基于深度学习的全景片根尖周炎识别的方法和装置制造方法及图纸

本发明专利技术提供一种基于深度学习的全景片根尖周炎识别方法及装置。该方法包括：将全景片输入基于深度学习的恒牙分割模型，以得到恒牙分割结果；确定恒牙分割结果中各颗牙齿对应的牙根尖区域图像块；将牙根尖区域图像块输入基于深度学习的根尖周炎病灶分割模型，以得到根尖周炎病灶分割结果。

Method and device of panoramic periapical periodontitis recognition based on in-depth learning

【技术实现步骤摘要】
基于深度学习的全景片根尖周炎识别的方法和装置
本专利技术涉及计算机图像处理
，特别地涉及一种基于深度学习的全景片根尖周炎识别的方法和装置。
技术介绍
口腔全景片是进行口腔诊断的主要依据，其可以清晰、完整的显示上颌骨全貌、下颌骨全貌、上下颌牙列情况、牙槽骨情况、上颌窦腔、窦壁、窦底情况以及颞颌关节情况，并对颌骨周围疾病的诊断提供准确有效的帮助。根尖周炎作为常见的口腔疾病之一，其发病区域在牙根尖周围区域主要通过拍摄全景片进行诊断，但是鉴于人工诊断具有不一致性和低效性的缺点。更何况我国医疗资源较稀缺，资深医学专家数量不足，倘若完全依靠人工作业会让作业人用眼疲劳，进一步降低判断结果的准确可信程度。在这种形势下，研发自动化处理全景片根尖周炎识别的方法和装置的需求变得迫切。
技术实现思路
有鉴于此，本专利技术提供一种基于深度学习的全景片根尖周炎识别方法及装置，以克服现有技术中的上述缺点。本专利技术实施例的一种基于深度学习的全景片根尖周炎识别方法，其特征在于，包括：将全景片输入基于深度学习的恒牙分割模型，以得到恒牙分割结果；确定所述恒牙分割结果中各颗牙齿对应的牙根尖区域图像块；将所述牙根尖区域图像块输入基于深度学习的根尖周炎病灶分割模型，以得到所述根尖周炎病灶分割结果。可选地，所述将所述牙根尖区域图像块输入基于深度学习的根尖周炎病灶分割模型，以得到所述根尖周炎病灶分割结果的步骤之后，还包括：对所述根尖周炎病灶分割结果进行形态学开运算处理，以得到根尖周炎病灶分割平滑结果。可选地，所述基于深度学习的恒牙分割模型是通过如下方式得到的：(1)模型设计阶段：网络结构包含编码器部分和解码器部分，所述编码器部分采用Xception网络结构，所述解码器部分采用FPN多尺度融合结构，并且从所述编码器部分抽取五个不同深度的卷积层作为输入，在解码器部分的上采样层加入scSE结构；(2)模型训练阶段：对恒牙分割训练数据进行尺寸归一化、灰度归一化、数据增强化、数据平衡化处理，编码器部分的参数采用大型公开图像数据集ImageNet上预训练好的参数，解码器部分的参数采用随机初始化，采用梯度下降算法对模型进行迭代训练以取得网络最优解，根据在验证集上的Dice值来确定模型的最优参数。可选地，所述确定所述恒牙分割结果中各颗牙齿对应的牙根尖区域图像块的步骤包括：遍历地对恒牙分割结果中的各颗牙齿执行如下操作：获取当前牙齿的全齿贴合矩形框，根据所述全齿贴合矩形框确定牙根所在侧边的半齿贴合矩形框，根据所述半齿贴合矩形框确定质心，将所述质心按预设规则偏移以得到牙根尖区域中心点，以所述牙根尖区域中心点为中心生成预设尺寸的牙根尖区域采样框，根据所述牙根尖区域采样框在所述全景片上裁切出所述牙根尖区域图像块。可选地，所述基于深度学习的根尖周炎病灶分割模型是通过如下方式得到的：(1)模型设计阶段：网络结构包含编码器部分和解码器部分，所述编码器部分采用Xception网络结构，所述解码器部分采用FPN多尺度融合结构，并且从所述编码器部分抽取五个不同深度的卷积层作为输入，在解码器部分的上采样层加入scSE结构；(2)模型训练阶段：对根尖周炎病灶分割训练数据进行尺寸归一化、灰度归一化、数据增强化、数据平衡化处理，特征提取部分的参数采用大型公开图像数据集ImageNet上预训练好的参数，全连接层和输出层的参数采用随机初始化，采用梯度下降算法对模型进行迭代训练以取得网络最优解，根据在验证集上的Dice值来确定模型的最优参数。可选地，所述随机初始化的方法为：he_normal，lecun_uniform，glorot_normal，glorot_uniform或者lecun_normal。可选地，所述梯度下降算法的方法为：Adam，SGD，MSprop或者Adadelta。本专利技术实施例的基于深度学习的全景片根尖周炎识别装置，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至3中任一所述的方法。根据本专利技术的技术方案，基于人工智能技术，能够自动化地完成以往的人工作业，具有客观、快速、重复性好等优点。附图说明附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：图1是本专利技术实施例的基于深度学习的全景片根尖周炎识别的方法的流程示意图；图2A是本专利技术实施例的恒牙识别结果的示意图；图2B是本专利技术实施例的全齿贴合矩形框的示意图；图2C是本专利技术实施例的半齿贴合矩形框和其质心的示意图；图2D是本专利技术实施例的牙根尖区域中心点和牙根尖区域采样框的示意图；图2E是本分明实施例的根尖周炎病灶分割结果的示意图。具体实施方式图1为本专利技术实施例的基于深度学习的全景片根尖周炎识别方法的流程示意图，包括如下的步骤A至步骤C。步骤A：将全景片输入基于深度学习的恒牙分割模型，以得到恒牙分割结果。可选地，步骤A中的基于深度学习的恒牙分割模型是通过如下方式得到的：(1)模型设计阶段：网络结构包含编码器部分和解码器部分，编码器部分采用Xception网络结构，解码器部分采用FPN多尺度融合结构，并且从编码器部分抽取五个不同深度的卷积层作为输入，在解码器部分的上采样层加入scSE结构；(2)模型训练阶段：对恒牙分割训练数据进行尺寸归一化、灰度归一化、数据增强化、数据平衡化处理，编码器部分的参数采用大型公开图像数据集ImageNet上预训练好的参数，解码器部分的参数采用随机初始化，采用梯度下降算法对模型进行迭代训练以取得网络最优解，根据在验证集上的Dice值来确定模型的最优参数。步骤B：确定恒牙分割结果中各颗牙齿对应的牙根尖区域图像块。可选地，步骤B具体包括：遍历地对恒牙分割结果中的各颗牙齿执行如下操作：获取当前牙齿的全齿贴合矩形框，根据全齿贴合矩形框确定牙根所在侧边的半齿贴合矩形框(对于上颌牙，取矩形框的上半部分；对于下颌牙，取矩形框的下半部分)，根据半齿贴合矩形框确定质心，将质心按预设规则偏移以得到牙根尖区域中心点(例如，规定对于上颌牙将质心上移50像素，对于下颌牙将质心下移50像素)，以牙根尖区域中心点为中心生成预设尺寸224×224的牙根尖区域采样框，根据牙根尖区域采样框在全景片上裁切出牙根尖区域图像块。步骤C：将牙根尖区域图像块输入基于深度学习的根尖周炎病灶分割模型，以得到根尖周炎病灶分割结果。可选地，基于深度学习的根尖周炎病灶分割模型是通过如下方式得到的：(1)模型设计阶段：网络结构包含编码器部分和解码器部分，编码器部分采用Xception网络结构，解码器部分采用FPN多尺度融合结构，并且从编码器部分抽取五个不同深度的卷积层作为输入，在解码器部分的上采样层加入scSE结构；(2)模型训练阶段：对根尖周炎病灶分割训练数据进行尺寸归一化、灰度归一化、数据增强化、数据平衡化处理，特征提取部分的参数采用大型公开图像数据集ImageNet上预训练好的参数，全连接层和输出层的参数采用随机初始化，采用梯度下降算法对模型进行迭代训练以取得网络最优解，根据在验证集上的Dice值来确定模型的最优参数。需要说明的是，上文中训练模型阶段中的随机初始化的方法可以为：he_normal，lecun_uniform，glorot_normal，本文档来自技高网...

【技术保护点】
1.一种基于深度学习的全景片根尖周炎识别方法，其特征在于，包括：将全景片输入基于深度学习的恒牙分割模型，以得到恒牙分割结果；确定所述恒牙分割结果中各颗牙齿对应的牙根尖区域图像块；将所述牙根尖区域图像块输入基于深度学习的根尖周炎病灶分割模型，以得到所述根尖周炎病灶分割结果。

【技术特征摘要】
1.一种基于深度学习的全景片根尖周炎识别方法，其特征在于，包括：将全景片输入基于深度学习的恒牙分割模型，以得到恒牙分割结果；确定所述恒牙分割结果中各颗牙齿对应的牙根尖区域图像块；将所述牙根尖区域图像块输入基于深度学习的根尖周炎病灶分割模型，以得到所述根尖周炎病灶分割结果。2.根据权利要求1所述的方法，其特征在于，所述将所述牙根尖区域图像块输入基于深度学习的根尖周炎病灶分割模型，以得到所述根尖周炎病灶分割结果的步骤之后，还包括：对所述根尖周炎病灶分割结果进行形态学开运算处理，以得到根尖周炎病灶分割平滑结果。3.根据权利要求1所述的方法，其特征在于，所述基于深度学习的恒牙分割模型是通过如下方式得到的：(1)模型设计阶段：网络结构包含编码器部分和解码器部分，所述编码器部分采用Xception网络结构，所述解码器部分采用FPN多尺度融合结构，并且从所述编码器部分抽取五个不同深度的卷积层作为输入，在解码器部分的上采样层加入scSE结构；(2)模型训练阶段：对恒牙分割训练数据进行尺寸归一化、灰度归一化、数据增强化、数据平衡化处理，编码器部分的参数采用大型公开图像数据集ImageNet上预训练好的参数，解码器部分的参数采用随机初始化，采用梯度下降算法对模型进行迭代训练以取得网络最优解，根据在验证集上的Dice值来确定模型的最优参数。4.根据权利要求1所述的方法，其特征在于，所述确定所述恒牙分割结果中各颗牙齿对应的牙根尖区域图像块的步骤包括：遍历地对恒牙分割结果中的各颗牙齿执行如下操作：获取当前牙齿的全齿贴合矩形框，根据所述全齿贴合矩形框确定牙根所在侧边的半齿贴合矩形框，根据所述半齿贴合...

【专利技术属性】
技术研发人员：徐子能，白海龙，丁鹏，汪子晨，
申请(专利权)人：北京羽医甘蓝信息技术有限公司，
类型：发明
国别省市：北京,11