摘要

本文介绍了一种高效的方法，用于从锥形束计算机断层扫描（CBCT）图像中自动识别和提取牙齿的三维边界框。该方法对于分析牙科病理至关重要，特别是在处理填充物和其他修复体引入的伪影时。论文提出的解决方案通过将三维图像分割成轴向切片进行图像检测，使用单阶段对象检测器定位和标记牙齿，并随后绘制边界框以创建每个牙齿的三维表示。该方法已成功集成到牙科分析工具Dentomo中。

原理

论文的核心在于提出了一种三阶段的牙齿检测、识别和重建算法。首先，将三维CBCT图像分割成等距的轴向切片，使用深度学习模型在每个切片中检测和分类牙齿。其次，通过匈牙利算法匹配和合并二维边界框，生成三维牙齿模型。最后，通过图基算法处理由于牙齿分割不足导致的伪影，确保牙齿边界的准确划分。这种方法通过一系列基于启发式的惩罚，为每个节点分配权重，帮助追踪咬合空间分割边界，从而生成包含单个牙齿模型的三维边界框。

流程

1. 图像分割：将CBCT图像分割成等距的轴向切片。
2. 牙齿检测与分类：使用基于YOLOv7的单阶段深度学习模型在每个轴向切片中检测和分类牙齿。
3. 三维边界框生成：通过匈牙利算法匹配二维边界框，生成三维牙齿模型。
4. 伪影处理：使用图基算法处理由于牙齿分割不足导致的伪影，确保牙齿边界的准确划分。
5. 结果输出：输出包含识别牙齿和周围上下文的三维边界框。

应用

该方法的应用前景广泛，特别是在牙科影像分析领域。它可以用于自动诊断牙科疾病，如牙周病、龋齿等，并辅助牙科医生进行精确的治疗规划。此外，该技术还可以扩展到口腔外科、正畸学等领域，提高诊断的准确性和效率。