بخش بندی خودکار دندان ها با استفاده از سطوح همتراز و پروجکشن پانورامیک در مجموعه داده های حجمی سی تی اسکن
Publish place: 16th Iranian Conference on Electric Engineering
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,682
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE16_080
تاریخ نمایه سازی: 6 اسفند 1386
Abstract:
در این مقاله روشی جهت جهت بخش بندی خودکار دندان ها در داده های حجمی سی تی اسکن، با استفاده از سطوح همتراز و اطلاعات پروجکشن پانورامیک بازسازی شده از این داده ها، ارائه شده است. روش پیشنهادی متشکل از دو مرحله اصلی تعیین خودکار ناحیه دندانی و بخش بندی دندان ها در تصاویر سی تی اسکن می باشد. ابتدا پس از تعیین ماسک سر به وسیله آستانه گیر اتسو، بافت های استخوانی از غیر استخوانی با اعمال الگوریتم سطوح همتراز متوقف شونده با لبه از هم جدا می شوند و سپس از سطوح همتراز بدون لبه جهت یافتن مرز ساختارهای دندانی از غیر دندانی استفاده می گردد. در ادامه کانتور اولیه هر دندان به کمک منحنی های هر یک از فک های فوقانی و تحتانی به وسیله یک تابع اسپیلاین به دست می آید. سپس نمونه برداری های تصاویر سی تی اسکن با استفاده از خطوط عمود بر این منحنی ها انجام می پذیرد. در نهایت با استفاده از کرونال پروجکشن اطلاعات نمونه برداری شده، تصویر پانورامیک به دست می آید که با اعمال انتگرال پروجکشن، دندان ها به صورت بلوک هایی در تصویر پانورامیک از یکدیگر جدا می گردند. برای به دست آوردن کانتور نهایی هر دندان، مرزهای اولیه دندان ها به همراه بلوک های دندانی در مجموعه داده سی تی قرار می گیرد که با اعمال الگوریتم سطوح همتراز دندان ها بخش بندی می گردند. نتایج حاصل بیانگر توانایی روش پیشنهادی در استخراج کانتورهای دندان می باشد.
Keywords:
Authors
محمد حسن طلب
دانشگاه آزاد، علوم و تحقیقات
رضا آقایی زاده ظروفی
دانشگاه تهران، دانشکده فنی
علی عباسپور تهرانی فرد
دانشگاه آزاد، علوم و تحقیقات
غلامرضا شیرانی
دانشگاه علوم پزشکی تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :