一种上颌窦黏膜状态分类系统及方法
本技术涉及医学影像处理,更具体地说,本技术涉及一种上颌窦黏膜状态分类系统及方法。
背景技术:
1、上颌窦黏膜的健康状态分类评估是口腔种植、耳鼻喉疾病诊断等领域的关键环节,锥形束计算机断层扫描因其高空间分辨率已成为该区域影像学检查的主要手段;为实现精准、高效的病情分析与手术规划,业界致力于通过医学影像处理技术,特别是基于人工智能的自动分割与分类方法,来替代传统依赖医生目测和经验判断的主观评估方式,从而提高诊断的客观性与可重复性。
2、现有技术中,上颌窦黏膜的分割多依赖于传统的图像处理算法(如阈值分割、区域生长)或基于二维深度学习的语义分割模型;然而,传统方法对灰度对比度低、厚度不均匀的黏膜组织敏感度差,易受伪影干扰;而主流深度学习模型虽能提升分割精度,但通常对单张二维切片进行独立分析,忽视了锥形束计算机断层扫描数据固有的三维连续性与层间解剖结构的关联性,导致分割结果在空间上不连续、缺乏整体一致性;此外,这些方法普遍未融入黏膜包裹空腔等关键解剖拓扑规则,可能产生与真实生理结构相悖的分割错误;因此,如何实现对薄层、低对比度且形态多变的上颌窦黏膜进行连续、精确且符合解剖拓扑的三维分割成为了业界面临的难题。
技术实现思路
1、本技术提供一种上颌窦黏膜状态分类系统及方法,可实现对薄层、低对比度且形态多变的上颌窦黏膜进行连续、精确且符合解剖拓扑的三维分割。
2、第一方面,本技术提供一种上颌窦黏膜的图像分割方法,应用于上颌窦黏膜状态分类系统,该方法包括:
3、获取由锥形束计算机断层扫描上颌窦区域得到的扫描图像数据;
4、将所述扫描图像数据输入通过融合上颌窦区域内黏膜、空腔与颌骨组织空间约束与解剖拓扑约束损失训练后的语义分割模型进行初步分割,输出上颌窦区域中上颌窦空腔、上颌窦黏膜、牙齿及颌骨的初始分割结果;
5、对于所述初始分割结果中的每个上颌窦黏膜,基于所述初始分割结果从所述扫描图像数据中提取上颌窦黏膜对应空间位置的多个二维切片,以构建上下文张量,进而通过对所述上下文张量进行可变形卷积的层间形变自适应补偿,得到各层特征之间的跨层关联特征;
6、基于所述跨层关联特征对各层特征进行特征融合,生成上颌窦黏膜的精细分割掩码,进而得到所述初始分割结果中每个上颌窦黏膜的精细分割掩码。
7、在一些实施例中,将所述扫描图像数据输入通过融合上颌窦区域内黏膜、空腔与颌骨组织空间约束与解剖拓扑约束损失训练后的语义分割模型进行初步分割,输出上颌窦区域中上颌窦空腔、上颌窦黏膜、牙齿及颌骨的初始分割结果具体包括:
8、构建基于编码器-解码器架构的语义分割模型;
9、通过上颌窦区域内黏膜、空腔与颌骨组织的空间约束对所述语义分割模型进行基于解剖拓扑约束损失的复合训练,得到训练后的语义分割模型;
10、将所述扫描图像数据输入训练后的语义分割模型进行前向推理分割,输出上颌窦区域中上颌窦空腔、上颌窦黏膜、牙齿及颌骨的初始分割结果。
11、在一些实施例中,通过上颌窦区域内黏膜、空腔与颌骨组织的空间约束对所述语义分割模型进行基于解剖拓扑约束损失的复合损失训练,得到训练后的语义分割模型具体包括:
12、通过上颌窦区域内黏膜、空腔与颌骨组织空间互斥的解剖拓扑规则确定解剖拓扑约束损失;
13、根据所述解剖拓扑约束损失与交叉熵损失及区域重叠度损失确定多任务联合的复合优化损失;
14、基于所述复合优化损失对所述语义分割模型进行端到端迭代优化训练,得到训练后的语义分割模型。
15、在一些实施例中,基于所述初始分割结果从所述扫描图像数据中提取上颌窦黏膜对应空间位置的多个二维切片,以构建上下文张量具体包括:
16、基于所述初始分割结果中上颌窦黏膜的空间掩码确定上颌窦黏膜在三维图像空间内的目标体素区域;
17、以所述目标体素区域在扫描轴向上的中心层面为基准,向前与向后提取相邻层面影像切片,得到多层面影像序列;
18、将所述多层面影像序列中的各层二维影像沿通道维度进行堆叠与对齐,得到上下文张量。
19、在一些实施例中,通过对所述上下文张量进行可变形卷积的层间形变自适应补偿,得到各层特征之间的跨层关联特征具体包括:
20、通过可变形卷积网络对所述上下文张量进行层间几何形变参数回归,生成空间尺寸匹配的形变偏移场;
21、基于所述形变偏移场对所述上下文张量进行自适应空间变换,得到几何对齐的多尺度层级特征;
22、根据所述多尺度层级特征确定各层特征之间的跨层关联特征。
23、在一些实施例中,基于所述跨层关联特征对各层特征进行特征融合,生成上颌窦黏膜的精细分割掩码具体包括:
24、根据所述跨层关联特征确定各层特征的通道权重图;
25、基于所述通道权重图对各层特征进行逐通道加权,进而融合得到注意力加权的多层融合特征;
26、对所述多层融合特征进行通道降维与语义映射,生成上颌窦黏膜的精细分割掩码。
27、在一些实施例中,所述语义分割模型内包含以改进的残差网络为主干并采用空洞卷积优化的编码器,级联在编码器末端的金字塔池化模块、循环十字交叉注意力模块和融合多级特征并逐步上采样的解码器。
28、第二方面,本技术提供一种上颌窦黏膜状态分类系统,该系统包括有图像分割单元,所述图像分割单元包括:
29、获取模块,用于获取由锥形束计算机断层扫描上颌窦区域得到的扫描图像数据;
30、处理模块,用于将所述扫描图像数据输入通过融合上颌窦区域内黏膜、空腔与颌骨组织空间约束与解剖拓扑约束损失训练后的语义分割模型进行初步分割,输出上颌窦区域中上颌窦空腔、上颌窦黏膜、牙齿及颌骨的初始分割结果;
31、所述处理模块,用于对于所述初始分割结果中的每个上颌窦黏膜,基于所述初始分割结果从所述扫描图像数据中提取上颌窦黏膜对应空间位置的多个二维切片,以构建上下文张量,进而通过对所述上下文张量进行可变形卷积的层间形变自适应补偿,得到各层特征之间的跨层关联特征;
32、执行模块,用于基于所述跨层关联特征对各层特征进行特征融合,生成上颌窦黏膜的精细分割掩码,进而得到所述初始分割结果中每个上颌窦黏膜的精细分割掩码。
33、第三方面,本技术提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行上述的上颌窦黏膜的图像分割方法。
34、第四方面,本技术提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的上颌窦黏膜的图像分割方法。
35、本技术公开的实施例提供的技术方案具有以下有益效果:
36、本技术提供的上颌窦黏膜状态分类系统及方法中,首先获取由锥形束计算机断层扫描上颌窦区域得到的扫描图像数据;将所述扫描图像数据输入通过融合上颌窦区域内黏膜、空腔与颌骨组织空间约束与解剖拓扑约束损失训练后的语义分割模型进行初步分割,输出上颌窦区域中上颌窦空腔、上颌窦黏膜、牙齿及颌骨的初始分割结果;对于所述初始分割结果中的每个上颌窦黏膜,基于所述初始分割结果从所述扫描图像数据中提取上颌窦黏膜对应空间位置的多个二维切片,以构建上下文张量,进而通过对所述上下文张量进行可变形卷积的层间形变自适应补偿,得到各层特征之间的跨层关联特征;基于所述跨层关联特征对各层特征进行特征融合,生成上颌窦黏膜的精细分割掩码,进而得到所述初始分割结果中每个上颌窦黏膜的精细分割掩码。
37、由此可见,本技术基于所述跨层关联特征对各层特征进行特征融合,生成上颌窦黏膜的精细分割掩码;首先,确定初始分割结果可得到含上颌窦区域中多类组织区域的初步分割图谱,初始分割结果的确定可通过采用经上颌窦区域内黏膜、空腔与颌骨组织空间约束解剖拓扑约束损失训练后的语义分割模型,从整个三维锥形束计算机断层扫描数据中同步分割出多类组织,而且强制模型输出符合“黏膜包裹空腔”等解剖规则的分割结果,这使得初始分割在克服传统方法对薄层低对比度黏膜敏感度差、易受伪影干扰的同时,确保了分割结果的空间合理性与结构一致性,从而为后续针对每个黏膜区域的三维精细化处理提供了准确、可靠的空间定位依据与注意力引导基础,避免了因初始分割错误而导致后续步骤累积放大误差的风险,整体提升了最终黏膜分割的精确度与临床实用性;然后,确定跨层关联特征可得到显式编码影像图片中不同层级特征间语义与空间依赖关系的统一特征表示,跨层关联特征的确定可通过对三维上下文张量进行可变形卷积的层间形变自适应补偿实现,有效解决背景技术中指出的传统方法忽视锥形束计算机断层扫描数据三维连续性、对薄层黏膜形变敏感度不足的问题,并且跨层关联特征显式建模了不同影像切片间的语义与空间依赖关系,使模型能够自适应补偿因患者体位或解剖变异引起的层间几何形变,从而在分割过程中保持黏膜结构的空间连续性与形态一致性,从而不仅提升了对低对比度、薄层黏膜的边界识别精度,更确保了分割结果符合真实的解剖拓扑约束,为后续黏膜状态分类提供了稳定、可靠且具有临床解释性的三维分割基础;最后,确定精细分割掩码可得到明确标注上颌窦黏膜空间位置的二值化图像,精细分割掩码的确定有效克服了传统二维分割模型因忽视层间解剖连续性而导致的分割断裂、边界模糊问题,同时依托前期融入解剖拓扑约束的初步分割基础,确保生成的掩码严格符合“黏膜包裹空腔”等生理结构关系,从而为后续黏膜厚度测量、炎症状态判断等状态分类任务提供了可靠、可重复的形态学依据,显著提升了整体分类系统的准确性、鲁棒性与临床实用性;综上所述,基于上述方案可实现对薄层、低对比度且形态多变的上颌窦黏膜进行连续、精确且符合解剖拓扑的三维分割。
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