当前位置:首页>> >>


基于深度学习的医疗图像预分类平台开发与实现(论文和源码).rar

收藏

资源目录
    文档预览:
    编号:20180825164859124    类型:共享资源    大小:11.86MB    格式:RAR    上传时间:2018-08-25
      
    60
    金币
    关 键 词:
    基于 深度 学习 医疗 图像 分类 平台 开发 实现 论文 源码
    资源描述:
    毕 业 设 计(论 文)外 文 文 献 译 文 及 原 文2017 年 6 月 18 日牙龈粘膜几何建模支持牙科假体设计罗德里戈·梅拉·德· 安德烈·安德森·路易斯·斯泽卡卡· 奥西里斯·坎塞利耶巴拉那宗教天主教大学 - 控制和自动化工程部( PUCPR / ECA),巴西巴拉那帕拉南派天主教大学(PUCPR) - 理工学院 - 生产和系统工程研究生课程(PUCPR / PPGEPS),巴西 Paraná摘 要:健康与工程领域的融合促进了医疗器械的精度越来越高,诊断过程越来越准确和安全。在这种情况下,产品工程与牙科之间的整合提供了通过帮助诸如牙种植体等复杂过程的数学概念来转化人类现实的工具开发。该研究提出了使用Matlab®进行牙齿和牙龈检测系统的开发,旨在获取CAD系统中牙齿和牙龈三维重建的点云。该系统的发展旨在支持牙科医生的诊断,提供易于理解的信息,并创建一个可以帮助牙科植入过程的辅助口罩的制作工具。开发的系统还允许容易的DICOM图像操纵,边缘滤波器的利用,突出显示特定范围的骨密度和不同视图的图像重建。在系统的某些功能中使用数学概念允许自动识别和处理图像部分,消除人为错误的可能性。关键词:牙种植体计算机断层扫描DICOM,医学图像处理简介健康与工程领域的融合促进了诊断过程中提供信息支持更加准确,安全决策的医疗设备的精度发展。口腔植物学已经成为牙科的重要分支,因为它修复了部分或全部牙齿,提供福利和改善患者的生活质量。然而,减少和不准确的信息使牙科植入物的定义不精确,并可能导致过早失败,骨丢失,植入物排斥和感染[1] [2] [3]。目前,牙种植体计划和植入物定义是基于外科医生的经验和断层图像的视觉分析。牙科植入物是一个多变量和复杂的过程,尽管正在通过DICOM(数字成像与医学传播)中的计算机断层扫描(CT 扫描)图像的信息资源提取进行牙种植体测定的研究[4] [5] [6] [7]格式,牙龈粘膜重建仍然采用侵入性方法,如常规印象。在这种情况下,本研究集中在骨结构和牙龈粘膜识别工具的发展,旨在支持整个牙种植体规划过程中的牙医外科医生,提供可衡量的信息,使程序更安全。此外,这项研究有助于医疗生物处理领域。因此,主要研究目的是通过医学图像处理技术提取关于骨骼和牙龈粘膜几何的准确信息。1 理论基础医学图像被广泛应用于患者的诊断中,并且通过诸如X 射线,CT扫描,磁共振成像(MRI)和超声扫描等设备的图像获取有几种方法[8]。大多数设备以 DICOM格式生成数字图像,这些图像是遵循Hounsfield 尺度的灰色阴影层析图像。这些文件有一个标题,其中包含有关图像和患者生物学数据的相关信息[9]。CT 扫描仪具有很高的精度,并在小范围的分析中产生大量的图像。数字图像生成节省了物理速度区域和时间,一旦它们允许各种各样的数据操纵,例如应用探索设备精度的数学滤波器,这对人眼是不可能的。Hounsfield量度是材料密度衰减系数的线性变换,其以灰度阴影测量。刻度通常具有从12到16位的分辨率,即从4048到65536个灰度的变化,通常,测量的灰度越多,精度越好。这些灰色阴影由CT扫描仪捕获,并在正常温度和压力条件下存储在使用空气和水密度的线性化作为参考。 Hounsfield单位( HU)中的空气密度定义为 - 1000HU,而水密度定义为0 HU [10]。为了在Hounsfield Scale中正确展示DICOM图像,图像必须相对于灰色阴影相等,其中空气( - 1000HU)将被表示为0(表示灰黑色最暗的阴影)在图像中检测到的最高HU 值将由灰度级别的最高分辨率值表示。该刻度通常以16位分辨率使用,其中最高值为65535(白色)。Hounsfield量表[11]呈现骨组织与灰度级别之间的强度之间的直接关系。一旦图像与灰度级相等,就可以应用图像滤波器,这些图像滤波器是用于提高图像质量,减少噪声,突出显示边框,衰减暗色调等的数学过程。[12] [13] 。大多数边界过滤器遵循相同的逻辑推理,验证图像中的灰度级别检测值的急剧变化。这些过滤器可以从基本概念变化到最复杂,例如使用人造智能的概念。粒子群算法PSO(Particle Swarm Optimization,粒子群优化)是一种人工智能方法,被分类为进化计算,并在1995年被提出并由生物学家Frank Hepnner [14]建模。“ 群体智慧”是计算智能的一个子领域的名称,涵盖了一些在社会昆虫等动物物种中观察到的“集体智慧”的方法论和技术。“群体智慧”一词越来越多的被使用,虽然这个表达式表明这些方法的生物灵感只来自于蜜蜂[15]。PSO是一种通过模拟人群个体之间的社会行为而不是自然进化的方法,如基于DNA 的遗传算法。在PSO中,颗粒在空间中移动,寻求解决问题的最佳方法。在PSO公式中,问题的最佳结果解决方案归因于变数PBest(个人最佳),在整个人群中,搜索解决方案的最佳 PBest被分配变量Gbest (全球最佳),并保留到另一个PBest更好的解决问题的价值[16]。图像滤波器有许多不同的用途,也可以用于各种知识领域,一个例子是在口腔植物学领域中使用边界滤波器。口腔植物学是通过牙科植入物治疗无牙科的牙科领域,被认为是牙科领域的真正革命,得到了80年代初的认可。治疗长寿的方面,在排斥反应或植入问题的情况下复发插入过程的可能性和当受尊敬的外科手术有助于其快速发展时技术的简单性[17] [18]。牙科植入物的成功需要仔细的规划,从选择牙种植体到外科手术。在植入计划过程中,应考虑骨密度,连接类型,长度,直径和假体倾斜等因素[1] [19] [20] [21]。另外,[17]还应评估牙龈厚度和假体空间。2 研究开发这项工作已经开始于以前的研究[22] [23] [24] [25],其中基于DICOM处理探索了最适合的牙种植体。 为了研究这一研究,文献综述了能够操纵CT 图像以提取关于骨骼和牙龈粘膜的信息的方法和工具。图1展示了概念设计的四个阶段:i)阅读和操纵 DICOM文件; ii)检测感兴趣的区域; iii )牙齿和牙签的图像处理; 和iv)通过点云创建(牙齿和牙龈)的牙齿和牙龈几何定义。图1 概念设计阶段该研究使用DICOM格式的CT图像从部分缺齿患者获得的轴向切割。对于这种具体情况,DICOM文件的每个图像都包含640x640像素分辨率和216切割 1毫米等距离。 DICOM图像是体积允许其分组和几何的虚拟3D重建。CT扫描仪提供的轴向图像( DICOM格式)具有轴X (宽)和Y (长),三维矩阵的创建提供表示深度的Z 轴。因此,除了轴向切割之外,三维矩阵还可以显示正面和横向切割。如图2所示,通过将三维矩阵分解为二维矩阵获得由正面切割创建的图像。该图显示了DICOM图像在三个角度:轴向(细节A),正面(细节B)和侧面(细节C)。强调分析几何方程可以用于使矩阵旋转以便以任何角度重建图像,但是这种技术在本研究中是不必要的。轴向切割图像(图2 - 细节A)被定义为研究对象,因为它直接从扫描仪获得,并且不需要额外的处理,确保获得的信息的准确性和可靠性以及减少图像处理的时间。该研究使用DICOM格式的轴向切割图像文件,包含216切片深度的患者颌骨,存储在Matlab®[6] [12] 环境中的三维矩阵中,以确定牙种植体感兴趣的面积插入。图2 DICOM图像透视图一旦它的应用消除了不必要的处理信息,使用PSO算法来检测感兴趣的区域,并突出显示牙弓,牙龈和牙弓的信息。该算法允许单独分析切片,基于Hounsfield密度尺度来区分牙齿与其他人体组织。图3示出了DICOM格式的PSO 算法和轴向切割图像的应用。因此,图中所示的3D 峰代表DICOM图像中的骨骼和牙齿,一旦它们拥有最高的密度。通常,整个图像具有很多无用的信息,因此图像滤波器是提高图像质量,消除噪点,平滑区域,形状边界等的数学过程。基本上,所有滤波器都遵循相同的思想,识别灰度级别和突变在灰度级。一个例子是锐化滤镜,它突出显示图像边框。锐化滤波器分析所有图像像素,用“X-1”位置减去“X”位置的像素。这个过程的结果是一个突出显示的图像边框和减少非必需信息,二进制格式(0,1)。换句话说,在恒定图像区域中采用黑色电平(值= 0),在突变图像区域采用白色电平[12]。在这种情况下,通常使用三个过滤器,例如:Roberts,Prewitt和Sobel。罗伯茨过滤器使用十字梯度,即以45º旋转方式使用亮度之间的差异。 Prewitt的过滤器使用3x3尺寸矩阵中的标准值,能够对比平滑并突出显示噪音效果。 Sobel的滤波器类似于Prewitt滤波器,具有相同的矩阵维数(3x3),但标准值不同。因此,Sobel的过滤结果是 Prewitt的Filter [13]的一个较小的亮点。图3 PSO算法应用于DICOM图像算法执行一个简单的逻辑来确定包含牙齿的极值点,从而确定感兴趣的区域。图4显示了在DICOM图像上应用PSO算法的结果。在感兴趣区域的检测之后,能够识别牙齿和骨骼轮廓的Sobel,Prewitt和Roberts边界检测过滤器被单独地应用于感兴趣的区域,导致三个不同的图像。开发了一种算法(代码),包括一个简单的逻辑,它能够使用循环循环“FOR -THEN”和逻辑运算符“OR”来合并过滤器,因为它们都不能精确地描绘齿轮廓。这些循环循环用于合并三个滤镜产生的图像,产生新的图像,并使牙齿轮廓更精确地划分(图5)。该图显示了使用开发的算法的划界结果。图4 检测到兴趣区域图5 使用开发的算法进行牙齿划分的结果为了确定牙齿附近的牙龈粘膜的存在是必要的,由于其表征的高密度值,将牙齿和假体邻近区域映射。这促进了图像处理,因为噪声是微不足道的,因此忽略了这一点。对于牙龈粘膜检测,开发的算法首先调查牙齿区域,并在该区域附近增加0.5厘米的边缘,以便识别可能的牙龈区域。 0.5厘米的边缘排除不关心的牙龈粘膜区域,如腭裂。在映射该区域之后,算法突出了Hounsfield(-50HU至100HU)范围内的密度边缘,以检测整个牙龈粘膜。图6显示了牙签的划线过程:i)细节A显示将检测牙龈边缘的图像; ii)细节B示出了在先前图像的-50HU至100HU范围内的浓度的突出显示; 和iii )细节C 显示了所概述的胶状物的图像。图6 胶划分过程点云创作及其出口到CAD系统环境,旨在对牙齿和牙龈的虚拟3D几何重建,为项目提供支持,并促进假肢和模具的创建。点云基本上是具有特定模型的所有可能点的电子表格,每个点的指示由笛卡尔平面进行,其中记录坐标x,y和z。因此,牙齿和牙龈划分后,牙龈粘膜和牙齿的所有检测点都将导出到Excel®中的电子表格,以便将点云导入任何CAD软件(SolidWorks®),因为大多数这些软件 具有能够从Excel®电子表格导入数据的工具。为了更好地理解,图7显示了导入CAD系统的3D几何模型。图7 SolidWorks® 中的3D几何模型3 结果该系统旨在在Matlab®环境中检测牙齿和牙龈,以获得CAD系统中三维重建的点云。 该系统允许患者的轴向,正面和侧向DICOM图像的插入,操纵和可视化,使用滤波器来检测边缘,确定某些骨密度范围和不同图像视图重建。图8显示了界面,并显示了可应用于图像的工具。红色虚线矩形显示了系统识别的兴趣区域,并将应用图像处理,避免了整个图像的噪声和不需要的信息,从而显着减少了计算和应用滤波器的计算处理时间。图8 开发的软件界面系统的分析和验证是通过两个实验研究进行的。 在第一种情况下,使用具有216×640像素分辨率的216个轴向切片的DICOM文件中的患者的CT图像(图9)。该图显示了从案例研究“1” 检测牙齿和牙龈轮廓的步骤如下:i)用于系统应用的选择图像(细节A); ii)感兴趣区域的检测(细节B); iii)将 600HU中的牙齿检测的Hounsfield量表设置为7190HU 范围(细节C ); iv)确定牙齿周围为0.5厘米的牙齿区域以检测牙龈(细节D ); 和vi )检测牙龈(绿色)和红色的牙齿(细节E)。突出显示的点形成点云,导出到Excel®验证系统(详细F)。图9 检测牙齿和牙龈的图像处理顺序 - 案例研究1在案例研究2中,使用具有分辨率为640×640像素的518个轴向切片的DICOM文件中的患者的断层图像,如图10所示。该图示出了用于检测牙齿和牙龈的步骤:i)系统应用(详细A); ii)感兴趣区域的检测(细节B); iii)将600HU中的牙齿检测的Hounsfield量表设置为7190HU范围(细节C); iv)确定牙齿周围为0.5厘米的牙齿区域以检测牙龈(细节D); 和vi )检测牙龈(绿色)和红色的牙齿(细节E)。突出显示的点形成点云,导出到Excel®验证系统(详细F)。实验研究表明,开发的系统能够精确提取DICOM图像的几何信息,将其导出到Excel®,将其导入CAD 系统,进行3D虚拟几何重建。图10 检测牙齿和牙龈的图像处理顺序 - 案例研究4 结论本文介绍了一种能够在MATLAB®环境中检测牙齿和牙龈几何形状的系统的开发。该系统以DICOM格式的CT切片产生点云,瞄准CAD 系统中的牙齿和牙齿虚拟三维重建。该系统支持牙医,通过创建一个工具,提供易于理解的信息,可以作为指导面具帮助牙科植入过程的基础。在系统的某些功能中使用数学概念允许自动识别和处理图像部分,排除人为错误的可能性。然而,重要的是要注意,诊断最终决定必须由专家提供,完全由专家提供,因为该系统尽管失败的百分比很低,但仍然只是牙种植体决策过程中的支持工具。趋势是软件越来越常用于决策专家的支持,帮助他们诊断和产生易于解释的信息。为了扩展这项研究工作,有必要探讨这种模式对Zedview等其他方法的潜力。参考文献[1] T. Li, K. Hu, L. Cheng, Y. Ding, Y. Ding, J. Shao, and L. Kong, Optimum selection of the dental implant diameter and length in the posterior mandible with poor bone quality – A 3D finite element analysis, Applied Mathematical Modelling, 35 (2011), 446–456.[2] E. C. L. C. M. DIAS, Análise descritiva do grau de adaptação de pilares protéticos a implantes osseointegráveis e seu efeito na infiltração bacteriana: um estudo in vitro. Dissertation (M.Sc.) – University of Grande Rio, 2007.[3] A. D. Pye, D. E. A. Lockhart, M. P. Dawson, C. A. Murray, and A. J. Smith, A review of dental implants and infection. Journal of Hospital infection, 72 (2009), 104-110.[4] P. Mildenberger, M. Eichelberg, and E. Martin. Introduction to the DICOM standard. European Radiology, 12 (2001), 920-927.[5] R. N. J. Graham, R. W. Perriss, and A. F. Scarsbrook, DICOM demystified: A review of digital file formats and their use in radiological practice. Clinical Radiology, 60 (2005), 1133-1140.[6] D. Grauer, L.S.H. Cevidanes, and W.R. Proffit, Working with DICOM craniofacial images. American journal of orthodontics and dentofacialorthopedics: official publication of the American Association of Orthodontists, 136 (2009), 460-470.[7] Z. Zhou, B.J. Liu, and A.H. Le, CAD-PACS integration tool kit based on DICOM secondary capture, structured report and IHE workflow profiles, Computer Medical Imaging and Graphics, 31 (2007), 346- 352.[8] S. C. White, E. W. Heslop, L.G. Hollender, K.M. Mosier, A. Ruprecht, and M. K. Shrout Parameters of radiologic care: An official report of the American Academy of Oral and Maxillofacial Radiology. Oral Surg Oral Med Oral Pathol Oral Radiol Endod. 91(2001), 498-511.[9] J. Medina, S. Jaime-Castilho, and E. Jiménez, A DICOM viewer with flexible image retrieval to support diagnosis and treatment of scoliosis. Expert Systems with Aplications, 10 (2012), 8799-8808.[10]R. Assenciros, Fusão de imagens médicas para aplicação em sistemas de planejamento de tratamento em radioterapia. PhD Thesis University of São Paulo, 2006.[11]C. E. Misch, Implantes Dentários Contemporâneos. 2 ed. Santos Livraria Editora, São Paulo, 2000.[12]R. C. Gonzalez, R. E. Woods, S. L. Eddins, Digital Image Processing Using MATLAB. 2 ed., McGraw- Hill, Berkshire, 2009.[13]R. C. Gonzalez, R. E. Woods, Digital Image Processing. 3 ed., Addison-Wesley Longman, Boston, 2008.[14]J. F. Kennedy, R. C. Eberhart, and Y. Shi, Swarm Intelligence, Morgan Kaufmann, San Francisco, 2001.[15]L. S. Coelho and C. A. Sierakowski, A software tool for teaching of particle swarm optimization fundamentals, Advances in Engineering Software, 39 (2008), 877-887.[16]G. T. Pulido, C. A. C. Coello, and L. V. Santana-Quintero, EMOPSO: A Multi-Objective Particle Swarm Optimizer with Emphasis on Efficiency. Lectures Notes in Computer Science, 4403 (2007), 272- 285.[17]F. D. Neves, A. J. Fernandes Neto, and G. A. S. Barbosa, P.C. Simamoto Júnior, Sugestão de Sequência de Avaliação para a Seleção do Pilar em Próteses Fixas Sobre Implantes/Cimentadas e Parafusadas. Revista brasileira de prótese clinica e laboratorial. 27 (2003), 535-548.[18]P. I. Brånemark, G.A. Zarb, and T. Albrektsson. Introduction in Osseointegration. In. Tissue-integrated prostheses. Quintessence Books, Chicago, 1985.[19]S. Olate, M. C. N. Lyrio, M. Moraes, R. Mazzonetto, and R. W. F. Moreira, Influence of diameter and length of implant on early Dental Implant failure. American Association of Oral Maxillofacial Surgeons, 68 (2010), 414-419.[20]B. C. P. Moraes, Avaliação da angulação e inclinação dos dentes anteriores por meio da tomografia computadorizada por feixe cônico, em pacientes com fissura transforame incisivo unilateral, MSc thesis, University of Sao Paulo, 2010.[21]M. F. Haddad, E. P. Pellizzer, J. V. Q Mazaro, F. R. Verri, and R. M. Falcón-Antenucci, Conceitos básicos para a reabilitação oral por meio de implantes osseointegrados - parte II: influência da inclinação e do tipo de conexão. Revista Odontológica de Araçatuba, 29 (2008), 24-29.[22]A. L. Szejka, M. Rudek, and O. Canciglieri Júnior, Methodological Proposal to Determine a Suitable Implant for a Single Dental Failure Through CAD Geometric Modelling. In: C.Bil et al. (eds.) 20th ISPE International Conference on Concurrent Engineering, IOS Press, Amsterdam, 2013, pp. 303–313.[23]A. L. Szejka, M. Rudek, and O. Canciglieri Júnior, Engineering inference mechanisms reasoning system in design for dental implant. WIT Transactions on the Built Environment, 145 (2014) 549–557.[24]A. L. Szejka, O. Canciglieri Júnior, M. Rudek, and H. Panetto, A Conceptual Knowledge-link model for supporting Dental Implant Process. Advanced Materials Research, 945–949, (2014) 3424–3429.[25]D. J. Czelusniak, A. L. Szejka, and O. Canciglieri Júnior, Agents Software with Ontologies in Expert Systems to Support Dental Prosthesis Design Decisions. Advanced Materials Research, 945–949 (2014), 3430–3437.
    展开阅读全文
    1
      金牌文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论,赶快抢占沙发吧。

    关于本文
    本文标题:基于深度学习的医疗图像预分类平台开发与实现(论文和源码).rar
    链接地址:http://www.gold-doc.com/p-97664.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
    copyright@ 2014-2018 金牌文库网站版权所有
    经营许可证编号:浙ICP备15046084号-3
    收起
    展开