一种基于深度学习的口腔医疗图像识别方法技术

本发明专利技术公开一种基于深度学习的口腔医疗图像识别方法，首先利用病人口腔图像和对应的标记，使用深度学习训练一个基于多张连续医疗图像的两阶段深度神经网络模型；再用训练所得的模型预测未知的病人口腔图像，识别得到病人口腔图像的标记。本发明专利技术不再仅仅得到单张图像的预测结果，而是可以同时得到整个病人的预测结果。结果。结果。

【技术实现步骤摘要】
一种基于深度学习的口腔医疗图像识别方法


[0001]本专利技术涉及一种基于深度学习的口腔医疗图像识别方法，属于深度学习图像处理技术，特别适用于多张连续口腔医疗图像识别问题。

技术介绍

[0002]目前，深度学习技术已广泛应用于各类图像处理任务中，例如在传统图像任务中，目前很多安防摄像头都采用深度学习技术进行图像处理，相比于使用传统特征的方法，取得了更好的识别效果；在医疗图像中，肺结节检测也是通过深度学习技术很好地找到病人的结节位置，从而实现计算机辅助诊断。
[0003]在传统图像处理中，一般采用多层卷积神经网络作为提取特征的主要结构，再针对不同的任务，在基本结构上加上不同的结构。对于分类问题，主流的技术都是将图像输入到网络中，得到它对应于每个类的概率，最终取概率最高的类作为最终的类别。但相比于传统图像，医疗图像往往包含了很多张图像，而不仅仅是一张图像，所以传统的分类方法并不能很好的应用于医疗图像。
[0004]随着医疗图像的不断收集，我们将会得到越来越大的三维医疗图像数据集。一般的分类算法只能针对单张图像进行处理，很难对整个病人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的口腔医疗图像识别方法，其特征在于：利用深度学习在已有病人的三维口腔医疗图像数据上对深度神经网络进行训练，得到第一段阶段的深度神经网络模型和第二阶段的深度神经网络模型，再用第一段阶段的深度神经网络模型和第二阶段的深度神经网络模型对未知病人的三维口腔医疗图像数据进行预测，得到病人口腔医疗图像的识别结果。2.根据权利要求1所述的基于深度学习的口腔医疗图像识别方法，其特征在于：所述用深度学习在已有病人数据上对深度神经网络进行训练的具体步骤为：步骤100，输入每个病人的三维口腔图像和口腔图像对应的标记至计算平台；步骤101，对病人的口腔图像数据进行预处理，去掉异常的病人数据，同时将口腔图像数据正规化；步骤102，根据口腔图像对应的标记中包含病灶的切片范围的标注，将病人的三维口腔图像在范围内的所有切片标记为患病，同时将范围外的所有切片标记为正常，从而得到第一阶段的数据集；将第一阶段的数据集进行随机划分，得到第一阶段的训练集和第一阶段的验证集；步骤103，初始化深度神经网络模型的超参数；步骤104，在计算平台上，使用梯度下降方法基于第一阶段的训练集训练深度神经网络模型；因为训练过程中不同轮数的模型会有不同的性能，因此根据步骤102中得到的第一阶段的验证集，选择判断切片是否患病分类准确率最高的模型，得到第一阶段的深度神经网络模型；步骤105，根据医生标注为患病的病人三维口腔图像，选取其中所有包含病灶的切片，并将每张切片标记为疾病种类，从而得到第二阶段的数据集；将这个数据集进行随机划分，得到第二阶段的训练集和第二阶段的验证集；步骤106，利用第一阶段的深度神经网络模型初始化深度神经网络模型；步骤107，在计算平台上，使用梯度下降的方法基于第二阶段的训练集训练步骤106中初始化后神经网络模型模型；因为不同训练轮数得到的模型性能不同，因此根据步骤105中第二阶段的验证集，选择判断切片疾病种类分类准确率最高的模型，得到第二阶段的深度神经网络模型。3.根据权利要求2所述的基于深度学习的口腔医疗图像识别方法，其特征在于：所述口腔图像对应的标记指的每张口腔图像被医生标注为正常或患病的标记；如果口腔图片被标记为患病，则该标记还包括疾病种类和病灶的切片范围。4.根据权利要求1所述的基于深度学习的口腔医疗图像识别方法，其特征在于：对未知病人...

【专利技术属性】
技术研发人员：李武军，陈龙意，房康，
申请(专利权)人：南京大学，
类型：发明
国别省市：