CN117058309B - 一种基于口腔成像的图像生成方法及*** - Google Patents
一种基于口腔成像的图像生成方法及*** Download PDFInfo
- Publication number
- CN117058309B CN117058309B CN202310848525.XA CN202310848525A CN117058309B CN 117058309 B CN117058309 B CN 117058309B CN 202310848525 A CN202310848525 A CN 202310848525A CN 117058309 B CN117058309 B CN 117058309B
- Authority
- CN
- China
- Prior art keywords
- oral cavity
- model
- oral
- soft
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003384 imaging method Methods 0.000 title claims abstract description 41
- 210000000214 mouth Anatomy 0.000 claims abstract description 384
- 210000004872 soft tissue Anatomy 0.000 claims abstract description 162
- 210000001519 tissue Anatomy 0.000 claims abstract description 140
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 99
- 230000003287 optical effect Effects 0.000 claims abstract description 67
- 230000001575 pathological effect Effects 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 13
- 230000007170 pathology Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 210000004373 mandible Anatomy 0.000 claims description 8
- 210000002050 maxilla Anatomy 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 6
- 206010028980 Neoplasm Diseases 0.000 description 9
- 210000003205 muscle Anatomy 0.000 description 9
- 238000011282 treatment Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000014829 head and neck neoplasm Diseases 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000025157 Oral disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000259 anti-tumor effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000030194 mouth disease Diseases 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 210000004053 periapical tissue Anatomy 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000004746 tooth root Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
- A61B6/4064—Arrangements for generating radiation specially adapted for radiation diagnosis specially adapted for producing a particular type of beam
- A61B6/4085—Cone-beams
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Pulmonology (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于口腔成像的图像生成方法及***,包括:采集待处理口腔的CT图像数据,并根据CT图像数据,构建口腔骨骼模型;提取口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据骨骼特征对口腔骨骼模型覆盖软组织,得到第一口腔模型;对待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将第一口腔模型和第二口腔模型进行对比,得到两者的软组织差异区域,并标注于第二口腔模型中;采集待处理口腔中目标采集区域的光学图像信息,并对光学图像信息进行软组织特征提取;将提取的软组织特征覆盖至在第二口腔模型中,得到待处理口腔的三维图像模型,进而对三维图像模型进行口腔图像的采集,从而生成口腔图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于口腔成像的图像生成方法及***。
背景技术
口腔检查与治疗是头颈部肿瘤治疗期间必不可少的一部分,尤其是头颈部肿瘤放射治疗前口腔诊疗与后期随访复查,抗肿瘤治疗过程中口腔并发症的诊查与治疗,均需要对患者的牙冠、牙根、根尖周组织以及颌骨等部位进行影像成像分析,以便更好的辅助医生对口腔疾病的诊断以及治疗方案的确定。
目前,对口腔内进行成像通常采用具备X光识别的图像传感器或口腔CBCT,配合数字处理输出电路,将数字信号传输至电脑中,通过应用软件将二维图像数据或三维图像数据呈现出来。但现有技术中,X光识别的图像传感器或口腔CT只能得到口腔的牙体、颌骨等硬组织结构,而X光和口腔CT对软组织具有较强的穿透,使得无法对口腔中的肌肉和/或肿瘤的相关软组织进行准确识别,而通过光学成像技术对口腔进行识别,则容易受口腔复杂的三维立体结构影响致使视野受限,组织遮挡,光照程度不足,最终造成无法采集清晰、准确的口腔内完整成像的组织结构图像,进而在后续需要对肌肉组织进行各个角度的图像采集以及拼接,但拼接的图像只能显示二维的口腔信息,并无法准确且完整地显示整体软组织的情况,致使口腔图像无法真实还原患者实际口腔情况。
因此,目前亟需一种能够提高口腔成像图像准确性、清晰度和还原度的方法。
发明内容
本发明提供了一种基于口腔成像的图像生成方法及***,以解决现有技术中口腔成像图像清晰度低、准确性低及还原度低的技术问题。
为了解决上述技术问题,本发明实施例提供了一种基于口腔成像的图像生成方法,包括:
采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型;
提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型;其中,所述预设的健康软硬组织口腔模型数据库中存储有包含健康的软硬组织的口腔模型;
对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中;
采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取;其中,所述目标采集区域与标记于所述第二口腔模型上的软组织差异区域相对应;
将提取的软组织特征覆盖至在所述第二口腔模型中,得到待处理口腔的三维图像模型,进而对所述三维图像模型进行口腔图像的采集,从而生成口腔图像。
作为优选方案,所述采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型,具体为:
通过锥束成像设备,根据预设的扫描间隔,对待处理口腔进行逐层扫描,得到每层对应的CT图像数据;
对每层对应的CT图像数据进行骨骼硬组织识别,提取得到各CT图像数据对应的硬组织特征模型数据;
依次对每层对应的CT图像数据所提取得到的硬组织特征模型数据进行修正,以使得在每一次对其中一层的硬组织特征模型数据进行修正的过程中,将与该层相邻的硬组织特征模型数据作为修正参考模型数据,并将所述修正参考模型数据与该层的硬组织特征模型数据进行组合合并,从而计算出合并后修正参考模型数据与该层的硬组织特征模型数据之间的第一边缘平滑度,进而根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正;
对修正后各层的硬组织特征模型数据进行组合合并,从而构建得到口腔骨骼模型。
作为优选方案,所述根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正,具体为:
当所述第一边缘平滑度处于预设阈值区间之内时,则无需对该层的硬组织特征模型数据进行修正;
当所述第一边缘平滑度处于预设阈值区间之外时,则计算出修正参考模型数据中各层的硬组织特征模型数据之间第二边缘平滑度,并在所述第一边缘平滑度和第二边缘平滑度之间差值大于预设误差时,根据所述第二边缘平滑度,对该层的硬组织特征模型数据的边缘进行平滑化修正,从而完成该层的硬组织特征模型数据的修正;
直至每一层的硬组织特征模型数据均完成修正。
作为优选方案,所述提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型,具体为:
提取所述口腔骨骼模型中预设关键区域的骨骼特征;其中,所述预设关键区域包括上颌骨区域、下颌骨区域、上颌牙槽骨区域和下颌牙槽骨区域;
在预设的健康软硬组织口腔模型数据库中,检索出对应与所述预设关键区域的骨骼特征的相似度最大的软硬组织口腔模型,作为参考模型;其中,所述健康软硬组织口腔模型数据库中预存有若干不同的预设关键区域的骨骼特征对应的软硬组织口腔模型;
提取所述参考模型的软组织数据,并将所述软组织数据覆盖于所述口腔骨骼模型上,构建得到第一口腔模型。
作为优选方案,所述对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中,具体为:
对所述待处理口腔进行激光三维扫描,得到口腔结构模型;
将所述口腔骨骼模型与所述口腔结构模型进行配合,从而构建得到第二口腔模型;
将所述第一口腔模型和所述第二口腔模型进行对比,依次得到所述第一口腔模型和所述第二口腔模型之间存在差异结构的区域;
若所述差异结构的区域存在于所述第一口腔模型,则剔除该差异结构的区域;
若所述差异结构的区域存在于所述第二口腔模型,则将该差异结构的区域作为软组织差异区域,并标注于所述第二口腔模型中。
作为优选方案,所述采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取,具体为:
采集待处理口腔中目标采集区域的光学图像信息,并根据病理识别模型,对所述光学图像信息依次进行病理识别;其中,所述目标采集区域与标记于所述第二口腔模型上的软组织差异区域相对应;
对识别出病理特征的光学图像信息进行软组织特征的识别,从而提取出存在病理特征的软组织特征数据。
作为优选方案,所述将提取的软组织特征覆盖至在所述第二口腔模型中,从而得到待处理口腔的三维图像模型,具体为:
根据识别出病理特征的光学图像信息的目标采集区域,将提取出存在病理特征的软组织特征数据依次覆盖在其对应区域的第二口腔模型中;
对第二口腔模型中,未识别出理特征的光学图像信息对应的软组织差异区域进行标注的剔除,得到最终的第二口腔模型;
根据所述第一口腔模型中的软组织数据,对最终的第二口腔模型中未标注的区域进行软组织的覆盖,从而得到待处理口腔的三维图像模型。
相应地,本发明还提供一种基于口腔成像的图像生成***,包括:采集设备和处理主机;所述采集设备包括:锥束成像设备、激光三维扫描设备和光学图像采集设备;
所述处理主机包括:CT图像模块、第一口腔模型模块、第二口腔模型模块、软组织特征模块和软组织覆盖模块;
所述CT图像模块,用于采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型;
所述第一口腔模型模块,用于提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型;其中,所述预设的健康软硬组织口腔模型数据库中存储有包含健康的软硬组织的口腔模型;
所述第二口腔模型模块,用于对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中;
所述软组织特征模块,用于采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取;其中,所述目标采集区域与标记于所述第二口腔模型上的软组织差异区域相对应;
所述软组织覆盖模块,用于将提取的软组织特征覆盖至在所述第二口腔模型中,得到待处理口腔的三维图像模型,进而对所述三维图像模型进行口腔图像的采集,从而生成口腔图像。
相应地,本发明还提供一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上任一项所述的基于口腔成像的图像生成方法。
相应地,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上任一项所述的基于口腔成像的图像生成方法。
相比于现有技术,本发明实施例具有如下有益效果:
本发明的技术方案通过将覆盖了软组织的口腔CT图像数据和激光三维扫描的第二口腔模型进行对比,进而来得到两者的软组织差异区域,并结合光学图像信息,来对该软组织差异区域中的软组织进行实际特征数据的覆盖,进而准确得到待处理口腔的三维图像模型,进而通过三维图像模型来生成对应口腔图像,避免了现有仅通过光学图像来对肌肉和/或肿瘤等病理软组织的采集与分析,导致了在多光学图像数据的情况下需要进行图像的拼接,进而导致容易出现图像失真的情况,同时二维的光学图像并无法提供具体的肌肉和/或肿瘤等病理软组织的结构信息,而本发明的三维图像模型能够准确且清晰地还原待处理口腔的结构信息,使得本发明具备较高的还原度,便于医生能够对口腔的病理情况进行分析。
附图说明
图1:为本发明实施例所提供的一种基于口腔成像的图像生成方法的步骤流程图;
图2:为本发明实施例所提供的各层硬组织特征模型数据的示意图;
图3:为本发明实施例所提供的一种基于口腔成像的图像生成***的结构示意图;
图4:为本发明实施例所提供的处理主机的结构示意图。
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作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。
实施例一,请参照图1,为本发明实施例提供的一种基于口腔成像的图像生成方法,包括以下步骤S101-S105:
步骤S101:采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型。
需要说明的是,本发明实施例主要用于对待处理口腔中存在软组织异常问题的口腔图像处理,而非关于骨骼等硬组织的口腔图像处理,因此本发明实施例的基于口腔成像的图像生成方法主要用于肿瘤和/或肌肉等软组织异常的情况。
作为优选方案,所述采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型,具体为:
通过锥束成像设备,根据预设的扫描间隔,对待处理口腔进行逐层扫描,得到每层对应的CT图像数据;对每层对应的CT图像数据进行骨骼硬组织识别,提取得到各CT图像数据对应的硬组织特征模型数据;依次对每层对应的CT图像数据所提取得到的硬组织特征模型数据进行修正,以使得在每一次对其中一层的硬组织特征模型数据进行修正的过程中,将与该层相邻的硬组织特征模型数据作为修正参考模型数据,并将所述修正参考模型数据与该层的硬组织特征模型数据进行组合合并,从而计算出合并后修正参考模型数据与该层的硬组织特征模型数据之间的第一边缘平滑度,进而根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正;对修正后各层的硬组织特征模型数据进行组合合并,从而构建得到口腔骨骼模型。
在本实施例中,通过锥束成像设备,能够对待处理口腔进行逐层扫描,进而得到每一层对应的CT图像数据。其中,扫描间距可以根据锥束成像设备的扫描穿透能力和实际的待处理口腔的图像需求进行设定,扫描间距的含义即为各层CT图像数据之间的距离。
进一步地,可以理解的是,对待处理口腔进行逐层扫描,可以理解为对待处理口腔按照一定的距离(扫描间距),进行口腔剖面图的逐层获取,每层的CT图像数据即为待处理口腔的剖面图。
在本实施例中,可以通过预先进行可对CT图像数据识别出骨骼数据的模型进行训练,来实现对每层对应的CT图像数据进行骨骼硬组织识别,即通过大量包含骨骼信息的CT图像数据的训练集和测试集,来对骨骼硬组织识别模型进行训练,进而可以快速且准确地识别每层对应的CT图像数据的骨骼硬组织,从而提取得到各CT图像数据对应的硬组织特征模型数据。
在本实施例中,依次对每层对应的CT图像数据所提取得到的硬组织特征模型数据进行修正,以使得在每一次对其中一层的硬组织特征模型数据进行修正的过程中,需要对该层相邻两层或一层的硬组织特征模型数据,来作为修正参考模型数据。进而通过将修正参考模型数据和当前该层的硬组织特征模型数据进行合并,即可得到修正参考模型数据中两层的硬组织特征模型数据,与当前该层的硬组织特征模型数据之间(一共三层的硬组织特征模型数据)的边缘平滑度,具体如图2所示;或,得到修正参考模型数据中一层的硬组织特征模型数据,与当前该层的硬组织特征模型数据之间的边缘平滑度,这种情况下只发生在当前该层处于所有数据中的第一层,或倒数的第一层中。
在本实施例中,边缘平滑度可以通过各层中对应位置边缘数据点之间的距离来进行计算,由于是通过同一锥束成像设备进行CT图像数据的获取,因此各层的CT图像数据均是在同一坐标系下的数据,即可赋予各层中硬组织特征模型数据进行数据点的位置信息,从而能够准确且快速地计算出各层之间的边缘平滑度。
作为优选方案,所述根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正,具体为:
当所述第一边缘平滑度处于预设阈值区间之内时,则无需对该层的硬组织特征模型数据进行修正;当所述第一边缘平滑度处于预设阈值区间之外时,则计算出修正参考模型数据中各层的硬组织特征模型数据之间第二边缘平滑度,并在所述第一边缘平滑度和第二边缘平滑度之间差值大于预设误差时,根据所述第二边缘平滑度,对该层的硬组织特征模型数据的边缘进行平滑化修正,从而完成该层的硬组织特征模型数据的修正;直至每一层的硬组织特征模型数据均完成修正。
在本实施例中,当第一边缘平滑度处于预设阈值区间之内时,说明修正参考模型数据中各层的硬组织特征模型数据,与当前该层的硬组织特征模型数据,是符合正常口腔的骨骼情况,因此无需对该层的硬组织特征模型数据进行修正。
在本实施例中,当第一边缘平滑度处于预设阈值区间之外时,则明修正参考模型数据中各层的硬组织特征模型数据,与当前该层的硬组织特征模型数据,是不符合正常口腔的骨骼情况,因此需要通过计算出修正参考模型数据中两层的硬组织特征模型数据之间第二边缘平滑度,来对该层的硬组织特征模型数据的边缘进行平滑化修正。进一步地,对该层的硬组织特征模型数据的边缘进行平滑化修正,可以通过取修正参考模型数据中的硬组织特征模型数据之间平均数据点,来作为该层的硬组织特征模型数据的边缘进行平滑化修正的修正量参考值,同时还可以重新对采集待处理口腔的CT图像数据,重新进行计算,以确保不是采集设备因素导致的误差。
进一步地,当重新采集的CT图像数据,仍存在第一边缘平滑度处于预设阈值区间之外时,则说明该待处理口腔还存在硬组织的异常的问题,并生成对应的报文进行告警输出。
进一步地,对于当前该层处于所有数据中的第一层,或倒数的第一层的情况,由于其为起始层或结尾层,其在CT图像数据中的硬组织特征模型数据,为一个数据特征点,因此第一层,或倒数的第一层CT图像数据并不会存在第一边缘平滑度处于预设阈值区间之外的情况。
步骤S102:提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型;其中,所述预设的健康软硬组织口腔模型数据库中存储有包含健康的软硬组织的口腔模型。
作为优选方案,所述提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型,具体为:
提取所述口腔骨骼模型中预设关键区域的骨骼特征;其中,所述预设关键区域包括上颌骨区域、下颌骨区域、上颌牙槽骨区域和下颌牙槽骨区域;在预设的健康软硬组织口腔模型数据库中,检索出对应与所述预设关键区域的骨骼特征的相似度最大的软硬组织口腔模型,作为参考模型;其中,所述健康软硬组织口腔模型数据库中预存有若干不同的预设关键区域的骨骼特征对应的软硬组织口腔模型;提取所述参考模型的软组织数据,并将所述软组织数据覆盖于所述口腔骨骼模型上,构建得到第一口腔模型。
在本实施例中,通过预先训练好的骨骼识别模型,可以快速且准确地提取口腔骨骼模型中预设关键区域的骨骼特征。骨骼特征为能够反映骨骼结构细节的骨骼结构特征,包括所进行骨骼识别过程中的特征点与特征点之间的距离、弯曲程度等。进一步地,通过提取口腔骨骼模型中预设关键区域的骨骼特征,即可在预设的健康软硬组织口腔模型数据库中,检索出对应与所述预设关键区域的骨骼特征的相似度最大的软硬组织口腔模型,来作为软组织覆盖的参考模型。所述软硬组织口腔模型中包括软组织数据和硬组织数据(包括骨骼),因此可以通过骨骼特征数据来确定对应的软硬组织口腔模型,进而将所确定的软硬组织口腔模型中的软组织覆盖至口腔骨骼模型中,进而确保第一口腔模型中作为标准健康软组织参考的对比模型的准确性和可行度。
在本实施例中,通过所提取的参考模型的软组织数据,并将所述软组织数据覆盖于所述口腔骨骼模型上,能快速且准确地构建得到第一口腔模型。
步骤S103:对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中。
作为优选方案,所述对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中,具体为:
对所述待处理口腔进行激光三维扫描,得到口腔结构模型;将所述口腔骨骼模型与所述口腔结构模型进行配合,从而构建得到第二口腔模型;将所述第一口腔模型和所述第二口腔模型进行对比,依次得到所述第一口腔模型和所述第二口腔模型之间存在差异结构的区域;若所述差异结构的区域存在于所述第一口腔模型,则剔除该差异结构的区域;若所述差异结构的区域存在于所述第二口腔模型,则将该差异结构的区域作为软组织差异区域,并标注于所述第二口腔模型中。
在本实施例中,通过对待处理口腔进行激光三维扫描,得到口腔结构模型。可以理解的是,由于激光三维扫描的原理是通过激光的发射并接收反射回来的激光信息,从而来构建口腔结构模型,因此该口腔结构模型并不能准确表达软组织的具体病理情况,只能反应具体的口腔结构(包括:软组织的大小结构以及位置等信息),但无法反应该软组织的情况。
在本实施例中,通过所得到的口腔结构模型,即可将口腔骨骼模型与口腔结构模型进行配合,由于口腔结构模型表示的是待处理口腔的具体结构信息,因此通过口腔骨骼模型中的骨骼数据,能够精确地确保口腔结构模型的结构完整性。当口腔骨骼模型与口腔结构模型配合后,存在有口腔骨骼模型外露的情况,即说明口腔骨骼模型与口腔结构模型并不是基于同一待处理口腔中的数据,可能存在设备或采集过程中的问题,需要设备操作者进行人工的确认。进而,配合即可构建得到第二口腔模型。
在本实施例中,将第二口腔模型与第一口腔模型进行对比,即可得到两者之间在软组织结构(包括:软组织的大小和位置)上存在差异的区域。但差异结构的区域存在于第一口腔模型时,由于第一口腔模型是基于健康口腔的数据信息,因此该差异结构可能是待处理口腔软组织缺失的问题,并不在肿瘤检测与诊疗的考虑范围内,即需要将该差异结构的区域进行剔除;而对于存在于第二口腔模型中的差异结构,则为待处理口腔软组织相比于健康口腔中,多出来的软组织结构,有可能存在口腔软组织异常的情况,因此需要将该差异结构的区域作为软组织差异区域,并标注于第二口腔模型中。
步骤S104:采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取;其中,所述目标采集区域与标记于所述第二口腔模型上的软组织差异区域相对应。
作为优选方案,所述采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取,具体为:
采集待处理口腔中目标采集区域的光学图像信息,并根据病理识别模型,对所述光学图像信息依次进行病理识别;其中,所述目标采集区域与标记于所述第二口腔模型上的软组织差异区域相对应;对识别出病理特征的光学图像信息进行软组织特征的识别,从而提取出存在病理特征的软组织特征数据。
在本实施例中,通过采集待处理口腔中目标采集区域的光学图像信息,即可得到第二口腔模型上的软组织差异区域相对应的软组织表面病理结构信息,从而可以准确地将识别出病理特征的光学图像信息进行软组织特征的识别,提取出存在病理特征的软组织特征数据。
步骤S105:将提取的软组织特征覆盖至在所述第二口腔模型中,得到待处理口腔的三维图像模型,进而对所述三维图像模型进行口腔图像的采集,从而生成口腔图像。
作为优选方案,所述将提取的软组织特征覆盖至在所述第二口腔模型中,从而得到待处理口腔的三维图像模型,具体为:
根据识别出病理特征的光学图像信息的目标采集区域,将提取出存在病理特征的软组织特征数据依次覆盖在其对应区域的第二口腔模型中;对第二口腔模型中,未识别出理特征的光学图像信息对应的软组织差异区域进行标注的剔除,得到最终的第二口腔模型;根据所述第一口腔模型中的软组织数据,对最终的第二口腔模型中未标注的区域进行软组织的覆盖,从而得到待处理口腔的三维图像模型。
在本实施例中,根据识别出病理特征的光学图像信息的目标采集区域,即可将提取出存在病理特征的软组织特征数据依次覆盖在其对应区域的第二口腔模型中,即第二口腔模型中完成了对标注后的区域进行可能存在病理特征的软组织特征数据的覆盖,使得第二口腔模型能够三维显示可能存在病理特征的软组织结构。
进一步地,对第二口腔模型中,未识别出理特征的光学图像信息对应的软组织差异区域进行标注的剔除,得到最终的第二口腔模型,进而来确保第二口腔模型的其他未标注区域,均能够得到软组织的覆盖,进而确保最终所得到的待处理口腔的三维图像模型,能够最大程度还原待处理口腔,并将待处理口腔作为三维数字模型,从而在计算机中进行显示,便捷了医生对待处理口腔的病理分析,同时也避免了采光点不足,无法采集清晰、准确的口腔完整成像的图像的情况发生。
在本实施例中,通过生成对应的三维图像模型,能够避免由于采光点不足的情况导致口腔图像模糊和精确度不高的问题,同时三维图像模型能够进行多次复用,无需如现有需要进行多次的口腔图像的采集,提高了口腔图像生成的准确性,提高了医生获取口腔图像的便捷性,提高了使用体验。
实施以上实施例,具有如下效果:
本发明的技术方案通过将覆盖了软组织的口腔CT图像数据和激光三维扫描的第二口腔模型进行对比,进而来得到两者的软组织差异区域,并结合光学图像信息,来对该软组织差异区域中的软组织进行实际特征数据的覆盖,进而准确得到待处理口腔的三维图像模型,进而通过三维图像模型来生成对应口腔图像,避免了现有仅通过光学图像来对肌肉和/或肿瘤等病理软组织的采集与分析,导致了在多光学图像数据的情况下需要进行图像的拼接,进而导致容易出现图像失真的情况,同时二维的光学图像并无法提供具体的肌肉和/或肿瘤等病理软组织的结构信息,而本发明的三维图像模型能够准确且清晰地还原待处理口腔的结构信息,使得本发明具备较高的还原度,便于医生能够对口腔的病理情况进行分析。
实施例二,请参阅图3和4,其为本发明还提供一种基于口腔成像的图像生成***,包括:采集设备01和处理主机02;所述采集设备包括:锥束成像设备011、激光三维扫描设备012和光学图像采集设备013。
需要说明的是,锥束成像设备011(锥形束CT)是当今口腔头颅影像设备中最有前途和实用性的设备。激光三维扫描设备012(3DLASER scanner)是用来侦测并分析现实世界中物体或环境的形状(几何构造)与外观数据(如颜色、表面反照率等性质),三维激光扫描仪作为三维激光扫描***的主要组成部分,是由激光射器、接收器、时间计数器、马达控制可旋转的滤光镜、控制电路板等组成。光学图像采集设备013包括但不限于光学摄像头、光学影像检测传感器和光学图像采集器等。
所述处理主机02包括:CT图像模块201、第一口腔模型模块202、第二口腔模型模块203、软组织特征模块204和软组织覆盖模块205。
所述CT图像模块201,用于采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型。
所述第一口腔模型模块202,用于提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型;其中,所述预设的健康软硬组织口腔模型数据库中存储有包含健康的软硬组织的口腔模型。
所述第二口腔模型模块203,用于对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中。
所述软组织特征模块204,用于采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取;其中,所述目标采集区域与标记于所述第二口腔模型上的软组织差异区域相对应。
所述软组织覆盖模块205,用于将提取的软组织特征覆盖至在所述第二口腔模型中,得到待处理口腔的三维图像模型,进而对所述三维图像模型进行口腔图像的采集,从而生成口腔图像。
作为优选方案,所述采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型,具体为:
通过锥束成像设备,根据预设的扫描间隔,对待处理口腔进行逐层扫描,得到每层对应的CT图像数据;
对每层对应的CT图像数据进行骨骼硬组织识别,提取得到各CT图像数据对应的硬组织特征模型数据;
依次对每层对应的CT图像数据所提取得到的硬组织特征模型数据进行修正,以使得在每一次对其中一层的硬组织特征模型数据进行修正的过程中,将与该层相邻的硬组织特征模型数据作为修正参考模型数据,并将所述修正参考模型数据与该层的硬组织特征模型数据进行组合合并,从而计算出合并后修正参考模型数据与该层的硬组织特征模型数据之间的第一边缘平滑度,进而根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正;
对修正后各层的硬组织特征模型数据进行组合合并,从而构建得到口腔骨骼模型。
作为优选方案,所述根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正,具体为:
当所述第一边缘平滑度处于预设阈值区间之内时,则无需对该层的硬组织特征模型数据进行修正;
当所述第一边缘平滑度处于预设阈值区间之外时,则计算出修正参考模型数据中各层的硬组织特征模型数据之间第二边缘平滑度,并在所述第一边缘平滑度和第二边缘平滑度之间差值大于预设误差时,根据所述第二边缘平滑度,对该层的硬组织特征模型数据的边缘进行平滑化修正,从而完成该层的硬组织特征模型数据的修正;
直至每一层的硬组织特征模型数据均完成修正。
作为优选方案,所述提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型,具体为:
提取所述口腔骨骼模型中预设关键区域的骨骼特征;其中,所述预设关键区域包括上颌骨区域、下颌骨区域、上颌牙槽骨区域和下颌牙槽骨区域;
在预设的健康软硬组织口腔模型数据库中,检索出对应与所述预设关键区域的骨骼特征的相似度最大的软硬组织口腔模型,作为参考模型;其中,所述健康软硬组织口腔模型数据库中预存有若干不同的预设关键区域的骨骼特征对应的软硬组织口腔模型;
提取所述参考模型的软组织数据,并将所述软组织数据覆盖于所述口腔骨骼模型上,构建得到第一口腔模型。
作为优选方案,所述对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中,具体为:
对所述待处理口腔进行激光三维扫描,得到口腔结构模型;
将所述口腔骨骼模型与所述口腔结构模型进行配合,从而构建得到第二口腔模型;
将所述第一口腔模型和所述第二口腔模型进行对比,依次得到所述第一口腔模型和所述第二口腔模型之间存在差异结构的区域;
若所述差异结构的区域存在于所述第一口腔模型,则剔除该差异结构的区域;
若所述差异结构的区域存在于所述第二口腔模型,则将该差异结构的区域作为软组织差异区域,并标注于所述第二口腔模型中。
作为优选方案,所述采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取,具体为:
采集待处理口腔中目标采集区域的光学图像信息,并根据病理识别模型,对所述光学图像信息依次进行病理识别;其中,所述目标采集区域与标记于所述第二口腔模型上的软组织差异区域相对应;
对识别出病理特征的光学图像信息进行软组织特征的识别,从而提取出存在病理特征的软组织特征数据。
作为优选方案,所述将提取的软组织特征覆盖至在所述第二口腔模型中,从而得到待处理口腔的三维图像模型,具体为:
根据识别出病理特征的光学图像信息的目标采集区域,将提取出存在病理特征的软组织特征数据依次覆盖在其对应区域的第二口腔模型中;
对第二口腔模型中,未识别出理特征的光学图像信息对应的软组织差异区域进行标注的剔除,得到最终的第二口腔模型;
根据所述第一口腔模型中的软组织数据,对最终的第二口腔模型中未标注的区域进行软组织的覆盖,从而得到待处理口腔的三维图像模型。
所属领域的技术人员可以清楚的了解到,为描述的方便和简洁,上述描述的***的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施本发明实施例,具有如下效果:
本发明的技术方案通过将覆盖了软组织的口腔CT图像数据和激光三维扫描的第二口腔模型进行对比,进而来得到两者的软组织差异区域,并结合光学图像信息,来对该软组织差异区域中的软组织进行实际特征数据的覆盖,进而准确得到待处理口腔的三维图像模型,进而通过三维图像模型来生成对应口腔图像,避免了现有仅通过光学图像来对肌肉和/或肿瘤等病理软组织的采集与分析,导致了在多光学图像数据的情况下需要进行图像的拼接,进而导致容易出现图像失真的情况,同时二维的光学图像并无法提供具体的肌肉和/或肿瘤等病理软组织的结构信息,而本发明的三维图像模型能够准确且清晰地还原待处理口腔的结构信息,使得本发明具备较高的还原度,便于医生能够对口腔的病理情况进行分析。
实施例三,相应地,本发明还提供一种终端设备,包括:处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上任意一项实施例所述的基于口腔成像的图像生成方法。
该实施例的终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序、计算机指令。所述处理器执行所述计算机程序时实现上述实施例一中的各个步骤,例如图1所示的步骤S101至S105。或者,所述处理器执行所述计算机程序时实现上述***实施例中各模块/单元的功能,例如第二口腔模型模块203。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如,所述第二口腔模型模块203,用于对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,示意图仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据移动终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(SecureDigital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
实施例四,相应地,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的基于口腔成像的图像生成方法。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于口腔成像的图像生成方法,其特征在于,包括:
采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型;
提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型;其中,所述预设的健康软硬组织口腔模型数据库中存储有包含健康的软硬组织的口腔模型;
对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中;
采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取;其中,所述目标采集区域与标注于所述第二口腔模型上的软组织差异区域相对应;
将提取的软组织特征覆盖至所述第二口腔模型中,得到待处理口腔的三维图像模型,进而对所述三维图像模型进行口腔图像的采集,从而生成口腔图像;
其中,所述采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取,具体为:采集待处理口腔中目标采集区域的光学图像信息,并根据病理识别模型,对所述光学图像信息依次进行病理识别;对识别出病理特征的光学图像信息进行软组织特征的识别,从而提取出存在病理特征的软组织特征数据。
2.如权利要求1所述的一种基于口腔成像的图像生成方法,其特征在于,所述采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型,具体为:
通过锥束成像设备,根据预设的扫描间隔,对待处理口腔进行逐层扫描,得到每层对应的CT图像数据;
对每层对应的CT图像数据进行骨骼硬组织识别,提取得到各CT图像数据对应的硬组织特征模型数据;
依次对每层对应的CT图像数据所提取得到的硬组织特征模型数据进行修正,以使得在每一次对其中一层的硬组织特征模型数据进行修正的过程中,将与该层相邻的硬组织特征模型数据作为修正参考模型数据,并将所述修正参考模型数据与该层的硬组织特征模型数据进行组合合并,从而计算出合并后修正参考模型数据与该层的硬组织特征模型数据之间的第一边缘平滑度,进而根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正;
对修正后各层的硬组织特征模型数据进行组合合并,从而构建得到口腔骨骼模型。
3.如权利要求2所述的一种基于口腔成像的图像生成方法,其特征在于,所述根据所述第一边缘平滑度,对该层的硬组织特征模型数据进行修正,具体为:
当所述第一边缘平滑度处于预设阈值区间之内时,则无需对该层的硬组织特征模型数据进行修正;
当所述第一边缘平滑度处于预设阈值区间之外时,则计算出修正参考模型数据中各层的硬组织特征模型数据之间第二边缘平滑度,并在所述第一边缘平滑度和第二边缘平滑度之间差值大于预设误差时,根据所述第二边缘平滑度,对该层的硬组织特征模型数据的边缘进行平滑化修正,从而完成该层的硬组织特征模型数据的修正;
直至每一层的硬组织特征模型数据均完成修正。
4.如权利要求3所述的一种基于口腔成像的图像生成方法,其特征在于,所述提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型,具体为:
提取所述口腔骨骼模型中预设关键区域的骨骼特征;其中,所述预设关键区域包括上颌骨区域、下颌骨区域、上颌牙槽骨区域和下颌牙槽骨区域;
在预设的健康软硬组织口腔模型数据库中,检索出对应与所述预设关键区域的骨骼特征的相似度最大的软硬组织口腔模型,作为参考模型;其中,所述健康软硬组织口腔模型数据库中预存有若干不同的预设关键区域的骨骼特征对应的软硬组织口腔模型;
提取所述参考模型的软组织数据,并将所述软组织数据覆盖于所述口腔骨骼模型上,构建得到第一口腔模型。
5.如权利要求4所述的一种基于口腔成像的图像生成方法,其特征在于,所述对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中,具体为:
对所述待处理口腔进行激光三维扫描,得到口腔结构模型;
将所述口腔骨骼模型与所述口腔结构模型进行配合,从而构建得到第二口腔模型;
将所述第一口腔模型和所述第二口腔模型进行对比,依次得到所述第一口腔模型和所述第二口腔模型之间存在差异结构的区域;
若所述差异结构的区域存在于所述第一口腔模型,则剔除该差异结构的区域;
若所述差异结构的区域存在于所述第二口腔模型,则将该差异结构的区域作为软组织差异区域,并标注于所述第二口腔模型中。
6.一种基于口腔成像的图像生成***,其特征在于,包括:采集设备和处理主机;所述采集设备包括:锥束成像设备、激光三维扫描设备和光学图像采集设备;
所述处理主机包括:CT图像模块、第一口腔模型模块、第二口腔模型模块、软组织特征模块和软组织覆盖模块;
所述CT图像模块,用于采集待处理口腔的CT图像数据,并根据所述CT图像数据,构建口腔骨骼模型;
所述第一口腔模型模块,用于提取所述口腔骨骼模型的骨骼特征,并通过预设的健康软硬组织口腔模型数据库,根据所述骨骼特征对所述口腔骨骼模型覆盖软组织,得到第一口腔模型;其中,所述预设的健康软硬组织口腔模型数据库中存储有包含健康的软硬组织的口腔模型;
所述第二口腔模型模块,用于对所述待处理口腔进行激光三维扫描,从而构建第二口腔模型,并将所述第一口腔模型和所述第二口腔模型进行对比,得到两者的软组织差异区域,并标注于所述第二口腔模型中;
所述软组织特征模块,用于采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取;其中,所述目标采集区域与标注于所述第二口腔模型上的软组织差异区域相对应;
所述软组织覆盖模块,用于将提取的软组织特征覆盖至所述第二口腔模型中,得到待处理口腔的三维图像模型,进而对所述三维图像模型进行口腔图像的采集,从而生成口腔图像;
其中,所述采集待处理口腔中目标采集区域的光学图像信息,并对所述光学图像信息进行软组织特征提取,具体为:采集待处理口腔中目标采集区域的光学图像信息,并根据病理识别模型,对所述光学图像信息依次进行病理识别;对识别出病理特征的光学图像信息进行软组织特征的识别,从而提取出存在病理特征的软组织特征数据。
7.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1-5中任一项所述的基于口腔成像的图像生成方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-5中任一项所述的基于口腔成像的图像生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310848525.XA CN117058309B (zh) | 2023-07-12 | 2023-07-12 | 一种基于口腔成像的图像生成方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310848525.XA CN117058309B (zh) | 2023-07-12 | 2023-07-12 | 一种基于口腔成像的图像生成方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117058309A CN117058309A (zh) | 2023-11-14 |
CN117058309B true CN117058309B (zh) | 2024-04-16 |
Family
ID=88659739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310848525.XA Active CN117058309B (zh) | 2023-07-12 | 2023-07-12 | 一种基于口腔成像的图像生成方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058309B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108269294A (zh) * | 2018-02-10 | 2018-07-10 | 深圳市倍康美医疗电子商务有限公司 | 一种口腔cbct图像信息分析的方法及*** |
CN113052902A (zh) * | 2020-12-29 | 2021-06-29 | 上海银马科技有限公司 | 牙齿治疗监测方法 |
CN114261095A (zh) * | 2022-03-03 | 2022-04-01 | 西安博恩生物科技有限公司 | 一种基于ai的骨科3d打印方法和装置 |
WO2023274690A1 (en) * | 2021-06-29 | 2023-01-05 | Koninklijke Philips N.V. | Non-invasive periodontal examination |
CN115886863A (zh) * | 2022-12-12 | 2023-04-04 | 暨南大学附属第一医院(广州华侨医院) | 全颅底为基准平面的牙齿与面骨三维重叠测量方法及设备 |
-
2023
- 2023-07-12 CN CN202310848525.XA patent/CN117058309B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108269294A (zh) * | 2018-02-10 | 2018-07-10 | 深圳市倍康美医疗电子商务有限公司 | 一种口腔cbct图像信息分析的方法及*** |
CN113052902A (zh) * | 2020-12-29 | 2021-06-29 | 上海银马科技有限公司 | 牙齿治疗监测方法 |
WO2023274690A1 (en) * | 2021-06-29 | 2023-01-05 | Koninklijke Philips N.V. | Non-invasive periodontal examination |
CN114261095A (zh) * | 2022-03-03 | 2022-04-01 | 西安博恩生物科技有限公司 | 一种基于ai的骨科3d打印方法和装置 |
CN115886863A (zh) * | 2022-12-12 | 2023-04-04 | 暨南大学附属第一医院(广州华侨医院) | 全颅底为基准平面的牙齿与面骨三维重叠测量方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117058309A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956635B (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
CN111415419B (zh) | 基于多源图像的牙体修复模型制作方法和*** | |
Wang et al. | Evaluation and comparison of anatomical landmark detection methods for cephalometric x-ray images: a grand challenge | |
JP6483273B2 (ja) | 口腔内画像の自動選択及びロック | |
KR101613159B1 (ko) | 치아 영상 자동 정합 방법, 이를 위한 장치 및 기록 매체 | |
US11961238B2 (en) | Tooth segmentation using tooth registration | |
KR101913586B1 (ko) | 치아 영상 정합 방법, 이를 위한 장치, 및 이를 기록한 기록매체 | |
US20210104048A1 (en) | Segmentation device and method of generating learning model | |
CN110946652B (zh) | 一种骨螺钉的钉道规划方法和装置 | |
JPWO2010143400A1 (ja) | 画像照合装置及びこれを用いた患者位置決め装置 | |
JP2019208831A (ja) | 歯科分析システムおよび歯科分析x線システム | |
CN114261095B (zh) | 一种基于ai的骨科3d打印方法和装置 | |
CN111904379A (zh) | 多模态医学设备的扫描方法和装置 | |
CN110634554A (zh) | 脊椎影像注册方法 | |
CN116309647B (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
JP2013236750A (ja) | 画像処理装置、撮像システム、およびプログラム | |
CN117058309B (zh) | 一种基于口腔成像的图像生成方法及*** | |
KR20210099835A (ko) | 파노라믹 영상 생성 방법 및 이를 위한 영상 처리장치 | |
US20220358740A1 (en) | System and Method for Alignment of Volumetric and Surface Scan Images | |
CN116168097A (zh) | 构建cbct勾画模型和勾画cbct图像的方法、装置、设备及介质 | |
Dhar et al. | Automatic tracing of mandibular canal pathways using deep learning | |
CN112085698A (zh) | 左右乳腺超声图像自动分析方法及装置 | |
CN113989277B (zh) | 用于医用放射诊疗检查的成像方法及装置 | |
US20220130128A1 (en) | System and method for normalizing volumetric imaging data of a patient | |
US20230051400A1 (en) | System and Method for Fusion of Volumetric and Surface Scan Images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |