面向牙科诊疗的口腔图像分割方法与流程
本发明涉及医学图像处理,尤其涉及面向牙科诊疗的口腔图像分割方法。
背景技术:
1、口腔图像分割在牙科临床诊疗中具有重要价值,用于辅助正畸方案制定、种植规划和龋齿检测等任务。现有分割方法多采用端到端的深度学习模型,仅依赖图像像素特征进行分割。
2、牙齿具有明确的解剖形态规律,牙弓排列遵循特定的几何约束,邻牙之间存在确定的空间位置关系。然而,现有方法未将上述解剖结构先验知识系统性地编码和利用,导致分割过程缺乏解剖合理性约束。此外,现有方法在面对不同患者口腔结构的个体差异以及金属伪影、低对比度、遮挡等图像质量波动时鲁棒性不足,且缺乏对分割结果可靠性的量化评估手段,临床医师无法判断分割结果的可信程度,存在因分割错误引发临床风险的隐患。
技术实现思路
1、本发明的目的在于:为了解决上述问题,而提出的面向牙科诊疗的口腔图像分割方法。
2、为了实现上述目的,本发明采用了如下技术方案:
3、面向牙科诊疗的口腔图像分割方法,包括:
4、基于标注完整的口腔影像数据集,提取牙科解剖结构的先验知识,生成口腔解剖结构先验知识图谱,所述口腔解剖结构先验知识图谱为图结构,节点表示各牙位的标准解剖形态信息,边表示各解剖结构之间的空间约束关系;
5、获取待分割口腔图像,基于所述待分割口腔图像的初步检测结果,从所述口腔解剖结构先验知识图谱中检索匹配的先验模板,采用贝叶斯更新方法生成当前图像的个性化先验分布;
6、将所述个性化先验分布嵌入分割网络的编码器各层特征图中生成空间注意力权重图,对特征响应进行增强或抑制,经解码器输出概率预测图并进行结构一致性验证,生成初步分割结果;
7、采用蒙特卡洛dropout方法对所述初步分割结果进行不确定性量化,结合先验-预测一致性评分计算各牙齿的综合置信度评分,生成带置信度信息的最终分割结果。
8、优选地,所述节点中的牙齿形态信息采用主动形状模型进行参数化表征,任一牙齿的形态表示为:,其中为该牙齿的形态向量,为该牙位的平均形状向量,为由前个主成分构成的变化模式矩阵,为形状参数向量;所述边中的空间约束关系以多元高斯分布形式编码,每对相邻牙齿之间的间距和角度关系以均值向量和协方差矩阵进行参数化存储。
9、优选地,所述从口腔解剖结构先验知识图谱中检索匹配的先验模板,采用贝叶斯更新方法生成当前图像的个性化先验分布,包括:
10、对所述待分割口腔图像进行牙弓轮廓检测,获取牙弓整体形态特征;
11、基于所述牙弓整体形态特征,在所述口腔解剖结构先验知识图谱中检索匹配度最高的牙弓模板和牙齿排列模板;
12、对图像中各个牙齿的检测位置和形态进行局部适配,当某颗牙齿的检测位置偏离对应牙位的标准位置超过预设阈值时,降低该牙齿对应的空间约束权重;
13、以所述口腔解剖结构先验知识图谱中的先验参数为初始先验分布,以初步检测结果为观测数据,计算后验概率分布作为所述个性化先验分布。
14、优选地,所述降低该牙齿对应的空间约束权重采用以下衰减公式:,其中为衰减后的空间约束权重,为初始约束权重,为衰减系数,为检测位置与标准位置之间的欧氏距离,为触发衰减的距离阈值。
15、优选地,所述将个性化先验分布嵌入分割网络的编码器各层特征图中生成空间注意力权重图,包括:将所述个性化先验分布中各像素属于牙齿类别的概率值进行双线性插值,使概率值与当前层特征图的空间分辨率对齐,获得与特征图同尺度的空间注意力权重图,将所述空间注意力权重图与对应层的特征图进行逐元素相乘,获得先验增强后的特征图。
16、优选地,所述分割网络采用多尺度分割策略,将所述待分割口腔图像分别以原始分辨率和降采样后的低分辨率输入所述分割网络,低分辨率分支用于捕获牙弓整体结构信息,原始分辨率分支用于精确定位牙齿边界,两个分支的特征在解码器中通过特征拼接进行融合。
17、优选地,所述采用蒙特卡洛dropout方法对初步分割结果进行不确定性量化,包括:在推理阶段保持所述分割网络的dropout层激活,对同一口腔图像执行次随机dropout前向传播,获得组像素级概率预测,计算各像素的预测方差作为认知不确定性值,其中的取值范围为10至50。
18、优选地,所述结合先验-预测一致性评分计算各牙齿的综合置信度评分,包括:
19、对于第颗牙齿的分割区域,计算先验-预测一致性评分,其中为分割区域内像素被预测为第颗牙齿类别的概率均值,为个性化先验分布中对应区域属于第颗牙齿类别的先验概率均值;
20、计算综合置信度评分,其中为一致性评分的权重系数,为第颗牙齿分割区域内的认知不确定性均值;
21、当某颗牙齿的综合置信度评分低于预设的置信度阈值时,将该牙齿的分割结果标记为需人工复核。
22、优选地,所述还包括基于临床反馈的协同更新步骤:
23、收集临床医师对分割结果的修正操作信息,所述修正操作信息包括修正的具体区域、修正前后的分割差异以及修正原因类别;
24、将修正后的正确分割结果作为正样本、被驳回的错误结果作为负样本,按照预设的更新周期对所述分割网络进行增量训练;
25、将临床实践中遇到的特殊解剖变异案例纳入所述口腔解剖结构先验知识图谱,当某类特殊解剖变异的累积案例数量达到预设的最小统计样本量时,将该变异类型正式纳入所述口腔解剖结构先验知识图谱并更新相关牙位的形态参数统计分布和空间约束参数统计分布。
26、综上所述,由于采用了上述技术方案,本发明的有益效果是:
27、1、本发明通过构建参数化的口腔解剖结构先验知识图谱,将牙齿形态规律和空间约束关系以概率分布形式进行编码,使分割网络能够利用牙科领域固有的解剖先验知识,而非仅依赖像素特征,从而使分割结果具备解剖合理性约束。
28、2、本发明通过贝叶斯框架的动态先验适配,使先验约束能够根据具体患者的解剖特点进行自适应调整,在保持先验引导作用的同时,通过空间约束权重的自适应衰减策略避免对异常解剖结构的错误矫正,从而提升面对个体差异和图像质量波动时的分割鲁棒性。
1.面向牙科诊疗的口腔图像分割方法,其特征在于,包括:
2.根据权利要求1所述的面向牙科诊疗的口腔图像分割方法,其特征在于,节点中的牙齿形态信息采用主动形状模型进行参数化表征,任一牙齿的形态表示为:,其中为该牙齿的形态向量,为该牙位的平均形状向量,为由前个主成分构成的变化模式矩阵,为形状参数向量;所述边中的空间约束关系以多元高斯分布形式编码,每对相邻牙齿之间的间距和角度关系以均值向量和协方差矩阵进行参数化存储。
3.根据权利要求1所述的面向牙科诊疗的口腔图像分割方法,其特征在于,从口腔解剖结构先验知识图谱中检索匹配的先验模板,采用贝叶斯更新方法生成当前图像的个性化先验分布,包括:
4.根据权利要求3所述的面向牙科诊疗的口腔图像分割方法,其特征在于,降低该牙齿对应的空间约束权重采用以下衰减公式:,其中为衰减后的空间约束权重,为初始约束权重,为衰减系数,为检测位置与标准位置之间的欧氏距离,为触发衰减的距离阈值。
5.根据权利要求1所述的面向牙科诊疗的口腔图像分割方法,其特征在于,将个性化先验分布嵌入分割网络的编码器各层特征图中生成空间注意力权重图,包括:将所述个性化先验分布中各像素属于牙齿类别的概率值进行双线性插值,使概率值与当前层特征图的空间分辨率对齐,获得与特征图同尺度的空间注意力权重图,将所述空间注意力权重图与对应层的特征图进行逐元素相乘,获得先验增强后的特征图。
6.根据权利要求1所述的面向牙科诊疗的口腔图像分割方法,其特征在于,分割网络采用多尺度分割策略,将所述待分割口腔图像分别以原始分辨率和降采样后的低分辨率输入所述分割网络,低分辨率分支用于捕获牙弓整体结构信息,原始分辨率分支用于精确定位牙齿边界,两个分支的特征在解码器中通过特征拼接进行融合。
7.根据权利要求1所述的面向牙科诊疗的口腔图像分割方法,其特征在于,采用蒙特卡洛dropout方法对初步分割结果进行不确定性量化,包括:在推理阶段保持所述分割网络的dropout层激活,对同一口腔图像执行次随机dropout前向传播,获得组像素级概率预测,计算各像素的预测方差作为认知不确定性值,其中的取值范围为10至50。
8.根据权利要求1所述的面向牙科诊疗的口腔图像分割方法,其特征在于,结合先验-预测一致性评分计算各牙齿的综合置信度评分,包括:
9.根据权利要求1所述的面向牙科诊疗的口腔图像分割方法,其特征在于,还包括基于临床反馈的协同更新步骤:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com