【技术实现步骤摘要】
基于深度学习的头颅侧位片关键点自动检测系统及方法
[0001]本专利技术是针对牙齿口腔正畸中的头颅侧位CT片,提供一种基于深度学习的头颅侧位片关键点自动检测系统及方法,通过构建深度学习模型自动识别关键点,辅助牙科正畸。
技术介绍
[0002]随着深度学习以及数字化牙科的快速发展。如何有效的提高牙科正畸医师的效率受到越来越多的关注。深度学习技术辅助牙科治疗领域可以有效的提高了医师的效率,提高正畸诊断、治疗和手术指南的准确性。数字牙科的一个基本组成部分是从头颅侧位CT片中识别关键点从而计算相关角度。精确的识别头颅侧位CT关键点有助于医师的评估模拟。从头颅侧位片中自动和准确的进行关键点的定位一个困难的任务,口腔软组织、CT成像过程中的噪声等原因形成的噪声都会影响医生的诊断。传统的人工标注关键点的方式及效果远远不能满足牙科诊断的需求。
技术实现思路
[0003]本专利技术的目的是针对头颅侧位片的关键点识别问题,提供一种基于深度学习的头颅侧位片关键点自动检测系统及方法,。
[0004]基于深度学习的头颅侧位片关键点自动检测方法,包括如下步骤:
[0005]步骤1、头颅侧位片CT图像的收集和预处理;构造模型训练的,且训练集中每个样本都标注出关键点位置;
[0006]步骤2、构建编码
‑
解码结构的关键点识别模型;
[0007]步骤3、关键点识别模型训练及评估;
[0008]步骤4、对新的头颅侧位片进行关键点预测。结果表明,本专利技术提出的方法可以加快进行头颅 ...
【技术保护点】
【技术特征摘要】
1.基于深度学习的头颅侧位片关键点自动检测方法,其特征在于包括如下步骤:步骤1、头颅侧位片CT图像的收集和预处理;构造模型训练的,且训练集中每个样本都标注出关键点位置;步骤2、构建编码
‑
解码结构的关键点识别模型;步骤3、关键点识别模型训练及评估;步骤4、对新的头颅侧位片进行关键点预测。2.根据权利要求1所述的基于深度学习的头颅侧位片关键点自动检测方法,其特征在于步骤1所述的头颅侧位CT图像的收集和预处理具体实现如下1
‑
1.收集到的原始头颅侧位CT图像数据集由670位患者的头颅侧位CT图像组成,且每位患者CT数据的大小是不固定的png格式或bmp格式的图像;1
‑
2.通过Vott软件对原始头颅侧位CT图像数据集进行标注,得到学习关键点识别模型的训练数据集;同时为了兼并多种头颅关键点角度测量的方法,将关键点的类别数定义为32类,标签文件保存为CSV格式文件;1
‑
3.将标注软件Vott标注后得到的CSV格式文件转化为txt文件,每个txt文件对应一个患者的标注信息,该标注信息共32行,从上到下对应标签1
‑
32的关键点的坐标(X,Y);将标注后的头颅侧位片CT图像对应的标签作为关键点识别模型最终的训练集。3.根据权利要求2所述的基于深度学习的头颅侧位片关键点自动检测方法,其特征在于定义的32类别的关键点具体包括:蝶鞍点、鼻根点、眶点、耳点、上齿槽坐点、下齿槽坐点、颏前点、颏下点、颏顶点、下颌角点、下颌中切牙切缘点、上颌中切牙切缘点、上唇突点、下唇突点、鼻下点、软组织之颏前点、后鼻棘、前鼻棘、关节点、颅顶点、髁突中心点、翼点、鼻顶点、颞下颌关节最低点、内下颌角点、上中切牙根尖点、上第一恒磨牙近中颊尖点、下第一恒磨牙近中颊尖点、下第一恒磨牙园中边缘点、下中切牙根尖点、下颌升支后缘、下颌角后下缘。4.根据权利要求2或3所述的基于深度学习的头颅侧位片关键点自动检测方法,其特征在于步骤2所述的构建编码
‑
解码结构的关键点识别模型,具体实现如下:提出一种新的编码
‑
解码U形结构网络的关键点识别模型,该关键点识别模型充分利用多尺度特征,引入全尺度的跳跃连接,将编码器和解码器的不同子模块通过嵌套和跳跃连接在一起,该结构能有效的结合来自全尺度特征图的低级语义和高级语义,该关键点识别模型能够有效的学习关键点的深层...
【专利技术属性】
技术研发人员:郭艳凯,韦虎,
申请(专利权)人:杭州隐捷适生物科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。