111240197A CN114119950A CN 114119950 A CN114119950 A CN 114119950A CN 202111240197 A CN202111240197 A CN 202111240197A CN 114119950 A CN114119950 A CN 114119950A
- Authority
- CN
- China
- Prior art keywords
- image
- curved surface
- processing
- oral cavity
- dental
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000000214 mouth Anatomy 0.000 title claims abstract description 23
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 13
- 238000003709 image segmentation Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 210000003074 dental pulp Anatomy 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 abstract description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004513 dentition Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 210000004195 gingiva Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009790 rate-determining step (RDS) Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036346 tooth eruption Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10112—Digital tomosynthesis [DTS]
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20112—Image segmentation details
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明属于口腔数字化处理领域，具体公开了一种基于人工智能的口腔曲面断层片牙齿图像分割方法，包括步骤：获取口腔曲面断层片影像数据；对获取的影像数据进行预处理；将预处理后的图片输出至检测模型中进行目标图像特征检测；基于目标图像特征检测中的低秩部分和显著部分进行图像重建，并输出牙体硬组织及牙髓分类结果；将上述分类结果及特征部分输入至掩码网络中，并通过图像视觉处理通道处理，得到处理结果。本发明将深度卷积网络和口腔数字化影像结合在一起，采用通过VGG的深度网络模型预测出牙齿区域的边界框，能实现对牙齿不同组织进行精确划分，为临床口腔医师的疾病诊疗提供参考，获得更加精细的牙齿分类判别。
Description
技术领域
本发明涉及口腔数字化处理领域，具体为一种基于人工智能的口腔曲面断层片牙齿图像分割方法。
背景技术
在临床诊疗中，为了更全面深入了解患者的牙齿、颌骨等解剖结构的相关信息，常常需要寻求影像学资料的帮助，而口腔曲面断层片在其中广受欢迎。口腔曲面断层片通过对对象的牙列颌骨等结构的二维描述，给予医生宏观全局的认识，对临床疾病的发生发展转归等具有重要意义。此外，口腔曲面断层片价格低廉，辐射量低，普及率高，这些优势也是其广泛应用的重要因素之一。
精准的牙齿图像分割不仅仅有助于确立临床疾病的诊断及后续的方案制定，而且对于研究牙齿的生长发育具有重要的研究价值。但是目前的牙齿切割存在着一定的问题，一方面由于牙齿的解剖结构直接的重叠影响，不存在明显的边界，图像存在噪声，另外，传统的人为图像分割是个冗长耗时且耗力的过程。因此，如何正常的进行牙齿图像分割是目前很多相关牙齿影像学的深入研究的限速步骤，也是最具挑战的研究之一。
传统的口腔曲面断层片多通过提升算数或算法，出现了以区域、转折点、群簇、边界等为基础的分割方法，但是由于牙齿和邻近的骨组织的细微差别，这些传统方法并没有取得很大的精度提升。近年来，机器学习，尤其是深度学习及其算法，在图像侦测、分类及疾病诊治上带来新的变革。
在口腔曲面断层片的分割研究中，可从深度学习神经网络出发，采用基于图像分块的卷积网络，使用特征取框架，提取有效特征，对口腔曲面断层片中的不同结构分类分析。
发明内容
本发明的目的在于提供一种基于人工智能的口腔曲面断层片牙齿图像分割方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于人工智能的口腔曲面断层片牙齿图像分割方法，包括步骤：
S1：获取口腔曲面断层片影像数据；
S2：对获取的影像数据进行预处理；
S3：将预处理后的图片输出至检测模型中进行目标图像特征检测；
S4：基于目标图像特征检测中的低秩部分和显著部分进行图像重建，并输出牙体硬组织及牙髓分类结果；
S5：将上述分类结果及特征部分输入至掩码网络中，并通过图像视觉处理通道处理，得到处理结果。
优选的，S1中是采用口腔影像设备拍摄全口曲面断层片，获得口腔曲面断层片影像数据。
优选的，S2的预处理过程包括但不限于降噪、对比度调整、图像旋转以及截取处理。
优选的，S3中检测模型的建立过程包括：a：采集多类型、多视角、多通道的口腔曲面断层片图像，并对图像进行分类，建立图像数据集；b：对图像数据集的断层片图像进行目标与背景分割、尺寸归一化，得到训练数据集；c：采用迁移学习的方法，并利用VGG模型对训练数据集进行训练，得到训练后的VGG模型。
优选的，上述VGG模型包括两层卷积层、两层池化层、两层全连接层和一层输出层的神经网络学习模型。
优选的，S5的图像视觉处理通道处理方式依次包括：分割处理、对比度提升处理、去噪处理以及边缘增强处理。
优选的，S3中检测模型对目标图像特征检测的检测过程包括：通过VGG的深度网络模型预测出牙齿区域的边界框；对网络输出的图像进行处理，输出对牙齿及其周围特征的预测。S5中最后还将网络预测的特征与传统的病症数据库进行对比，由此完成对该牙体组织特征的判断。
与现有技术相比，本发明的有益效果是：
本发明将深度卷积网络和口腔数字化影像结合在一起，采用通过VGG的深度网络模型预测出牙齿区域的边界框，然后将其输出的图像进行处理，输出对牙齿及其周围特征的预测，最后将模型预测的特征与传统的病症数据库进行对比，由此完成对该牙体组织特征的判断，最终完成对牙齿不同组织进行精确划分，为临床口腔医师的疾病诊疗提供参考，获得更加精细的牙齿分类判别，能实现区域分类处理，进一步提供建议来协助临床口腔医师进行诊疗与判断。
附图说明
图1为本发明的方法流程框图；
图2为本发明实施例中VGG架构网络示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种基于人工智能的口腔曲面断层片牙齿图像分割方法，包括步骤：
S1：获取口腔曲面断层片影像数据；
S2：对获取的影像数据进行预处理；
S3：将预处理后的图片输出至检测模型中进行目标图像特征检测；
S4：基于目标图像特征检测中的低秩部分和显著部分进行图像重建，并输出牙体硬组织及牙髓分类结果；
S5：将上述分类结果及特征部分输入至掩码网络中，并通过图像视觉处理通道处理，得到处理结果。
在本实施例中，S1中是采用口腔影像设备拍摄全口曲面断层片，获得口腔曲面断层片影像数据。
在本实施例中，S2的预处理过程包括但不限于降噪、对比度调整、图像旋转以及截取处理。
在本实施例中，S3中检测模型的建立过程包括：
a：采集多类型、多视角、多通道的口腔曲面断层片图像，并对图像进行分类，建立图像数据集；
b：对图像数据集的断层片图像进行目标与背景分割、尺寸归一化，得到训练数据集；
c：采用迁移学习的方法，并利用VGG模型对训练数据集进行训练，得到训练后的VGG模型。
在本实施例中，上述数据集训练50次后得到的精度与敏感性；
Epoch 50
lr＝2.86e-07
Epoch_time:158.89s
Accuracy:99.06％
Confusion matrix:[[305,0,0,0],[0,222,4,0],[0,2,294,1],[1,0,3,341]]
其他:Sensitivity:99.67％,Specificity:100.00％
牙冠:Sensitivity:99.11％,Specificity:99.58％
牙齿:Sensitivity:97.67％,Specificity:99.66％
牙龈:Sensitivity:99.71％,Specificity:99.52％
在本实施例中，上述VGG模型包括两层卷积层、两层池化层、两层全连接层和一层输出层的神经网络学习模型。
在本实施例中，S5的图像视觉处理通道处理方式依次包括：分割处理、对比度提升处理、去噪处理以及边缘增强处理。
在本实施例中，S3中检测模型对目标图像特征检测的检测过程包括：通过VGG的深度网络模型预测出牙齿区域的边界框；对网络输出的图像进行处理，输出对牙齿及其周围特征的预测。S5中最后还将网络预测的特征与传统的病症数据库进行对比，由此完成对该牙体组织特征的判断。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于人工智能的口腔曲面断层片牙齿图像分割方法，其特征在于，包括步骤：
S1：获取口腔曲面断层片影像数据；
S2：对获取的影像数据进行预处理；
S3：将预处理后的图片输出至检测模型中进行目标图像特征检测；
S4：基于目标图像特征检测中的低秩部分和显著部分进行图像重建，并输出牙体硬组织及牙髓分类结果；
S5：将上述分类结果及特征部分输入至掩码网络中，并通过图像视觉处理通道处理，得到处理结果。
2.根据权利要求1所述的一种基于人工智能的口腔曲面断层片牙齿图像分割方法，其特征在于，所述S1中是采用口腔影像设备拍摄全口曲面断层片，获得口腔曲面断层片影像数据。
3.根据权利要求1所述的一种基于人工智能的口腔曲面断层片牙齿图像分割方法，其特征在于，所述S2的预处理过程包括但不限于降噪、对比度调整、图像旋转以及截取处理。
4.根据权利要求1所述的一种基于人工智能的口腔曲面断层片牙齿图像分割方法，其特征在于，所述S3中检测模型的建立过程包括：a：采集多类型、多视角、多通道的口腔曲面断层片图像，并对图像进行分类，建立图像数据集；b：对图像数据集的断层片图像进行目标与背景分割、尺寸归一化，得到训练数据集；c：采用迁移学习的方法，并利用VGG模型对训练数据集进行训练，得到训练后的VGG模型。
5.根据权利要求4所述的一种基于人工智能的口腔曲面断层片牙齿图像分割方法，其特征在于，所述VGG模型包括两层卷积层、两层池化层、两层全连接层和一层输出层的神经网络学习模型。
6.根据权利要求1所述的一种基于人工智能的口腔曲面断层片牙齿图像分割方法，其特征在于，所述S5的图像视觉处理通道处理方式依次包括：分割处理、对比度提升处理、去噪处理以及边缘增强处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111240197.2A CN114119950A (zh) | 2021-10-25 | 2021-10-25 | 一种基于人工智能的口腔曲面断层片牙齿图像分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111240197.2A CN114119950A (zh) | 2021-10-25 | 2021-10-25 | 一种基于人工智能的口腔曲面断层片牙齿图像分割方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114119950A true CN114119950A (zh) | 2022-03-01 |
Family
ID=80377115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111240197.2A Pending CN114119950A (zh) | 2021-10-25 | 2021-10-25 | 一种基于人工智能的口腔曲面断层片牙齿图像分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114119950A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114549523A (zh) * | 2022-04-25 | 2022-05-27 | 南京邮电大学 | 基于单步深度网络的曲面体层图正中多生牙自动检测方法 |
| CN115796306A (zh) * | 2023-02-07 | 2023-03-14 | 四川大学 | 一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法 |
| CN117095180A (zh) * | 2023-09-01 | 2023-11-21 | 武汉互创联合科技有限公司 | 基于分期识别的胚胎发育阶段预测与质量评估方法 |
-
2021
- 2021-10-25 CN CN202111240197.2A patent/CN114119950A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114549523A (zh) * | 2022-04-25 | 2022-05-27 | 南京邮电大学 | 基于单步深度网络的曲面体层图正中多生牙自动检测方法 |
| CN115796306A (zh) * | 2023-02-07 | 2023-03-14 | 四川大学 | 一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法 |
| CN115796306B (zh) * | 2023-02-07 | 2023-04-18 | 四川大学 | 一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法 |
| CN117095180A (zh) * | 2023-09-01 | 2023-11-21 | 武汉互创联合科技有限公司 | 基于分期识别的胚胎发育阶段预测与质量评估方法 |
| CN117095180B (zh) * | 2023-09-01 | 2024-04-19 | 武汉互创联合科技有限公司 | 基于分期识别的胚胎发育阶段预测与质量评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jader et al. | Deep instance segmentation of teeth in panoramic X-ray images | |
| US11232573B2 (en) | Artificially intelligent systems to manage virtual dental models using dental images | |
| US11464467B2 (en) | Automated tooth localization, enumeration, and diagnostic system and method | |
| CN114119950A (zh) | 一种基于人工智能的口腔曲面断层片牙齿图像分割方法 | |
| Kumar et al. | Descriptive analysis of dental X-ray images using various practical methods: A review | |
| Al Kheraif et al. | Detection of dental diseases from radiographic 2d dental image using hybrid graph-cut technique and convolutional neural network | |
| Ren et al. | Machine learning in dental, oral and craniofacial imaging: a review of recent progress | |
| CN113223010B (zh) | 口腔图像多组织全自动分割的方法和*** | |
| CN112037913B (zh) | 一种基于卷积神经网络的牙周炎智能检测*** | |
| US20220084267A1 (en) | Systems and Methods for Generating Quick-Glance Interactive Diagnostic Reports | |
| CN109377534B (zh) | 自动采样厚度检测的非线性口腔ct全景图像合成方法 | |
| Lakshmi et al. | Classification of Dental Cavities from X-ray images using Deep CNN algorithm | |
| Huang et al. | A review of deep learning in dentistry | |
| CN110555852B (zh) | 基于灰度直方图的单牙及其牙髓分割方法 | |
| Lin et al. | Tooth numbering and condition recognition on dental panoramic radiograph images using CNNs | |
| CN114332123A (zh) | 基于全景片的龋病自动分级方法及*** | |
| Tekin et al. | An enhanced tooth segmentation and numbering according to FDI notation in bitewing radiographs | |
| JP2019208831A (ja) | 歯科分析システムおよび歯科分析ｘ線システム | |
| Chen et al. | Missing teeth and restoration detection using dental panoramic radiography based on transfer learning with CNNs | |
| CN114627067A (zh) | 一种基于图像处理的伤口面积测量及辅助诊疗方法 | |
| Jusman et al. | Analysis of features extraction performance to differentiate of dental caries types using gray level co-occurrence matrix algorithm | |
| Chen et al. | Detection of various dental conditions on dental panoramic radiography using Faster R-CNN | |
| Kumar et al. | Automated recognition of dental caries using K-Means and PCA based algorithm | |
| Jain et al. | Dental image analysis for disease diagnosis | |
| CN116958169A (zh) | 一种三维牙颌模型牙齿分割方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |