【摘要】：隨著三維醫(yī)學成像技術(shù)的普及和發(fā)展,醫(yī)學體數(shù)據(jù)已被廣泛應(yīng)用于數(shù)字口腔領(lǐng)域,其中錐形束斷層成像(Cone Beam Computed Tomography,簡稱CBCT)技術(shù)提供了患者頭部精確的內(nèi)部三維信息,是數(shù)字口腔中最常用的體數(shù)據(jù)來源之一。將患者的CBCT數(shù)據(jù)直觀高效地可視化,并從中精確地抽取出患者的個性化模型已成為數(shù)字口腔領(lǐng)域的研究熱點�；颊哐例X、顱骨和面部模型之間相對關(guān)系的計算與分析為數(shù)字口腔治療方案的精準規(guī)劃提供了重要的參考。圍繞CBCT數(shù)據(jù)在數(shù)字口腔領(lǐng)域的應(yīng)用,本文的工作主要體現(xiàn)在體數(shù)據(jù)與網(wǎng)格模型的可視化,顱骨和面部模型的抽取,以及單顆牙齒模型的抽取三方面。首先,本文基于繪制流水線的模板測試流程提出了CBCT體數(shù)據(jù)與牙冠網(wǎng)格模型數(shù)據(jù)的混合繪制方法,通過對兩類數(shù)據(jù)深度信息的融合計算,提升了繪制結(jié)果的準確性,使兩種數(shù)據(jù)的空間關(guān)系感知更加精準。其次,本文基于混合閾值方法和自適應(yīng)聚類算法提出了顱骨和面部模型的自動化抽取方法,利用圖像的全局特征高效地實現(xiàn)了顱骨和面部區(qū)域的精確分割,并自動對可能出現(xiàn)的誤判進行校驗。然后,本文提出了將二維圖像分割算法在三維空間迭代的CBCT數(shù)據(jù)分割框架,結(jié)合牙齒結(jié)構(gòu)特征提出了基于混合水平集模型和基于區(qū)域能量函數(shù)模型的二維圖像分割方法,提升了CBCT數(shù)據(jù)中牙齒模型抽取的精度和效率。最后,本文在所研究的體數(shù)據(jù)相關(guān)處理算法基礎(chǔ)上,結(jié)合模塊化設(shè)計理念,開發(fā)了數(shù)字口腔體數(shù)據(jù)原型系統(tǒng),實現(xiàn)了CBCT體數(shù)據(jù)的可視化及牙齒、顱骨和面部模型的抽取,為個性化、精準化的口腔臨床診斷和治療提供了支持。
【圖文】：

一步精準化和數(shù)字化。如今，ＣＢＣＴ數(shù)據(jù)己被廣泛應(yīng)用于種植、修復(fù)、正畸和頷逡逑面外科學等口腔醫(yī)學各學科的臨床實踐中。逡逑ＣＢＣＴ數(shù)據(jù)的主要應(yīng)用環(huán)節(jié)如圖１．１所示，首先經(jīng)過對患者頭部的采樣，獲逡逑取以二維圖像序列形式存儲的ＣＢＣＴ數(shù)據(jù)，醫(yī)生可以按切面方式觀察ＣＢＣＴ數(shù)逡逑據(jù)，也可以通過各類可視化方法獲得ＣＢＣＴ數(shù)據(jù)的三維繪制效果。對ＣＢＣＴ數(shù)據(jù)逡逑的進一步精確分析通常需要實現(xiàn)對目標組織和結(jié)構(gòu)的分割，并重建出三角網(wǎng)格模逡逑型。逡逑＿＿＿＿＿逡逑⑷ＣＢＣＴ采樣１邋（ｂ）ＣＢＣＴ體數(shù)據(jù)邋（ｃ）ＣＢＣＴ可視化邋（ｄ）ＣＢＣＴ分割邐（ｅ）網(wǎng)格重建逡逑圖１．１邋ＣＢＣＴ在數(shù)字口腔中的主要應(yīng)用環(huán)節(jié)逡逑ＣＢＣＴ數(shù)據(jù)在數(shù)字口腔中的應(yīng)用可以被分為定性應(yīng)用和定量應(yīng)用兩類。對逡逑ＣＢＣＴ數(shù)據(jù)的定性應(yīng)用主要是指體數(shù)據(jù)可視化，它可以方便快捷地讓醫(yī)生在三維逡逑空間內(nèi)觀察患者頭部的內(nèi)部結(jié)構(gòu)，，并可與牙冠網(wǎng)格模型等輔助數(shù)據(jù)配合，輔助醫(yī)逡逑生對口頜疾病的快速初步診斷。對ＣＢＣＴ數(shù)據(jù)的定量應(yīng)用主要是指圖像分割和模逡逑１邋圖片來源邋ｈｔｔｐｓ：／／ｅｎ．ｗｉｋｉｐｅｄｉａ．ｏｒｇ／ｗｉｋｉ／Ｆｉｌｅ：Ｃｏｎｅ邋Ｂｅａｍ邋ＣＴ邋ｐｒｉｎｃｉｐｌｅ．ｐｎｇ，可用于發(fā)表。逡逑１逡逑

ｙ，Ｚ）邋＝邋ｌ４２＾ｅ邋１0１邐公式（２．２）逡逑本文取值為１．５，分別使用二維卷積和三維卷積，效果如圖２．１所示�？慑义弦娔：蟮膱D像噪聲有所減弱，在后續(xù)的ＣＢＣＴ圖像分割中，本文均基于模糊逡逑后的圖像進行計算。逡逑＿＿＿逡逑（ａ）原始圖像邐（ｂ）二維模糊邐（ｃ）三維模糊逡逑圖２．１邋ＣＢＣＴ圖像的光滑去噪逡逑２．２．２邋ＣＢＣＴ中的植入物的剔除逡逑ＣＢＣＴ圖像會根據(jù)物體的密度值完整地顯示頭部的所有組織，通常情況下，逡逑人體頭部密度最高的是牙冠的釉質(zhì)層，密度最低的是空氣，其它結(jié)構(gòu)的體素值逡逑則介于這兩者之間。在臨床采樣中，體內(nèi)含有植入物的患者在患者群體中占有逡逑較高的比例，常見的植入物有種植釘、支抗釘、修復(fù)假體等。這些植入物在逡逑ＣＢＣＴ圖像中通常體現(xiàn)為異常高亮物體，導(dǎo)致灰度直方圖整體偏移，使正常的牙逡逑１５逡逑
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R78;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 姚霆;張煒;劉金根;;基于深度學習的圖像分割技術(shù)[J];人工智能;2019年02期

2 黃玲;石玉秋;覃永新;;基于小波融合的蘋果圖像分割的研究[J];科技視界;2018年29期

3 侯紅英;高甜;李桃;;圖像分割方法綜述[J];電腦知識與技術(shù);2019年05期

4 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

5 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計學習理論的最小生成樹圖像分割準則[J];武漢大學學報(信息科學版);2017年07期

6 李然;李記鵬;宋超;;基于顯著性檢測的協(xié)同圖像分割研究[J];現(xiàn)代計算機(專業(yè)版);2017年24期

7 鄧惠俊;;一種基于數(shù)據(jù)場的圖像分割方法與研究[J];長春工程學院學報(自然科學版);2016年02期

8 李繼云;冀卿偉;;基于自適應(yīng)局部閾值的交互式圖像分割[J];計算機應(yīng)用與軟件;2014年11期

9 劉印;;對圖像分割方法的認識及新進展研究[J];數(shù)碼世界;2018年08期

10 楊成佳;;唇紋識別圖像分割系統(tǒng)的研究[J];山西青年;2017年11期

相關(guān)會議論文 前10條

1 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學應(yīng)用[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

2 楊生友;;圖像分割在醫(yī)學圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

3 朱士蓉;謝昭;高雋;;一種圖模型下的柔性圖像分割方法[A];中國儀器儀表學會第十二屆青年學術(shù)會議論文集[C];2010年

4 朱松豪;劉佳偉;羅青青;胡榮林;;基于關(guān)聯(lián)模型的圖像分割[A];第26屆中國控制與決策會議論文集[C];2014年

5 張志會;王華英;熊南燕;廖薇;成惠;劉飛飛;;對基于圖像分割與合并的相位展開算法的改進[A];第十屆全國光電技術(shù)學術(shù)交流會論文集[C];2012年

6 楊加文;謝鳳英;;基于深度學習的皮膚鏡圖像分割[A];第十五屆中國體視學與圖像分析學術(shù)會議論文集[C];2017年

7 郭世可;董槐林;龍飛;張海波;;一種結(jié)合密度聚類和區(qū)域生長的圖像分割方法[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2007年

8 劉智勇;李進;黃道君;;基于遺傳算法的視頻交通量檢測圖像分割方法[A];中國體視學學會圖像分析專業(yè)、中國體視學學會仿真與虛擬現(xiàn)實專業(yè)、中國航空學會信號與信息處理專業(yè)第一屆聯(lián)合學術(shù)會議論文集[C];2000年

9 張萍;單筱攸;巴成賀;;主動脈圖像分割的研究與實現(xiàn)[A];第十二屆中國體視學與圖像分析學術(shù)會議論文集[C];2008年

10 趙建業(yè);余道衡;;一種基于模糊細胞神經(jīng)網(wǎng)絡(luò)的多值圖像分割新方法[A];中國體視學學會圖像分析專業(yè)、中國體視學學會仿真與虛擬現(xiàn)實專業(yè)、中國航空學會信號與信息處理專業(yè)第一屆聯(lián)合學術(shù)會議論文集[C];2000年

相關(guān)重要報紙文章 前1條

1 趙利利;圖像分割出新方法[N];中國科學報;2019年

相關(guān)博士學位論文 前10條

1 倪波;高強度聚焦超聲圖像分割方法研究[D];武漢大學;2016年

2 古晶;基于稀疏特征學習的SAR圖像分割與半監(jiān)督分類方法研究[D];西安電子科技大學;2016年

3 段一平;基于層次視覺計算和統(tǒng)計模型的SAR圖像分割與理解[D];西安電子科技大學;2017年

4 胡佩君;腹部CT圖像分割的可計算建模方法研究[D];浙江大學;2018年

5 姜楓;基于語義識別的砂巖薄片圖像分割方法研究[D];南京大學;2018年

6 趙曉麗;面向圖像分割的智能算法研究[D];上海大學;2018年

7 王森;非受限場景裂紋圖像分割方法研究[D];昆明理工大學;2017年

8 王濤;特征度量與信息傳遞的交互式圖論分割方法研究[D];南京理工大學;2017年

9 戴令正;自然圖像分割的若干算法研究[D];南京理工大學;2017年

10 李鋼;偏微分方程與變分技術(shù)在圖像分割中的應(yīng)用研究[D];太原理工大學;2018年

相關(guān)碩士學位論文 前10條

1 林珊珊;基于G~0分布的SAR圖像分割算法的研究[D];天津理工大學;2019年

2 丁奇安;非限定環(huán)境下的車牌識別技術(shù)研究[D];安徽工程大學;2019年

3 孫夏;醫(yī)學體數(shù)據(jù)處理算法研究及其在數(shù)字口腔中的應(yīng)用[D];浙江大學;2019年

4 廖旋;基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像目標分割研究[D];南昌航空大學;2019年

5 余強浩;應(yīng)用于人工視覺假體的圖像分割神經(jīng)網(wǎng)絡(luò)設(shè)計與硬件實現(xiàn)[D];西安理工大學;2019年

6 余佳佳;結(jié)合分數(shù)階微分和活動輪廓模型的圖像分割方法研究[D];南昌航空大學;2019年

7 李彪;基于生成式對抗網(wǎng)絡(luò)的細胞圖像分割方法的研究[D];哈爾濱理工大學;2019年

8 劉先麗;基于FCN和多圖譜信息的腦圖像分割研究[D];安徽大學;2019年

9 馬巖;血細胞形態(tài)學檢驗與識別技術(shù)研究[D];北方工業(yè)大學;2019年

10 徐莉霞;基于Eclipse放療計劃系統(tǒng)的自動勾畫技術(shù)的研究和分析[D];浙江工業(yè)大學;2019年

本文編號：2640289