Skip to content

Latest commit

 

History

History
60 lines (27 loc) · 2.86 KB

File metadata and controls

60 lines (27 loc) · 2.86 KB

CBCT-interactive-segmentation-tool-based-on-MITK

介绍

基于MITK的口腔CBCT牙齿交互式分割工具。

本工作调研了深度学习在医学图像分割领域的研究现状,抓住口腔医疗手术规划流程长、医师专业水平依赖性高的痛点,设计实现了口腔 CBCT 交互式分割工具,用于牙齿正畸等下游任务。

具体工作包括:基于 MITK 开源软件开发了交互式插件,对输入的口腔 CBCT 采用自动+手动调整的方式生成口腔全景图,并在全景图上通过手动框选抽取出单颗牙齿 ROI;基于 nnUNet 框架构建了牙齿分割数据集,并在 Ubuntu 环境下训练得到牙齿分割模型。

经过测试,训练过程 Dice 达到 94%,预测结果可以重建出精度较高的三维牙齿模型。

实现方法

主要参考了这篇论文的流程:

《A fully automated method for 3D individual tooth identification and segmentation in dental CBCT》

https://ieeexplore.ieee.org/abstract/document/9445658

本工作流程图如下,主要包括三部分内容:(1)CBCT口腔全景图生成;(2)基于全景图的牙齿ROI提取;(3)基于nnU-Net的牙齿分割。本工作将前两点内容整合到了MITK插件中,第三点内容要使用Ubuntu操作系统,因此暂时没有整合到插件。

口腔全景图生成

基于CBCT生成口腔全景图,大致分为两步:第一步从CBCT中提取出牙弓线,来表示牙齿的排列;第二步,基于牙弓线,考虑牙齿厚度插值生成全景图。下图是本方法处理流程,分成了5部分。

牙齿ROI提取

基于全景图的牙齿ROI提取,大致分为两步:第一步,在全景图上框选单颗牙齿,获得宽松ROI;第二步,基于宽松ROI,投影分割+手动调整得到紧密ROI。下图是本方法处理流程,分为三部分。

单颗牙齿分割

基于nnU-Net的深度学习牙齿分割,分为两步:第一步,处理训练数据;第二步,牙齿分割训练和预测。

功能展示

最后实现的MITK插件界面如下:

全口牙分割完成之后的展示效果(itk-snap三维重建后展示):

本工作MITK部分的插件代码在文件夹org.mitk.panorama下,可以集成到MITK框架中使用。注意需要修改代码中的数据路径,并且需要手动添加ITK,VTK头文件和库文件。