不同光谱照明条件下的牙齿图像分割

对不同光谱照明条件下的牙齿图像进行分割有助于将在不同光谱照明条件下发生位置变动的牙齿对齐,从而实现对牙齿色度坐标的精确测量,为口腔修复术中的牙齿颜色匹配打下坚实的基础。然而,分割模型在不同光谱照明条件下表现出的性能并不一致。研究结果表明,在白光照明条件下的高对比度图像中,采用人工标记的牙齿多光谱图像来训练的用于分割单个牙齿实例图像的深度神经网络Mask R⁃CNN能够获得良好的分割结果,但在红、蓝或紫色光照明条件下的部分低对比度的牙齿图像中模型无法正确分割。为了解决这一问题,文中使用了一种现有的光谱重建方法来增强训练数据。实验结果表明,使用该数据增强方法的模型在不同光谱照明下的平均分割精度从对比模型的84.9%提高至89.2%,该数据增强方法显著提高了牙齿分割模型在不同光谱照明条件下的性能,并增强了模型的鲁棒性和泛化能力。

牙齿X线片的图像分割方法综述

近年来,随着国民医疗水平的不断提高,医疗影像设备在基层医院的不断普及,医学影像数据已经成为医生做出病理诊断的重要依据,利用计算机技术处理口腔医学影像也引起了研究人员的兴趣。设计相关算法自动分割牙齿图像中的感兴趣区域,对于辅助口腔医生诊断,提升阅片效率,都有着重要的临床应用价值,同时对缓解手工分割工作强度也有重要研究意义。通过对近十年牙齿X线片分割方法进行回顾,将牙齿图像分割方法分为基于手工特征的方法和基于深度学习的方法。对这两大类方法的研究现状进行了梳理和阐述;总结了部分研究的使用数据集和常用的评价指标,并比较了各类方法在相关数据集上的实验结果;分析了牙齿图像分割领域目前存在的问题和未来可研究的方向。

基于局部高斯分布拟合的牙齿锥形束计算机断层图像分割方法

口腔牙齿图像分割对于牙齿的正畸手术、义齿种植等有重要的意义。由于牙根被牙槽骨包围,磨牙拓扑结构复杂,以及在牙齿内部有牙髓腔的存在,导致分割时易出现过分割、内部轮廓等问题。为进一步提高分割精度,针对上述问题本文提出了一种基于局部高斯分布拟合与边缘检测相结合的分割算法。该算法融合了像素局部邻域的方差和均值,并将图像梯度信息引入边缘检测,提高了分割算法的稳定性。在实验中,基于锥形束计算机断层图像,完成了对牙根图像的精确分割,并与当前比较经典的算法进行了对比,结果表明,本文算法能够更好地区分牙根以及牙根周围的牙槽骨,能够更精确地分割出牙根及分裂的磨牙,没有出现牙髓腔内部轮廓的情况。