[发明专利]基于全景X光片的口腔异常检测模型的训练方法及装置

权利要求书

1.基于全景X光片的口腔异常检测模型的训练方法，其特征在于，所述方法应用于通过全景X光片进行口腔异常的检测；

所述方法包括：

获取样本图像和初始口腔异常检测模型，所述样本图像具有特征标注；其中，所述初始口腔异常检测模型包括特征提取模型和特征识别模型；所述特征标注包括特征分类标注和目标定位标注；

通过所述特征提取模型提取所述样本图像的图像特征；其中，所述图像特征包括异常类别；

通过所述特征识别模型对所述图像特征进行识别处理，得到所述样本图像的识别结果和与所述识别结果对应的置信参数，所述置信参数用于指示所述识别结果的置信度；其中，所述识别结果包括特征分类结果和目标定位结果；

基于所述识别结果、所述置信参数和所述特征标注确定损失函数；具体的，依据所述特征分类结果和所述特征分类标注确定多标签目标分类损失函数，所述多标签目标分类损失函数为：

其中，p_i表示识别结果，所述识别结果包括候选框预测为目标的归一化后的概率，表示用于监督学习的特征标注；公式中，r_ij用来表示在训练数据中类别i相对于类别j的共存概率分布，C代表类别个数，z代表预测的分类的结果；

依据所述损失函数训练所述特征提取模型和所述特征识别模型，得到目标口腔异常检测模型；具体的，对所述识别结果进行监督学习，获得修正后的候选框以及异常类别的置信参数，具体的，通过综合损失函数对所述识别结果进行训练，用于监督整个学习过程；依据置信参数和修正后的候选框，过非极大值抑制算法，抑制不同候选框的重复结果；所述综合损失函数是通过分类损失函数和回归损失函数得出，具体为：

公式中，λ表示权重，N_cls表示进行分类损失函数的次数，N_reg表示进行损失函数的次数。

2.根据权利要求1所述的方法，其特征在于，所述获取样本图像和初始口腔异常检测模型，所述样本图像具有特征标注的步骤，包括：

所述目标定位标注，包括在所述样本图像上的所述图像特征的位置坐标标注；

所述特征分类标注，包括在所述样本图像上，标注有口腔异常问题的所述图像特征。

3.根据权利要求1所述的方法，其特征在于，所述通过所述特征提取模型提取所述样本图像的图像特征的步骤，包括：

通过所述特征提取模型对所述样本图像进行卷积运算，获得特征图，具体的，通过融合网络对所述样本图像进行至少三次卷积，获得对应于特征向量的所述特征图；其中，所述特征提取模型包括ResNet50，以及由FPN和Faster R-CNN组成的融合网络；所述特征向量相对于所述样本图像存在一一对应的映射关系；

对所述特征图进行图像特征提取，获得候选框，并依据所述特征图和所述候选框，生成与所述候选框的位置坐标对应的特征区域数据；具体的，对所述特征图对应的所述特征向量进行两次全连接，得到候选框的位置坐标，并判断所述候选框内是否存在目标；

对所述特征区域数据进行池化，获得图像特征的分类特征数据集合和候选框回归；其中，所述分类特征数据集合用于特征识别模型。

4.根据权利要求3所述的方法，其特征在于，所述通过所述特征提取模型对所述样本图像进行卷积运算，获得特征图的步骤，包括：

对所述图像特征进行残差卷积，获得残差卷积数据；

对所述残差卷积数据进行1*1卷积的特征融合，生成与所述残差卷积数据对应的融合特征数据；

对每层所述融合特征数据自上而下依次进行上采集，并更新所述融合特征数据；

对所述融合特征数据进行3*3卷积的横向预测，生成与所述融合特征数据对应的预测图；

对每层所述预测图自下而上依次进行下采集，并更新所述预测图，获得特征图。