[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

说明书

本发明提供了一种深度学习的全景牙片病灶检测及分割方法及装置，其中方法包括：获取全景牙片数据，对全景牙片数据进行预处理，得到待检测分割数据；将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，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，牙齿牙位检测结果包括：每个牙齿所对应的FDI标准牙位号；将牙齿牙位检测结果与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。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种深度学习的全景牙片病灶检测及分割方法及装置。

背景技术

深度学习已经广泛应用于计算机视觉领域，包括目标检测、实例分割、语义分割、图片分类等细分领域。全景牙片作为临床牙齿检查及辅助诊断最主要的手段，国内外研究人员结合深度学习技术做了诸多相关方面的研究。

单纯的牙齿检测、分割或者单病灶检测的应用场景十分有限，很难满足全景牙片临床诊断需求，而现有技术大多数集中在牙齿分割或牙体受损牙这种大的病灶检测上，无法适用尺度和形态变化很大的其他病灶上面。现有技术对病灶的分割多数采用语义分割的思路，而语义分割本身对尺寸不敏感，小尺寸病灶会受大尺寸病灶的影响，且面对多病灶场景分割难度很大，漏检率很高。同时，现有技术无法将病灶和具体牙体牙位对应起来，确实临床意义。

例如：使用语义分割及图片分类的深度学习技术对牙周骨缺失进行检测及牙位分类(Jaeyoung Kim,Hong-Seok Lee,Et al.DeNTNet:Deep Neural Transfer Network forthe detection of periodontal bone loss using panoramic dental radiographs,SCIENTIFIC REPORTS,2019)。使用目标检测的深度学习技术对牙周受损牙的检出和定位(BhornsawanThanathornwong,SiriwanSuebnukarn,Automatic detection ofperiodontal compromised teeth in digital panoramic radiographs using fasterregion convolutional neural networks,ISD,2020)。利用3D语义分割网络对下颌阻生智齿、相邻第二磨牙和下颌管进行分割并确定他们之间的关系(专利号：CN:201910785246:A)。利用语义分割方法对牙槽骨线、恒牙进行分割并评估牙槽骨线吸收分级(专利号：CN:201910184659:A)。利用语义分割方法对全景牙片中的人工牙体进行分割和识别(专利号：CN:201910185942:A)。利用语义分割方法先对恒牙进行分割，得到每颗恒牙对应根尖周区域后，对这些区域再进行跟肩周炎病灶的分割(专利号：CN:201910184797:A)。利用语义分割方法对全景牙片中阻生牙进行分割(专利号：CN:201910184967:A)。利于实例分割方法得到牙齿及牙根区域(专利号：CN:201811155681:A)。利用语义分割方法分别得到牙齿区域以及牙齿边缘的分割结果，最终实现牙齿的实例级分割(专利号：CN:201810958999:A)。

可见，目前没有发现针对牙周及牙体多病灶自动检测及分割算法方面的研究，多病种数据标注难度较高，且不同病灶形态学差异较大导致检测及分割难度较大，构建一套基于全景牙片的多病灶检测及分割的系统具有很高的技术壁垒和行业竞争性。

发明内容

本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的深度学习的全景牙片病灶检测及分割方法及装置。

为达到上述目的，本发明的技术方案具体是这样实现的：