融合SAM分割引导的口腔CT种植体精确检测方法研究

黄 亚男
泸州职业技术学院

摘要


牙齿种植是治疗牙列缺损或者缺失的最佳方案，其手术成功率很大程度上取决于种植体的准确定位。传统种植手术规划时医生要花费大量的时间来分析CBCT和口腔扫描的数据，而且很容易因为CT图像中的软组织干扰而产生定位误差。随着人工智能技术在医疗领域的深入发展，深度学习给口腔种植体检测提供了新的解决办法。本文提出了一个多阶段自动定位种植牙位置的框架。该框架整合了CT图像预处理、种植牙区域感兴趣区（ROI）裁剪、齿体分割和种植牙位置定位等过程，最终实现了高精度的种植体定位。具体而言，该框架首先基于SAM构建针对口腔CT图像的分割模型，获取牙齿边缘信息。然后为精准定位种植体位置，先对牙齿分割的边缘信息进行特征融合，再通过构建的种植体检测网络，用分割信息优化种植体检测精度。实验结果表明该方法能最大限度的利用牙齿边缘信息限制预测种植体位置范围且不易受CT图像模糊影响。

关键词


口腔CT；种植体检测；SAM模型；图像分割；特征融合

全文:

PDF


参考


[1]S. Kurt Bayrakdar, K. Orhan, I. S. Bayrakdar, E. Bilgir, M. Ezhov, M. Gusarev, E. Shumilov, A deep learning approach for dental implant planning in cone-beam computed tomography images, BMC Medical Imaging 21 (1) (2021) 86.

[2]M. Widiasri, A. Z. Arifin, N. Suciati, C. Fatichah, E. R. Astuti, R. Indraswari, R. H. Putra, C. Za’in, Dental-yolo: Alveolar bone and mandibular canal detection on cone beam computed tomography images for dental implant planning, IEEE Access 10 (2022) 101483-101494.

[3]陈晓军.“数字医学”的若干关键技术研究-医学图像处理、计算机辅助于术规划、个性化医疗辅具CAD/CAM与手术导航[D].上海：上海交通达学，2008.

[4]吴婷，廖文和，戴宁，等.口腔种植导板计算机辅助技术研究[J].生物医学工程学杂志，2011，28（01）：1-6.

[5]刘云峰，徐俊华，董星涛，等.实现精确种牙的现代设计与制造技术[J].机械工程学报，2010，46（05）：150-157.

[6]Chartrand G, Cheng PM, Vorontsov E, Drozdzal M, Turcotte S, Pal CJ, et al. Deep learning: a primer for radiologists. Radiographics. 2017;37:2113-31.

[7]Han X. MR-based synthetic CT generation using a deep convolutional neural network method. Med Phys. 2017;44:1408-19.


Refbacks

  • 当前没有refback。