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！

摘要：本发明为本发明属于图像处理技术领域，具体为基于CBCT图像颌骨、软组织识别与重建的方法、装置及介质，通过口腔专家手动标注出CT图像中颌骨的部分，然后基于开源的深度学习平台TensorFlow和全卷积神经网络模型，设计并训练得到CBCT颌骨分割网络模型；通过训练得到的模型输出得到每个体素的概率值，并保留得到设定阈值上的两块联通连通区域的体素，重建出上与下牙槽骨，最后通过软组织的阈值分割出颌面软组织部分，重建出脸部三维模型。本发明能利用深度学习方法，批量快速自动重建出颌骨与面部三维模型，解决CBCT颌骨分割存在的过分割与欠分割问题，在提高重建效率的同时提高了分割精度。

主权项：1.一种基于CBCT图像颌骨、软组织识别与重建的方法，其特征在于，包括以下步骤：A.对CBCT数据进行自定义逐层标注；B.将标注后的数据集划分为训练集、验证集和测试集，并进行数据处理；C.构建颌骨分割网络模型，并利用训练集数据对模型进行训练；D.对上下颌骨进行识别并三维重建；将训练好的颌骨分割网络模型用于处理测试集的CBCT数据，得到颌骨3D分割结果，利用领域搜索方法标记3D分割结果中的3D连通区域，并根据颌骨的空间信息识别为上下颌骨两个连通区，使用高斯滤波器平滑颌骨分割结果的表面，利用MarchingCubes算法提取上下颌骨分割结果曲面的网格信息；E.对软组织进行分割并三维重建；对训练集数据所有的CBCT图像非颌面软组织区域的像素强度进行统计，得到非颌面软组织的像素平均值μ和标准差σ，利用阈值法得到颌面软组织的分割结果，利用高斯滤波器平滑颌面软组织的3D分割结果；所述步骤C中的颌骨分割网络模型包括依次连接的VGG-19骨干网络、FPN颈部网络和一个Softmax像素分类器；所述VGG-19骨干网络结构由16个卷积层、4个最大池化层、5个批归一化层和3个丢弃层组成，用于从CBCT图像提取层次性特征，每层特征的分辨率不同，且随着分辨率的下降特征的抽象性和平移不变性增强；所述FPN颈部网络结构由5个上采样层、5个连接层、12个卷积层、4个丢弃层和3个通道与空间注意力模块构成，负责将VGG-19网络提取的多尺度特征融合为一个具有局部和全局特征的图像特征金字塔，且融合后特征的分辨率与原图像一致；所述Softmax像素分类器由一个卷积核尺寸为1x1的卷积层和一个Softmax函数构成，将深度卷积神经网络的输出值转化为像素的类别概率值。

全文数据：

权利要求：

百度查询： 汉斯夫(杭州)医学科技有限公司 基于CBCT图像颌骨、软组织识别与重建的方法、装置及介质