[发明专利]一种基于深度学习的口腔医疗图像识别方法

说明书

本发明公开一种基于深度学习的口腔医疗图像识别方法，首先利用病人口腔图像和对应的标记，使用深度学习训练一个基于多张连续医疗图像的两阶段深度神经网络模型；再用训练所得的模型预测未知的病人口腔图像，识别得到病人口腔图像的标记。本发明不再仅仅得到单张图像的预测结果，而是可以同时得到整个病人的预测结果。

技术领域

本发明涉及一种基于深度学习的口腔医疗图像识别方法，属于深度学习图像处理技术，特别适用于多张连续口腔医疗图像识别问题。

背景技术

目前，深度学习技术已广泛应用于各类图像处理任务中，例如在传统图像任务中，目前很多安防摄像头都采用深度学习技术进行图像处理，相比于使用传统特征的方法，取得了更好的识别效果；在医疗图像中，肺结节检测也是通过深度学习技术很好地找到病人的结节位置，从而实现计算机辅助诊断。

在传统图像处理中，一般采用多层卷积神经网络作为提取特征的主要结构，再针对不同的任务，在基本结构上加上不同的结构。对于分类问题，主流的技术都是将图像输入到网络中，得到它对应于每个类的概率，最终取概率最高的类作为最终的类别。但相比于传统图像，医疗图像往往包含了很多张图像，而不仅仅是一张图像，所以传统的分类方法并不能很好的应用于医疗图像。

随着医疗图像的不断收集，我们将会得到越来越大的三维医疗图像数据集。一般的分类算法只能针对单张图像进行处理，很难对整个病人的三维数据进行较好地运用。

发明内容

发明目的：目前的图像处理方法往往只考虑了单张图像的处理，并不适用于多张连续的口腔医疗图像。针对于上述问题，本发明提供了一种基于深度学习的口腔医疗图像识别方法：首先利用病人口腔图像（例如CBCT图像）和对应的标记（如正常、肿瘤和骨折），使用深度学习训练一个基于多张连续医疗图像的两阶段深度神经网络模型；再用训练所得的模型预测未知的病人，得到病人的标记。

技术方案：一种基于深度学习的口腔医疗图像识别方法，包括利用深度学习在已有病人口腔医疗图像数据上对深度神经网络进行训练的步骤，对未知病人数据进行预测的步骤，得到病人口腔医疗图像的识别结果。

所述用深度学习在已有病人数据上对深度神经网络进行训练的具体步骤为：

步骤100，输入每个病人的三维口腔图像（例如CBCT图像）和口腔图像对应的标记至计算平台，三维口腔图像包括多张连续的口腔图像；所述口腔图像对应的标记指的每张口腔图像被医生标注为正常或患病的标记；如果口腔图片被标记为患病，则该标记还包括疾病种类和病灶的切片范围。

步骤101，对病人的口腔图像数据进行预处理，去掉异常的病人数据，同时将口腔图像数据正规化；所述正规化是指口腔图像数据减去均值并除以方差。

步骤102，根据口腔图像对应的标记中包含病灶的切片范围的标注，将病人的三维口腔图像在范围内的所有切片标记为患病，同时将范围外的所有切片标记为正常，从而得到第一阶段的数据集。将第一阶段的数据集进行随机划分，得到第一阶段的训练集和第一阶段的验证集。

步骤103，初始化正样本重采样比例，正则化系数以及学习率等深度神经网络模型的超参数，其中正样本重采样比例为10，正则化系数为0.005，学习率为0.001。

步骤104，在计算平台上，使用梯度下降方法基于第一阶段的训练集训练深度神经网络模型。因为训练过程中不同轮数的模型会有不同的性能，因此根据步骤102中得到的第一阶段的验证集，选择判断切片是否患病分类准确率最高的模型，得到第一阶段的深度神经网络模型。

步骤105，根据医生标注为患病的病人三维口腔图像，选取其中所有包含病灶的切片，并将每张切片标记为肿瘤或骨折（肿瘤或骨折是疾病种类，所使用的数据中仅包含这两类疾病），从而得到第二阶段的数据集。将这个数据集进行随机划分，得到第二阶段的训练集和第二阶段的验证集。