基于区域自适应形变模型的CT图像牙齿结构测量方法研究

作者:王立新;刘新新;刘希云;杨志海;杨健;艾丹妮;王涌天 刊名:生物医学工程学杂志 上传者:居新宇

【摘要】针对三维计算机断层扫描(CT)体数据的牙齿分割问题,本文提出了一种基于区域自适应形变模型的CT图像牙齿结构测量方法。本文方法结合了自动阈值分割、CV活动轮廓模型和图割方法,利用自动阈值分割实现牙冠的分割与定位,然后利用牙冠分割结果作为初始轮廓逐层分割牙齿。在分割难度最大的牙根上采用CV活动轮廓和图割互补的方法实现了牙根的准确分割。实验结果表明本文提出的牙齿结构测量方法能够准确地自动分割出牙齿的牙冠部分,进而在牙冠分割基础上快速准确地分割出牙颈和牙根。本文提出的牙齿结构测量方法能够准确地从临床CT牙齿数据中分割提取牙齿结构,鲁棒性强、精度高,可以有效辅助医生的临床治疗。

全文阅读

2(北京理工大学光电学院,北京100081)引言计算机断层成像(computed tomography,CT)技术为牙科医生提供了丰富的牙齿图像信息,有效地拓展了医生的临床诊断视野,而三维(threedimension,3D)图像处理技术可以有效地利用图像数据,辅助牙科医生高效准确地治疗口腔疾病[1]。在临床牙齿种植手术中,植入点位置和方向的选择是影响牙齿种植手术成功的关键因素之一,牙齿轮廓的正确分割是牙种植手术规划和导板设计的基础,牙齿分割结果的精准度会直接影响后续的应用[2]。研究表明基于3D CT数据可以分割创建准确的牙齿三维模型,通过牙齿模型测量得到的牙齿数据是非常可靠的[3]。牙齿分割技术将感兴趣的牙齿轮廓提取出来,基于分割结果可以对牙齿进行特征提取和参数测量,进而为医生提供牙冠及牙根的完整解剖信息,从而制定高效准确的治疗方案[4]。因此,牙齿结构精准分割技术的研究具有非常重要的临床意义。然而,基于CT图像的牙齿分割目前仍然是一项非常具有挑战性的工作,原因如下:牙齿通常紧密相连(尤其是牙冠),这造成了在CT图像中相邻牙齿轮廓合并在一起;牙齿的不同结构具有不同的牙齿密度,CT图像表现为牙齿灰度分布不均匀;牙根被颚骨完全包围,中间只有薄薄一层软组织,造成牙齿边界模糊且不连续[5]。迄今为止,主要的牙齿分割算法有四种:1人工分割法,比如Rahimi等[6]利用CT图像人工分割构建牙齿三维模型。但是这种方法的缺点是主要依靠人工干预,效率低下,耗时长;2自动阈值分割法,由于牙齿灰度不均匀并且相邻牙齿边界模糊,难于分割,该方法常采用较大阈值进行分割,过分割现象严重;3活动轮廓模型,该方法在边界模糊或不连续时很容易被错误的边界吸引,造成分割结果的错误[7];4水平集分割法,该方法对初始化轮廓非常敏感,针对不同CT图像或同一数据的不同层图像很难保持良好的准确率。本文提出了一种基于区域自适应形变模型的CT图像牙齿结构测量方法,该方法结合了自动阈值分割、Chan-Vess活动轮廓分割方法(CV-AC)和图割方法,能够实现从CT体数据中自动分割出牙齿的完整轮廓。该方法首先利用自动阈值分割方法得到覆盖牙齿外层的牙釉质,牙釉质主要覆盖牙冠,具有较高的CT值,通过分析牙釉质的分割结果可以对牙齿进行初始定位;然后将自动阈值分割结果作为活动轮廓分割方法的初始轮廓,通过CV活动轮廓模型可以在牙釉质的基础上完整地分割出牙冠;最后按照从牙冠到牙根的顺序,对每个牙齿横断面分别进行基于CV-AC的牙齿分割,每层横断面的分割过程都用上一层分割结果作为CV-AC的初始轮廓。当牙齿与骨骼连接紧密,灰度没有明显区别,造成CV-AC模型发生错误时,本文利用图割分割方法替换CV-AC寻找一条最优的牙齿轮廓,最终实现了牙齿轮廓的准确提取,算法流程如图1所示。1算法与实现1.1图像预处理本文测试数据来源于首都医科大学附属北京世纪坛医院口腔科,牙齿数据本身的选择没有经过任何筛选和处理,按照姓名首字母排序的第一个患者数据。该患者数据采集时间为2014年9月19日,图像大小为512×512×512,空间分辨率为0.16mm×0.16mm×0.16mm。牙齿结构分为牙冠、牙颈和牙根三部分,其中牙根与颌骨相连,在它们之间有一层薄薄的牙周膜。在临床CT图像中,颌骨和牙齿都具有较高的灰度值,而牙周膜属于软组织,CT值远远低于骨骼和牙齿。由于牙周膜厚度很小,在CT图像中牙周膜非常模糊,牙齿和颌骨的分界线清晰度低且不连贯,增加了分割的难度。为了提高牙齿分割的准确度,本文通过直方图拉伸的方法处理CT图像[8],进

参考文献

引证文献

问答

我要提问