[发明专利]一种基于AI算法的龋病和牙菌斑检测其分布方法

说明书

本发明涉及临床口腔医学技术领域，公开了一种基于AI算法的龋病和牙菌斑检测其分布方法，实现方法包括以下步骤：S10、龋病和牙菌斑数据集构建；S20、龋病和牙菌斑检测模型训练；S30、龋病和牙菌斑检测模型应用。本发明通过龋病和牙菌斑数据集构建、龋病和牙菌斑检测模型训练和龋病和牙菌斑检测模型应用训练AI算法模型，在不需要人工介入的情况下，检测龋病和牙菌斑的分布，检测的结果符合龋病诊断金标准（组织切片）和牙菌斑诊断标准的判断，并且在特定的牙面判断上灵敏度和特异性甚至优于经验医生的视诊和探诊，从而避免了其他设备由于不同外形、光照和拍摄角度带来的检测结果错误，同时也解放了医生和专业人员。

技术领域

本发明涉及临床口腔医学技术领域，具体是一种基于AI算法的龋病和牙菌斑检测其分布方法。

背景技术

龋病和牙周病是口腔两大主要固有疾病；龋病是一种由多因素导致的细菌性疾病，病变范围从浅到深可累及牙釉质、牙本质、牙骨质；若不及时治疗，致病菌可进一步深入侵犯牙髓，引起牙髓炎或根尖周炎，严重者甚至会导致牙齿缺失；牙菌斑是牙周病发病的始动因子，是否及时控制菌斑，可直接影响牙周病的发生和预后；牙周病包括牙龈病和牙周炎，病变从牙龈波及深部牙周组织的牙周膜、牙槽骨及牙骨质，可导致牙松动、脱落，甚至丧失咀嚼功能。除了给患者带来的生理不适，龋齿和牙周病也将严重影响患者的外表美观，引发自卑社恐等心理问题。

传统方法检测龋损患牙，是通过医生的临床检查和探诊来鉴别病损组织的界限，但此方法非常依赖医生的经验，不同医生有着不同的主观评价标准，即使是同一个医生的诊断受不同环境和器械的影响也会有差异，国外现有的龋齿和牙菌斑检测设备，利用牙齿的荧光效应，采用定量光导荧光技术(quantitative light-induced fluorescence,QLF)，使用特殊摄像头接收反射的荧光图像，通过重建健康釉质的荧光获得荧光损失，计算实际表面和重建表面之间的百分比差异来确定荧光的减少，荧光降低超过5％的任何区域被视为病变，现有的龋齿和牙菌斑检测设备不仅昂贵，而且没有智能的诊断输出，只能作为辅助设备，要做出有效的诊断还需要人工干预。

发明内容

本发明的目的在于提供一种基于AI算法的龋病和牙菌斑检测其分布方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于AI算法的龋病和牙菌斑检测其分布方法，实现方法包括以下步骤：

S10、龋病和牙菌斑数据集构建：在特殊光源和自然光状态下，采集全口牙位的牙齿图像，龋病和牙菌斑程度与分布数据，对采集到的数据按照患龋程度和菌斑程度进行分类，按照分类和位置进行标注，按照图像质量进行清洗，完成数据集的构建；

S20、龋病和牙菌斑检测模型训练：将数据集按比例随机分割为龋病和牙菌斑检测模型训练集、龋病和牙菌斑检测模型验证集和龋病和牙菌斑检测模型测试集，构建龋病和牙菌斑检测预训练模型，将数据集输入到预训练模型，进行数据训练、验证和测试，得到龋病和牙菌斑检测的模型；

S30、龋病和牙菌斑检测模型应用：将待测的图像作为输入，可输出相应牙位的患龋程度、菌斑程度及位置分布情况。

作为本发明再进一步的方案：所述S10步骤中在采集全口牙位的牙齿图像时，每个牙位分别采集颌面、颊面、舌面和邻面的图像，从而使得每张牙位图像中都有一个完整的牙齿；在采集全口牙位的牙齿数据时，由口腔科医生对全口牙齿进行检查，记录ICDAS评分、菌斑指数和位置信息,所述S10步骤中龋病和牙菌斑数据集构建，需要根据记录的ICDAS评分、菌斑指数对每一个牙位的不同牙面图像进行分类；使用标注工具按照分类信息和位置信息在图像上标注；标注完成后重新审查标注，删除重复信息、纠正错误信息；同时将对焦不准、颜色偏差严重的图像剔除。

作为本发明再进一步的方案：所述S10步骤中数据集分类包括患龋程度、龋损位置、菌斑程度和菌斑附着位置，其中: