[发明专利]一种牙齿全自动分割方法

权利要求书

1.一种牙齿全自动分割方法，其特征在于，所述牙齿全自动分割方法包括：

S1：对采集到的牙齿图像进行预处理，得到预处理结果；

S2：采用深度学习模型对所述预处理结果进行粗分割，得到粗分割结果；

S3：对所述粗分割结果进行互斥水平集模型分割，得到互斥水平集模型分割结果；

S4：对所述互斥水平集模型分割结果进行三维重建。

2.根据权利要求1所述的牙齿全自动分割方法，其特征在于，所述步骤S1包括以下分步骤：

S11：采集以DICOM格式进行分层存储的牙齿图像数据；

S12：采用灰度线性变化模型对所述牙齿图像数据进行灰度归一化处理。

3.根据权利要求2所述的牙齿全自动分割方法，其特征在于，所述步骤S12中，所述灰度线性变化模型包括：

其中，D'(x,y)指灰度变换后输出图像在像素点(x,y)的灰度值，D(x,y)代表输入图像在像素点(x,y)处的灰度值。

4.根据权利要求2所述的牙齿全自动分割方法，其特征在于，所述步骤S2中，所述粗分割包括：

选取待分割的初始层，应用深度学习模型进行初始分割。

5.根据权利要求1-4中任意一项所述的牙齿全自动分割方法，其特征在于，所述深度学习模型为U-Net模型。

6.根据权利要2所述的牙齿全自动分割方法，其特征在于，所述步骤S3包括以下分步骤：

S31：将所述粗分割结果作为所述互斥水平集模型的初始化结果；

S32：根据所述初始化结果，对所述牙齿图像数据进行层间序列二维迭代分割，得到互斥水平集模型分割结果。

7.根据权利要求6所述的牙齿全自动分割方法，其特征在于，所述对所述牙齿图像数据进行层间序列二维迭代分割包括：

从所述牙齿图像数据的初始层开始，利用层间信息分别向牙冠和牙根的方向进行逐层迭代分割。

8.根据权利要求7所述的牙齿全自动分割方法，其特征在于，所述层间信息包括：

利用聚类算法将所述牙齿图像数据分为目标区域和背景区域，所述目标区域包括牙齿，所述背景区域包括牙龈。

9.根据权利要求1所述的牙齿全自动分割方法，其特征在于，所述步骤S3中，所述互斥水平集模型包括：

Φ₁＝max(Φ₁,-Φ₂)

Φ₂＝max(Φ₂,-Φ₁)

其中，Φ₁，Φ₂分别代表第一类水平集和第二类水平集，max()表示对其取最大值。

10.根据权利要求1所述的牙齿全自动分割方法，其特征在于，所述互斥水平集模型为DRLSE模型，所述DRLSE模型包括：

其中，表示DRLSE模型函数，表示的是水平集函数，λ和α为常数值，和分别表示水平及的面积项和边缘项，δ_ε()，H_ε()表示常用的单位冲击函数以及阶跃函数，g是该模型中新引入的边界检测因子，表示为I是待处理的图像，是水平集中的梯度模，其中是梯度算子，*是卷积符号，G_σ表示以σ作为标准差的高斯函数，Ω表示图像区域。