基于深度学习的牙科CBCT三维牙齿分割方法
基本信息
| 申请号 | CN202110896655.1 | 申请日 | - |
| 公开（公告）号 | CN113628223A | 公开（公告）日 | 2021-11-09 |
| 申请公布号 | CN113628223A | 申请公布日 | 2021-11-09 |
| 分类号 | G06T7/11（2017.01）I;G06T5/00（2006.01）I;G06T17/00（2006.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;A61B6/00（2006.01）I;A61B6/03（2006.01）I;A61B6/14（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 郭艳凯;韦虎;孔令钧 | 申请（专利权）人 | 杭州隐捷适生物科技有限公司 |
| 代理机构 | 杭州君度专利代理事务所（特殊普通合伙） | 代理人 | 朱月芬 |
| 地址 | 310006浙江省杭州市下城区沈家路319号106室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的牙科CBCT三维牙齿分割方法。本发明对CBCT图像序列中每张图像中的牙齿进行语义分割，从而去除噪声；构建深度监督的编码‑解码网络用于口腔CT图像的去噪，编码和解码的子模块通过一系列嵌套的密集跳跃路径进行相互连接，降低编码和解码子模块中特征图的语义缺失；具体包括四个阶段：阶段一、牙科CBCT图像的收集和预处理；阶段二、模型训练集的构造；阶段三、构建编码‑解码结构的网络分割模型；阶段四、模型训练及评估。实验结果表明，本发明对个体三维牙齿分割的Dice相似系数为95.64％。结果表明，本发明提出的方法为数字化牙科提供了一种有效的临床应用框架。 |
