33、CBCT牙根图像分割与高效表情识别研究

CBCT牙根图像分割与高效表情识别研究

1. CBCT牙根图像分割

口腔内部扫描设备只能扫描牙龈外的牙冠部分，三分之二的牙根无法重建3D模型，而牙根的3D模型对牙医来说非常重要。过去通过手动绘制CBCT牙根边缘来重建牙根模型，效率低且成本高。因此，建立更快速准确的牙根分割方法是重建牙根3D模型的关键。

1.1 研究背景

近年来，人体组织和器官的可视化技术成为计算机辅助诊断的重要工具。牙齿的CT图像包含牙冠和牙根的丰富信息，为重建完整牙齿模型提供了可靠数据。牙齿分割是重建牙齿模型的重要步骤，对于临床手术，如正畸手术、种植牙手术和根管治疗等，牙齿形状和牙根具体位置等信息很重要，但这些信息过去常通过手动测量获取，耗时且精度不高。所以，获取牙齿的三维数字模型有助于提高口腔诊断和手术的准确性及成功率，而基于CBCT图像的牙齿分割是一项具有挑战性的任务，存在以下困难：
- 牙冠部分：相邻牙齿粘连，牙缝小，相邻牙齿的公共边界消失。
- 牙根部分：图像噪声强，牙根与牙槽骨对比度低，牙齿边界模糊不连续。
- 牙根和牙冠部分的牙齿轮廓灵活，可能分裂成几个部分。

目前，卷积神经网络（CNN）在多种计算机视觉任务中表现出色，因此可以用深度学习方法解决CBCT牙齿图像分割问题。

1.2 相关工作

随着卷积神经网络的快速发展，语义分割问题取得了很大进展。与早期基于CNN的语义分割方法不同，大多数现有分割模型使用全卷积网络架构，避免了使用重叠图像块带来的重复存储和冗余卷积计算。典型卷积网络架构中，卷积层后常跟池化层，可快速增加感受野大小但降低输出图分辨率，可使用双线性插值或学习反卷积滤波器使网络输出与输入大小相同