[发明专利]一种深度学习的全景牙片病灶检测及分割方法及装置

权利要求书

1.一种深度学习的全景牙片病灶检测及分割方法，其特征在于，包括：

获取全景牙片数据，对所述全景牙片数据进行预处理，得到待检测分割数据；

将所述待检测分割数据进行多病灶检测定位及轮廓分割，得到病灶检测结果，其中，所述病灶检测结果包括：病灶分类、病灶位置坐标和病灶分割轮廓；

利用牙齿牙位分类检测模型将所述待检测分割数据进行牙齿检测定位，得到牙齿牙位检测结果，其中，所述牙齿牙位检测结果包括：每个牙齿所对应的FDI标准牙位号，；

将所述牙齿牙位检测结果与所述病灶检测结果进行匹配，得到每一个病灶对应的牙位号；

通过轮廓平滑算法对所述病灶分割轮廓进行平滑处理，得到处理后的轮廓；

将全景牙片病灶检测及分割结果进行可视化输出。

2.根据权利要求1所述的方法，其特征在于，所述将所述待检测分割数据进行多病灶检测定位及轮廓分割，得到病灶检测结果，其中，所述病灶检测结果包括：病灶和分割轮廓包括：

利用以Mask-rcnn架构为基础，backbone主干网络采用ResNeSt-200网络的模型对所述待检测分割数据进行感兴趣特征提取；

利用AugFPN增强特征金字塔结构，将所述backbone主干网络的最后几层特征图进行候选框提取；

输出所述病灶分类、所述病灶位置坐标以及所述病灶分割轮廓。

3.根据权利要求2所述的方法，其特征在于，所述AugFPN增强特征金字塔结构包括：

残差特征增强模块以及自适应空间融合模块。

4.根据权利要求1所述的方法，其特征在于，所述利用牙齿牙位分类检测模型将所述待检测分割数据进行牙齿检测定位，得到牙齿牙位检测结果包括：

采用两阶段的Faster-rcnn目标检测算法对牙齿进行分类和坐标框回归；

利用FPN特征金字塔模块，对每一层特征进行一次分类和坐标框回归；

输出所述牙齿牙位检测结果。

5.根据权利要求1所述的方法，其特征在于，所述将所述牙齿牙位检测结果与所述病灶检测结果进行匹配，得到每一个病灶对应的牙位号包括：

计算每一个病灶的中心点与检出牙齿的中心点之间空间欧氏距离，对距离进行排序后得到距离最近的牙齿作为病灶的匹配牙位，得到每一个病灶对应的牙位号。

6.根据权利要求1所述的方法，其特征在于，所述通过轮廓平滑算法对所述病灶分割轮廓进行平滑处理，得到处理后的轮廓包括：

利用滑动窗口均值平滑算法对所述病灶分割轮廓进行平滑处理，得到处理后的轮廓。

7.一种深度学习的全景牙片病灶检测及分割装置，其特征在于，包括：

预处理模块，用于获取全景牙片数据，对所述全景牙片数据进行预处理，得到待检测分割数据；

病灶检测和轮廓分割模块，用于将所述待检测分割数据进行多病灶检测定位及轮廓分割，得到病灶检测结果，其中，所述病灶检测结果包括：病灶分类、病灶位置坐标和病灶分割轮廓；

牙齿牙位检测模块，用于利用牙齿牙位分类检测模型将所述待检测分割数据进行牙齿检测定位，得到牙齿牙位检测结果，其中，所述牙齿牙位检测结果包括：每个牙齿所对应的FDI标准牙位号，；

匹配模块，用于将所述牙齿牙位检测结果与所述病灶检测结果进行匹配，得到每一个病灶对应的牙位号；

处理模块，用于通过轮廓平滑算法对所述病灶分割轮廓进行平滑处理，得到处理后的轮廓；

输出模块，用于将全景牙片病灶检测及分割结果进行可视化输出。