【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及數(shù)據(jù)識(shí)別，特別是涉及一種牙槽骨骨折檢測(cè)系統(tǒng)、設(shè)備、介質(zhì)及程序產(chǎn)品。
技術(shù)介紹
1、近年來(lái)，智能算法，如深度學(xué)習(xí)、圖像分割模型等，在醫(yī)學(xué)影像診斷中取得顯著進(jìn)展，但在牙槽骨骨折的精準(zhǔn)診斷中仍面臨以下技術(shù)瓶頸。
2、（1）復(fù)雜骨折形態(tài)的適應(yīng)性不足。
3、（1-1）現(xiàn)有模型，如卷積神經(jīng)網(wǎng)絡(luò)、mask?r-cnn（mask?region-basedconvolutional?neural?network，用于目標(biāo)檢測(cè)和實(shí)例分割的深度學(xué)習(xí)模型），多基于規(guī)則形狀目標(biāo)設(shè)計(jì)，對(duì)牙槽骨骨折的細(xì)長(zhǎng)、多分支、低對(duì)比度骨折線分割精度有限。例如，粉碎性骨折的分支檢測(cè)常因特征丟失導(dǎo)致斷裂（假陰性率>15%）。
4、（1-2）三維分割中，傳統(tǒng)模型（如三維卷積神經(jīng)網(wǎng)絡(luò)），依賴局部上下文，難以建模長(zhǎng)距離骨折線連續(xù)性，尤其在cbct（cone?beam?ct，錐形束ct）層間分辨率不足時(shí)，易產(chǎn)生“階梯狀偽影”。
5、（2）小樣本與領(lǐng)域泛化挑戰(zhàn)。
6、（2-1）牙槽骨骨折影像數(shù)據(jù)稀缺且標(biāo)注成本高，現(xiàn)有方法依賴大規(guī)模標(biāo)注數(shù)據(jù)訓(xùn)練，在小樣本場(chǎng)景下（如罕見(jiàn)根周骨折）易過(guò)擬合，泛化性能顯著下降（跨中心測(cè)試準(zhǔn)確率下降20%-30%）。
7、（2-2）遷移學(xué)習(xí)雖可緩解數(shù)據(jù)不足，但預(yù)訓(xùn)練模型與醫(yī)學(xué)影像域差異大，特征空間對(duì)齊困難，導(dǎo)致模型對(duì)灰度分布、噪聲模式的適應(yīng)性差。
8、（3）形態(tài)-語(yǔ)義特征融合缺陷。
9、（3-1）多數(shù)研究?jī)H依賴端到端分割，缺乏對(duì)骨折形態(tài)（長(zhǎng)度、曲
10、（3-2）多模態(tài)特征（如灰度、紋理、空間坐標(biāo)）融合策略單一，傳統(tǒng)串聯(lián)或加權(quán)方式難以捕捉高階交互，限制分類(lèi)器判別能力。
11、（4）三維體積測(cè)量的誤差累積。
12、（4-1）現(xiàn)有體積計(jì)算多基于逐層二維掩膜累加，忽視層間連續(xù)性，對(duì)傾斜或螺旋狀骨折的體積低估可達(dá)10%-20%。
13、（4-2）部分容積效應(yīng)補(bǔ)償方法（如線性插值）在復(fù)雜骨折邊界處失效，區(qū)域生長(zhǎng)算法依賴固定閾值，難以自適應(yīng)不同患者的骨密度差異。
技術(shù)實(shí)現(xiàn)思路
1、為了解決上述問(wèn)題，本專(zhuān)利技術(shù)提出了一種牙槽骨骨折檢測(cè)系統(tǒng)、設(shè)備、介質(zhì)及程序產(chǎn)品，精準(zhǔn)定位骨折線，自動(dòng)區(qū)分骨折類(lèi)型，計(jì)算骨折區(qū)域體積，顯著提高診斷的客觀性、準(zhǔn)確性和效率。
2、為了實(shí)現(xiàn)上述目的，本專(zhuān)利技術(shù)采用如下技術(shù)方案：
3、第一方面，本專(zhuān)利技術(shù)提供一種牙槽骨骨折檢測(cè)系統(tǒng)，包括：
4、特征提取模塊，被配置為對(duì)獲取的口腔影像數(shù)據(jù)提取多尺度特征，由此分割得到骨折區(qū)域和牙根區(qū)域；
5、類(lèi)型識(shí)別模塊，被配置為對(duì)骨折區(qū)域提取中心線，沿中心線逐體素累加三維歐氏距離得到骨折線長(zhǎng)度，將中心線表示為弧長(zhǎng)的函數(shù)后計(jì)算全局平均曲率，檢測(cè)骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量，計(jì)算骨折區(qū)域與牙根區(qū)域的最小距離，由此根據(jù)骨折線長(zhǎng)度、全局平均曲率、分支點(diǎn)數(shù)量以及骨折區(qū)域與牙根區(qū)域的最小距離，識(shí)別骨折類(lèi)型；
6、體積計(jì)算模塊，被配置為以骨折區(qū)域的質(zhì)心為種子點(diǎn)，并確定種子點(diǎn)灰度值，將屬于原始骨折區(qū)域的鄰域擴(kuò)展區(qū)域且灰度值與種子點(diǎn)灰度值的差值滿足設(shè)定閾值的新增體素合并至原始骨折區(qū)域中，得到優(yōu)化后的骨折區(qū)域，對(duì)優(yōu)化后的骨折區(qū)域計(jì)算區(qū)域體積。
7、作為可選擇的實(shí)施方式，所述特征提取模塊中，提取多尺度特征的過(guò)程中，對(duì)每個(gè)特征層計(jì)算自適應(yīng)權(quán)重：
8、；
9、其中，是第步口腔影像數(shù)據(jù)的第層特征圖；和分別是第層特征圖的均值和標(biāo)準(zhǔn)差；是平滑因子；是第步第層特征的自適應(yīng)權(quán)重；為中每個(gè)體素的空間位置；
10、基于自適應(yīng)權(quán)重進(jìn)行多尺度特征融合：
11、；
12、其中，是融合特征，是特征總層數(shù)。
13、作為可選擇的實(shí)施方式，所述類(lèi)型識(shí)別模塊中，骨折線長(zhǎng)度為：
14、；
15、其中，為第個(gè)中心線體素的坐標(biāo)；為第個(gè)中心線體素的坐標(biāo)；為中心線總體素?cái)?shù)。
16、作為可選擇的實(shí)施方式，所述類(lèi)型識(shí)別模塊中，計(jì)算全局平均曲率的過(guò)程包括：將中心線表示為弧長(zhǎng)的函數(shù)，全局平均曲率為：
17、；
18、其中，為函數(shù)一階導(dǎo)數(shù)；為函數(shù)二階導(dǎo)數(shù)；為中心線總體素?cái)?shù)。
19、作為可選擇的實(shí)施方式，所述類(lèi)型識(shí)別模塊中，檢測(cè)骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量的過(guò)程包括：遍歷中心線上的骨架點(diǎn)，判斷當(dāng)前骨架點(diǎn)的鄰域內(nèi)是否存在大于設(shè)定閾值個(gè)數(shù)的連通方向，如果存在，則將當(dāng)前骨架點(diǎn)視為分支點(diǎn)，由此確定骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量。
20、作為可選擇的實(shí)施方式，所述類(lèi)型識(shí)別模塊中，識(shí)別骨折類(lèi)型的過(guò)程包括：
21、若滿足骨折線長(zhǎng)度大于或等于設(shè)定的長(zhǎng)度閾值，且全局平均曲率小于或等于設(shè)定的第一曲率閾值，且分支點(diǎn)數(shù)量小于或等于設(shè)定的第一數(shù)量閾值，則為線性骨折；
22、若滿足分支點(diǎn)數(shù)量大于或等于設(shè)定的第二數(shù)量閾值，或者全局平均曲率大于設(shè)定的第二曲率閾值，則為粉碎性骨折；
23、若滿足骨折區(qū)域與牙根區(qū)域的最小距離小于距離閾值，則為根周骨折。
24、作為可選擇的實(shí)施方式，所述體積計(jì)算模塊中，質(zhì)心坐標(biāo)為；其中，為骨折區(qū)域二值掩膜中所有骨折體素的坐標(biāo)，為骨折區(qū)域中所有骨折體素的總數(shù)量；
25、新增體素被合并的條件為：滿足；其中，為種子點(diǎn)灰度值，容差，鄰域表示原始骨折區(qū)域的鄰域擴(kuò)展區(qū)域；
26、區(qū)域體積為：
27、；
28、其中，為原始骨折區(qū)域中第層體素的橫截面積；為口腔影像數(shù)據(jù)層間距；為新增體素體積，m為新增體素個(gè)數(shù)。
29、第二方面，本專(zhuān)利技術(shù)提供一種電子設(shè)備，包括存儲(chǔ)器和處理器以及存儲(chǔ)在存儲(chǔ)器上并在處理器上運(yùn)行的計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器運(yùn)行時(shí)，完成牙槽骨骨折檢測(cè)方法，所述牙槽骨骨折檢測(cè)方法包括：
30、對(duì)獲取的口腔影像數(shù)據(jù)提取多尺度特征，由此分割得到骨折區(qū)域和牙根區(qū)域；
31、對(duì)骨折區(qū)域提取中心線，沿中心線逐體素累加三維歐氏距離得到骨折線長(zhǎng)度，將中心線表示為弧長(zhǎng)的函數(shù)后計(jì)算全局平均曲率，檢測(cè)骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量，計(jì)算骨折區(qū)域與牙根區(qū)域的最小距離，由此根據(jù)骨折線長(zhǎng)度、全局平均曲率、分支點(diǎn)數(shù)量以及骨折區(qū)域與牙根區(qū)域的最小距離，識(shí)別骨折類(lèi)型；
32、以骨折區(qū)域的質(zhì)心為種子點(diǎn)，并確定種子點(diǎn)灰度值，將屬于原始骨折區(qū)域的鄰域擴(kuò)展區(qū)域且灰度值與種子點(diǎn)灰度值的差值滿足設(shè)定閾值的新增體素合并至原始骨折區(qū)域中，得到優(yōu)化后的骨折區(qū)域，對(duì)優(yōu)化后的骨折區(qū)域計(jì)算區(qū)域體積。
33、第三方面，本專(zhuān)利技術(shù)提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)，完成牙槽骨骨折檢測(cè)方法，所述牙槽骨骨折檢測(cè)方法包括：
34、對(duì)獲取的口腔影像數(shù)據(jù)提取多尺度特征，由此分割得到骨折區(qū)域和牙根區(qū)域；
35、對(duì)骨折區(qū)域提取中心線，沿中心線本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，包括：
2.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述特征提取模塊中，提取多尺度特征的過(guò)程中，對(duì)每個(gè)特征層計(jì)算自適應(yīng)權(quán)重：
3.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述類(lèi)型識(shí)別模塊中，骨折線長(zhǎng)度為：
4.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述類(lèi)型識(shí)別模塊中，計(jì)算全局平均曲率的過(guò)程包括：將中心線表示為弧長(zhǎng)的函數(shù)，全局平均曲率為：
5.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述類(lèi)型識(shí)別模塊中，檢測(cè)骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量的過(guò)程包括：遍歷中心線上的骨架點(diǎn)，判斷當(dāng)前骨架點(diǎn)的鄰域內(nèi)是否存在大于設(shè)定閾值個(gè)數(shù)的連通方向，如果存在，則將當(dāng)前骨架點(diǎn)視為分支點(diǎn)，由此確定骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量。
6.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述類(lèi)型識(shí)別模塊中，識(shí)別骨折類(lèi)型的過(guò)程包括：
7.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述體積計(jì)算模塊中，質(zhì)心坐標(biāo)為；其中，為骨折區(qū)域二值掩膜中所有骨折體素
8.一種電子設(shè)備，其特征在于，包括存儲(chǔ)器和處理器以及存儲(chǔ)在存儲(chǔ)器上并在處理器上運(yùn)行的計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器運(yùn)行時(shí)，完成牙槽骨骨折檢測(cè)方法，所述牙槽骨骨折檢測(cè)方法包括：
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，用于存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)，完成牙槽骨骨折檢測(cè)方法，所述牙槽骨骨折檢測(cè)方法包括：
10.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)完成牙槽骨骨折檢測(cè)方法，所述牙槽骨骨折檢測(cè)方法包括：
...【技術(shù)特征摘要】
1.一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，包括：
2.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述特征提取模塊中，提取多尺度特征的過(guò)程中，對(duì)每個(gè)特征層計(jì)算自適應(yīng)權(quán)重：
3.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述類(lèi)型識(shí)別模塊中，骨折線長(zhǎng)度為：
4.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述類(lèi)型識(shí)別模塊中，計(jì)算全局平均曲率的過(guò)程包括：將中心線表示為弧長(zhǎng)的函數(shù)，全局平均曲率為：
5.如權(quán)利要求1所述的一種牙槽骨骨折檢測(cè)系統(tǒng)，其特征在于，所述類(lèi)型識(shí)別模塊中，檢測(cè)骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量的過(guò)程包括：遍歷中心線上的骨架點(diǎn)，判斷當(dāng)前骨架點(diǎn)的鄰域內(nèi)是否存在大于設(shè)定閾值個(gè)數(shù)的連通方向，如果存在，則將當(dāng)前骨架點(diǎn)視為分支點(diǎn)，由此確定骨折區(qū)域內(nèi)的分支點(diǎn)數(shù)量。
6.如權(quán)利要求1所...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：趙顯，馬偉康，劉治，金作林，馬艷寧，
申請(qǐng)(專(zhuān)利權(quán))人：山東大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。