Nothing Special   »   [go: up one dir, main page]

CN113506302B - 一种交互式对象更新方法、装置及处理系统 - Google Patents

一种交互式对象更新方法、装置及处理系统 Download PDF

Info

Publication number
CN113506302B
CN113506302B CN202110851785.3A CN202110851785A CN113506302B CN 113506302 B CN113506302 B CN 113506302B CN 202110851785 A CN202110851785 A CN 202110851785A CN 113506302 B CN113506302 B CN 113506302B
Authority
CN
China
Prior art keywords
sub
image
segmented
objects
segmented image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110851785.3A
Other languages
English (en)
Other versions
CN113506302A (zh
Inventor
王志勇
冯胜
晏开云
李胜军
张伊慧
王正伟
刘志刚
闫超
胡友章
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Boltzmann Zhibei Technology Co ltd
Sichuan Jiuzhou Electric Group Co Ltd
Original Assignee
Chengdu Boltzmann Zhibei Technology Co ltd
Sichuan Jiuzhou Electric Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Boltzmann Zhibei Technology Co ltd, Sichuan Jiuzhou Electric Group Co Ltd filed Critical Chengdu Boltzmann Zhibei Technology Co ltd
Priority to CN202110851785.3A priority Critical patent/CN113506302B/zh
Publication of CN113506302A publication Critical patent/CN113506302A/zh
Application granted granted Critical
Publication of CN113506302B publication Critical patent/CN113506302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20152—Watershed segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种交互式对象更新方法、装置及处理系统，属于图像处理技术领域，解决了现有分割方法中存在局部分割错误等问题。方法包括：检索参考图像和与参考图像相对应的分割图像，参考图像为CBCT图像；从分割图像中提取不合格子对象，不合格子对象包括分割图像的子对象切片与参考图像中正确的牙齿走向不一致的子对象；对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象；以及将更新的合格子对象和分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新重新分割图像中的各个子对象的编号，其中，更新的重新分割图像中的不同牙齿具有不同编号。通过局部分割和/或合并操作大幅度提高了分割速度和准确性。

Description

一种交互式对象更新方法、装置及处理系统
技术领域
本发明涉及图像处理技术领域，尤其涉及一种交互式对象更新方法、装置及处理系统。
背景技术
牙齿锥束计算机断层扫描(CBCT)是一种诊断成像技术，被广泛用于牙科疾病和牙科问题的研究。CBCT图像中单颗牙齿的分割有助于牙医观察目标牙齿的切片或体积，从而实现更精确的诊断决策和治疗计划。此外，单颗牙齿分割是形成数字牙齿排列、模拟牙齿运动并建立牙齿设置的必要步骤。但是，手动分割牙齿很繁琐、耗时且容易导致观察者内和观察者之间的差异。一种自动分割单颗牙齿的方法可以消除牙齿边界描绘中的主观误差，并减少牙医的工作量。
随着深度学习的发展，数据驱动方法已在许多图像处理领域中使用，并产生了可喜的结果。然而，直到最近，还没有提出使用深度学习对CBCT图像中的单颗牙齿进行分割的方法。Cui等人利用3D mark R-CNN作为基础网络来实现自动牙齿分割和CBCT图像识别，该方法仅关注不包含智齿的牙齿数据集(Z.Cui,C.Li,and W.Wang,“ToothNet:AutomaticTooth Instance Segmentation and Identification from Cone Beam CT Images,”inConference on Computer Vision and Pattern Recongnition(CVPR),CA,USA,2019,pp.6368 6377.)。考虑到患者的牙齿数量和类别不同，在口腔环境中将单颗牙齿分割而不忽略任何牙齿在临床应用中将是有益的。Chen等人使用全卷积网络(FCN)来预测牙齿区域和非牙区域，然后通过控制标记符分水岭算法从牙齿区域中分割出单颗牙齿，从而实现牙齿CBCT图像中的单颗牙齿分割(Y.Chen,H.Du,Z.Yun.et al；“Automatic segmentation ofindividual tooth in dental CBCT images from tooth surface map by a multi-taskFCN”,in IEEE Access,vol.8,pp.97296-97309,2020.)，但是Chen等人的分水岭算法过于简单，无法考虑各种类型和各种数量的牙齿；此外，该分水岭算法的精度也无法满足实际应用需求。
分水岭算法是一种常用的图像分割方法，在实际临床使用中，为了保证分水岭算法的泛化性和时效性，分水岭算法会被调参为适用大多CBCT数据的普适性算法。但是考虑到牙齿数量、形态、位置等复杂性，当分水岭算法中边界信息不够精准、牙齿残缺、牙齿修补以及牙齿边界有残留异物时，容易导致普适性分水岭算法应用于牙齿实例分割时发生局部分割错误。因此，为了牙齿实例分割的精确性，如何对局部牙齿中出现的错误进行修正，面临着巨大难题。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种交互式对象更新方法、装置及处理系统，用以解决现有分割方法中存在局部分割错误等问题。
一方面，本发明实施例提供了一种交互式对象更新方法，包括：检索参考图像和与所述参考图像相对应的分割图像，其中，所述参考图像为CBCT图像；从所述分割图像中提取不合格子对象，其中，所述不合格子对象包括所述分割图像的子对象切片与所述参考图像中正确的牙齿走向不一致的子对象；对所述不合格子对象进行二次分割和/或合并操作，并且将所述不合格子对象更新为合格子对象；以及将所述更新的合格子对象和所述分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新所述重新分割图像中的各个子对象的编号，其中，更新的所述重新分割图像中的不同牙齿具有不同编号。
上述技术方案的有益效果如下：根据本发明实施例的交互式对象更新方法中，分割图像为根据CBCT图像进行模型重建得到的3D牙齿的图像。通过提取不合格子对象，能够对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象，仅需要对错误分割区域中的不合格子对象进行局部二次分割操作或者合并操作，而不需要对整个分割图像进行整体分割和/或合并操作，大幅度提高了分割和/或合并操作的速度和效率。然后将更新的合格子对象和分割图像中剩余的合格子对象整合为重新分割图像并更新其编号，能够修正分割图像中的分割错误，通过局部分割或者合并操作能够提高牙齿分割和/或合并操作的准确性。
基于上述方法的进一步改进，对所述不合格子对象进行二次分割和/或合并操作包括：当将所述参考图像中的两颗牙齿分割为所述分割图像中的单颗牙齿或者将所述参考图像中的两颗颗牙齿分割为所述分割图像中的两颗牙齿但存在分割错误时，将所述至少一个不合格子对象分割为至少两个子对象，以获得输出分割图像；和/或当将所述参考图像中的单颗牙齿分割为所述分割图像中的两颗牙齿时，将至少两个不合格子对象合并为一个子对象以获得输出合并图像。
基于上述方法的进一步改进，将所述至少一个不合格子对象分割为至少两个子对象进一步包括：对所述至少一个不合格子对象进行二值化处理以获得牙齿二值图像；对所述二值图像中的不合格子对象进行空缺像素填充处理；根据填充处理的二值图像提取前景标记、背景标记，并获得边界梯度，其中，将牙根的一部分或者牙冠的一部分设置为前景标记；以及将所述前景标记、所述背景标记和所述边界梯度作为所述分水岭算法的输入参数，生成所述输出分割图像。
基于上述方法的进一步改进，所述空缺像素填充处理包括将所述不合格子对象内部出现的非目标区域转换为目标区域，其中，所述非目标区域为连通区域；以及所述非目标区域中的所有像素都不属于所述不合格子对象。
上述技术方案的有益效果如下：通过将不合格子对象内部出现的非目标区域转换为目标区域，其中，非目标区域中的所有像素都不属于所述不合格子对象，能够消除二次分割的干扰，提高接下来对不合格子对象进行局部二次分割操作的准确性。
基于上述方法的进一步改进，将所述不合格子对象内部出现的非目标区域转换为目标区域进一步包括：将所述非目标区域标记为与所述不合格子对象相同。
基于上述方法的进一步改进，将至少两个不合格子对象合并为一个子对象以获得输出合并图像进一步包括：将所述至少两个不合格子对象的编号设置为相同编号，使得将所述至少两个不合格子对象合并为一个子对象以获得所述输出合并图像。
基于上述方法的进一步改进，更新所述重新分割图像中的各个子对象的编号进一步包括：将所述重新分割图像中的各个子对象的编号设置为与所述剩余的合格子对象中的任一个的编号不同，其中，所述重新分割图像包括所述输出合并图像和所述输出分割图像。
另一方面，本发明实施例提供了一种交互式对象更新装置，包括：检索模块，用于检索参考图像和与所述参考图像相对应的分割图像；提取模块，用于从所述分割图像中提取不合格子对象，其中，所述不合格子对象包括所述分割图像的子对象切片与所述参考图像中正确的牙齿走向不一致的子对象；重新分割模块，用于对所述不合格子对象进行二次分割和/或合并操作，并且将所述不合格子对象更新为合格子对象；以及整合更新模块，用于将所述更新的合格子对象和所述分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新所述重新分割图像中的各个子对象的编号，其中，更新的所述重新分割图像中的不同牙齿具有不同编号。
又一方面，本发明实施例提供了一种交互式对象更新处理系统，包括：用户输入设备，被配置为输入参考图像和分割图像；处理器，被配置为执行上述实施例所述的交互式对象更新方法；显示器，配置为显示所述参考图像的视图、所述分割图像的视图、所述分割图像在所述参考图像上的投影视图、需要重新分割的子对象的视图；存储器，用于存储参考图像数据集和分割数据集，其中，所述参考图像数据集包含至少一个参考图像，以及所述分割图像数据集包括至少一个分割图像。
基于上述系统的进一步改进，交互式对象更新处理系统还包括工具箱，用于以推、拉、转动或缩放的方式调节三维模型或二维图像。
与现有技术相比，本发明至少可实现如下有益效果之一：
1、通过提取不合格子对象，能够对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象，仅需要对错误分割区域中的不合格子对象进行局部分割操作或者合并操作，而不需要对整个分割图像进行整体分割和/或合并操作，大幅度提高了分割和/或合并操作的速度和效率。然后将更新的合格子对象和分割图像中剩余的合格子对象整合为重新分割图像并更新其编号，能够修正分割图像中的分割错误，提高牙齿分割的准确性。
2、通过将不合格子对象内部出现的非目标区域转换为目标区域，其中，非目标区域中的所有像素都不属于所述不合格子对象，能够消除二次分割的干扰，提高接下来对不合格子对象进行局部二次分割操作的准确性。
3、在交互式对象更新方法的运行中交互地执行对象分割，以及将分割效果或合并效果可视化。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为根据本发明实施例的交互式对象更新方法的流程图。
图2为本发明实施例中的包含3个切片的参考图像的示意图。
图3为本发明实施例中的分割图像的示意图。
图4为本发明实施例中的分割图像匹配到参考图像上的示意图。
图5为本发明实施例中重新分割的子对象的更新方法示意图。
图6为根据本发明实施例的交互式对象更新装置的框图。
图7为本发明实施例中交互式对象更新处理系统的示意图。
图8为根据本发明实施例的牙齿图像分割方法的流程图。
图9为根据本发明实施例的输入对象的示意图。
图10a为根据本发明实施例的牙齿结构修正示意图。
图10b为根据本发明实施例的三维牙齿的独立子区域的示意图。
图10c为根据本发明实施例的二维牙齿切片的独立子区域的示意图。
图11为根据本发明实施例的单颗牙齿对应的前景标记的示意图。
图12为根据本发明实施例的二维的背景标记和牙齿梯度的示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
本发明的一个具体实施例，公开了一种交互式对象更新方法。参考图1，交互式对象更新方法包括：步骤S102，检索参考图像和与参考图像相对应的分割图像，其中，参考图像为CBCT图像，以及分割图像为根据CBCT图像进行模型重建得到的3D牙齿的图像；步骤S104，从分割图像中提取不合格子对象，其中，不合格子对象包括分割图像的子对象切片与参考图像中正确的牙齿走向不一致的子对象；步骤S106，对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象；以及步骤S108，将更新的合格子对象和分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新重新分割图像中的各个子对象的编号，其中，更新的重新分割图像中的不同牙齿具有不同编号。
与现有技术相比，本实施例提供的交互式对象更新方法中，分割图像为根据CBCT图像进行模型重建得到的3D牙齿的图像。通过提取不合格子对象，能够对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象，仅需要对错误分割区域中的不合格子对象进行局部二次分割操作或者合并操作，而不需要对整个分割图像进行整体分割和/或合并操作，大幅度提高了分割和/或合并操作的速度和效率。然后将更新的合格子对象和分割图像中剩余的合格子对象整合为重新分割图像并更新其编号，能够修正分割图像中的分割错误，通过局部分割或者合并操作能够提高牙齿分割和/或合并操作的准确性。
下文中，参考图1至图5，对交互式对象更新方法的各个步骤进行详细描述。
步骤S102，检索参考图像和与参考图像相对应的分割图像，其中，参考图像为CBCT图像以及分割图像为根据CBCT图像进行模型重建得到的3D牙齿的图像。具体地，CBCT图像是一个三维数据，其通过CT设备采集，也是本发明实施例中的参考图像；3D牙齿是通过CBCT图像重建得到的三维数据，目前主流的3D牙齿重建方法为深度学习，3D牙齿是本发明实施例中的分割图像。CBCT图像和3D牙齿具有相同的数据大小且空间位置一一对应。在显示软件中可以在三个2D空间中观察CBCT图像切片和3D牙齿切片信息，每一个切片都是一个2D图像，一般地3D牙齿切片叠加到CBCT图像切片上显示且3D牙齿切片透明度可调整。
步骤S104，从分割图像中提取不合格子对象，其中，不合格子对象包括分割图像的子对象切片与参考图像中正确的牙齿走向不一致的子对象。具体地，不合格子对象包括：参考图像中的单颗牙齿分割为分割图像中的两颗牙齿；参考图像中的两颗牙齿分割为分割图像中的两颗牙齿但存在分割错误；以及参考图像中的单颗牙齿分割为分割图像中的两颗牙齿。例如，图3中的子对象202和204在图4切片S1中对应的切片分别为子对象切片302和304。用户发现子对象切片302和304与图2的参考图像100中正确的牙齿走向并不一致，此时用户将子对象202和204定义为不合格子对象。
步骤S106，对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象。具体地，对不合格子对象进行二次分割和/或合并操作包括：当将参考图像中的两颗牙齿分割为分割图像中的单颗牙齿或者将参考图像中的两颗颗牙齿分割为分割图像中的两颗牙齿但存在分割错误时，将至少一个不合格子对象分割为至少两个子对象，以获得输出分割图像；或者当将参考图像中的单颗牙齿分割为分割图像中的两颗牙齿时，将至少两个不合格子对象合并为一个子对象以获得输出合并图像。
将至少一个不合格子对象分割为至少两个子对象进一步包括：对至少一个不合格子对象进行二值化处理以获得牙齿二值图像；对二值图像中的不合格子对象进行空缺像素填充处理；根据填充处理的二值图像提取前景标记、背景标记，并获得边界梯度，其中，将牙根的一部分或者牙冠的一部分设置为前景标记；以及将前景标记、背景标记和边界梯度作为分水岭算法的输入参数，生成输出分割图像。空缺像素填充处理包括将不合格子对象内部出现的非目标区域转换为目标区域，其中，非目标区域为连通区域，例如，4连通区域或8连通区域；以及非目标区域中的所有像素都不属于不合格子对象。在实施例中，将不合格子对象内部出现的非目标区域转换为目标区域进一步包括：将非目标区域标记为与不合格子对象相同。
将至少两个不合格子对象合并为一个子对象以获得输出合并图像进一步包括：将至少两个不合格子对象的编号设置为相同编号，使得将至少两个不合格子对象合并为一个子对象以获得输出合并图像。
步骤S108，将更新的合格子对象和分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新重新分割图像中的各个子对象的编号，其中，更新的重新分割图像中的不同牙齿具有不同编号。更新重新分割图像中的各个子对象的编号进一步包括：将重新分割图像中的各个子对象的编号设置为与剩余的合格子对象中的任一个的编号不同，其中，重新分割图像包括输出合并图像和输出分割图像。在具体实施例中，将输出合并图像中的各个子对象的编号设置为至少两个不合格子对象中的任一个的编号。例如，在二次分割操作的过程中，在将一颗牙齿分割为两颗牙齿的情况下，将输出分割图像中的各个子对象的编号设置为一个不合格子对象的编号和除一个不合格子对象(又称为未合格子对象)的编号和剩余的合格子对象的编号之外的编号。例如，在二次分割操作的过程中，在将两颗牙齿二次分割为两颗牙齿的情况下，将输出分割图像中的各个子对象的编号设置为两个不合格子对象的编号。
下文中，参考图2至图5，以具体实例的方式，对交互式对象更新方法进行详细描述。
交互式对象更新方法包括：检索参考图像和参考图像对应的分割图像；匹配分割图像到参考图像上；接收与至少一个未合格子对象的重新分割相关的输入；提取需要重新分割的子对象并更新为合格子对象；整合更新为合格子对象和分割图像中剩余的合格子对象为重新分割图像，并更新重新分割图像中的各个子对象的编号。
本发明的实施例中的交互式对象更新方法，分割图像为基于CBCT图像重建和分割得到的三维牙齿的分割图像，参考图像为前述CBCT图像。一个实施例中，基于CBCT图像重建和分割得到的三维牙齿的分割步骤为：通过基于V-NET网络的深度学习技术预测CBCT图像中牙齿区域；然后基于分水岭算法对牙齿区域进行分割得到三维牙齿的图像，即，上文中所述的分割图像。
图2示出了根据本发明实施例的包含3个切片的参考图像100。参考图像100为一个典型牙齿CBCT图像，在图2中，参考图像100包含了三个切片S1、S2和S3。
图3示出了根据本发明实施例的分割图像200。分割图像200包含多颗三维牙齿，每颗牙齿为一个子对象并具有唯一编号。
图4示出了根据本发明实施例中分割图像200匹配到参考图像100上的示意图。在发明实施例中，子对象202和204在图4切片S1中对应的切片分别为子对象切片302和304。用户发现子对象切片302和304与参考图像100中正确的牙齿走向并不一致，此时用户将子对象202和204定义为不合格子对象。
在本发明的一个实施例中，重新分割相关的输入包括子对象202和204在分割图像200中的编号，以及重新分割的子对象的更新方法500(图5所示)中的分割方法502。
图5为本发明实施例中重新分割的子对象的更新方法500，在一个实施例中，更新方法500包括分割方法502和合并方法504。分割方法502的实施过程具体包括在步骤506～步骤514中，实例合并504的实施过程包括在步骤516和步骤518中。
在步骤506中，对不合格子对象的切片进行二值化处理以获得二值图像。
在步骤508中，填充空缺像素是将子对象内部中出现的非目标区域变为目标区域，非目标区域是二维的或是三维的。在一个实施例中，非目标区域定义为子对象某个切片内部存在一个二维的4连通区域或8连通区域，该区域所有像素都不属于任何一个子对象，填充空缺像素是在某个方向的子对象的所有切片上进行。
在步骤510中，根据空缺像素填充的二值图像计算前景标记、背景标记和边界梯度。
在步骤512中，基于控制标记符的分水岭分割技术，对不合格对象进行重新分割。
在步骤414中，更新编号是指重新设定在512中或在516中得到的新子对象实例的编号，其中重新设定的编号的数值不能与分割图像中剩余的合格子对象编号值相同。
子对象实例202和204经过分割方法502后成为合格子对象和分割图像200中剩余的合格子对象合并为重新分割图像，并更新重新分割图像中的各个子对象的编号。
一种交互式对象更新装置允许分割图像200和需要重新分割的子对象的3D操作，其允许用户查看在参考图像100的多个平面中的分割图像200和需要重新分割的子对象的切片，而不是在仅一个平面中。
下文中，通过以下方法获得步骤S102中的分割图像。下文中，将对该获得步骤S102中的分割图像的方法进行详细描述。
下文中，参考图8至图12，对根据本发明实施例的牙齿图像分割方法的步骤S802至S810进行详细描述。
步骤S802，获取输入对象，输入对象是牙齿二值图像。通过CT设备采集CBCT图像(参考图9)，对CBCT图像进行二值化处理以获取牙齿的二值图像。输入对象900是一个三维对象，包括背景902和前景904，前景904由多颗牙齿组成，每颗牙齿为一个子对象。背景902以及前景904中每颗牙齿都有不同的编号值。此外，输入对象900具有三个方向：X、Y和Z，分别代表输入对象900的侧视、正视和俯视方向。
步骤S804，从输入对象中提取前景标记、背景标记，以及获得边界梯度。从输入对象中提取前景标记、背景标记，并获取边界梯度进一步包括：对牙齿二值图像进行多次形态学开运算、形态学腐蚀运算中的至少一种操作后获得多个独立牙齿区域，保留体积大于一定阈值条件的独立牙齿区域并编号，以获得前景标记。具体地，将子对象区域中的每颗牙齿的一部分设置为单颗牙齿子区域的前景标记1104，使得单颗牙齿与前景标记一一对应。参考图11，将单颗牙齿1102的中心区域设置为单颗牙齿子区域的前景标记，其中，该中心区域的形状与单颗牙齿的形状类似，但是该中心区域的尺寸小于单颗牙齿的尺寸。对牙齿二值图像进行形态学膨胀运算后并去除牙齿及膨胀区域，以获得背景标记。具体地，对每颗牙齿的单颗牙齿子区域进行生长操作以获得完整的单颗牙齿，对完整的单颗牙齿再次进行生长操作并去除生长后的牙齿区域，以获得背景标记以提高分割速度和准确度，具体地，背景标记1206为将图12的中间附图中除了剔除牙齿的区域(空白区域)之外的所有区域设置为背景标记。根据牙齿二值图像获得边界梯度1208(牙齿边界)，可选地，对牙齿灰度图像进行机器学习或深度学习获得边界梯度。例如，参考图9，图11和图12，根据前景904获取前景标记1104。根据前景904和背景902获取背景标记1206。前景标记1204具有不同的编号值。
步骤S806，将牙齿二值图像、前景标记、背景标记和边界梯度作为分水岭算法的输入参数，生成初始分割图像，使得初始分割图像中的不同牙齿具有不同的编号值。例如，参考图9、图11和图12，根据前景904、背景902、前景标记1104、背景标记1206和牙齿梯度1208获取单颗牙齿1102。分割后的单颗牙齿1102也具有不同编号值。
步骤S808，初始分割图像结合牙齿结构修正获得修正前景标记，将牙齿二值图像、修正前景标记、背景标记和边界梯度作为分水岭算法的输入参数，生成修正分割图像。初始分割图像结合牙齿结构修正获得修正前景标记进一步包括：对初始分割图像中相互接触牙齿进行一次或多次形态学开运算、形态学腐蚀运算中的至少一种形态学运算操作，在一次或多次形态学运算操作后进行牙齿结构修正，直到初始分割图像的相邻牙齿都不接触，获取修正前景标记。
步骤S810，对修正分割图像进行牙齿结构修正以获得输出分割图像。牙齿结构修正包括：三维牙齿结构修正和/或二维牙齿结构修正，其中，二维牙齿结构修正包括X方向的二维牙齿结构修正、Y方向的二维牙齿结构修正和Z方向的二维牙齿结构修正。
参考图10a和图10b，三维牙齿结构修正1002包括：步骤1006，从分割图像中获取三维的单颗牙齿，其中，分割图像包括初始分割图像和修正分割图像；步骤1008，获取单颗牙齿的三维连通区域，并从三维连通区域中选择体积小于体积阈值的子三维连通区域作为三维牙齿结构修正的独立子区域，其中，体积阈值为具有最大体积的子三维连通区域的体积；例如，当单颗牙齿的三维连通区域包括多个子三维连通区域时，将多个子三维连通区域中具有最大体积的子三维连通区域的体积定义为体积阈值。然后，将从三维连通区域中选择体积小于体积阈值的子三维连通区域作为三维牙齿结构修正的独立子区域。步骤1010，判断独立子区域是否与其他单颗牙齿接触，当独立子区域与其他单颗牙齿接触时，将独立子区域的编号值设置为具有最大接触面积的其他单颗牙齿的编号值。具体地，将独立子区域的编号值设置为具有最大接触面积的其他单颗牙齿的编号值还包括：计算在分割图像中的独立子区域与第一牙齿的子三维连通区域1018的第一接触面积并且计算在分割图像中的独立子区域1020与第二牙齿的子三维连通区域1022的第二接触面积；以及当第一接触面积大于第二接触面积时，将独立子区域的编号值设置为第一牙齿的编号值。
参考图10a和图10c，二维牙齿结构修正1004包括：步骤1012，从分割图像中获取二维的单颗牙齿切片，分割图像包括初始分割图像和修正分割图像；步骤1014，获取单颗牙齿切片的二维连通区域，并从二维连通区域中选择面积小于面积阈值的子二维连通区域作为二维牙齿结构修正的独立子区域。例如，当单颗牙齿的二维连通区域包括多个子二维连通区域时，将多个子二维连通区域中具有最大面积的子二维连通区域的面积定义为面积阈值。然后，将从二维连通区域中选择面积小于面积阈值的子二维连通区域作为二维牙齿结构修正的独立子区域。具体地，图10c为三维数据中的独立小区域示意图，示意图中有四颗牙齿切片，各自对应二维连通区域为：子二维连通区域1024、子二维连通区域1026、子二维连通区域1028、子二维连通区域1030和子二维连通区域1032。在实施例中，单颗牙齿包括子二维连通区域1032和子二维连通区域1028。将子二维连通区域1028的面积限定为面积阈值。子二维连通区域1032的面积低于面积阈值，则第三颗牙齿切片对应的子二维连通区域332是独立小区域(又称为独立子区域)。面积阈值为具有该颗牙齿最大面积的子二维连通区域的面积。步骤1016，判断独立子区域是否与其他单颗牙齿接触，其中，当独立子区域与其他单颗牙齿接触时，将独立子区域的编号值设置为具有最长接触边界的其他单颗牙齿切片的编号值。具体地，将独立子区域的编号值设置为具有最长接触边界的其他单颗牙齿切片的编号值进一步包括：计算分割图像中的独立子区域1032与第一牙齿的子二维连通区域1026的第一接触边界并且计算分割图像中的独立子区域1032与第二牙齿的子二维连通区域1030的第二接触边界；以及当第一接触边界长度大于第二接触边界长度时，将独立子区域1032的编号值设置为第一牙齿的编号值。例如，图10c示出了多颗牙齿的子二维连通区域1024、1026、1028和1030并示出了独立子区域1032。在初始分割图像中将独立子区域1032和子二维连通区域1028分割为一颗牙齿。通过二维牙齿结构修正1004将独立子区域1032的编号值设置为第一牙齿的子二维连通区域1026的编号值。
本发明的另一个具体实施例，公开了交互式对象更新装置。参考图6，交互式对象更新装置包括：检索模块602，用于检索参考图像和与参考图像相对应的分割图像；提取模块604，用于从分割图像中提取不合格子对象，其中，不合格子对象包括分割图像的子对象切片与参考图像中正确的牙齿走向不一致的子对象；重新分割模块606，用于对不合格子对象进行二次分割或/或合并操作，并且将不合格子对象更新为合格子对象；以及整合更新模块608，用于将更新的合格子对象和分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新重新分割图像中的各个子对象的编号，其中，更新的重新分割图像中的不同牙齿具有不同编号。
本发明的又一个具体实施例，公开了一种交互式对象更新处理系统。参考图7，交互式对象更新处理系统包括：用户输入设备704、处理器706、显示器708、存储器710和工具箱716。具体地，用户输入设备704，被配置为输入参考图像和分割图像；处理器706，被配置为执行以上实施例所述的交互式对象更新方法；显示器708，配置为显示参考图像的视图、分割图像的视图、分割图像在参考图像上的投影视图、需要重新分割的子对象的视图；存储器710，用于存储参考图像数据集712和分割数据集714，其中，参考图像数据集包含至少一个参考图像，以及分割图像数据集包括至少一个分割图像。工具箱，用于以推、拉、转动或缩放的方式调节三维模型或二维图像。
下文中，参考图7，以具体实例的方式，对交互式对象更新处理系统进行详细描述。
交互式对象更新处理系统包括：用户输入设备704，用户使用所述用户输入设备704输入参考图像100和分割图像200的相关输入，所述相关输入包括但不限于名字、数据维度以及数据格式；输入需要重新分割的不合格子对象，以及重新分割的不合格子对象的更新方法500。输入设备可以为，例如，键盘和光针、鼠标、指示笔、或者一些其他合适的输入设备。
处理器706，其被配置为：检索参考图像100和参考图像对应的分割图像200；匹配分割图像200到参考图像100上；提取需要重新分割的子对象实例并更新为合格子对象；整合更新为合格子对象和分割图像中剩余的合格子对象为输出分割图像，并更新输出分割图像中的各个子对象实例编号。
显示器708，其呈现参考图像100的视图、分割图像200的视图、分割图像200在参考图像100的投影视图、需要重新分割的子对象实例202和204的视图以及用户界面702，用户界面702包括处理器706可执行的指令和/或例程，所述指令和/或例程被存储在处理器706。此外，用户界面702被直接耦合到显示器708中。
存储器710，其存储参考图像数据集712和实例分割数据集714，参考图像数据集712包含至少一个参考图像100，实例分割数据集514包含至少一个分割图像200。存储器710还存储需要重新分割的子对象实例有关的信息，分割图像中剩余的合格子对象的有关的信息，以及更新需要重新分割的子对象实例为合格子对象有关的信息。
工具箱716包括拉、推或以其他方式调节三维模型或二维图像，例如，用户通过鼠标转动和缩放分割图像200。
与现有技术相比，本发明至少可实现如下有益效果之一：
1、通过提取不合格子对象，能够对不合格子对象进行二次分割和/或合并操作，并且将不合格子对象更新为合格子对象，仅需要对错误分割区域中的不合格子对象进行局部分割操作或者合并操作，而不需要对整个分割图像进行整体分割和/或合并操作，大幅度提高了分割和/或合并操作的速度和效率。然后将更新的合格子对象和分割图像中剩余的合格子对象整合为重新分割图像并更新其编号，能够修正分割图像中的分割错误，提高牙齿分割的准确性。
2、通过将不合格子对象内部出现的非目标区域转换为目标区域，其中，非目标区域中的所有像素都不属于所述不合格子对象，能够消除二次分割的干扰，提高接下来对不合格子对象进行局部二次分割操作的准确性。
3、在交互式对象更新方法的运行中交互地执行对象分割，以及将分割效果或合并效果可视化。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种交互式对象更新方法，其特征在于，包括：
检索参考图像和与所述参考图像相对应的分割图像，其中，所述参考图像为CBCT图像，所述分割图像为根据所述CBCT图像进行模型重建得到的3D牙齿的图像，所述CBCT图像和所述3D牙齿具有相同的数据大小且空间位置一一对应；
从所述分割图像中提取不合格子对象，其中，所述不合格子对象包括所述分割图像的子对象切片与所述参考图像中正确的牙齿走向不一致的子对象；
对所述不合格子对象进行二次分割和/或合并操作，并且将所述不合格子对象更新为合格子对象，其中，对所述不合格子对象进行二次分割和/或合并操作包括：当将所述参考图像中的两颗牙齿分割为所述分割图像中的单颗牙齿或者将所述参考图像中的两颗牙齿分割为所述分割图像中的两颗牙齿且存在分割错误时，将所述至少一个不合格子对象分割为至少两个子对象，以获得输出分割图像；或者当将所述参考图像中的单颗牙齿分割为所述分割图像中的两颗牙齿时，将至少两个不合格子对象合并为一个子对象以获得输出合并图像；以及
将所述更新的合格子对象和所述分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新所述重新分割图像中的各个子对象的编号以修正分割图像中的分割错误，其中，更新的所述重新分割图像中的不同牙齿具有不同编号。
2.根据权利要求1所述的交互式对象更新方法，其特征在于，将所述至少一个不合格子对象分割为至少两个子对象进一步包括：
对所述至少一个不合格子对象进行二值化处理以获得牙齿二值图像；
对所述二值图像中的不合格子对象进行空缺像素填充处理；
根据填充处理的二值图像提取前景标记、背景标记，并获得边界梯度，其中，将牙根的一部分或者牙冠的一部分设置为前景标记；以及
将所述前景标记、所述背景标记和所述边界梯度作为分水岭算法的输入参数，生成所述输出分割图像。
3.根据权利要求2所述的交互式对象更新方法，其特征在于，所述空缺像素填充处理包括将所述不合格子对象内部出现的非目标区域转换为目标区域，其中，
所述非目标区域为连通区域；以及
所述非目标区域中的所有像素都不属于所述不合格子对象。
4.根据权利要求3所述的交互式对象更新方法，其特征在于，将所述不合格子对象内部出现的非目标区域转换为目标区域进一步包括：将所述非目标区域标记为与所述不合格子对象相同。
5.根据权利要求3所述的交互式对象更新方法，其特征在于，将至少两个不合格子对象合并为一个子对象以获得输出合并图像进一步包括：将所述至少两个不合格子对象的编号设置为相同编号，使得将所述至少两个不合格子对象合并为一个子对象以获得所述输出合并图像。
6.根据权利要求1至5中的任一项所述的交互式对象更新方法，其特征在于，更新所述重新分割图像中的各个子对象的编号进一步包括：
将所述重新分割图像中的各个子对象的编号设置为与所述剩余的合格子对象中的任一个的编号不同，其中，所述重新分割图像包括所述输出合并图像和所述输出分割图像。
7.一种交互式对象更新装置，其特征在于，包括：
检索模块，用于检索参考图像和与所述参考图像相对应的分割图像，其中，所述参考图像为CBCT图像，所述分割图像为根据所述CBCT图像进行模型重建得到的3D牙齿的图像，所述CBCT图像和所述3D牙齿具有相同的数据大小且空间位置一一对应；
提取模块，用于从所述分割图像中提取不合格子对象，其中，所述不合格子对象包括所述分割图像的子对象切片与所述参考图像中正确的牙齿走向不一致的子对象；
重新分割模块，用于对所述不合格子对象进行二次分割和/或合并操作，并且将所述不合格子对象更新为合格子对象，其中，对所述不合格子对象进行二次分割和/或合并操作包括：当将所述参考图像中的两颗牙齿分割为所述分割图像中的单颗牙齿或者将所述参考图像中的两颗牙齿分割为所述分割图像中的两颗牙齿且存在分割错误时，将所述至少一个不合格子对象分割为至少两个子对象，以获得输出分割图像；或者当将所述参考图像中的单颗牙齿分割为所述分割图像中的两颗牙齿时，将至少两个不合格子对象合并为一个子对象以获得输出合并图像；以及
整合更新模块，用于将所述更新的合格子对象和所述分割图像中剩余的合格子对象进行整合为重新分割图像，并且更新所述重新分割图像中的各个子对象的编号以修正分割图像中的分割错误，其中，更新的所述重新分割图像中的不同牙齿具有不同编号。
8.一种交互式对象更新处理系统，其特征在于，包括：
用户输入设备，被配置为输入参考图像和分割图像；
处理器，被配置为执行根据权利要求1至6中的任一项所述的交互式对象更新方法；
显示器，配置为显示所述参考图像的视图、所述分割图像的视图、所述分割图像在所述参考图像上的投影视图、需要重新分割的子对象的视图；
存储器，用于存储参考图像数据集和分割数据集，其中，所述参考图像数据集包含至少一个参考图像，以及所述分割图像数据集包括至少一个分割图像。
9.根据权利要求8所述的交互式对象更新处理系统，其特征在于，还包括工具箱，用于以推、拉、转动或缩放的方式调节三维模型或二维图像。
CN202110851785.3A 2021-07-27 2021-07-27 一种交互式对象更新方法、装置及处理系统 Active CN113506302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110851785.3A CN113506302B (zh) 2021-07-27 2021-07-27 一种交互式对象更新方法、装置及处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110851785.3A CN113506302B (zh) 2021-07-27 2021-07-27 一种交互式对象更新方法、装置及处理系统

Publications (2)

Publication Number Publication Date
CN113506302A CN113506302A (zh) 2021-10-15
CN113506302B true CN113506302B (zh) 2023-12-12

Family

ID=78014140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110851785.3A Active CN113506302B (zh) 2021-07-27 2021-07-27 一种交互式对象更新方法、装置及处理系统

Country Status (1)

Country Link
CN (1) CN113506302B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1125213A (ja) * 1997-07-07 1999-01-29 Oki Electric Ind Co Ltd 行方向判定方法および行方向判定装置
JP2004056358A (ja) * 2002-07-18 2004-02-19 Noritsu Koki Co Ltd 画像処理方法、画像処理プログラム、および画像処理プログラムを記録した記録媒体
CN101571951A (zh) * 2009-06-11 2009-11-04 西安电子科技大学 基于邻域概率密度函数特征的水平集图像分割方法
CN102707864A (zh) * 2011-03-28 2012-10-03 日电（中国）有限公司 基于混合标记的对象分割方法和系统
CN105741288A (zh) * 2016-01-29 2016-07-06 北京正齐口腔医疗技术有限公司 牙齿图像的分割方法和装置
CN105761252A (zh) * 2016-02-02 2016-07-13 北京正齐口腔医疗技术有限公司 图像分割的方法及装置
CN107106117A (zh) * 2015-06-11 2017-08-29 深圳先进技术研究院 牙齿和牙槽骨的分割与重构方法及装置
CN107767378A (zh) * 2017-11-13 2018-03-06 浙江中医药大学 基于深度神经网络的gbm多模态磁共振图像分割方法
WO2018214950A1 (en) * 2017-05-26 2018-11-29 Wuxi Ea Medical Instruments Technologies Limited Image segmentation method for teeth images
CN108986123A (zh) * 2017-06-01 2018-12-11 无锡时代天使医疗器械科技有限公司 牙颌三维数字模型的分割方法
CN109671076A (zh) * 2018-12-20 2019-04-23 上海联影智能医疗科技有限公司 血管分割方法、装置、电子设备及存储介质
CN110276344A (zh) * 2019-06-04 2019-09-24 腾讯科技（深圳）有限公司 一种图像分割的方法、图像识别的方法以及相关装置
CN111727456A (zh) * 2018-01-18 2020-09-29 皇家飞利浦有限公司 用于评估图像分割的谱匹配
CN112120810A (zh) * 2020-09-29 2020-12-25 深圳市深图医学影像设备有限公司 一种牙齿正畸隐型矫治器的三维数据生成方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10169871B2 (en) * 2016-01-21 2019-01-01 Elekta, Inc. Systems and methods for segmentation of intra-patient medical images
US11903793B2 (en) * 2019-12-31 2024-02-20 Align Technology, Inc. Machine learning dental segmentation methods using sparse voxel representations

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1125213A (ja) * 1997-07-07 1999-01-29 Oki Electric Ind Co Ltd 行方向判定方法および行方向判定装置
JP2004056358A (ja) * 2002-07-18 2004-02-19 Noritsu Koki Co Ltd 画像処理方法、画像処理プログラム、および画像処理プログラムを記録した記録媒体
CN101571951A (zh) * 2009-06-11 2009-11-04 西安电子科技大学 基于邻域概率密度函数特征的水平集图像分割方法
CN102707864A (zh) * 2011-03-28 2012-10-03 日电（中国）有限公司 基于混合标记的对象分割方法和系统
CN107106117A (zh) * 2015-06-11 2017-08-29 深圳先进技术研究院 牙齿和牙槽骨的分割与重构方法及装置
CN105741288A (zh) * 2016-01-29 2016-07-06 北京正齐口腔医疗技术有限公司 牙齿图像的分割方法和装置
CN105761252A (zh) * 2016-02-02 2016-07-13 北京正齐口腔医疗技术有限公司 图像分割的方法及装置
WO2018214950A1 (en) * 2017-05-26 2018-11-29 Wuxi Ea Medical Instruments Technologies Limited Image segmentation method for teeth images
CN108986123A (zh) * 2017-06-01 2018-12-11 无锡时代天使医疗器械科技有限公司 牙颌三维数字模型的分割方法
CN107767378A (zh) * 2017-11-13 2018-03-06 浙江中医药大学 基于深度神经网络的gbm多模态磁共振图像分割方法
CN111727456A (zh) * 2018-01-18 2020-09-29 皇家飞利浦有限公司 用于评估图像分割的谱匹配
CN109671076A (zh) * 2018-12-20 2019-04-23 上海联影智能医疗科技有限公司 血管分割方法、装置、电子设备及存储介质
CN110276344A (zh) * 2019-06-04 2019-09-24 腾讯科技（深圳）有限公司 一种图像分割的方法、图像识别的方法以及相关装置
CN112120810A (zh) * 2020-09-29 2020-12-25 深圳市深图医学影像设备有限公司 一种牙齿正畸隐型矫治器的三维数据生成方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A fully automated method for 3D individual tooth identification and segmentation in dental CBCT;Tae Jun Jang 等;《https://arxiv.org/pdf/2102.06060v1.pdf》;1-12 *
基于t-混合模型的脑MR图像白质分割;许兴明 等;《计算机工程与应用》;第46卷(第17期);191-193 *
水平集活动轮廓模型的3维牙齿重建;吴婷，张礼兵;《中国图象图形学报》;第21卷(第8期);1078-1087 *

Also Published As

Publication number Publication date
CN113506302A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN112017189B (zh) 图像分割方法、装置、计算机设备和存储介质
Chen et al. Automatic segmentation of individual tooth in dental CBCT images from tooth surface map by a multi-task FCN
CN110689038B (zh) 神经网络模型的训练方法、装置和医学图像处理系统
CN111968120B (zh) 一种3d多特征融合的牙齿ct图像分割方法
US10885392B2 (en) Learning annotation of objects in image
WO2019000455A1 (zh) 图像分割的方法及系统
CN110689564B (zh) 一种基于超像素聚类的牙弓线绘制方法
GB2463141A (en) Medical image segmentation
CN111340937A (zh) 一种脑肿瘤医学影像三维重建显示交互方法及系统
US11715279B2 (en) Weighted image generation apparatus, method, and program, determiner learning apparatus, method, and program, region extraction apparatus, method, and program, and determiner
CN114757960B (zh) 一种基于cbct图像的牙齿分割与重建方法及存储介质
US20230277283A1 (en) Automatic generation of dental restorations using machine learning
CN111583385A (zh) 一种可变形数字人解剖学模型的个性化变形方法及系统
Nowinski et al. A 3D model of human cerebrovasculature derived from 3T magnetic resonance angiography
GB2468589A (en) Identifying a Region of Interest in a Series ofMedical Images
CN114332013A (zh) 基于肺动脉树分级的ct图像靶肺段识别方法
Ben-Hamadou et al. 3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge
Liou et al. A parallel technique for signal-level perceptual organization
Banerjee et al. A semi-automated approach to improve the efficiency of medical imaging segmentation for haptic rendering
CN116894844B (zh) 一种髋关节图像分割与关键点联动识别方法及装置
CN113506302B (zh) 一种交互式对象更新方法、装置及处理系统
CN113506301B (zh) 一种牙齿图像分割方法和装置
CN116051813A (zh) 全自动智能腰椎定位与识别方法及应用
Mayerich et al. Hardware accelerated segmentation of complex volumetric filament networks
CN113506303B (zh) 一种交互式牙齿分割方法、装置和处理系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant