买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京大学

摘要：本发明公布了一种基于牙颌面畸形锥束CT图像的三维颌面重建方法，涉及医学图像处理和计算机视觉技术领域。方法包括：搭建牙颌面畸形正颌的三维颌面重建网络模型，利用基于弱监督学习的分段刚性变换约束，避免预测骨组织的几何形变，增强预测正颌后颌面骨组织结构的语义对应，将正颌前后的图像之间的非刚性变形场分解为部分截断的上、下颌骨骨组织的刚性变换，生成对正颌过程带来的颌面形态变化具有良好可解释性的体素稠密变形场，提高牙颌面畸形正颌过程的三维颌面重建精度。

主权项：1.一种基于牙颌面畸形锥束CT图像的三维颌面重建方法，其特征是，搭建牙颌面畸形正颌的三维颌面重建网络模型，利用基于弱监督学习的分段刚性变换约束，避免预测骨组织的几何形变，增强预测正颌后颌面骨组织结构的语义对应，将正颌前后的图像之间的非刚性变形场分解为部分截断的上、下颌骨骨组织的刚性变换，生成对正颌过程带来的颌面形态变化具有良好可解释性的体素稠密变形场，提高牙颌面畸形正颌过程的三维颌面重建精度；包括以下步骤：1搭建牙颌面畸形正颌的三维颌面重建网络模型；三维颌面重建网络模型包含骨组织分割模块，图像特征提取模块，变形场推断模块和刚性变换预测模块；骨组织分割模块采用带有跳连的多级卷积网络结构，用于提取正颌前锥束CT图像和正颌后锥束CT图像的骨组织分割图像；图像特征提取模块和变形场推断模块通过采用三维卷积神经网络模型架构，网络模型中包含的编码器为图像特征提取模块，解码器为变形场推断模块；模型的输入仅为单个正颌前锥束CT图像，通过图像特征提取模块提取得到图像特征嵌入；通过变形场推断模块从图像特征嵌入生成全局体素稠密变形场，得到的全局体素稠密变形场包含从正颌前锥束CT图像到正颌后锥束CT图像每个体素的位移信息；刚性变换预测模块包括多个结构相同的刚性变换预测头；刚性变换预测头的数量为牙颌面畸形正颌过程中截断移动的上、下颌骨骨组织块的总数；刚性变换预测头用于预测一个对应的截断骨组织块的旋转参数和平移参数；将图像特征嵌入作为刚性变换预测头的输入，刚性变换预测头输出预测截断骨组织块刚性变换的旋转参数和平移参数向量，并生成与预测刚性变换参数等价的刚性变换矩阵和刚性变换变形场以用于对全局体素稠密变形场施加分段刚性变换约束；2训练牙颌面畸形正颌的三维颌面重建网络模型；采用弱监督学习的方式对三维颌面重建网络模型参数进行训练优化；模型参数包括：模型所包含的所有三维卷积层和全连接层的权重参数；训练数据采用成对的正颌前和正颌后锥束CT图像以及与其对应的骨组织分割图像；总损失函数L表示为： 其中，Lmask表示分割损失函数，Lrec表示重建损失函数，Lrig表示分段刚性变换损失函数，γ1和γ2分别为不同损失函数加权的权重超参数；多类别骨组织的分割损失函数选用交叉熵损失函数；重建损失函数用于训练网络预测体素稠密变形场，由基于均方误差的图像相似性度量和平滑约束组合而成；通过分段刚性变换损失函数对全局非刚性变形场施加分段刚性变换约束，分段刚性变换损失函数包括三项；分段刚性变换损失函数中的第一项用于约束模型预测的刚性变换将正颌前锥束CT图像截断的上、下颌骨骨组织块区域变换至正颌后锥束CT图像的对应区域；第二项用于约束预测的全局体素稠密变形场在各截断的骨组织块区域和预测的刚性变换保持一致；第三项用于约束正颌前骨组织区域在经过预测的变换后与正颌后的骨组织区域一致，增强模型预测的全局体素稠密变形场对骨组织结构的语义一致性；3在线牙颌面畸形正颌的三维颌面重建在线测试阶段，将正颌前锥束CT图像输入到步骤2训练得到的三维颌面重建网络模型中，网络模型输出包括：每个截断的上、下颌骨骨组织块的刚性变换参数，预测的全局体素稠密变形场以及正颌后锥束CT图像；通过上述步骤，实现基于牙颌面畸形锥束CT图像的三维颌面重建。

全文数据：

权利要求：

百度查询： 北京大学 一种基于牙颌面畸形锥束CT图像的三维颌面重建方法