[发明专利]基于深度学习的全景片龋病识别的方法和装置

权利要求书

1.一种基于深度学习的全景片龋病识别方法，其特征在于，包括：

将全景片输入基于深度学习的恒牙分割模型，以得到恒牙分割结果；

确定所述恒牙分割结果中各颗牙齿对应的牙冠图像块；

将所述牙冠图像块输入基于深度学习的龋病病灶分割模型，以得到所述龋病病灶分割结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述牙冠矩形框输入基于深度学习的龋病病灶分割模型，以得到所述龋病病灶分割结果的步骤之后，还包括：

对所述龋病病灶分割结果进行形态学开运算处理，以得到龋病病灶分割平滑结果。

3.根据权利要求2所述的方法，其特征在于，所述对所述龋病病灶分割结果进行形态学开运算处理，以得到龋病病灶分割平滑结果的步骤之后，还包括：

对所述龋病病灶分割平滑结果和所述恒牙分割结果取并集，以得到龋病病灶优化结果。

4.根据权利要求1所述的方法，其特征在于，所述基于深度学习的恒牙分割模型是通过如下方式得到的：

(1)模型设计阶段：网络结构包含编码器部分和解码器部分，所述编码器部分采用Xception网络结构，所述解码器部分采用FPN多尺度融合结构，并且从所述编码器部分抽取五个不同深度的卷积层作为输入，在解码器部分的上采样层加入scSE结构；

(2)模型训练阶段：对恒牙分割训练数据进行尺寸归一化、灰度归一化、数据增强化、数据平衡化处理，编码器部分的参数采用大型公开图像数据集ImageNet上预训练好的参数，解码器部分的参数采用随机初始化，采用梯度下降算法对模型进行迭代训练以取得网络最优解，根据在验证集上的Dice值来确定模型的最优参数。

5.根据权利要求1所述的方法，其特征在于，所述确定所述恒牙分割结果中各颗牙齿对应的牙冠图像块的步骤包括：

遍历地对恒牙分割结果中的各颗牙齿执行如下操作：获取当前牙齿的全齿贴合矩形框，根据所述全齿贴合矩形框确定牙冠所在侧边的半齿贴合矩形框，根据所述半齿贴合矩形框确定质心，以所述质心为中心点生成预设尺寸的质心采样框，根据所述质心采样框在所述全景片上裁切出所述牙冠图像块。

6.根据权利要求1所述的方法，其特征在于，所述基于深度学习的龋病病灶分割模型是通过如下方式得到的：

(1)模型设计阶段：网络结构包含编码器部分和解码器部分，所述编码器部分采用Xception网络结构，所述解码器部分采用FPN多尺度融合结构，并且从所述编码器部分抽取五个不同深度的卷积层作为输入，在解码器部分的上采样层加入scSE结构；

(2)模型训练阶段：对龋病病灶分割训练数据进行尺寸归一化、灰度归一化、数据增强化、数据平衡化处理，特征提取部分的参数采用大型公开图像数据集ImageNet上预训练好的参数，全连接层和输出层的参数采用随机初始化，采用梯度下降算法对模型进行迭代训练以取得网络最优解，根据在验证集上的Dice值来确定模型的最优参数。

7.根据权利要求4或6所述的方法，其特征在于，所述随机初始化的方法为：he_normal，lecun_uniform，glorot_normal，glorot_uniform或者lecun_normal。

8.根据权利要求4或6所述的方法，其特征在于，所述梯度下降算法的方法为：Adam，SGD，MSprop或者Adadelta。

9.一种基于深度学习的全景片龋病识别装置，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1至8中任一项所述的方法。