[发明专利]基于牙根尖周片自动评价牙科临床诊疗效果的方法在审

专利信息
申请号: 201810224696.4 申请日: 2018-03-19
公开(公告)号: CN108346152A 公开(公告)日: 2018-07-31
发明(设计)人: 郭传瑸;王建民;夏斌;刘璘;曹战强;杨洁;谢宇辰 申请(专利权)人: 北京大学口腔医院;清华大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/33;G06K9/46
代理公司: 北京怡丰知识产权代理有限公司 11293 代理人: 于振强
地址: 100081 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 牙科临床 诊疗效果 自动评价 牙根尖 计算机图像处理 减影图像生成 关键区域 医生观察 治疗效果 主观性 评估 应用
【权利要求书】:

1.一种基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征是,包括以下步骤:

(1)减影图像生成:对获取的原图像进行自动校准,并根据自动校准的结果生成减影图像;所述原图像包括同一个病人治疗前后的牙根尖周片;

(2)关键区域提取:利用并查集找到所述减影图像中的根充区域,判断牙根尖周片的方向,定位牙根尖坐标,并根据牙根尖坐标分别在治疗前后的牙根尖周片上截取牙根尖图像;

(3)治疗效果评估:依据针对数据集的拓展、治疗效果自动评估的训练,对牙根尖图像的数据进行判断,评估治疗效果为“好转”、“恶化”或“无变化”;所述数据集包括若干份医生手动标注的治疗效果数据,每一份数据包括同一病人的治疗前后的牙根尖周片,以及医生标注的本次治疗的效果。

2.根据权利要求1所述的基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征在于,所述步骤(1)中自动校准具体包括:

(1-1-1)采用均衡化和锐化的方法对所述原图像进行处理,然后分别对所述原图像和处理后的图像采用SIFT和SURF算法处理找到两张牙根尖周片中的匹配特征点对;

(1-1-2)利用RANSAC算法或者基于灰度值差最小化原理找出所有匹配特征点对中最优匹配特征点对,所述最优匹配特征点对为最接近正确的三对匹配特征点对;

(1-1-3)根据所述最优匹配特征点对计算仿射变换矩阵;

(1-1-4)利用仿射变换矩阵对治疗前的牙根尖周片进行变换,实现自动校准。

3.根据权利要求1所述的基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征在于,所述步骤(1)中生成减影图像时,减影图像对应的灰度值采用如下公式计算:

其中,pre_img和post_img分别表示治疗前和治疗后的牙根尖周片图像,const表示手动设定的阈值。

4.根据权利要求1所述的基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征在于,所述步骤(3)中数据集拓展方法为水平垂直翻转及小角度旋转。

5.根据权利要求1所述的基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征在于,所述步骤(3)中治疗效果自动评估训练采用卷积神经网络,将数据分为“好转”、“恶化”及“无变化”三类。

6.根据权利要求2所述的基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征在于,所述步骤(1-1-2)中利用RANSAC算法找出最优匹配特征点对的方法为:

从所有匹配特征点对中随机选择三对匹配点,生成仿射变换矩阵,根据仿射变换矩阵对其余匹配特征点对中的治疗前的牙根尖周片中的点进行变换,判断变换后的点与治疗后的牙根尖周片中的点的距离,如果距离小于设定的阈值,则该匹配特征点对为内点;所述内点的数量较多,则认为这三对随机匹配点是正确的。

7.根据权利要求2所述的基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征在于,所述步骤(1-1-2)中基于灰度值差最小化原理找出所有匹配特征点对中最优匹配特征点对的方法为:

从所有的匹配特征点对中找出三对匹配特征点,计算它们对应的仿射矩阵,利用仿射矩阵对治疗前的牙根尖周片进行变换,计算变换后的图片与治疗后的牙根尖周片的平均灰度差异,之后遍历所有的匹配特征点对,并且返回差异值最小的矩阵所对应的三对匹配特征点对,即为最优匹配特征点对。

8.根据权利要求7所述的基于牙根尖周片自动评价牙科临床诊疗效果的方法,其特征在于,所述平均灰度差异的计算公式为:

其中,valid_num表示两张牙根尖周片的共享有效坐标数量,pre_avg和post_avg分别表示治疗前和治疗后的牙根尖周片的平均灰度值,pre_img和post_img分别表示治疗前和治疗后的牙根尖周片的图像矩阵;并且,仅在post_img和pre_img的共享有效坐标上计算差异绝对值并进行求和。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学口腔医院;清华大学,未经北京大学口腔医院;清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810224696.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top