JP7261245B2 - 画像から歯髄領域をセグメント化するための方法、システム、及びコンピュータプログラム - Google Patents
画像から歯髄領域をセグメント化するための方法、システム、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7261245B2 JP7261245B2 JP2020565953A JP2020565953A JP7261245B2 JP 7261245 B2 JP7261245 B2 JP 7261245B2 JP 2020565953 A JP2020565953 A JP 2020565953A JP 2020565953 A JP2020565953 A JP 2020565953A JP 7261245 B2 JP7261245 B2 JP 7261245B2
- Authority
- JP
- Japan
- Prior art keywords
- segmentation mask
- region
- image
- image elements
- curvature
- 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 description 207
- 238000004590 computer program Methods 0.000 title claims description 8
- 230000011218 segmentation Effects 0.000 claims description 236
- 210000004262 dental pulp cavity Anatomy 0.000 claims description 125
- 230000000717 retained effect Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 3
- 210000003484 anatomy Anatomy 0.000 claims description 2
- 238000009877 rendering Methods 0.000 claims description 2
- 230000003190 augmentative effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 31
- 230000006870 function Effects 0.000 description 29
- 238000001514 detection method Methods 0.000 description 28
- 230000000875 corresponding effect Effects 0.000 description 19
- 238000007408 cone-beam computed tomography Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 12
- 238000013459 approach Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 208000004434 Calcinosis Diseases 0.000 description 8
- 230000002308 calcification Effects 0.000 description 8
- 238000012804 iterative process Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 238000013138 pruning Methods 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 208000015181 infectious disease Diseases 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 239000000899 Gutta-Percha Substances 0.000 description 4
- 240000000342 Palaquium gutta Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 229920000588 gutta-percha Polymers 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000003298 dental enamel Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 210000002698 mandibular nerve Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000001114 tooth apex Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/51—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for dentistry
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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]
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Quality & Reliability (AREA)
- Pulmonology (AREA)
- Image Processing (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Description
3DのCBCTスキャンの結果は、位置(x,y,z)の各ボクセルが、そのボクセル位置の組織によるX線減衰を表す特定の値を含む3Dスカラー画像ボリュームとみなすことができる。数学的には、これは3D強度関数I(x,y,z)で表すことができる。このような3Dボリュームの2Dスライスの例を図5aに示す。画像勾配▽Iは、グレーの値の最大変動が発生する方向を示すベクトル場として定義される(図5bに示すように)。グラデーションは通常、最大のグレー値密度の方向を指す。数学的には、次のように計算できる。
本発明のいくつかの実施形態におけるセグメンテーション方法で使用するためのCTまたはCBCT画像データは、調査中の歯に関するデータを含む。画像データは、例えば、以下の前処理ステップに供され得る。
歯髄領域は完全に歯に含まれているため、(CB)CTボリュームを対象領域(ROI)にクロップすることが一般的に望ましい。これは、調査中の歯全体を構成する領域である。
歯内(CB)CTデータは、例えば、0.2mmに等しいボクセルサイズを備え得る。より小さなボクセルサイズの画像データが使用される場合、これはセグメンテーションプロセスの計算時間を大幅に増加させる可能性がある。したがって、一般に、グレー値を一辺が0.2mmの立方体に平均化することにより、このようなデータセットのサイズを0.2mmのボクセルサイズに変更することが望ましい。本発明のいくつかの実施形態の開発の一部として、0.2mmのボクセルサイズは、一般に、歯髄領域を研究するための十分な解像度を提供することが見出された。
さらなる前処理のステップで、グレー値を[0,1]の範囲に再スケーリングすることが一般的に望ましい。数学的には、初期ボリュームIorigからグレー値を再スケーリングすると、次のものに対応する。
式中、Inew(r)は所与のボクセルの再スケーリングされたグレー値に対応し、Iorig(r)は当該のボクセルの元のグレー値に対応する。IminとImaxは、元の画像ボリュームの最小及び最大強度レベルである。
初期セグメンテーションマスクSoは、画像化された歯髄腔内に位置すると想定される点または領域の受け取られた指示に基づいて設定される(上記のステップ200、300)。この点または領域は、使用者によって示され得るか、またはコンピュータなどによって自動的に生成され得る。
本発明のいくつかの実施形態の開発の一部として、歯髄領域の根管セグメントは、典型的には管状またはシート状の形状を有することが観察された(例えば、図4を参照のこと)。したがって、暗い管状またはシート状の形状のボクセルが存在することは、そのボクセルが根管内に位置していることを示している。したがって、前処理された画像データを使用して、各ボクセルについてCBSR項を計算することができる。より具体的には、管状形状検出フィルタ値C(r)及びシート状形状検出フィルタ値P(r)は、マルチスケールアプローチを使用して、例えば、可変のスケール係数σ(以下も参照されたい)を有する様々な3Dガウスステンシルを使用して、各ボクセルについて計算され得る。
ここで、Σは固有値を含む対角(3×3)行列であり、Vは対応する固有ベクトルを列として有する行列である。これらの固有ベクトルは、主曲率の方向に沿ってオブジェクトと整列する正規直交基底を形成する。直感的には、大きな固有値は、平滑化されたボリュームのプロファイルに大きな曲率が存在する固有ベクトル方向に対応し、小さな固有値は、ボリュームがほぼ一定のままである固有ベクトル方向に対応する。ヘッセ行列の固有値は、3Dボリューム内のボクセルごとに計算されることが望ましい。固有値が絶対値に基づいてソートされている場合|λ1|<|λ2|<|λ3|、例えば表2に示すように、ヘッセ行列の固有値分析に基づいて、様々なオブジェクトの特徴を検出できる。
表2:固有値の値に応じた3Dボリュームで可能なオブジェクトの特徴固有値は、|λ1|<|λ2|<|λ3|となるように順序付けられる。(H=高値、L=低値、+及び-は固有値の符号を示す)。
式(13)及び(14)により、3Dボリューム内のすべてのボクセルについて、このボクセルがそれぞれ管状またはシート状の構造で存在する可能性を表す値を計算できる。ただし、これまでの計算は、元のボリュームを平滑化するために使用される3Dガウス関数によって判定される特定のスケールσに対して提示されていた。複数のスケールでオブジェクトの特徴を検出するために、Cσ(r)とPσ(r)の両方を複数のスケールσに対して計算できるマルチスケールアプローチが使用される。Cσ(r)とPσ(r)のそれぞれの最大値は、ボクセルごとに保持できる。
いくつかの実施形態では、グレー値I(r)を有するすべてのボクセルについて、暗さ寄与度G(r)は、所与の反復で利用可能な現在のセグメンテーションマスクS(r)を使用して以下のように計算される。
ここで、c1(r)とc2(r)は、現在のセグメンテーションマスクに基づいてrの近傍で計算された、平均化された前景(セグメント化された根管)と背景(セグメント化されていない領域)の強度の値である。数学的には、これは例えば次のように書くことができる(参考文献[5]も参照)。
ここで、B(r,r’)は、標準偏差(σ)が例えば0.8mmの正規化されたガウス関数であり、点rを中心とし、位置r’で評価される。いくつかの実施形態では、セグメンテーションマスク(以下のセクション2.Eも参照)の更新プロシージャ410の第1のn回(例えば、n=3、4、5、6または7)の反復の後、結果として生じるセグメンテーションマスクは、歯髄腔全体を網羅する。その後、c2(r)の計算における標準偏差σは、任意選択で、例えば半分に下げることができる。これにより、関連するグレースケール閾値処理に対してc2(r)値が低すぎることになる、歯の周囲の暗い領域と、根管の直接の背景にある明るいエナメル質との平均化を有利にも回避できる。
グレー値閾値処理(GT)の平均の前景及び背景グレー値c1(r)及びc2(r)のローカル計算は、パーシャルボリューム効果(PVE)が存在する場合でも、歯髄領域のセグメンテーションに寄与する。式(17)を調べると、各ボクセルについて、強度レベルI(r)が、ローカル平均背景値c2(r)よりもローカル平均化された前景値c1(r)に近い場合、暗さ項G(r)は正であることが分かる。
いくつかの実施形態では、暗さ項G(r)(GTプロセスの結果を表す)が所与の反復ですべてのボクセルについて計算された後、暗さ項G(r)は、ボクセル、つまり候補画像要素を識別するため、独立して、または曲率ベース形状認識(CBSR)項と組み合わせて、前の反復のセグメンテーションマスクを更新するため使用され得る。
反復プロセス400は、通常、更新プロシージャ410の約10回の反復後に収束することが見出されている。いくつかの実施形態では、プロセス400が収束したかどうかは、許容値vを使用することによって判定でき、セグメント化は、反復において、更新プロシージャ410の前の反復のいずれかと比較して、または代わりに、更新プロシージャ410の前の反復と比較して、v未満のボクセルがセグメンテーションマスクに追加またはセグメンテーションマスクから削除されるとき、収束したと見なされる。例として、許容値vは2から30の間に含まれる値または5から25の間に含まれる値など、1から100の間に含まれる値に設定され得る。いくつかの実施形態では、更新プロシージャ410の最後の反復のセグメンテーションマスクが最終的なセグメンテーションの結果として使用される。
例えば、セクション2.Aで説明されている通りである。
例えば、セクション2.Bで説明されている通りである。
例えば、セクション2.Cで説明されている通りである。
例えば、セクション2.Dで説明されている通りである。
いくつかの実施形態では、セグメンテーションプロセスは、セグメンテーションの間に根管の固有の方向性を利用する。この方向性は、現在のセグメンテーションマスクS(r)のボクセルに属する特徴的な固有ベクトルに反映される。
したがって、この例では、特徴的な固有値を考慮に入れるべく、管状及びシート状の測定値C(r)及びP(r)は、セグメンテーションマスクに基づいて計算される指向性関数D(r)を使用して、1回以上の反復で乗算される。
暗さ項G(r)とオブジェクト特徴項F(r)の両方が計算されると、それらを組み合わせて前のセグメンテーションマスクを更新できる。
例としてセクション2.Fで説明されている通りであり得る。
例としてセクション2.Aで説明されている通りであり得る。
例としてセクション2.Bで説明されている通りであり得る。
例としてセクション2.Cで説明されている通りであり得る。
例としてセクション2.Dで説明されている通りであり得る。
例としてセクション3.Eで説明されている通りであり得る。
実施形態の第3の例示的なセットでは、セグメンテーションプロセスは、第1のフェーズ及び第2のフェーズを含む少なくとも2つのフェーズを含む。第1のフェーズは、セクション2及び3で前述した通りであり得、更新プロシージャ410を含む、少なくとも上記のステップ100、200、300、及び400を含む(図1を参照)。第1のフェーズの終わりに、セグメンテーションマスクが最終的に出力され、これは、シードを構成する接続された画像要素の領域を含む。第2のフェーズは、少なくとも上記の、拡張更新プロシージャ510を含むステップ500(図2を参照)、またはネストされたサブプロシージャを伴う拡張更新プロシージャを含むステップ500(図3を参照)を含む。第2のフェーズは、特に、セグメンテーションマスク内に、シードを含む領域から石灰化によって分離されている歯髄領域の潜在的な部分(複数可)を組み込むことを目的としている。
例としてセクション2.Eまたはセクション3.Fで説明されている通りであり得る。
このプロセスは、例えば、セクション3.Fで説明したように実装できるが、ただし第2のフェーズで、所与の反復において式(46)を使用して更新値U(r)が計算された後、正のU(r)値(例えば、ノイズの影響を回避するためにU(r)>10-4が使用される)を有する接続されたボクセルの領域を一時的なセグメンテーションマスクT(r)(シードを含まないいずれかの領域を含む)に保持される点を除く。接続された画像要素(複数のボクセルなど)のこれらの領域は、接続された成分(CC)とも呼ばれる。
反復ごとに取得される一時的なセグメンテーションマスクT(r)は、歯髄領域のセグメントを含むだけでなく、根管を囲む構造など、管状またはシート状の特性または低値のグレー値を有する可能性がある他の構造(の一部)を含むこともある。さらに、小さな石灰化、分岐、または断面の突然の変化のいずれかのある場所で、指向性関数D(r)(セクション3.Eで説明)は、特徴的な固有ベクトルがこれらの現象の1つによって局所的に乱れているため、不連続になる可能性がある(例えば、断面の突然の変化を示す図10を参照)。通常、歯髄領域の根管セグメントに存在するこれらの場所では、セグメンテーションが切断される可能性がある。
終了は、例としてセクション2.Fで説明されているとおりにすることができる。さらに、実施形態の第3の例示的なセットにおいて、セグメンテーションプロシージャの収束のための終了基準は、p+1回の反復(pはセクション4.Fで定義される)以上の後にのみ評価され、その結果、根管セグメント化に関連する可能性のある「緩い」領域を捕捉するための拡張された方向性プロシージャ(拡張更新プロシージャ510、またはネストされたサブプロシージャを伴うプロシージャ610)が少なくとも1回適用される。
一実施形態では、セグメンテーションプロセス500または600の収束後、セグメント化された根管の非接続領域は、あまり離れていない18個の接続している成分を接続し、他を除去する後処理ステップによって一緒に結合される。シードボクセルを構成するメイン領域(CCm)から開始する。主領域CCmと近傍領域CCiとを融合するための適切な手順は、例えば6ボクセル及び5ボクセルの半径で領域CCmのバイナリマスクを別々に拡張し、両方の拡張画像を差し引いて領域CCmの拡張「シェル」を保持することを含み得る。このシェルと領域CCiの交差により、領域siが生成される。これは、領域CCmと領域CCiを交換して繰り返され、領域CCiのシェル、そして最後に領域smを得ることができる。次に、領域smのすべてのボクセルは、領域siのすべてのボクセルと接続され得、接続線に沿って密にサンプリングし、したがって、接続を含めて、領域CCmを領域CCiで拡張する。領域CCiが他の領域から離れすぎているか小さすぎる場合、領域siは空になり、接続が確立されず、領域CCiが最終的なセグメンテーションマスクから削除される。
セグメント化方法は、3つのデータセットでテストされた。第1のデータセット、つまりデータセット1号は、2人の異なる患者の特別な目的の歯内CT画像から得られた8つの異なる歯の画像で構成されていた。第2のデータセット、つまりデータセット2号は、アルコールまたは空の容器のいずれかで数年間保存され、ワックスに配置され、CBCTスキャナーを使用してスキャンされた16本の抜歯から得られた。第3のデータセット、つまりデータセット3号は、CBCT画像(特別な目的の歯内ではない)から得られた5つの歯の画像で構成されていた。すべての画像は等方性の0.2mmの解像度であるか、前処理段階でこの解像度にリサンプリングされた。すべての画像の歯髄領域は、実施形態の第3の例示的なセットのうちの実施形態(ネストされたサブプロシージャ610を用いた拡張更新プロシージャを含む)及び前述のパラメータによるプロセスを使用してセグメント化された。すべての場合のシード点は、歯髄腔の中央で手動で選択された。それぞれ特徴感度係数fs=1及びfs=2を使用して実行されたセグメント化(fs=1でのセグメンテーション後、得られたセグメンテーションの結果はfs=2でのセグメンテーション手順の初期セグメンテーションマスクとして使用された)を視覚的に評価した。表3を参照されたい。
表3:3つのデータセットのセグメンテーション結果の概要。
図17は、本発明の一実施形態にて使用され得るシステムの例示的な実装の概略図である。
2D 2次元
3D 3次元
ASIC 特定用途向け集積回路
CBCT コンピュータ断層撮影法
CBSR 曲率ベースの形状認識
CC 連結成分
CT コンピュータ断層
DICOM 医学におけるデジタルイメージング及び通信
FPGA フィールドプログラマブルゲートアレイ
GT グレースケール閾値処理(別名:グレー値閾値処理)
GUI グラフィカルユーザインターフェイス
PCA 主成分分析
PVE パーシャルボリューム効果
RAM ランダムアクセスメモリ
ROI 関心領域
ROM 読み取り専用メモリ
[1]C.Lost. Quality guidelines for endodontic treatment: consensus report of the European Society of Endodontology.International Endodontic Journal, 39:921-930, 2006.
[2]Dentsply Sirona. 3D EndoTM Software. https://www.3dendo.com/. Accessed: May 29, 2017.
[3]A.F. Frangi, W.J. Niessen, L. Vincken, and M.A. Viergever. Multiscale vessel enhancement filtering.Lecture Notes in Computer Science, 1496:130-137, 1998.
[4]M. Descoteaux, M. Audette, K. Chinzei, and K. Siddiqi. Bone enhancement filtering: Application to sinus bone segmentation and simulation of pituitary surgery.Computer aided surgery, 11(5):247-255, 2010.
[5]S. Lankton and A. Tannenbaum. Localizing region-based active contours.IEEE Transactions on Image Processing, 17(11):2029-2039, 2008.
[6]F. Peracchi. Robust m-estimators of regression.Giornale degli Economisti e Annali di Economia, 46(9):533-545, 1987.
[7]C. Jud and T. Vetter. Using object probabilities in deformable model fitting. 2014 22nd International Conference on Pattern Recognition. 3310-3314, 2014
Claims (25)
- 歯の歯髄領域を前記歯の2Dまたは3D画像からセグメント化するためのコンピュータ実装方法であって、前記歯髄領域は、歯髄腔及び1つ以上の根管を含み、前記方法は、
前記画像の平滑化されたバージョンを使用して、様々な空間スケールで曲率ベースの形状認識を実行すること(100)と、
前記画像の画像化された歯髄腔内に位置していると想定され、前記画像の少なくとも1つの画像要素に対応する点または領域の表示を受け取ること(200)と、但し前記少なくとも1つの画像要素は、以下「シード」と呼ばれる、
少なくとも前記シードを初期セグメンテーションマスクとして使用すること(300)と、
以下「更新プロシージャ」と呼ばれるプロシージャ(410)を反復して実行すること(400)と、
を含み、
前記更新プロシージャ(410)は、
前記セグメンテーションマスクを更新するための候補画像要素を判定すること(411)と、但し前記判定すること(411)は、前記更新プロシージャ(410)の少なくとも最初のn回の反復(nは非ゼロの正の整数である)において、現在のセグメンテーションマスクを基準としてグレースケール閾値処理を行ない、前記更新プロシージャ(410)の少なくとも1回の反復で、前記曲率ベースの形状認識を考慮に入れることを含み、
前記現在のセグメンテーションマスクを基準として前記グレースケール閾値処理を行なうことは、検討中の画像要素の強度レベルと、平均化された前景値及び平均化された背景強度値それぞれとの間の差を判定することを含み、前記平均化された前景値は、前記現在のセグメンテーションマスクに含まれる画像要素の平均強度値として計算され、前記平均化された背景強度値は、前記現在のセグメンテーションマスクの外側の画像要素の平均強度値として計算され、
前記候補画像要素の中で、前記シードを含む、接続された候補画像要素の領域を保持すること(412)と、
前記保持された領域を使用して、前記セグメンテーションマスクを更新すること(413)と、
を含む、方法。 - 前記平均化された前景値及び/または平均化された背景強度値は、検討中の前記画像要素を中心とする画像領域内の前記画像要素について計算される、請求項1に記載の方法。
- 前記平均化された前景値及び/または平均化された背景強度値を計算することは、加重平均を計算することを含み、
画像要素の前記強度値の重みが、前記画像要素と検討中の前記画像要素との間の距離の増加とともに減少する、請求項1に記載の方法。 - 前記加重平均を計算することは、検討中の前記画像要素を中心とする重み付けマスクを使用することを含む、請求項3に記載の方法。
- 前記更新プロシージャ(410)の少なくとも1回の反復において、前記グレースケール閾値処理及び前記曲率ベースの形状認識の両方が実行される、請求項1から請求項4のいずれか一項に記載の方法。
- 前記グレースケール閾値処理及び前記曲率ベースの形状認識の両方が実行される少なくとも1回の反復において、検討中の画像要素について、前記グレースケール閾値処理と比較した前記曲率ベースの形状認識の重要性または関連する重みが、前記シードからの前記画像要素の距離の増加に伴って増加する、請求項5に記載の方法。
- 前記曲率ベースの形状認識が実行される少なくとも1回の反復において、候補画像要素を判定すること(411)は、前記画像要素の近傍の前記セグメンテーションマスクの一部の全体的な方向性と比較した、画像要素の前記強度レベルで認識された形状の方向性をさらに考慮に入れる、請求項1から請求項6のいずれか一項に記載の方法。
- 前記方法は、前記更新プロシージャ(410)を反復して実行した後(400)、以下「拡張更新プロシージャ」と呼ばれるさらなるプロシージャ(510)を反復して実行すること(500)をさらに含み、
前記実行すること(500)は、
前記セグメンテーションマスクを更新するために候補画像要素を判定すること(511)と、但し前記判定すること(511)は、前記曲率ベースの形状認識及び前記画像要素の近傍の前記セグメンテーションマスクの一部の全体的な方向性と比較した、画像要素の前記強度レベルにおいて認識された形状の方向性を考慮することを含む、
前記候補画像要素の中で、接続された候補画像要素の第1の領域を保持すること(512)と、但し前記第1の領域は前記シードを含む、
前記保持された第1の領域を使用して、以下「中間セグメンテーションマスク」と呼ばれる新しいセグメンテーションマスクを形成すること(513)と、
前記候補画像要素の中で、接続された候補画像要素の第2の領域を保持すること(514)と、但し前記第2の領域は、前記中間セグメンテーションマスクに接続されておらず、前記中間セグメンテーションマスクよりも頂端の位置に、前記第2の領域に最も近い前記中間セグメンテーションマスクの頂端部分の方向性と一致する方向に配置される、
前記中間セグメンテーションマスクと前記保持された第2の領域を使用して、前記セグメンテーションマスクを更新すること(515)と、
を含む、請求項1から請求項7のいずれか一項に記載の方法。 - 前記方法は、前記更新プロシージャ(400)を反復して実行した後(400)、以下「ネストされたサブプロシージャを伴う拡張更新プロシージャ」と呼ばれるさらなるプロシージャ(610)を反復して実行すること(600)をさらに含み、
前記実行すること(600)は、
前記セグメンテーションマスクを更新するために候補画像要素を判定すること(511)と、但し前記判定すること(511)は、前記曲率ベースの形状認識及び前記画像要素の近傍の前記セグメンテーションマスクの一部の全体的な方向性と比較した、画像要素の前記強度レベルにおいて認識された形状の方向性を考慮することを含む、
前記候補画像要素の中で、接続された候補画像要素の第1の領域を保持すること(612)と、但し前記第1の領域は前記シードを含む、
前記保持された第1の領域を使用して、以下「中間セグメンテーションマスク」と呼ばれる新しいセグメンテーションマスクを形成すること(613)と、
以下「ネストされたサブプロシージャ」と呼ばれるサブプロシージャ(615)を反復して実行すること(614)と、
前記中間セグメンテーションマスクを使用して、前記セグメンテーションマスクを更新すること(618)と、
を含み、
前記サブプロシージャ(615)は、
前記候補画像要素の中で、接続された候補画像要素のさらなる領域を保持すること(616)と、但し前記さらなる領域は、前記中間セグメンテーションマスクに接続されておらず、前記中間セグメンテーションマスクよりも頂端の位置に、前記さらなる領域に最も近い前記中間セグメンテーションマスクの頂端部分の方向性と一致する方向に配置される、
前記中間セグメンテーションマスクに前記さらなる領域を追加すること(617)と、
を含む、請求項1から請求項7のいずれか一項に記載の方法。 - 前記セグメンテーションマスクを更新するための候補画像要素を判定すること(411)は、前記現在のセグメンテーションマスクを基準としてグレースケール閾値処理を行なうことをさらに含む、請求項4または請求項5に記載の方法。
- 拡張更新プロシージャの少なくとも1回の反復において、検討中の画像要素について、前記グレースケール閾値処理と比較した前記曲率ベースの形状認識の重要性または関連する重みが、前記シードからの前記画像要素の距離の増加に伴って増加する、請求項8に記載の方法。
- ネストされたサブプロシージャを伴う拡張更新プロシージャの少なくとも1回の反復において、検討中の画像要素について、前記グレースケール閾値処理と比較した前記曲率ベースの形状認識の重要性または関連する重みが、前記シードからの前記画像要素の距離の増加に伴って増加する、請求項9に記載の方法。
- 前記更新プロシージャが、複数回の反復を含み、前記更新プロシージャの反復において、以前の反復からの前記セグメンテーションマスクに含まれる画像要素が、前記更新されたセグメンテーションマスクから破棄され得る、請求項1から請求項12のいずれか一項に記載の方法。
- 前記セグメンテーションマスクが1つの反復から次の反復へと成長する、請求項1から請求項12のいずれか一項に記載の方法。
- 反復において、前記現在のセグメンテーションマスクからの閾値距離よりも大きい距離にある画像要素が破棄される、請求項1から請求項14のいずれか一項に記載の方法。
- 前記新しいセグメンテーションマスクが、前記現在のセグメンテーションマスクと比較してm個の画像要素(mは非ゼロの正の整数である)分だけ少ない点で異なる場合、反復(400、500、600)が停止される、請求項1から請求項15のいずれか一項に記載の方法。
- 前記画像がX線画像である、請求項1から請求項16のいずれか一項に記載の方法。
- 前記曲率ベースの形状認識が、根管またはそのセグメントの可能な形状に対応する形状構造を識別することを含む、請求項1から請求項17のいずれか一項に記載の方法。
- 前記曲率ベースの形状認識が、管状構造を識別すること、及びシート状構造を識別することのうちの少なくとも1つを含む、請求項18に記載の方法。
- 前記セグメント化された歯の歯髄領域の解剖学的構造を視覚的にレンダリングすることをさらに含む、請求項1から請求項19のいずれか一項に記載の方法。
- 前記セグメント化された歯の歯髄領域の解剖学的構造のパラメータを判定することをさらに含む、請求項1から請求項20のいずれか一項に記載の方法。
- 前記セグメント化された歯の歯髄領域の解剖学的構造のパラメータを判定することは、
前記セグメント化された歯の歯髄領域の少なくとも1つの根管に沿った幅、
前記セグメント化された歯の歯髄領域の少なくとも1つの根管の中心線、及び
前記セグメント化された歯の歯髄領域の少なくとも1つの根管の長さ、
のうちの少なくとも1つを判定することを含む、請求項21に記載の方法。 - 前記更新されたセグメンテーションマスクが、歯内処置のコンピュータベースの仮想計画で使用される、請求項1から請求項22のいずれかに記載の方法。
- 歯の歯髄領域を前記歯の2Dまたは3D画像からセグメント化するためのシステムであって、前記歯髄領域は、歯髄腔及び1つ以上の根管を含み、
前記システムは、
前記画像の平滑化されたバージョンを使用して、様々な空間スケールで曲率ベースの形状認識を実行すること(100)と、
前記画像の画像化された歯髄腔内に位置していると想定され、前記画像の少なくとも1つの画像要素に対応する点または領域の表示を受け取ること(200)と、但し前記少なくとも1つの画像要素は、以下「シード」と呼ばれる、
少なくとも前記シードを初期セグメンテーションマスクとして使用すること(300)と、
以下「更新プロシージャ」と呼ばれるプロシージャ(410)を反復して実行すること(400)と、
を行うように構成された処理ユニットを含み、
前記更新プロシージャ(410)は、
前記セグメンテーションマスクを更新するための候補画像要素を判定すること(411)と、
前記候補画像要素の中で、前記シードを含む、接続された候補画像要素の領域を保持すること(412)と、
前記保持された領域を使用して、前記セグメンテーションマスクを更新すること(413)と、
を含み、
前記判定すること(411)は、
前記更新プロシージャ(410)の少なくとも最初のn回の反復(nは非ゼロの正の整数である)において、現在のセグメンテーションマスクを基準としてグレースケール閾値処理を行なうことと、
前記更新プロシージャ(410)の少なくとも1回の反復で、前記曲率ベースの形状認識を考慮に入れることと、
を含み、
前記現在のセグメンテーションマスクを基準として前記グレースケール閾値処理を行なうことは、検討中の画像要素の強度レベルと、平均化された前景値及び平均化された背景強度値それぞれとの間の差を判定することを含み、前記平均化された前景値は、前記現在のセグメンテーションマスクに含まれる画像要素の平均強度値として計算され、前記平均化された背景強度値は、前記現在のセグメンテーションマスクの外側の画像要素の平均強度値として計算される、システム。 - コンピュータ上で実行されると、前記コンピュータに請求項1から請求項23のいずれか一項に記載の方法を実行させるように構成されたコンピュータ可読命令を含むコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18174919.3 | 2018-05-29 | ||
EP18174919 | 2018-05-29 | ||
PCT/EP2019/063883 WO2019229092A1 (en) | 2018-05-29 | 2019-05-28 | Methods, systems, and computer programs for segmenting a tooth's pulp region from an image |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021525144A JP2021525144A (ja) | 2021-09-24 |
JP7261245B2 true JP7261245B2 (ja) | 2023-04-19 |
Family
ID=62486501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020565953A Active JP7261245B2 (ja) | 2018-05-29 | 2019-05-28 | 画像から歯髄領域をセグメント化するための方法、システム、及びコンピュータプログラム |
Country Status (7)
Country | Link |
---|---|
US (1) | US11416999B2 (ja) |
EP (1) | EP3803788B1 (ja) |
JP (1) | JP7261245B2 (ja) |
KR (1) | KR20210041538A (ja) |
CN (1) | CN112136157B (ja) |
CA (1) | CA3099252A1 (ja) |
WO (1) | WO2019229092A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7374193B2 (ja) | 2018-12-20 | 2023-11-06 | メディシム ナームロゼ ベンノートチャップ | 表面メッシュの自動トリミング |
US11576631B1 (en) * | 2020-02-15 | 2023-02-14 | Medlab Media Group SL | System and method for generating a virtual mathematical model of the dental (stomatognathic) system |
WO2022092627A1 (ko) * | 2020-10-28 | 2022-05-05 | 주식회사 메디트 | 3차원 모델로부터 대상체 영역을 결정하는 방법 및 3차원 모델 처리 장치 |
KR102493440B1 (ko) * | 2020-10-28 | 2023-01-31 | 주식회사 메디트 | 3차원 모델로부터 대상체 영역을 결정하는 방법 및 3차원 모델 처리 장치 |
JP7113327B1 (ja) * | 2021-07-12 | 2022-08-05 | パナソニックIpマネジメント株式会社 | 撮像装置 |
CN117649391B (zh) * | 2023-12-11 | 2024-05-10 | 东莞市中钢模具有限公司 | 基于图像处理的压铸模具缺陷检测方法及*** |
CN117974692B (zh) * | 2024-03-29 | 2024-06-07 | 贵州毅丹恒瑞医药科技有限公司 | 一种基于区域生长的眼科医学影像处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080299511A1 (en) | 2004-08-27 | 2008-12-04 | Michael Thoms | Method for Determining the Set Relative Position of a Patient in Dental Panorama X-Ray Apparatus or the Set Path on Which This Apparatus is Moved with Regard to a Patient , and a Device Suited Therefor |
JP2017056364A (ja) | 2017-01-06 | 2017-03-23 | 朝日レントゲン工業株式会社 | X線撮影装置及びx線画像選択方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6409504B1 (en) * | 1997-06-20 | 2002-06-25 | Align Technology, Inc. | Manipulating a digital dentition model to form models of individual dentition components |
CN102573644B (zh) * | 2009-07-31 | 2015-07-01 | 牙科成像技术公司 | 使用分割和主牙弓的全景牙科成像 |
GB201009725D0 (en) * | 2010-06-11 | 2010-07-21 | Univ Leuven Kath | Method of quantifying local bone loss |
US8311302B2 (en) * | 2010-12-13 | 2012-11-13 | Carestream Health, Inc. | Method for identification of dental caries in polychromatic images |
KR101911567B1 (ko) * | 2011-03-21 | 2018-10-24 | 케어스트림 덴탈 테크놀로지 톱코 리미티드 | 치면 분류 방법 |
GB201115265D0 (en) * | 2011-09-05 | 2011-10-19 | Materialise Dental Nv | A method and system for 3d root canal treatment planning |
CN103186886B (zh) * | 2011-12-31 | 2017-04-05 | 西门子(深圳)磁共振有限公司 | 磁共振成像的图像重建方法及图像重建装置 |
US8923581B2 (en) * | 2012-03-16 | 2014-12-30 | Carestream Health, Inc. | Interactive 3-D examination of root fractures |
KR20140097727A (ko) * | 2013-01-29 | 2014-08-07 | 주식회사 오즈텍 | 치과용 3d 혈관 유속 촬영장치 및 그 방법 |
US9972083B2 (en) * | 2013-04-22 | 2018-05-15 | Carestream Dental Technology Topco Limited | Detection of tooth fractures in CBCT image |
EP3682807B1 (en) * | 2014-09-16 | 2024-07-17 | Sirona Dental, Inc. | Methods, systems, apparatuses, and computer programs for processing tomographic images |
CN104751516B (zh) * | 2015-04-09 | 2018-01-09 | 范兵 | 开髓位置的参照点的获取装置 |
KR101718868B1 (ko) * | 2015-09-21 | 2017-03-22 | 한국과학기술연구원 | 자동 의료영상 분할에 의한 3차원 악안면 모델 형성 방법, 이를 수행하는 자동 영상 분할과 모델 형성 서버 및 이를 저장하는 기록매체 |
CN105488849B (zh) * | 2015-11-24 | 2018-01-12 | 嘉兴学院 | 一种基于混合水平集的三维牙齿建模方法 |
JP6658308B2 (ja) * | 2016-05-30 | 2020-03-04 | 富士通株式会社 | 歯の種類判定プログラム、歯冠位置判定装置及びその方法 |
JP2018022261A (ja) * | 2016-08-02 | 2018-02-08 | 株式会社オプテック | 画像処理装置 |
CN106214175B (zh) * | 2016-08-26 | 2020-06-16 | 中国科学院深圳先进技术研究院 | 一种估算三维牙轴的方法和装置 |
CN106446800B (zh) * | 2016-08-31 | 2019-04-02 | 北京贝塔科技股份有限公司 | 牙齿识别方法、装置及*** |
US10282826B2 (en) * | 2016-10-10 | 2019-05-07 | Carestream Health, Inc. | Despeckling method for radiographic images |
CN106570859B (zh) | 2016-10-11 | 2020-02-14 | 深圳大学 | 一种牙齿图像分析*** |
WO2018231588A1 (en) * | 2017-06-15 | 2018-12-20 | Levin Martin David | Methods, systems, and computer program products for making customized root canal obturation cores |
EP3462373A1 (en) * | 2017-10-02 | 2019-04-03 | Promaton Holding B.V. | Automated classification and taxonomy of 3d teeth data using deep learning methods |
CN107909630A (zh) * | 2017-11-06 | 2018-04-13 | 南京齿贝犀科技有限公司 | 一种牙位图生成方法 |
-
2019
- 2019-05-28 CN CN201980033082.0A patent/CN112136157B/zh active Active
- 2019-05-28 WO PCT/EP2019/063883 patent/WO2019229092A1/en unknown
- 2019-05-28 CA CA3099252A patent/CA3099252A1/en active Pending
- 2019-05-28 EP EP19725848.6A patent/EP3803788B1/en active Active
- 2019-05-28 US US17/058,094 patent/US11416999B2/en active Active
- 2019-05-28 JP JP2020565953A patent/JP7261245B2/ja active Active
- 2019-05-28 KR KR1020207035249A patent/KR20210041538A/ko unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080299511A1 (en) | 2004-08-27 | 2008-12-04 | Michael Thoms | Method for Determining the Set Relative Position of a Patient in Dental Panorama X-Ray Apparatus or the Set Path on Which This Apparatus is Moved with Regard to a Patient , and a Device Suited Therefor |
JP2017056364A (ja) | 2017-01-06 | 2017-03-23 | 朝日レントゲン工業株式会社 | X線撮影装置及びx線画像選択方法 |
Non-Patent Citations (1)
Title |
---|
Christoph Jud, Thomas Vetter,Using Object Probabilities in Deformable Model Fitting,2014 22nd International Conference on Pattern Recognition,2014年12月06日,P. 3310-3314 |
Also Published As
Publication number | Publication date |
---|---|
CN112136157A (zh) | 2020-12-25 |
US20210209764A1 (en) | 2021-07-08 |
CA3099252A1 (en) | 2019-12-05 |
CN112136157B (zh) | 2024-04-26 |
JP2021525144A (ja) | 2021-09-24 |
EP3803788B1 (en) | 2022-07-27 |
EP3803788A1 (en) | 2021-04-14 |
WO2019229092A1 (en) | 2019-12-05 |
KR20210041538A (ko) | 2021-04-15 |
US11416999B2 (en) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7261245B2 (ja) | 画像から歯髄領域をセグメント化するための方法、システム、及びコンピュータプログラム | |
JP7386215B2 (ja) | 歯列メッシュ矯正具除去のための方法および装置 | |
JP7254025B2 (ja) | 動的歯列弓マップ | |
EP3547949B1 (en) | Method and system for braces removal from dentition mesh | |
CN110189352B (zh) | 一种基于口腔cbct图像的牙根提取方法 | |
US8761493B2 (en) | Method and system for tooth segmentation in dental images | |
Wu et al. | Tooth segmentation on dental meshes using morphologic skeleton | |
JP5717942B2 (ja) | 超音波画像におけるエッジ検出 | |
KR20190044067A (ko) | 하이브리드 메시 세분화를 위한 방법 및 시스템 | |
JP5114044B2 (ja) | 生物学的構造を有する画像を切り出す方法及びシステム | |
CN107680110B (zh) | 基于统计形状模型的内耳三维水平集分割方法 | |
US11704819B2 (en) | Apparatus and method for aligning 3-dimensional data | |
US20220012888A1 (en) | Methods and system for autonomous volumetric dental image segmentation | |
JP2022523272A (ja) | 三次元(3d)超音波画像の処理 | |
CN114757960A (zh) | 一种基于cbct图像的牙齿分割与重建方法及存储介质 | |
JP2022531989A (ja) | 自動冠動脈血管造影分析 | |
Yau et al. | An adaptive region growing method to segment inferior alveolar nerve canal from 3D medical images for dental implant surgery | |
Pavaloiu et al. | Automatic segmentation for 3D dental reconstruction | |
Abdolali et al. | Mandibular canal segmentation using 3D Active Appearance Models and shape context registration | |
CN111798468B (zh) | 图像处理方法及装置、存储介质及电子终端 | |
CN106934785B (zh) | 一种用于机器人虚拟训练***中肝脏模型的医学图像分割方法 | |
Păvăloiu et al. | 3D dental reconstruction from CBCT data | |
Todd et al. | An analysis of medical image processing methods for segmentation of the inner ear | |
EP4216160A1 (en) | Methods and systems for real-time image 3d segmentation regularization | |
Song et al. | Confidence Surface-Based Fine Matching Between Dental Cone-Beam Computed Tomography Scan and Optical Surface Scan Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20201119 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220301 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230106 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230228 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230407 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7261245 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |