[发明专利]一种建立口腔诊断神经网络模型的方法及口腔诊断方法

说明书

本发明适用于口腔医学技术领域，提供了一种建立口腔诊断神经网络模型的方法及口腔诊断方法，建立口腔诊断神经网络模型的方法包括：获取包含已分类患者口腔图像的训练集；从训练集中获取预设口腔缺陷图像构建样本集；在VGG16卷积神经网络模型的结构基础上，应用损失函数和激活函数；将训练集和样本集投入VGG16神经网络进行训练，生成口腔诊断神经网络模型。通过本发明可以实现如错牙合等口腔缺陷的图像识别和初步诊断，从而简化检查步骤、缩短检查时间，提高患者就诊的整体诊断效率。

技术领域

本发明涉及口腔医学技术领域，尤其涉及一种建立口腔诊断神经网络模型的方法及口腔诊断方法。

背景技术

我国错牙合畸形患者基数大，且存在日益增多的情况，其中，儿童的错牙合畸形应当在早期，针对错牙合的病因、机制及发生、发展过程，利用口腔治疗方法进行预防与矫治，此时矫治难度较小，矫治后通常可以达到颅面牙合的美观及功能的完美协调发展。

目前的口腔诊断过程，主要通过口腔镜探入患者口腔内检测患者口腔情况，其中，口腔镜分为多种类型，每个口腔镜只有单一功能，若轮换使用多个工具显然会复杂化检查步骤、延长检查时间，对于患者来说诊断效率低。

发明内容

本发明的主要目的在于提出一种建立口腔诊断神经网络模型的方法及口腔诊断方法，以解决现有技术中口腔诊断过程中检查步骤多、检查时间长，对患者来说诊断效率不高的问题。

为实现上述目的，本发明实施例第一方面提供一种建立口腔诊断神经网络模型的方法，包括：

获取包含已分类患者口腔图像的训练集；

从所述训练集中获取预设口腔缺陷图像构建样本集；

在VGG16卷积神经网络模型的结构基础上，应用损失函数和激活函数；

将所述训练集和所述样本集投入所述VGG16神经网络进行训练，生成口腔诊断神经网络模型。

结合本发明第一方面，本发明第一实施方式中，在VGG16卷积神经网络模型结构的基础上，应用损失函数和激活函数之前，包括：

将所述已分类患者口腔图像和所述预设口腔缺陷图像进行增量处理。

结合本发明第一方面第一实施方式，本发明第二实施方式中，将所述已分类患者口腔图像和所述预设口腔缺陷图像进行增量处理，包括：

对所述已分类患者口腔图像和所述预设缺陷图像执行旋转预设角度、平移预设幅度、垂直镜像处理和水平镜像处理中的至少一种处理方式。

结合本发明第一方面，本发明第三实施方式中，所述损失函数的计算公式为：

其中，y表示预设口腔缺陷图像出现的真实概率，表示预设口腔缺陷图像出现的预测概率，M表示已分类患者口腔图像的数量，N表示每个已分类患者口腔图像中的分类标签的数量，i表示第i个分类标签，j表示第j个已分类患者口腔图像，y_ij和表示第j个已分类患者口腔图像的第i个标签。

结合本发明第一方面，本发明第四实施方式中，将所述训练集和所述样本集投入所述VGG16卷积神经网络模型进行训练，生成口腔诊断神经网络模型，包括：

将所述训练集投入VGG16卷积神经网络模型进K次迭代训练；

通过所述损失函数度量第n次迭代训练结果与所述样本集的差距；

其中，K为正整数，n为小于或等于K的正整数；

计算第n次所述迭代训练结果的最小化损失函数，并根据所述最小化损失函数调节第n+1次所述迭代训练的学习率；

根据K次所述迭代训练的训练结果生成口腔诊断神经网络模型。