一种基于三维图像分割技术的种植体种植参数确定方法

技术领域：

本发明涉及人工智能和图像处理技术领域，具体涉及口腔牙齿和牙床区域的三维图像分割方法和拟植入种植体的种植参数确定方法。

背景技术：

作为人体重要的器官之一，牙齿在预防口腔疾病、保护口腔健康中扮演着不可或缺的角色。近年来，随着医疗水平和科学技术的迅速发展，种植牙手术已成为修复牙齿缺损或缺失的首选治疗方式。从医学角度上看，种植牙手术成功的关键在于精准确定拟植入种植体的种植参数，包括牙位及植入点、植入深度、植入轴向和植入半径。

目前主流的口腔种植体植入方法主要有两种。第一种方法俗称“自由手”种植，牙医通过直接观察口腔牙槽骨的情况，凭借着自身的临床经验在术前对缺牙区域、植入半径、植入轴向等参数进行判定。这种方法不依赖预先制作的模板或引导器，因此在手术过程中可以根据需求进行调整。然而，该方法从很大程度上依赖医生的专业知识和临床经验，受工作状态、人为判断误差等主观因素的影响较大。此外，在术前制定手术方案、在术中根据临床情况加以调整，这需要耗费大量的时间和精力。

另一种方法是通过导板或导航系统进行辅助种植，以提高种植过程的精确性。这种方法借助辅助种植软件，在术前进行种植体模拟植入，精确判定种植体的种植参数，对于治疗方案规划、减少人为主观误差起到了重要作用。然而，该方法在术前虚拟植入过程中，仍然需要医生手工设计种植体的种植参数，其本质上还是一种依赖医生专业知识的非智能化的种植体植入技术。

因此，亟需一种种植体种植参数智能化确定方法，实现根据患者的口腔医学影像(CBCT)自动地计算出种植体的种植参数，同时保证较高的种植精度。

发明内容：

本发明的目的在于克服传统种植方法的局限性，提供一种种植体种植参数智能化确定方法，通过三维图像分割网络实现对口腔牙齿和牙床区域的识别和分割，并利用图像处理技术计算拟植入种植体的牙位及植入点、植入深度、植入轴向及植入半径。

本发明提供一种基于三维图像分割技术的种植体种植参数确定方法，包括以下步骤：

步骤S1，针对三维口腔CBCT数据，从横断位按照固定间距进行切片，构建用于分割的稀疏二维切片组数据集；

步骤S2，对上述稀疏二维切片组的牙齿区域和牙床区域分别进行标注，并对标注后的二维切片组进行二值化处理，得到稀疏二维切片组对应的牙齿区域标签和牙床区域标签；

步骤S3，将上述稀疏二维切片组数据集和对应的牙齿区域标签及牙床区域标签划分为训练集和测试集，在训练集上训练基于深度学习技术的三维图像分割模型，并在测试集上评估本模型的性能；

步骤S4，将待分割的三维口腔CBCT数据按照步骤S1所述方法进行切片，利用上述训练好的图像分割模型对得到的切片组进行分割，得到口腔横断位牙齿和牙床区域的分割结果；

步骤S5，根据上述分割结果，通过牙位及植入点计算方法确定所有拟植入种植体的牙位和植入点；

步骤S6，根据上述分割结果，通过植入深度计算方法逐个确定拟植入种植体的植入深度；

步骤S7，根据上述分割结果，通过植入轴向计算方法逐个确定拟植入种植体的植入轴向；

步骤S8，根据上述分割结果，通过植入半径计算方法逐个确定拟植入种植体的植入半径。

进一步的，步骤S1所述稀疏二维切片组是由一组来自同一CBCT数据、尺寸相同的切片构成，在后续的数据标注和模型训练中，每个切片组代表一个数据样本。

进一步的，步骤S3所述三维图像分割模型的训练过程包括以下步骤：

步骤T1，准备模型的输入数据；

步骤T2，搭建模型的总体框架；

步骤T3，选择交叉熵损失函数和Adamax优化器，确定相应的超参数；

步骤T4，采用监督学习的策略，持续训练本模型直至训练轮次或损失值符合要求；

步骤T5，根据评估指标，在测试集上评估模型的性能。

进一步的，三维图像分割模型的训练步骤T1中所述模型的输入数据大小为(每个切片组中的切片数*切片宽度*切片高度)，以及相应的大小为(切片数*切片宽度*切片高度)的牙齿区域标签和牙床区域标签。

进一步的，三维图像分割模型的训练步骤T2中所述模型的总体框架包括特征提取模块和分辨率恢复模块，特征提取模块由多个编码器层组成，包含一系列卷积和下采样操作；分辨率恢复模块由多个解码器层组成，每个解码器层都与来自编码器的相同层次相应剪裁的特征图连接，包含一系列反卷积和上采样操作；对于牙齿分割和牙床分割两个任务，在特征提取模块共享参数，在分辨率恢复模块享有独立的参数。

进一步的，步骤S5所述牙位及植入点计算方法包括以下步骤：

步骤S51，从口腔横断位牙齿和牙床区域的分割结果中，筛选出牙颈区域的切片集合作为算法数据集合；

步骤S52，对上述切片集合进行去噪；

步骤S53，融合牙齿和牙床区域的分割结果，在牙床区域内确定每颗牙齿的大致轮廓；

步骤S54，对于任意两颗相邻的牙齿，在牙床区域内、两颗邻牙间作最大内切圆，根据最大内切圆半径大小判断是否存在缺牙；

步骤S55，在缺牙的情况下，根据可作最大内切圆数判断缺牙数量，进而逐个确定拟植入种植体的植入点。

进一步的，步骤S6所述植入深度计算方法包括以下步骤：

步骤S61，通过牙位及植入点计算方法得到一组拟植入种植体的牙位及植入点；

步骤S62，根据牙齿深度计算公式，确定与拟植入种植体牙位相邻的两颗牙齿的深度；

步骤S63，基于两颗邻牙的深度，计算拟植入种植体的植入深度及最佳长度型号。

进一步的，植入深度计算方法中步骤S62所述牙齿深度计算公式是根据目标牙齿从牙颈部到牙根部的切片数以及切片间距来计算的，具体表达式为：

TD

其中，N

进一步的，步骤S7所述植入轴向计算方法，包括以下步骤：

步骤S71，通过牙位及植入点计算方法得到一组拟植入种植体的牙位及植入点；

步骤S72，对于稀疏二维切片组中的每张切片，重复牙位及植入点计算方法中的步骤S52-S54，获得缺牙位置处最大内切圆的圆心集合CS；

步骤S73，对于圆心集合CS，以最靠近牙根处的内切圆圆心坐标为原点、矢状轴为x轴、冠状轴为y轴、垂直轴为z轴建立空间坐标系；

步骤S74，基于圆心集合CS拟合出拟植入种植体的空间轴向方程；

步骤S75，计算上述轴向方程偏离X，Y，Z三个坐标轴的角度，确定拟植入种植体的植入轴向。

进一步的，步骤S8所述植入半径计算方法，包括以下步骤：

步骤S81，通过牙位及植入点计算方法得到一组拟植入种植体的牙位及植入点；

步骤S82，对于稀疏二维切片组中的每张切片，重复牙位及植入点计算方法中的步骤S52-S54，获得缺牙位置处最大内切圆的半径集合RS；

步骤S83，基于半径集合RS计算拟植入种植体的植入半径及最佳半径型号。

本发明提供的基于三维图像分割技术的种植体种植参数确定方法，旨在解决传统种植体植入方法依赖医生的专业知识和临床经验、制定术前植入方案耗费大量时间精力、存在不可避免的人为主观误差等局限性，全自动地计算口腔种植体的种植参数，在不耗费专业医生时间和精力的情况下，保证了准确的参数精度。

附图说明：

图1为本发明提供的方法流程图。

图2为本发明实施例提供的基于3D U-Net的图像分割模型结构示意图。

图3为本发明实施例提供的牙位及植入点计算方法流程图。

图4为本发明实施例提供的植入深度计算方法流程图。

图5为本发明实施例提供的植入轴向计算方法流程图。

图6为本发明实施例提供的植入半径计算方法流程图。

具体实施方法：

下面将详细描述本发明各个方面的特征和示例性实施例。为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细阐述。

如图1所示，本发明提供一种基于三维图像分割技术的种植体种植参数确定方法，包括以下步骤：

步骤S1，借助医学图像处理软件RadiAnt DICOM Viewer，对三维口腔CBCT数据从横断位每隔0.2mm进行切片，构建用于分割的稀疏二维切片组数据集(其中，每个稀疏二维切片组包含了一组来自同一CBCT数据、尺寸相同的切片，在后续的数据标注和模型训练中，每个切片组代表一个数据样本)；

步骤S2，借助数据集标注工具Slicer，对上述稀疏二维切片组的牙齿区域和牙床区域分别进行标注，每次标注时，采用两种不同的颜色来区分目标区域和背景区域，并对标注后的二维图像进行二值化处理，得到稀疏二维切片组对应的牙齿区域标签和牙床区域标签；

步骤S3，将上述稀疏二维切片组数据集和对应的牙齿区域标签及牙床区域标签按照7:3的比例划分为训练集和测试集，在训练集上对基于3D U-Net的图像分割模型进行训练，并通过测试集来评估模型的性能；

步骤S4，将待分割的三维口腔CBCT数据按照步骤S1所述方法进行切片，利用上述训练好的基于3D U-Net的图像分割模型对切片结果进行分割，得到口腔横断位牙齿和牙床区域的分割结果；

步骤S5，根据牙齿和牙床区域的分割结果，通过基于图像处理技术的牙位及植入点计算方法确定所有拟植入种植体的牙位及植入点；

步骤S6，根据牙齿和牙床区域的分割结果，通过基于图像处理技术的植入深度计算方法逐个确定拟植入种植体的植入深度；

步骤S7，根据牙齿和牙床区域的分割结果，通过基于图像处理技术的植入轴向计算方法逐个确定拟植入种植体的植入轴向；

步骤S8，根据牙齿和牙床区域的分割结果，通过基于图像处理技术的植入半径计算方法逐个确定拟植入种植体的植入半径。

进一步的，所述基于3D U-Net的图像分割模型的训练过程包括以下步骤：

步骤T1，准备模型的输入数据，包含大小为300*250*250的稀疏二维切片组(即每个切片组包含300张大小为250*250的二维切片)以及相应的大小为300*250*250的牙齿区域标签和牙床区域标签；

步骤T2，搭建基于3D U-Net的图像分割模型的总体框架，如图2所示，本模型的总体框架包括特征提取模块和分辨率恢复模块，其中特征提取模块由四个编码器层组成，包含了两个连续的卷积层和一个最大池化层，执行一系列卷积和下采样操作；分辨率恢复模块的结构与特征提取模块完全对称，由四个解码器层组成，包含一个反卷积层和两个连续的卷积层，执行一系列卷积和上采样操作。为了给解码过程提供更多的语义信息，本模型采用跳跃连接，将分辨率恢复模块中每个解码器层的上采样特征图与编码器层中具有相同层次的特征图进行拼接，作为下一个解码器层的输入；此外，为了同时完成牙齿分割和牙床分割两个任务，本模型在特征模块采用参数共享的方法，而在分辨率恢复模块每个任务享有独立的参数；

步骤T3，选择交叉熵作为本模型的损失函数，Adamax作为本模型的优化器，通过网格搜索算法选择最优的超参数；

步骤T4，采用监督学习的策略，持续的输入训练集直至训练轮次或损失值达到设定的阈值(本实施例中训练轮次的上限为50，损失值的上限为0.001)，记录模型的所有参数；

步骤T5，基于精确率、召回率和交并比三个评价指标，在测试集上评估模型的性能。

进一步的，为了弥补原生CBCT数据的不足，在本实施例中采用如下数据增强方法：(1)随机裁剪和平移抖动；(2)调整对比度、亮度和饱和度等，改变图像的外观和视觉特征，增加数据的变化范围，提高模型的鲁棒性；(3)拉普拉斯锐化，增强图像的边缘和细节信息，增加图像的清晰度。

进一步的，图3展示了牙位及植入点计算方法的流程图，具体包括以下步骤：

步骤S51，从口腔横断位牙齿和牙床区域的分割结果中筛选出牙颈部上下2mm位置之间的切片集合作为算法数据集合；

步骤S52，对于上述切片集合，使用高斯滤波器实现图像去噪；

步骤S53，融合对应的牙齿和牙床区域的分割结果，具体来说，利用边缘检测算子确定牙床区域的大致轮廓，并在牙床区域内再次利用边缘检测算子提取每颗牙齿的大致轮廓；

步骤S54，对于任意两颗相邻的牙齿，在牙床区域内、两颗邻牙间，沿着磨牙往门牙方向作最大内切圆：若该最大内切圆的半径大于种植体半径的最小型号，则判定这两颗邻牙间存在牙齿缺失；

步骤S55，在缺牙的情况下，沿着磨牙往门牙方向依次作最大内切圆(考虑到“安全距离原则”，相邻内切圆间需存在1.5mm的间隙)，将可作最大内切圆数判定为缺牙数，取上述最大内切圆的圆心作为拟植入种植体的植入点；每一对(缺牙牙位，相应的植入点)信息构成缺牙信息集合。

进一步的，图4展示了植入深度计算方法的流程图，具体包括以下步骤：

步骤S61，通过牙位及植入点计算方法，从缺牙信息集合中得到一组拟植入种植体的牙位及植入点；

步骤S62，根据牙齿区域的分割结果，利用牙齿深度计算公式TD

步骤S63，将两颗邻牙的平均深度作为拟植入种植体的植入深度，并选择长度小于植入深度的最大种植体长度型号。

本实施例中所采用的种植体型号为CAMLOG

进一步的，针对拟植入种植体牙位处存在邻牙缺失或邻牙间隔过远等问题，植入深度计算方法通过借助与缺牙位置相对称处的牙齿深度信息来计算拟植入种植体的植入深度：具体来说，左上5号牙处的植入深度可以利用左下5号牙、右上5号牙、右下5号牙三者的平均深度来表示。

进一步的，图5展示了植入轴向计算方法的流程图，具体包括以下步骤：

步骤S71，通过牙位及植入点计算方法，从缺牙信息集合中得到一组拟植入种植体的牙位及植入点；

步骤S72，对于稀疏二维切片组中的每张切片，重复牙位及植入点计算方法中的步骤S52-S54，获得缺牙位置处最大内切圆的圆心集合CS；

步骤S73，对于圆心集合CS，以最靠近牙根处的内切圆圆心坐标为原点、矢状轴为x轴、冠状轴为y轴、垂直轴为z轴建立空间坐标系；

步骤S74，基于最小二乘法拟合圆心集合CS，将拟合出的空间直线方程作为拟种植种植体的轴向方程；

步骤S75，计算上述轴向方程偏离X，Y，Z三个坐标轴的角度，将偏离三个坐标轴的角度作为拟植入种植体的植入轴向(采用角度制，取值区间为[0,90])。

进一步的，图6展示了植入半径计算方法的流程图，具体包括以下步骤：

步骤S81，通过牙位及植入点计算方法，从缺牙信息集合中得到一组拟植入种植体的牙位及植入点；

步骤S82，对于稀疏二维切片组中的每张切片，重复牙位及植入点计算方法中的步骤S52-S54，获得缺牙位置处最大内切圆的半径集合RS；

步骤S83，将上述半径集合RS中的最小值作为拟植入种植体的植入半径，并选择半径小于植入半径的最大种植体半径型号。

本实施例中所采用的种植体型号为CAMLOG

最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制；尽管参照前述实施例对本发明进行详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换；而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。