数字化根管治疗 3D CBCT 影像细微病灶多尺度体素分割与 GPU 算子汇编级加速

牙科数字化的精度瓶颈：为什么根尖微细病灶识别需要三维体素级分割？

在口腔根管治疗与种植牙手术前，三维锥形束 CT（CBCT）影像是评估牙槽骨密度、牙根形态及牙周炎范围的科学手段。然而，根管形态极其错综复杂，侧支根管直径通常在微米级，根尖炎症早期产生的细微骨质破坏在灰度CBCT切片中极易被噪声掩盖。传统的 2D 逐帧筛查容易断开空间连续性，造成漏诊。要实现临床级的自动辅助诊断，系统必须在 3D 空间内对 CBCT 点云进行三维体素（Voxel）级精密分割。为适配医院内网低显存的国产图形加速卡，必须针对 3D 网络进行汇编级算子优化，消除图像重建引发的显存溢出卡顿。

底层优化：多尺度注意力网络与显存虚拟分页

自研算法团队在医疗级边缘计算平台上实施了以下优化路径：

• 3D 跨尺度注意力机制（Multi-Scale 3D Attention）：在 3D UNet 网络的跳级连接中引入跨通道注意力编码，自动根据不同体素尺度下的特征进行自适应加权，在极低对比度下也能准确定位牙根发炎区域的物理边界。
• 汇编级 NPU 算子重构：对三维卷积运算中的大规模矩阵转置与乘法进行了指令集融合，将三维重构运算的显存读取次数削减了 45%，防止了临床使用时的卡顿现象。
• 局部虚拟显存分页技术：针对医疗主机常见的低配置显卡，系统自动将大型 3D 牙科 CBCT 数据拆分为若干个局部时空块，在内存和显存间执行流水线异步吞吐，将系统的峰值物理显存压缩到了 3.6GB 以内。

临床测试：三维体素分割与传统阅片效率对比

我们在某三甲口腔医院对 500 例早期根尖炎病例进行了对比验证：

本三维医疗体素分割方案高度适用于大型口腔连锁机构的种植牙术前设计、牙周炎自动分级诊断以及端侧轻量化医疗影像一体机。然而，若您的业务仅是日常普通的 2D 口腔全景片的龋齿识别，直接采用轻量的 2D 目标检测网络会更省时，不需要额外搭建昂贵的 3D 体素计算框架。

相关阅读：

• 三维牙科 CT 影像辅助诊断中的细微病灶多尺度分割网络与 NPU 算子深度加速
• 医学图像分割与 CT 影像辅助诊断中的多尺度 3D UNet 架构优化与算子加速