[发明专利]一种深度学习结合点云语义的CBCT图像牙齿分割方法

权利要求书

1.一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，包括如下步骤：

步骤1、输入CBCT数据，基于深度学习分割模型，进行牙齿区域分割，提取牙齿区域；

步骤2、采用面绘制方法将提取的牙齿区域三维重建为牙列网格数据；

步骤3、提取网格数据的点云特征数据，采用点云实例分割深度学习网络进行基于点云语义的实例分割，得到网格数据的牙齿实例；

步骤4、按照坐标对应信息，将网格数据的牙齿对应区域映射到CBCT 获得CBCT牙齿实例。

2.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，所述步骤1中的牙齿区域提取是基于深度学习分割模型，所述基于深度学习分割模型包括3D分割网络或2D分割网络；基于2D分割网络进行分割具体如下：

步骤1.1、按层提取CBCT数据切片图像，对切片图像进行像素归一化处理，将像素值映射为0~255；

步骤1.2、按照2D分割网络输入端设计的输入尺寸，对切片图像尺寸进行尺寸变换处理；

步骤1.3、将处理后的切片图像和标签图像输入2D分割网络进行训练，所述2D分割网络用于将切片图像的每个像素分为背景或者牙齿，训练完成后得到训练好的2D分割网络；

步骤1.4、对待分割图像提取切片，并做预处理，输入所述训练好的2D分割网络得到预测结果，预测的前景部分即为牙齿区域。

3.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，所述步骤2具体为：采用MarchingCubes面绘制方法将提取的牙齿区域三维重建为牙列网格数据。

4.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，所述步骤3提取网格数据的点云特征数据，采用点云实例分割深度学习网络进行基于点云语义的实例分割，得到网格数据的牙齿实例，具体包括：

步骤3.1、提取点云特征数据，并做降采样处理，每个牙位的牙齿对应的点云对应同一个标签，共计32个标签；

步骤3.2、将点云特征数据输入到点云实例分割网络，对每个点云所属的类别进行预测；

步骤3.3、将待预测牙齿区域分割结果转换为网格，提取点云特征数据并做降采样处理后输入网络，获得每个点的标签。

5.根据权利要求4所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，采用GCN、PointNet之一的方法进行基于点云的实例分割，得到网格数据的牙齿实例。

6.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，所述步骤4按照坐标对应信息，将网格数据的牙齿对应区域映射到CBCT 获得CBCT牙齿实例，具体包括：

CBCT中像素坐标(i,j,k)与点云中点的坐标(x,y,z)对应关系为：

i*spacing.x+origin.x=x

j*spacing.y+origin.y=y

k*spacing.z+origin.z=z

其中，所述的spacing、origin分别表示CBCT数据的尺寸和原点信息。

7.根据权利要求1所述的一种基于深度学习结合点云语义的CBCT图像牙齿分割方法，其特征在于，所述步骤1中的牙齿区域提取是基于深度学习分割模型，所述基于深度学习分割模型包括3D分割网络或2D分割网络；基于3D分割网络时，提取切块图像特征并输入到3D分割网络进行分割。