(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211023684.8 (22)申请日 2022.08.25 (71)申请人 杭州键嘉医疗科技股份有限公司 地址 310023 浙江省杭州市余杭区五常街 道五常大道181号8幢3 05、 306室 (72)发明人 乔天　王捷　聂智林　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06T 7/30(2017.01) G06T 5/00(2006.01) G06V 10/762(2022.01) (54)发明名称 一种口腔CBCT自动配准方法 (57)摘要 本发明提供了一种口腔CBCT自动配准算法， 该方法包括以下步骤： 基于口腔CBCT图像制作牙 齿质心的热图标签； 训练牙齿质 心检测模型； 分 别对术前和术后的CBCT图像进行牙齿质心检测 与后处理， 获得每颗牙齿质心点的三维坐标； 利 用聚类算法对 所述牙齿质心坐标进行聚类， 以分 离上下颌； 对牙颌质心点进行排序， 得到两个 CBCT数据的有序质心点集合； 利用点配准算法对 牙颌质心点进行配准； 进行CBCT点云配准， 得到 术前和术后的口腔CBCT配准转换关系。 该方法结 合了基于深度学习的质心提取、 点配准算法和 ICP算法， 具有操作 简单、 配准速度快并且精度高 的优点， 为医护人员进行种植牙 手术的术后评估 提供了准确的数据依据， 具有广泛的应用前景与 价值。 权利要求书3页 说明书7页 附图4页 CN 115546103 A 2022.12.30 CN 115546103 A 1.一种口腔CBCT自动配准方法， 其特 征在于， 包括以下步骤： S101， 基于口腔CBCT图像制作牙齿质心的热图标签； S102， 训练牙齿质心检测模型； S103， 分别对术前和术后的CBCT图像进行牙齿质心检测与后处理， 获得每颗牙齿质心 点的三维坐标； S104， 利用聚类算法对所述牙齿质心坐标进行聚类， 以分离上 下颌； S105， 对牙颌质心点进行排序， 得到 两个CBCT数据的有序质心点 集合； S106， 利用点配准 算法对牙颌质心点进行配准； S107， 进行CBCT点云配准， 得到术前和术后的 口腔CBCT配准 转换关系。 2.根据权利 要求1所述的一种口腔CBCT自动 配准方法， 其特征在于， S101中所述基于口 腔CBCT图像制作牙齿质心的热图标签， 包括： 基于所述口腔CBCT图像， 对其进行三个正交切片的显示， 包括横断面、 矢状面、 冠状面； 对每颗牙齿在三个正交切片勾画前 景区域与背景区域； 基于初步勾画的前 景、 背景区域， 利用图割算法， 得到牙齿的分割结果； 对每颗牙齿的分割结果计算中心点， 得到牙齿的质心点； 对所述质心点图像进行高斯平 滑， 得到所述牙齿质心的热图标签。 3.根据权利要求2所述的一种口腔CBCT自动配准方法， 其特征在于， 对所述质心点图像 进行高斯平 滑的平滑半径设置为2m m。 4.根据权利要求2所述的一种口腔CBCT自动配准方法， 其特征在于， 所述牙齿质心的热 图标签为一个数值范围为[ 0, 1]的三维图像， 其中质心点处的数值为1， 距离质心越远的体 素点数值越小。 5.根据权利 要求1所述的一种口腔CBCT自动 配准方法， 其特征在于， S102中所述训练牙 齿质心检测模型， 包括： 采用深度学习模型结构对输入的CBCT图像和相应的质心热图标签进行训练， 直到损失 函数收敛， 得到用于质心检测的神经网络模型参数。 6.根据权利要求5所述的一种口腔CBCT自动配准方法， 其特征在于， 所述深度 学习模型 采用UNet模型， 损失函数采用均方误差损失MSEL oss函数。 7.根据权利 要求1所述的一种口腔CBCT自动 配准方法， 其特征在于， S103中所述分别 对 术前和术后的CBCT图像进行牙齿质心检测与后处理， 获得每颗牙齿质心点的三维坐标， 包 括： 利用所述牙齿质心检测模型， 分别对术前和术后的CBCT图像进行质心检测， 得到质心 检测的结果 为热图； 以0.5为阈值对所述热图进行二 值化； 对二值化后的图像进行 连通域分析， 每 个连通域代表一颗牙齿； 计算每个连通域的中心点， 得到每颗牙齿在LP S坐标系下的质心坐标。 8.根据权利 要求1所述的一种口腔CBCT自动 配准方法， 其特征在于， S104中所述利用聚 类算法对所述牙齿质心坐标进行聚类， 以分离上 下颌， 包括： 以质心点中Z轴坐标最小及最大的两个点作为初始 的聚类中心， 计算每个质心点到两 个聚类中心的Z方向上的距离；权　利　要　求　书 1/3 页 2 CN 115546103 A 2根据所述距离为每个质心点分配簇， 簇的个数设置为2， 即上颌与下颌， 距离更小的聚 类中心所属的簇则为该质心点所属的簇； 每个质心点分配簇之后计算两个簇的中心点， 将两个中心点作为新的聚类中心， 再次 计算每个质心点到所述聚类中心的距离并分配簇； 重复上述过程直到所述聚类中心不再发生改变， 此时所述质心点被聚类为两个簇， 分 别代表上颌牙齿的质心点 集合与下颌牙齿的质心点 集合。 9.根据权利要求8所述的一种口腔CBCT自动配准方法， 其特征在于， 所述聚类算法采用 K‑Means算法。 10.根据权利要求1所述的一种口腔CBCT自动配准方法， 其特征在于， S105中所述对牙 颌质心点进行排序， 得到 两个CBCT数据的有序质心点 集合， 包括： 根据规划手术的种植体位置， 选择对应的质心点集合， 若规划的种植体在上颌， 则对下 颌的质心集 合进行排序； 若规划的种植体在下颌， 则对上颌的质心集 合进行排序； 所述口腔CBCT图像在LPS坐标系下的坐标范围记为[xmin,  ymin, zmin]至[xmax,   ymax, zmax]； 根据所述图像范围确定一个角点， 共有四个点可以作为角点， 分别为[xmin,  ymax,  zmin]， [xmin, ymax, zmax]， [xmax,  ymax, zmin]， [xmax,  ymax, zmax]； 选取其中一个角点作为目标角点， 找到离所述目标角点距离最近的质心点作为第 一个 点， 搜索所述质心点集合中距离该点最近的质心点作为下一个点， 并将找到的点从集合中 剔除； 重复上述过程直到集合为空， 得到两个CBCT数据的有序质心点集合， 分别记为集合 PA和 集合PB， 此时术前和术后的质心点 一一对应。 11.根据权利要求1所述的一种口腔CBCT自动配准方法， 其特征在于， S106中所述利用 点配准算法对牙颌质心点进行配准， 包括： 利用点配准 算法， 计算两个质心点 集合PB到PA的转换矩阵 T1， 如下式所示： 。 12.根据权利要求1所述的一种口腔CBCT自动配准方法， 其特征在于， S107中所述进行 CBCT点云配准， 得到术前和术后的 口腔CBCT配准 转换关系， 包括： 将术前CBCT模型记为A， 术后CBCT模型记为B； 通过关系矩阵 将术后CBCT模型B移动到新的位置 ， 作为粗配准的结果； 分别对A和 进行等值面提取得到两组点云的数据 和 ， 满足下列关系: 使用ICP算法计算 点云 到点云 的转换关系 ， 满足下列转换关系：权　利　要　求　书 2/3 页 3 CN 115546103 A 3