基于无牙颌骨CT图像的支架植入区域三维分割方法与流程

本发明涉及区域分割，具体涉及基于无牙颌骨ct图像的支架植入区域三维分割方法。

背景技术：

1、无牙颌是指因多种原因导致上下颌牙齿全部缺失的状态。为了恢复患者的咀嚼与发音功能，通常需要通过植入个性化支架（如骨膜下支架或全口种植桥架）来进行修复。在手术规划阶段，准确寻找并分割出安全的支架植入区域至关重要。无牙颌患者通常伴随严重的牙槽嵴萎缩和骨量匮乏，若植入位置选择不当，不仅无法提供足够的力学支撑导致支架松动脱落，还极易伤及下牙槽神经或造成极薄的颌骨边界穿孔，因此，支架植入区域分割定位至关重要。目前，进行区域分割时，通常采用的方法为：根据灰度值的不同进行区域分割。

2、然而，当根据灰度值的不同，进行支架植入区域三维分割定位时，经常会存在如下技术问题：

3、实际情况中，无牙颌萎缩区域的骨质退化严重，骨皮质极薄，松质骨与周围软组织、神经管之间的灰度梯度微弱且模糊，因此，仅根据灰度值的不同定位支架植入区域时，往往难以准确分割不同的组织，从而难以准确地定位可作为支架植入区域的力学刚度承载能力较强的骨表面，进而导致支架植入区域三维分割定位的准确度较差。

技术实现思路

1、为了解决支架植入区域三维分割定位的准确度较差的技术问题，本发明提出了基于无牙颌骨ct图像的支架植入区域三维分割方法。

2、第一方面，本发明提供了基于无牙颌骨ct图像的支架植入区域三维分割方法，该方法包括：

3、获取目标无牙颌患者对应的口腔三维ct图像，并对口腔三维ct图像进行预处理，得到目标三维图像；

4、从目标三维图像中筛选出下牙槽神经管空间、上颌骨空间和下颌骨空间，并基于下牙槽神经管空间提取出神经管中心线；

5、根据上颌骨空间和下颌骨空间，获取颌骨外表面网格，并根据目标三维图像中每个体素分别与神经管中心线和颌骨外表面网格之间的最短距离，确定目标三维图像中每个体素对应的空间风险因子；

6、获取颌骨内侧骨皮质边界，并根据颌骨外表面网格的顶点在不同预设方向上的曲率，以及颌骨外表面网格的顶点和颌骨内侧骨皮质边界之间的距离情况，确定目标三维图像中每个体素对应的刚性风险因子；

7、根据目标三维图像及其内体素对应的空间风险因子和刚性风险因子，通过训练完成的目标区域三维分割网络，对目标三维图像进行支架植入区域三维分割定位。

8、结合上述第一方面，在一种可能的实现方式中，所述从目标三维图像中筛选出下牙槽神经管空间、上颌骨空间和下颌骨空间，包括：

9、将目标三维图像输入训练完成的初始分割网络，并通过初始分割网络，从目标三维图像中筛选出下牙槽神经管空间、上颌骨空间和下颌骨空间。

10、结合上述第一方面，在一种可能的实现方式中，初始分割网络的训练过程，包括：

11、构建3d u-net网络，作为训练前的初始分割网络；

12、获取每个历史无牙颌患者对应的历史三维图像，其中，历史无牙颌患者是已经确认支架植入位置的无牙颌患者，历史三维图像是历史无牙颌患者在未进行支架植入前采集的预处理后的口腔三维ct图像，并且在历史三维图像中标注了下牙槽神经管空间、上颌骨空间和下颌骨空间；

13、以历史三维图像为训练样本，以历史三维图像中标注的下牙槽神经管空间、上颌骨空间和下颌骨空间为训练标签，以初始损失函数为初始分割网络的损失函数，对构建的初始分割网络进行训练，得到训练完成的初始分割网络，其中，初始损失函数是三维dice损失函数与多分类交叉熵损失函数的加权求和结果。

14、结合上述第一方面，在一种可能的实现方式中，所述基于下牙槽神经管空间提取出神经管中心线，包括：

15、对目标三维图像中的下牙槽神经管空间进行中心线提取，得到多个中心子段；

16、根据不同中心子段之间的最短距离，对所有中心子段进行聚类，得到两个目标聚类簇；

17、对每个目标聚类簇中的所有中心子段进行曲线拟合，得到每个目标聚类簇对应的目标拟合曲线；

18、将每个目标拟合曲线，记为神经管中心线，得到两个神经管中心线。

19、结合上述第一方面，在一种可能的实现方式中，所述根据上颌骨空间和下颌骨空间，获取颌骨外表面网格，包括：

20、将目标三维图像中的上颌骨空间和下颌骨空间的并集，确定为颌骨主体空间；

21、采用三维形态学腐蚀算子，对颌骨主体空间进行收缩，得到参考主体空间；

22、将颌骨主体空间中除了参考主体空间之外的所有体素构成的空间，确定为颌骨外表面空间；

23、根据颌骨外表面空间，采用移动立方体算法，得到颌骨外表面网格。

24、结合上述第一方面，在一种可能的实现方式中，所述根据目标三维图像中每个体素分别与神经管中心线和颌骨外表面网格之间的最短距离，确定目标三维图像中每个体素对应的空间风险因子，包括：

25、将所述目标三维图像中任意一个体素，确定为标记体素，并将所述目标三维图像中所有神经管中心线的并集，确定为神经管中心线区域，将目标三维图像中的上颌骨空间和下颌骨空间的并集，确定为颌骨主体空间；

26、根据所述标记体素与所述神经管中心线区域之间的最短距离，确定所述标记体素对应的神经管位置风险因子；

27、根据所述标记体素与所述颌骨外表面网格之间的最短距离，以及所述标记体素相对于颌骨主体空间的位置，确定所述标记体素对应的颌骨位置风险因子；

28、根据所述标记体素对应的颌骨位置风险因子和神经管位置风险因子，确定所述标记体素对应的空间风险因子。

29、结合上述第一方面，在一种可能的实现方式中，所述根据所述标记体素与所述颌骨外表面网格之间的最短距离，以及所述标记体素相对于颌骨主体空间的位置，确定所述标记体素对应的颌骨位置风险因子，包括：

30、若所述标记体素在所述颌骨主体空间外部，则将所述标记体素与所述颌骨外表面网格之间的最短距离，确定为所述标记体素对应的颌骨位置风险因子；

31、若所述标记体素在所述颌骨主体空间内部，则将所述标记体素对应的颌骨位置风险因子设置为预设风险因子。

32、结合上述第一方面，在一种可能的实现方式中，所述获取颌骨内侧骨皮质边界，包括：

33、将目标三维图像中的上颌骨空间和下颌骨空间的并集，确定为颌骨主体空间，并从所述颌骨主体空间中筛选出皮质骨空间；

34、将皮质骨空间的内表面，确定为颌骨内侧骨皮质边界。

35、结合上述第一方面，在一种可能的实现方式中，所述根据颌骨外表面网格的顶点在不同预设方向上的曲率，以及颌骨外表面网格的顶点和颌骨内侧骨皮质边界之间的距离情况，确定目标三维图像中每个体素对应的刚性风险因子，包括：

36、根据颌骨外表面网格的每个顶点在所有预设方向上的曲率的最大值和最小值，确定颌骨外表面网格的每个顶点对应的曲率代表因子；

37、将颌骨外表面网格的每个顶点的内法线与颌骨内侧骨皮质边界之间的交点，确定为颌骨外表面网格的每个顶点对应的骨皮质边界交点；

38、将颌骨外表面网格的每个顶点与其对应的骨皮质边界交点之间的距离，确定为颌骨外表面网格的每个顶点对应的目标距离，其中，颌骨外表面网格的顶点对应的目标距离表征该顶点和颌骨内侧骨皮质边界之间的距离情况；

39、根据颌骨外表面网格的每个顶点对应的目标距离和曲率代表因子，确定颌骨外表面网格的每个顶点对应的刚性风险参考指标；

40、从颌骨外表面网格的所有顶点中筛选出离目标三维图像中每个体素最近的顶点，作为目标三维图像中每个体素对应的参考顶点；

41、根据目标三维图像中每个体素与其对应的参考顶点之间的距离，以及每个体素对应的参考顶点对应的刚性风险参考指标，确定目标三维图像中每个体素对应的刚性风险因子。

42、结合上述第一方面，在一种可能的实现方式中，目标区域三维分割网络的训练过程，包括：

43、构建3d u-net网络，作为训练前的目标区域三维分割网络；

44、获取每个历史无牙颌患者对应的参考三维图像，其中，历史无牙颌患者是已经确认支架植入位置的无牙颌患者；参考三维图像是历史无牙颌患者在未进行支架植入前采集的预处理后的口腔三维ct图像，并且在参考三维图像中标注了需要进行支架植入的区域；

45、获取每个参考三维图像中每个体素对应的空间风险因子和刚性风险因子；

46、以参考三维图像及其内体素对应的空间风险因子和刚性风险因子为训练样本，以参考三维图像中标注的需要进行支架植入的区域为训练标签，以参考三维图像对应的目标损失值为其在目标区域三维分割网络中的损失值，对构建的目标区域三维分割网络进行训练，得到训练完成的目标区域三维分割网络；

47、其中，在目标区域三维分割网络的训练过程中，每个参考三维图像对应的目标损失值的获取方法为：将任意一个参考三维图像，确定为标记参考三维图像，根据标记参考三维图像中每个体素对应的空间风险因子和刚性风险因子，确定标记参考三维图像中每个体素对应的整体风险因子；根据标记参考三维图像中所有体素对应的整体风险因子，确定标记参考三维图像对应的整体风险损失值；根据标记参考三维图像对应的整体风险损失值，以及标记参考三维图像通过初始损失函数计算得到的损失值，确定标记参考三维图像对应的目标损失值。

48、第二方面，本发明提供了基于无牙颌骨ct图像的支架植入区域三维分割系统，所述系统包括：

49、图像获取及预处理模块，用于获取目标无牙颌患者对应的口腔三维ct图像，并对口腔三维ct图像进行预处理，得到目标三维图像；

50、空间筛选及中心线提取模块，用于从目标三维图像中筛选出下牙槽神经管空间、上颌骨空间和下颌骨空间，并基于下牙槽神经管空间提取出神经管中心线；

51、网格获取及因子确定模块，用于根据上颌骨空间和下颌骨空间，获取颌骨外表面网格，并根据目标三维图像中每个体素分别与神经管中心线和颌骨外表面网格之间的最短距离，确定目标三维图像中每个体素对应的空间风险因子；

52、边界获取及因子确定模块，用于获取颌骨内侧骨皮质边界，并根据颌骨外表面网格的顶点在不同预设方向上的曲率，以及颌骨外表面网格的顶点和颌骨内侧骨皮质边界之间的距离情况，确定目标三维图像中每个体素对应的刚性风险因子；

53、支架植入区域三维分割定位模块，用于根据目标三维图像及其内体素对应的空间风险因子和刚性风险因子，通过训练完成的目标区域三维分割网络，对目标三维图像进行支架植入区域三维分割定位。

54、本发明具有如下有益效果：

55、本发明的基于无牙颌骨ct图像的支架植入区域三维分割方法，通过量化空间风险因子和刚性风险因子，结合目标区域三维分割网络，实现了对目标三维图像的支架植入区域三维分割定位，并在一定程度上提高了支架植入区域三维分割定位的准确度。具体地，本发明基于目标三维图像中每个体素分别与神经管中心线和颌骨外表面网格之间的最短距离，量化了目标三维图像中每个体素对应的空间风险因子，在一定程度上可以便于后续寻找支架植入区域合适位置时规避靠近神经管的危险区域，寻找相对安全的骨表面；基于颌骨外表面网格的顶点在不同预设方向上的曲率，以及颌骨外表面网格的顶点和颌骨内侧骨皮质边界之间的距离情况，量化了目标三维图像中每个体素对应的表征力学刚度承载能力情况的刚性风险因子，其值越大时，往往说明力学刚度承载能力越差，最终，根据目标三维图像及其内体素对应的空间风险因子和刚性风险因子，通过训练完成的目标区域三维分割网络，对目标三维图像进行支架植入区域三维分割定位，在一定程度上提高了支架植入区域三维分割定位的准确度。