基于牙齿分布先验和症状表征的CBCT图像分割方法

目的在牙科影像诊断中,锥形束CT(Cone beam CT,CBCT)图像分割已成为人工智能的关键应用领域。然而,多数现有分割技术忽略了与临床病症相关的关键表征,这会影响其分割性能。因此,本文提出了一种新方法,利用CBCT图像的分布先验信息和病症表征来提高不同临床病症下的牙科图像分割性能。方法为实现这一目标,本文提出了一种名为“牙齿先验引导数据增强(Dental Prior Guiding Data Augmentation,DGA)”的数据增强方法,利用牙齿分布先验信息来关注牙齿区域,忽略无关的区域。此外,本文还提出了一种“牙症状形状损失函数(Dental Symptom Shape Loss,DSL)”,用于学习不同病症下牙齿的形状。结果实验结果表明,所提出的方法显著提高了不同临床牙齿状况的分割性能,包括正常、接受过根管治疗、植入充填体、存在多生牙、拥有恒牙牙坯以及使用牙科假体的患者。实验结果显示,在不同的临床症状下,本文方法在多种症状的数据集上都超越了其他的方法。具体来说,相较于其他方法,本文方法在Dice指标平均提高了1.13%,而在IoU指标平均提高了2.00%。结论本文方法能够显著提高不同症状下的牙齿分割性能。