一种基于深度学习技术建立年龄评估模型的系统及方法技术方案

本发明专利技术公开了一种基于深度学习技术建立年龄评估模型的系统及方法，对西北汉族人群拍摄全口曲面断层片，将曲面断层片数据集按照8:1:1的比例划分成训练集、验证集和测试集，将训练集输入到EfficientNet‑B5的网络中进行分类器的训练，最终通过分类器在测试集上的表现来建立是否年满18岁的自动化分类模型。将传统深度学习模型简化，对图像添加与输出值直接相关的标签，通过计算机算法建立输入图像与输出值关联的神经网络模型，进而实现图像的自动化评价；选择整张曲面断层片作为神经网络的输入图像，而不仅仅局限于某一区域的牙齿，提供最全面的牙齿信息供计算机探索牙齿结构与年龄之间的相关性，避免遗漏其他具有提示意义的结构新信息。

【技术实现步骤摘要】
一种基于深度学习技术建立年龄评估模型的系统及方法
本专利技术属于深度学习
，涉及一种基于深度学习技术建立年龄评估模型的系统及方法。
技术介绍
18岁作为区分成年人与未成年人的重要年龄节点，是众多学者探索研究的焦点，因此有大量学者对此进行了探索研究。但是多数与年龄相关的人体发育结构在18岁之前即完成发育，这无疑增加了法医专家区分成年人与未成年人的难度。在这种情况下，第三磨牙因其18岁左右仍处于发育阶段而成为最有效的判断指标。1993年，Mincer等人发表了一项研究，他们基于Demirjian法的分期系统评价下颌第三磨牙的发育阶段以确定受试者是成年人还是未成年人。2008年，Cameriere法建立了第三磨牙成熟指数I3M以判断受试者是否达到18岁。2010年，Olze等学者在全景片观察根尖闭合的第三磨牙，发现其牙周膜间隙的可见性与年龄存在相关性，因此提出了一种新的分类方法。他们将牙周膜间隙的可见性分为4个阶段(0-3)，并认为牙周膜间隙处于第1阶段即可证明该受试者已达到18岁。2018年，GuangChu等人在文献《Thirdmolarm本文档来自技高网...

【技术保护点】
1.一种基于深度学习技术建立年龄评估模型的方法，其特征在于，包括以下步骤：/n步骤1，采集拍摄全口曲面断层片，记录每个曲面断层片样本的年龄；/n步骤2，将全口曲面断层片数据集按照8:1:1的比例划分成训练集、验证集和测试集；/n步骤3，通过深度学习技术构建基于EfficientNet的网络模型，并将其在ImageNet公开数据集上做预训练，将预训练的结果模型作为进行分类的EfficientNet-B5初始网络模型；/n步骤4，将训练集输入到EfficientNet-B5初始网络模型中进行分类器的训练，在训练的过程中通过验证集进行逐步测试，得到EfficientNet-B5网络模型训练的分类器；...

【技术特征摘要】
1.一种基于深度学习技术建立年龄评估模型的方法，其特征在于，包括以下步骤：
步骤1，采集拍摄全口曲面断层片，记录每个曲面断层片样本的年龄；
步骤2，将全口曲面断层片数据集按照8:1:1的比例划分成训练集、验证集和测试集；
步骤3，通过深度学习技术构建基于EfficientNet的网络模型，并将其在ImageNet公开数据集上做预训练，将预训练的结果模型作为进行分类的EfficientNet-B5初始网络模型；
步骤4，将训练集输入到EfficientNet-B5初始网络模型中进行分类器的训练，在训练的过程中通过验证集进行逐步测试，得到EfficientNet-B5网络模型训练的分类器；
步骤5，将测试集输入到通过EfficientNet-B5网络模型训练的分类器进行结果测试，通过分类器的测试结果建立是否年满18岁的评估模型。


2.根据权利要求1所述的基于深度学习技术建立年龄评估模型的方法，其特征在于，所述步骤4中通过EfficientNet-B5初始网络模型进行分类器的训练方法如下：
步骤4-1，采用随机梯度下降的优化算法优化梯度下降过程，通过利用每个样本的损失函数对优化参数θ求偏导得到对应梯度来更新θ，通过每个样本迭代更新一次找到全局最优解；
步骤4-2，使用交叉熵损失函数，对小于18岁的曲面断层片样本和大于18岁的曲面断层片样本进行分类，通过使用sigmoid函数获得输出的分类结果的概率值。


3.根据权利要求1所述的基于深度学...

【专利技术属性】
技术研发人员：郭昱成，韩梦琪，杜少毅，迟玉婷，龙红，张栋，吉玲玲，管丽敏，侯玉霞，
申请(专利权)人：西安交通大学口腔医院，西安交通大学，
类型：发明
国别省市：陕西;61