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。该方法的核心在于通过将三维图像分割成轴向切片，利用单阶段物体检测器定位和标记牙齿，进而绘制边界框并生成每个牙齿的三维表示。此解决方案已成功集成到牙科分析工具Dentomo中，为牙科病理分析提供了自动化的高效工具。

原理

该论文提出的方法通过三个主要步骤实现牙齿的自动检测、识别和分割：首先，将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，针对因牙齿分离不足导致的伪影，采用基于图的方法计算牙齿分割边界，通过一系列基于启发式的惩罚措施为每个节点分配权重，从而准确地描绘牙齿边界。

流程

1. 图像分割：将三维CBCT图像分割成多个轴向切片。
2. 牙齿检测与分类：在每个轴向切片中，使用基于YOLOv7的单阶段深度学习模型检测和分类牙齿。
3. 三维模型重建：通过匹配和合并二维边界框，构建每个牙齿的三维模型。
4. 伪影校正：对于因牙齿分离不足导致的伪影，采用图基方法进行分割校正。

应用

该方法不仅提高了牙科诊断的效率和准确性，还为牙科病理学研究提供了新的工具。未来，该技术可进一步应用于口腔健康监测、个性化治疗计划制定等领域，具有广泛的应用前景。