(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210670838.6 (22)申请日 2022.06.15 (65)同一申请的已公布的文献号 申请公布号 CN 114757960 A (43)申请公布日 2022.07.15 (73)专利权人 汉斯夫 （杭州） 医学 科技有限公司 地址 310000 浙江省杭州市余杭区五常街 道文一西路1 199号1幢1717室 (72)发明人 林小平　黄胜钧　谢李鹏　 (74)专利代理 机构 杭州天启智汇 专利代理事务 所(普通合伙) 33357 专利代理师 周恩慧 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/136(2017.01)G06T 17/00(2006.01) G06T 19/20(2011.01) (56)对比文件 CN 113628223 A,2021.1 1.09 US 2020175 678 A1,2020.0 6.04 审查员 赵磊 (54)发明名称 一种基于CBCT图像的牙齿分割与重建方法 及存储介质 (57)摘要 本发明为一种基于CBCT图像的牙齿分割与 重建方法及存储介质， 先通过对CBCT数据进行自 定义逐层标注， 自动统计标注的牙齿中心点， 对 CBCT数据集进行预处理， 然后基于开源的深度学 习平台TensorFlow和全卷积神经网络模型， 设计 并训练得到CBCT牙齿图像分割网络模型； 通过训 练得到的模 型输出得到每个体素的概率值， 通过 对上下颌牙齿重叠进行分离、 合并的优化， 再对 根尖形状进行细化处理， 最后重建牙齿三维模 型。 本发明利用深度学习方法， 可直接分割三维 CBCT图像中的牙齿， 同时将相互接触的邻接牙齿 分离， 从而实现单牙齿的分割与三维重建， 具有 高效、 准确、 鲁棒性高等优点， 能够在噪声复杂 CBCT图像中取得较好的牙齿分割与3D重建结果。 权利要求书3页 说明书9页 附图3页 CN 114757960 B 2022.09.09 CN 114757960 B 1.一种基于 CBCT图像的牙齿分割与重建方法， 其特 征在于， 包括以下步骤： S1. 获取数据与标注： 将CBCT图像作为训练数据， 对CBCT数据进行自定义逐层标注， 自 动统计标注 牙齿中心点； S2. 数据预处理： 利用交叉验证法将CBCT数据集划分为训练集、 验证集和测试集,  对 训练集数据的每一层切片做数据增强处 理； S3. 模型构建与训练： 构建CBCT牙齿分割网络模型， 该模型由依次连接 的VGG‑19骨干 网络、 FPN颈部网络和两个Softmax像素分类器组成， 利用TensorFlow内置的Adam优化算法 使损失函数极小化， 得到最优的模型； S4. 重叠牙齿与牙齿标记预测： S4.1、 将CBCT测试数据逐层输入到所述步骤S3得到的最优模型中， 得到每个体素属于 牙齿与牙齿标记的概 率值 和 ； S4 .2、 利用阈值法将概率值转化为二值分割结果： 和 ， 其中 和 为牙齿与牙齿标记的三维分割结果， 与 为分 割牙齿与牙齿标记的阈值； S5. 三维重叠牙齿区域分离： 利用形态学腐蚀方法处理所述步骤S4得到的牙齿标记， 将不同牙齿标记的区域相互分离； S6. 三维离散牙齿区域合并： 利用连通区域检测方法获取每颗牙齿的三维体素， 基于 空间信息合并离 散的牙齿， 生成完整的单牙齿三维分割结果； S7. 判断所述步骤S6处理结果是否需要手工优化牙齿， 若是则需要进行交互式优化牙 齿后再利用线性阈值法对牙 根根尖做细化处理， 若否则直接利用线性阈值法对牙根根尖做 细化处理； S8. 牙齿三维重建与保存。 2.根据权利要求1所述的一种基于CBCT图像的牙齿分割与重建方法， 其特征在于： 所述 步骤S2包括： 信号预处理算法， 当CBCT的牙齿像素分布范围满足高斯分布时， 计算牙齿像素的均值 与方差 ， 对信号进行压限处 理， 计算公式如下 所示： 其中， 与 分别为CBCT牙齿分布信息中的最小值和牙齿像素的上限值 ， 有效抑制牙齿像素突出造成的牙齿边 缘信息损失。 3.根据权利要求1所述的一种基于CBCT图像的牙齿分割与重建方法， 其特征在于： 所述 步骤S5具体包括： S5.1、 利用形态学腐蚀方法处理所述步骤S4得到的牙齿标记， 将不同牙齿标记的区域 相互分离， 并给每个牙齿标记的连通区域分配一个唯一的牙齿数字标签， 用以区分不同牙权　利　要　求　书 1/3 页 2 CN 114757960 B 2齿； S5.2、 将所述步骤S4得到的牙齿三维分割结果与牙齿标记三维分割结果输入到标记控 制的分水岭算法中进行运 算， 使重叠牙齿区域相互分离， 得到单颗牙齿的三维分割结果。 4.根据权利要求1所述的一种基于CBCT图像的牙齿分割与重建方法， 其特征在于： 所述 步骤S6具体包括： S6.1、 利用连通区域检测方法获取每颗牙齿的三维体素， 提取每颗牙齿 的顶端横截 面 与底端横截面 ； S6.2、 当顶端横截面 与牙齿 的底端横截面 的DICE相似系数 大于0.5时， 或 者底端横截面 与牙齿 的顶端横截面 的DICE相似系数 大于0.5时， 牙齿 的数 字标签替换为 ， 牙齿 与牙齿 在垂直方向实现合并； S6.3、 统计合并后牙齿的数量， 对每颗单独牙齿打上数字标签， 生成单牙齿的三维分割 结果。 5.根据权利要求1所述的一种基于CBCT图像的牙齿分割与重建方法， 其特征在于： 所述 步骤S7中利用线性阈值法对牙根 根尖做细化处 理具体包括： S7.1、 计算所有牙齿的Z轴 平均坐标值， 将CBCT分割结果 中大于平均 坐标值的牙齿分类 为上牙， 否则为下牙； S7.2、 对于上牙三维分割结果 ， 从所述步骤4牙齿概率结果 中提取上牙 对应 的体素概率值 ， 计算牙齿 的Z轴顶端坐标 和底端坐标 ， 利用线 性插值法生成阈值张量 ， 计算公式如下 所示： 其中， 、 和 分别为三维体素的空间坐标， 利用阈值法得到上颌牙齿 优化牙根根 尖后的结果 ； S7.3、 对于下牙分割结果 ， 从所述步骤4牙齿概率结果 中提取下牙 对应的体 素概率值 ， 若牙齿 的Z轴顶端坐标为 和底端坐标为 ， 则计算阈 值张量 ， 计算公式如下 所示：权　利　要　求　书 2/3 页 3 CN 114757960 B 3