(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211082339.1 (22)申请日 2022.09.06 (71)申请人 汉斯夫 （杭州） 医学 科技有限公司 地址 310000 浙江省杭州市余杭区五常街 道文一西路1 199号1幢1717室 (72)发明人 王都洋　陈雨晴　王艳福　 (74)专利代理 机构 杭州天启智汇 专利代理事务 所(普通合伙) 33357 专利代理师 姜智慧 (51)Int.Cl. G06T 17/00(2006.01) G06V 10/20(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) A61B 6/00(2006.01) A61B 6/03(2006.01) A61B 6/14(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于CBCT的牙齿与牙槽骨重建方法、 设备及 介质 (57)摘要 本发明涉及图像处理技术领域， 为一种基于 CBCT的牙齿与牙槽骨重建方法、 设备及介质， 通 过自适应算法对CBCT断层图像进行预处理， 减少 不同厂家生产的CBCT数据对算法的影响； 利用目 标检测和3D分割算法分别得到松散和紧密的3D 牙齿感兴趣区域， 用于精确的3D牙齿和牙槽分 割； 根据目标检测算法进行牙齿检测， 通过定位 每颗牙齿的边界框将它们分类， 解决了相邻相似 之间牙齿分类错误和牙齿边界不清晰的问题。 最 后从检测到的牙齿区域分割出所有的牙齿与上 下牙槽骨的分布情况， 并将所有分割出来的数据 进行点云化处理， 最终重建出所有牙齿与上下牙 槽骨。 本发明有效解决CBCT牙齿与牙槽骨分割精 确度低的问题， 有效适应不同CBCT厂家生产的数 据， 牙齿与牙槽骨重建效果 好。 权利要求书3页 说明书11页 附图7页 CN 115205469 A 2022.10.18 CN 115205469 A 1.一种基于 CBCT的牙齿与牙槽骨重建方法， 其特 征在于： 包括以下步骤： S1： 制作CBCT重建的数据集； S2： 数据预处 理： 对CBCT数据进行窗宽窗位和归一 化处理； S3： CBCT数据ROI区域提取： 分别利用目标检测和3D  分割算法对经过步骤S2的CBCT数 据集进行ROI区域进行检测， 得到精确的ROI区域 ； S4： CBCT二维牙齿定位及分类； 通过目标检测算法进行牙齿检测， 定位每颗牙齿的边界 框将牙齿分类，  同时加入CA位置注意力机制， 得到包围框 和分类结果 ； S5： CBCT二维牙齿实例分割： 从牙齿ROI区域 中对所有牙齿进行实例分割， 与步骤S4 得到的牙齿类别 和包围框 进行结合得到高精度的分割结果 ； S6： CBCT上下牙槽骨分割： 利用U ‑net分割算法对S3得到的ROI区域进行上下牙槽骨的 分割， 得到的上 下牙槽骨分割结果； S7： 分割结果点云化处理： 将S5得到的牙齿分割结果和S6得到的上下牙槽骨分割结果 进行点云化处 理； 其中， 所述 步骤S4具体包括： S41. 根据S3所述得到精确的牙齿ROI区域 ， 从原始二维图像和标签中裁剪出对应的 ROI区域 ； S42. 对ROI区域 进行目标检测算法训练， 得到每颗牙齿的包围框和类别。 2.根据权利要求1所述的一种基于CBCT的牙齿与牙槽骨重建方法， 其特征在于， 所述步 骤S1具体包括： 收集不同的CBCT数据， 并对CBCT断层片进行标注， 获取每颗牙齿与上下牙槽 骨的外形 标注信息以及每颗牙齿的类别 信息。 3.根据权利要求1所述的一种基于CBCT的牙齿与牙槽骨重建方法， 其特征在于， 所述步 骤S2具体包括： S21. 获取原始CBCT图像数据， 以DICOM或者 NII.GZ格式保存； S22. 对不同厂家的CBCT数据进行拟合， 将CBCT数据的窗宽窗位调整为[a,  b]， 再将各 张断层片归一 化成标准图像[0,  255]， 具体公式如下： 其中， 表示CBCT断层片归一化后的第 行， 第 列的像素值， 表示CBCT断层片 归一化前第 行， 第 列的 值， 表示了不同人体组织对CT的吸 收程度； S23： 按照8 :1:1的比例将调整后的三维图像数据划分为训练集、 验证集和 测试集； S24： 将划分好的训练集、 验证集和测试集分别进行二维图片保存， 其中标签保存为PNG 格式， 每颗牙齿的标签就 为牙齿对应的像素值。 4.根据权利 要求1所述的一种基于CBCT的牙齿与牙槽骨重建方法， 其特征在于： 所述S3 具体包括： S31. 根据步骤S2中的二维图片和标签进行目标检测标签的生成， 生成标签格式为所 有牙齿和颌骨的包围框； S32. 利用单阶段目标检测算法YOLO  V5对牙齿和颌骨区域进行检测， 并提取牙齿和颌权　利　要　求　书 1/3 页 2 CN 115205469 A 2骨区域， 得到松散的ROI区域 ； S33. 根据步骤S2中的三维图像数据和标签进行语义分割标签的生成， 其中每颗牙齿 的标签和像素值均为1， 颌骨标签为2， 其 他区域像素值 为0； S34. 利用3D V‑Net分割算法对步骤S32目标检测的区域 进行牙齿粗分割以及颌骨 分割， 得到每颗牙齿的分割边界， 利用形态学拟合出牙齿的整体边界曲线， 得到精确的牙齿 ROI区域 以及颌骨ROI区域 。 5.根据权利要求1所述的一种基于CBCT的牙齿与牙槽骨重建方法， 其特征在于： 所述目 标检测算法， 是对NMS算法采用衰减公式， 以适应牙齿包围框的过滤， NMS衰减公式表达如 下： 其中， 表示x， y的交并比， ， 是两个超参数， 表示权重， 表示衰减权值， 其中， ， 。 6.根据权利要求1所述的一种基于CBCT的牙齿与牙槽骨重建方法， 其特征在于： 所述步 骤S4中的注意力机制公式表达如下： 其中 表示在第c个通道中 位置处的特征输出， 为输入， 为特 征图在高度方向的注意力权 重，  表示在宽度方向的注意力权 重。 7.根据权利要求1所述的一种基于CBCT的牙齿与牙槽骨重建方法， 其特征在于： 所述步 骤S5具体包括： S51.实例分割采用U ‑net++作为基础网络， 主干网络选择Resnet34进行分割训练， 得到 实例分割结果根据权利要求1所述的一种基于CBCT的牙齿与 牙槽骨重建方法， 其特征在于： 所述步骤S5具体包括： S51.实例分割采用U ‑net++作为基础网络， 主干网络选择Resnet34进行分割训练， 得到 实例分割结果 ； S52. 将步骤S51得到的实例分割结果 与步骤S4得到的包围框 进行合并， 得到最终 的分割边界 ； S53. 将实例分割结果 的每个牙齿的类别根据S 4得到的牙齿类别 进行重新赋值类 别， 得到高精度的分割结果 。 8.根据权利要求1所述的一种基于CBCT的牙齿与牙槽骨重建方法， 其特征在于： 所述步 骤S7具体包括： S71. 将步骤S5得到的牙齿分割结果和步骤S6得到的上下牙槽骨分割结果进行均值滤 波， 得到滤波后的结果 ， 其中高斯核大小为3 *3；权　利　要　求　书 2/3 页 3 CN 115205469 A 3