本發(fā)明涉及上氣道動態(tài)氣流場模擬，特別是涉及一種基于cbct圖像的上氣道分割和氣流模擬方法。

背景技術(shù)：

1、在正畸治療過程中經(jīng)常伴隨著氣道的變化，尤其是兒童青少年的氣道狹窄問題，通過正畸治療可以及時阻斷后續(xù)不良進展。腺樣體是位于鼻咽后上部的淋巴組織。根據(jù)人體免疫系統(tǒng)發(fā)育規(guī)律，兒童2～6歲時腺樣體迅速增生，

2、10歲后逐漸萎縮，成年后則基本消失。由于環(huán)境因素的反復(fù)刺激，在兒童時期腺樣體容易發(fā)生增生，進而引起腺樣體肥大、阻塞性睡眠呼吸暫停低通氣綜合征(obstructivesleepapneahypopneasyndrome，oashs)等疾病。在我國，14歲以下人群中osahs患病率高達4％，兒童青少年中腺樣體肥大發(fā)生率高達49.7％。在兒童和青少年中，這兩種疾病對身體發(fā)育會產(chǎn)生極大影響，如果不及時治療，可能會引起腺樣體面容、神經(jīng)系統(tǒng)發(fā)育緩慢、代謝能力異常、睡眠質(zhì)量低等一系列問題。腺樣體肥大和osahs等相關(guān)疾病目前主要由口腔科和耳鼻喉科治療。在口腔醫(yī)學(xué)臨床實踐過程中，經(jīng)常通過使用頭影側(cè)位片和cbct影像來獲取患者的氣道影像來輔助診斷。相比于耳鼻喉科的喉鏡檢查，影像學(xué)方式的舒適度更高，患者更加易于接受。

3、然而頭影側(cè)位片是一種二維平面圖像，無法精確獲得氣道的信息。因此cbct的三維影像顯得更為重要。由于cbct仍存在圖像噪聲大、對比度低、cbct圖像數(shù)據(jù)量大、氣道解剖結(jié)構(gòu)變異復(fù)雜、氣道軟組織與氣道空腔分界不清、醫(yī)師閱片水平差異等因素，cbct圖像閱片所需時間長。深度學(xué)習(xí)技術(shù)已經(jīng)廣泛用于圖像分割領(lǐng)域，目前用于cbct氣道分割的深度學(xué)習(xí)方法有cnn，3du-net和regressionneuralnetwork等，據(jù)報道最快分割速度可以達到6分鐘，最高dice系數(shù)(dsc)達到0.92，依舊具有較大的提升空間。

4、隨著科技的迅猛發(fā)展，特別是工程領(lǐng)域技術(shù)的進步，cfd(computational?fluiddynamics,cfd)數(shù)值模擬技術(shù)已經(jīng)在血液流動與心臟跳動等情景下應(yīng)用，常規(guī)的醫(yī)學(xué)檢查只能做出某一瞬間的結(jié)果分析，在氣道不同部分，以及在不同環(huán)境、不同呼吸進氣條件下，對氣道內(nèi)部產(chǎn)生的影響是無法得到的。

5、現(xiàn)有氣道氣流模擬研究中，大多將上呼吸道壁面采用無滑移壁面邊界條件，且假定壁面為剛性壁面，未考慮到壁面彈性的影響。僅有少量研究將氣道局部使用柔性壁面，以此研究氣道在呼吸過程中局部的變化情況。但是都無法模擬全呼吸過程中氣道的整體變化情況。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于cbct圖像的上氣道分割和氣流模擬方法，本發(fā)明解決了現(xiàn)有技術(shù)中上氣道成像準(zhǔn)確度低下且無法模擬全呼吸過程氣道整體變化的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于cbct圖像的上氣道分割和氣流模擬方法，包括：

4、構(gòu)建初始三維模型；

5、獲取待測cbct原始圖像數(shù)據(jù)和初始三維模型數(shù)據(jù)；

6、對所述初始三維模型數(shù)據(jù)進行處理，得到模型參數(shù)數(shù)據(jù)；

7、根據(jù)所述模型參數(shù)數(shù)據(jù)對所述初始三維模型進行參數(shù)設(shè)置，得到氣道三維模型；

8、將所述待測cbct原始圖像數(shù)據(jù)輸入到氣道三維模型中，得到速度云圖和應(yīng)力云圖；

9、所述初始三維模型的構(gòu)建方法為：

10、獲取cbct原始圖像數(shù)據(jù)；

11、對所述cbct原始圖像數(shù)據(jù)進行預(yù)處理，得到圖像輸入數(shù)據(jù)；

12、根據(jù)所述圖像輸入數(shù)據(jù)，基于3dux-net網(wǎng)絡(luò)，構(gòu)建第一子模型；

13、對所述第一子模型進行優(yōu)化，得到第二子模型；

14、對所述第二子模型進行逆向建模和平滑處理，得到第三子模型；

15、對所述子模型進行網(wǎng)格化處理，得到初始三維模型。

16、優(yōu)選地，所述初始三維模型數(shù)據(jù)，包括：

17、氣道進氣的流量參數(shù)、溫度參數(shù)、呼吸過程中氣道壁面移動距離參數(shù)、呼氣狀態(tài)下的溫度參數(shù)和流量參數(shù)。

18、優(yōu)選地，所述對所述cbct原始圖像數(shù)據(jù)進行預(yù)處理，得到圖像輸入數(shù)據(jù)，包括：

19、對所述cbct原始圖像數(shù)據(jù)進行手動氣道分割，得到第一圖像數(shù)據(jù)；

20、對所述第一圖像數(shù)據(jù)進行雙邊濾波處理，得到第二圖像數(shù)據(jù)；

21、對所述第二圖像中各點的八領(lǐng)域進行加權(quán)求和，得到第三圖像數(shù)據(jù)；

22、對所述第三圖像數(shù)據(jù)進行尺寸縮放和數(shù)據(jù)集增強，得到圖像輸入數(shù)據(jù)。

23、優(yōu)選地，所述3dux-net網(wǎng)絡(luò)的學(xué)習(xí)率為0.0001，batchsize設(shè)置為1，訓(xùn)練步長設(shè)置為60000步。

24、優(yōu)選地，所述對所述第一子模型進行優(yōu)化，得到第二子模型，包括：

25、獲取第一子模型輸出的第一分割圖像；

26、判斷所述第一分割圖像是否存在多分或漏分，若存在多分，則判斷所述第一分割圖像的像素閾值是否大于-550，若是，則剔除對應(yīng)部分，得到第二分割圖像；若存在漏分，則判斷漏分部分的像素位置是否在已分割的前景像素的八鄰域內(nèi)，若是，則把對應(yīng)部分歸為前景區(qū)域，得到第三分割圖像；

27、基于所述第一子模型，根據(jù)所述第二分割圖像和第三分割圖像，得到第二子模型。

28、優(yōu)選地，所述對所述第二子模型進行逆向建模和平滑處理，得到第三子模型，包括：

29、將所述第二子模型文件導(dǎo)入geomagicwrap中，利用網(wǎng)格醫(yī)生除去所述第二子模型表面的顆粒物和非結(jié)構(gòu)體，并對去除顆粒物和非結(jié)構(gòu)的第二子模型的不規(guī)則平面進行平滑或刪除重建，得到平滑后的第二子模型；

30、將所得的平滑后的第二子模型進行曲面片劃分，以得到規(guī)則的曲面片分布模型，將所述規(guī)則的曲面片分布模型轉(zhuǎn)為實體模型并導(dǎo)出；

31、將實體模型導(dǎo)入spacesclaim中，對進氣口、排氣口處的曲面片進行貼合或重構(gòu)，得到第三子模型。

32、優(yōu)選地，所述對所述子模型進行網(wǎng)格化處理，得到初始三維模型，包括：

33、對所述第三子模型進行邊界劃分，命名，并指出進出口壁面，設(shè)置好對應(yīng)的流體域，在邊界處設(shè)置邊界層網(wǎng)格，增長率為1.2，最小單元尺寸為2mm，以得到初始三維模型。

34、根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術(shù)效果：

35、本發(fā)明提供了一種基于cbct圖像的上氣道分割和氣流模擬方法，包括：構(gòu)建初始三維模型；獲取待測cbct原始圖像數(shù)據(jù)和初始三維模型數(shù)據(jù)；對所述初始三維模型數(shù)據(jù)進行處理，得到模型參數(shù)數(shù)據(jù)；根據(jù)所述模型參數(shù)數(shù)據(jù)對所述初始三維模型進行參數(shù)設(shè)置，得到氣道三維模型；將所述待測cbct原始圖像數(shù)據(jù)輸入到氣道三維模型中，得到速度云圖和應(yīng)力云圖；所述初始三維模型的構(gòu)建方法為：獲取cbct原始圖像數(shù)據(jù)；對所述cbct原始圖像數(shù)據(jù)進行預(yù)處理，得到圖像輸入數(shù)據(jù)；根據(jù)所述圖像輸入數(shù)據(jù)，基于3dux-net網(wǎng)絡(luò)，構(gòu)建第一子模型；對所述第一子模型進行優(yōu)化，得到第二子模型；對所述第二子模型進行逆向建模和平滑處理，得到第三子模型；對所述子模型進行網(wǎng)格化處理，得到初始三維模型。本發(fā)明通過發(fā)明中cbct是一種用于顯示口腔頜面部頜骨、牙齒、顳下頜關(guān)節(jié)等解剖結(jié)構(gòu)的快速成像技術(shù)，近年來已被廣泛應(yīng)用于口腔種植、根管治療、正畸診斷等方面。但是cbct圖像所含的數(shù)據(jù)龐大，根據(jù)影像學(xué)表現(xiàn)作出明確診斷存在醫(yī)生的技術(shù)敏感性。本發(fā)明利用深度學(xué)習(xí)算法，基于用于三維醫(yī)學(xué)圖像分割的ux-net神經(jīng)網(wǎng)絡(luò)對cbct圖像中的上氣道部分進行自動圖像分割，并進行動態(tài)呼吸氣流場模擬，構(gòu)建了一種高效、便捷、準(zhǔn)確的上氣道三維模型成像方式，這為正畸醫(yī)生進行準(zhǔn)確全面的術(shù)前診斷、開展正畸治療和正畸預(yù)后評估提供新的方法。