基于口腔CBCT图像的气道自动分割结果后处理方法

本发明涉及医学图像分割，特别是涉及一种基于口腔cbct图像的气道自动分割结果后处理方法。

背景技术：

1、在现代医学领域，正畸治疗在解决儿童和青少年气道狭窄相关问题中发挥着重要作用。气道狭窄可能与腺样体肥大相关联，并可能导致腺样体面容、神经系统发育缓慢、代谢能力异常及睡眠质量低等不良影响。传统的气道狭窄诊断方法通常基于临床表现和x射线成像技术，但这些方法并不总是能够提供精准的诊断，并且无法提供全面的气道结构信息。近年来，气道影像技术的发展为这一问题提供了新的解决途径，通过使用气道影像技术作为辅助诊断手段，可以更准确地评估气道狭窄的情况。

2、基于气道cbct等技术获取的气道影像已经被广泛应用于医疗领域。这些技术能够提供高分辨率的三维气道结构图像，为气道狭窄的评估和诊断提供了全面和直观的信息。然而，如何最大限度地利用这些先进的气道影像技术来辅助正畸治疗，以提高气道狭窄的诊断和治疗效果，仍是一个需要探究的课题。

3、目前主要有三种通过口腔cbct影像分割三维上气道的方法，分别为使用医学影像处理软件，使用传统图像分割算法，使用深度卷积神经网络来分割。临床医生常使用mimics或者3-matic软件来进行气道分割，这种分割方法耗时耗力且需要医生在分割时保持较高专注度。相关学者提出通过传统图像分割算法进行气道提取，例如基于区域的分割方法或者基于边缘的分割方法。这类方法虽然避免过多的人力投入，但分割精度不高，且需要人工提前标注标志点来确保分割能够顺利进行。随着人工智能的高速发展，越来越多拥有强大特征提取能力的网络被提出并应用于医学影像处理领域，例如3d u-net，swinunetr，3dux-net等。通过人工提前标注好的气道cbct数据集进行网络训练，利用梯度下降算法得到气道分割的最优权重。这种方法能够在10秒内分割一例气道cbct影像，dice相似系数高达93％及以上。

4、虽然卷积神经网络在气道整体分割任务上拥有良好的表现，但在不同咽部区域间的分界面常出现整片的分类错误。这可能是由于在横截面处不同咽部分界面特征并不明显导致网络无法准确习得分界特征。临床医生通过定位气道正中矢状面上腭骨水平板，会厌，c4颈椎的特征标志点来进行咽部分界面划分。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种基于口腔cbct图像的气道自动分割结果后处理方法，本发明解决了现有技术中不同咽部区域间的分界面常出现整片的分类错误的问题。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于口腔cbct图像的气道自动分割结果后处理方法，包括：

4、获取待分割cbct影像；

5、对所述待分割cbct影像进行预处理，得到输入图像数据；

6、将所述输入图像数据分别输入至第一分割模型、第二分割模型和第三分割模型中，得到第一分割结果、第二分割结果和第三分割结果；

7、分别对所述第一分割结果、第二分割结果和第三分割结果进行气道分界特征点提取，得到第一分界面结果、第二分界面结果和第三分界面结果，其中，所述第一分界面结果、第二分界面结果和第三分界面结果均为鼻咽区、腭咽区、舌咽区和喉咽区分界面位置；

8、对所述第一分界面结果、第二分界面结果和第三分界面结果赋予不同的置信权重，得到最终分界面结果。

9、优选地，所述对所述待分割cbct影像进行预处理，得到输入图像数据，包括：

10、对所述待分割cbct影像进行手动分割，得到初始分割图像数据；

11、利用双边滤波方法对所述初始分割图像进行处理，得到第一处理图像；

12、通过所述第一处理图像的像素点的空间位置和像素值大小，对当前像素点所划分的类别赋予高权重并对当前点的一个八领域进行加权求和，得到第二处理图像；

13、将所述第二处理图像的数据集统一调整为256*256的大小，并进行数据增强，得到输入图像。

14、优选地，所述第一分割模型为轻量级3d卷积神经网络，其中，利用convnet模块调整分层transformer并使用大尺度7*7*7的卷积核。

15、优选地，所述第一分割模型的bn层替换为ln层，神经元的激活函数为gelu。

16、优选地，对所述第一分割结果进行气道分界特征点提取，得到第一分界面结果，包括：

17、根据第一分割结果确定鼻咽区的起始面和截止面；

18、根据所述起始面和截止面确定鼻咽区中间层的水平截面；

19、根据所述鼻咽区中间层的水平截面确定鼻咽区的质心；

20、根据所述质心，利用shi-tomasi算法，得到鼻中隔末端；

21、根据所述鼻中隔末端得到正中矢状面；

22、将像素值设置为预设像素值，根据所述正中矢状面提取气道边缘，气道边缘的最上端对应的水平面为鼻咽区起始面；

23、确定后鼻嵴点；

24、根据后鼻嵴点和鼻咽区截止面对鼻咽区及腭咽区进行区分，得到第一子分界面；

25、确定软腭的最低点来和所述第一分割结果区分腭咽区及舌咽区，得到第二子分界面；

26、根据第一分割结果确定会厌；

27、根据所述会厌确定第三子分界面；

28、确定c4颈椎并根据所述c4颈椎确定喉咽截止面；

29、根据所述鼻咽区的起始面、第一子分界面、第二子分界面、第三子分界面和所述喉咽截止面得到第一分界面结果。

30、本发明公开了以下技术效果：

31、本发明提供了一种基于口腔cbct图像的气道自动分割结果后处理方法，包括：获取待分割cbct影像；对所述待分割cbct影像进行预处理，得到输入图像数据；将所述输入图像数据分别输入至第一分割模型、第二分割模型和第三分割模型中，得到第一分割结果、第二分割结果和第三分割结果；分别对所述第一分割结果、第二分割结果和第三分割结果进行气道分界特征点提取，得到第一分界面结果、第二分界面结果和第三分界面结果，其中，所述第一分界面结果、第二分界面结果和第三分界面结果均为鼻咽区、腭咽区、舌咽区和喉咽区分界面位置；对所述第一分界面结果、第二分界面结果和第三分界面结果赋予不同的置信权重，得到最终分界面结果。本发明建立一种高效率、高精度的上气道分割模型，该模型利用卷积神经网络结合特征点提取的方法提取上气道。为气道狭窄的评估和诊断提供更全面和直观的信息；对模型分割出的气道正中矢状面进行分界特征点提取，通过网络分割带来的有偏差分界面信息进行分界特征点提取进而精确定位分界面。根据特征点提取后的结果与人工标注的真实特征点结果进行比对，提升错误率更小的网络的判别权重。三个网络都对100份样本进行分割得到一共300份结果(每个网络得到100份结果)。对这300份结果按上述特征点提取手段进行特征点提取。将这300份结果与真实的100份人工标注的样本特征点进行比对。对正确率更高的网络分配更高的权重。提高分割精度的同时解决了网络在喉咽部分表现不佳的问题。本发明利用卷积神经网络，结合集成学习boosting的思想。训练三个神经网络3d ux-net，swinunetr和unetr，对这三个模型的分割结果分别进行正中矢状面的分界特征点提取并对不同模型赋予不同的权重以获得更加准确稳定的结果。通过分析高精度的三维上气道分割结果，提出针对性的正畸治疗方案，可有望缓解气道狭窄所带来的不良影响，促进患者的健康发展。