[发明专利]一种牙齿全景片中疾病识别与分割方法

说明书

本发明公开了一种牙齿全景片中疾病识别与分割方法，首先训练得到准确率较高的多任务、多疾病的第一网络，然后将牙齿全景片输入至第二网络和训练好的第一网络，对第一网络中间层的特征图特征进行精炼、边缘特征精炼，对第一网络分类的预测结果进行标签软化学习疾病之间相似度的暗知识，用来指导第二网络的进一步学习。本发明通过多层特征精炼，将内在知识传递到第二网络，可使第二网络更加优秀，进而提升最终识别和分割的性能。经过多种特征精炼的第二网络，分类准确度、分割精确度高，体积小，特别适合部署在移动应用。

技术领域

本发明属于医疗图像处理领域，尤其涉及了一种牙齿全景片中疾病识别与分割方法。

背景技术

口腔疾病目前已成为世界上大部分人群的健康问题之一。据世界卫生组织最新统计，口腔疾病已被列为继癌症和脑血管疾病之后的第三大疾病。随着经济增长，我国全民的口腔健康状况虽得到逐步改善，但患各种口腔疾病的人群在全体居民中占比高达97.6％，其中除牙列不齐外，龋病、牙周病、牙齿残缺等是我国患病率最高的口腔疾病。

根据第三次全国口腔健康流行病学调查结果，龋病是最普遍的口腔疾病，我国有3亿9千万居民患有龋病，35～44岁、65～74岁年龄组的患龋率分别达到88.1％、98.4％。此外我国约1亿人患有牙周病，在我国占人口比重最高的35～44岁人群中牙龈出血检出率分别高达77.3％；牙石检出率分别高达97.3％；牙周袋检出率达40.9％。牙齿残缺方面，我国患牙齿残缺人数近3500万，35～44岁年龄组有牙齿缺失的比例为37.0％，老年人群平均牙齿缺失的比例为86.1％，由此以上调查可见牙齿疾病已成为我国最为普遍健康问题之一。

口腔全景片具有对比度可调、辐射小、成像快并可实现多角度观察等优点，口腔全景片可观察牙齿数量、牙周组织情况、牙胚发育情况以及是否存在冠根发育畸形、阻生齿和先天牙缺失。口腔全景片在口腔科牙周、牙根疾病和龋齿诊断过程中价值突出，目前在口腔科临床诊治中得到广泛应用。

专利标题，基于深度学习的口腔全景片龋齿深度识别方法，申请号为CN111784639A，申请日期为2020.06.05；专利记载了深度学习的口腔全景片龋齿深度识别方法，该方法采用阈值分割方法提取ROI，分离口腔全景片中的背景区域和目标区域，再采用迁移学习和梯度下降法构建并训练卷积神经网络，最后利用训练好的卷积神经网络提取ROI图像高维特征，进行龋齿深度自动识别。

现有技术集中于单一任务的牙齿疾病区域分割，在牙齿疾病区域识别并进行多任务分割的问题上尚未提出有效策略以增加网络的适用场景，此外网络的参数大小也没有足够重视，没有考虑到庞大网络对部署设备性能的硬性需求，导致其难以部署在移动应用平台上。

发明内容

本申请的目的是提供一种牙齿全景片中疾病识别与分割方法，用以克服现有技术在进行全景片分析牙齿疾病时不能同时进行多种疾病诊断、网络参数量过大等问题。

为了实现上述目的，本申请技术方案如下：

一种牙齿全景片中疾病识别与分割方法，所述牙齿全景片中疾病识别与分割方法，包括：

将牙齿全景片样本I_original输入已构建且训练后的第一网络U_teacher中，得到第一疾病分类预测向量logits^T以及第一特征图列表Feats^T；

将牙齿全景片样本I_original输入已构建的第二网络U_student中，得到第二特征图列表Feats^S、当前疾病分类结果和当前病灶分割结果

将第一特征图列表Feats^T和第二特征图列表Feats^S进行深度特征提炼，得到深度特征提炼损失L_feat；