[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

说明书

本申请提供了基于口腔全景X光片的检测模型的训练方法，应用于通过口腔全景X光片进行口腔异常的检测；包括：获取样本图像和初始口腔异常检测模型，样本图像具有特征标注；通过特征提取模型提取样本图像的图像特征；通过特征识别模型对图像特征进行识别处理，得到样本图像的识别结果和与识别结果对应的置信参数，置信参数用于指示所述识别结果的置信度；基于识别结果、置信参数和特征标注确定损失函数；依据损失函数训练特征提取模型和特征识别模型，得到目标口腔异常检测模型。通过利用深度学习等人工智能技术辅助医生进行口腔全景X光片全面诊断、提高检查效率与便捷度具有重要应用价值和社会效益。

技术领域

本申请涉及口腔医学成像智能处理与分析技术领域，特别是基于全景X光片的口腔异常检测模型的训练方法及装置。

背景技术

随着饮食和生活方式的改变，口腔健康问题在全国各地普遍存在。目前龋病、智齿、埋伏牙、炎症等口腔疾病的临床诊断主要是由临床医生根据患者的临床症状、探诊检查和影像学检查等进行综合评判。探诊检查作为传统常规的儿童口腔健康筛查手段之一，经常受操作繁琐、耗时长等限制，难以满足大量的口腔健康患者的筛查和诊断需求。相比之下，口腔全景X光(X-ray，X射线)片可以为医生对患者口腔整体健康进行综合评估提供全景X光图像，帮助医生快速掌握口腔整体健康情况。全景片可以清晰、完整的显示上颌骨、下颌骨全貌，上下颌牙(牙齿倾斜程度、牙根)、牙槽骨(牙周软组织，牙槽骨质)情况。

然而，临床上的口腔X光全景口腔异常筛查仍面临着以下三个困难：

(1)异常复杂多样：口腔全景X光片往往会同时包含多个不同的异常病理的影像学表现，且病理特征复杂、病灶大小不一，难以进行精确化的全面诊断。(2)依赖专业操作：口腔全景片的评估非常依赖于临床医生的个人临床经验和知识，不同临床医生之间诊断的差异导致了口腔疾病治疗的方案不同，存在误诊漏诊的可能。(3)容易误诊漏诊：人工阅片容易发生误诊漏诊。在阅片过程中往往只关注的是患者主诉牙的问题，忽略了导致隐藏较深的非主诉牙异常，导致丧失最佳治疗时间。

此外，口腔医生的紧缺和医疗资源分布不均也加剧了居民接受口腔健康服务的阻力，使口腔保健工作面临严峻考验。

发明内容

鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的基于全景X光片的口腔异常检测模型的训练方法及装置。

为了解决上述问题，本发明实施例公开了基于全景X光片的口腔异常检测模型的训练方法，所述方法应用于通过口腔全景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；

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。

进一步的，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。