一种口腔图像识别方法及相关设备技术

本申请实施例公开了一种口腔图像识别方法，包括：使用神经网络模型对口腔图像进行识别，以获得口腔图像的识别结果，类别包括口腔及口腔内器官组织；判断口腔内器官组织对应的图像区域与口腔对应的图像区域之间的关系是否符合预设位置关系规则，得到判断结果；基于所述判断结果调整所述多个类别对应的置信度；基于所述多个类别对应的置信度输出所述识别结果。通过上述方式对使用神经网络模型识别获得的识别结果进行了进一步的识别，通过其位置关系相应调整置信度，避免某些不符合相应位置关系的错误结果被输出，提高了口腔图像识别所获得的结果的准确度，提供了一种适用于对口腔图像进行识别的新方法。

【技术实现步骤摘要】
一种口腔图像识别方法及相关设备
本申请实施例涉及图像处理领域，尤其涉及一种口腔图像识别方法及相关设备
技术介绍
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域目前图像实例分割算法都是针对常见目标，如行人、车辆等进行研究，口腔图像与这类目标相比，具有特征少、区域边界不明显等特点，传统图像识别算法不能很好的应用到口腔图像的识别过程中，而目前还没有专门针对口腔部位进行识别的有效算法。
技术实现思路
本申请实施例第一方面提供了一种口腔图像识别方法，包括：使用神经网络模型对口腔图像进行识别，以获得所述口腔图像的识别结果，所述识别结果包括多个类别、各个所述类别分别对应的图像区域及各个所述类别分别对应的置信度，所述多个类别包括口腔及口腔内器官组织；判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，得到判断结果；其中所述位置关系规则用于表示口腔与口腔内器官组织之间的预设标准位置关系；基于所述判断结果调整所述多个类别对应的置信度；基于所述多个类别对应的置信度输出所述识别结果。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，包括：判断所述口腔对应的置信度是否大于第一预设值；若所述口腔对应的置信度大于所述第一预设值，则判断所述口腔对应的图像区域是否包括所述口腔内器官组织对应的图像区域；所述基于所述判断结果调整所述多个类别对应的置信度，包括：若所述口腔外围类别对应的图像区域包括所述口腔内器官组织对应的图像区域，则提高所述口腔内器官组织对应的置信度；若所述口腔外围类别对应的图像区域不包括所述口腔内器官组织对应的图像区域，则降低所述口腔内器官组织对应的置信度。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，包括：基于所述口腔对应的图像区域预估所述口腔内器官组织对应的图像区域所在的预估位置；判断所述口腔对应的置信度是否大于第一预设值；若所述口腔对应的置信度大于所述第一预设值，则判断所述口腔内器官器官组织对应的图像区域的实际位置与所述预估位置之间的位置差距是否大于第二预设值；所述基于所述判断结果调整所述多个类别对应的置信度，包括：若所述口腔内器官组织对应的图像区域的实际位置与所述预估位置之间的位置差距大于所述第二预设值，则降低所述口腔内器官组织对应的置信度；若所述口腔内器官组织对应的图像区域的实际位置与所述预估位置之间的位置差距小于等于所述第二预设值，则提高所述口腔内器官组织对应的置信度；基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，包括：判断所述口腔对应的置信度是否大于第一预设值；若所述口腔对应的置信度小于等于所述第一预设值，则获取多个所述口腔内器官组织对应的图像区域之间的距离；判断多个所述口腔内器官组织之间的距离是否符合预设范围；所述基于所述判断结果调整所述多个类别对应的置信度，包括：若多个所述口腔内器官组织之间的距离符合预设范围，则提高所述口腔内组织对应的置信度；若多个所述口腔内器官组织之间的距离不符合预设范围，则降低所述口腔内组织对应的置信度。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，其特征在于，所述口腔内器官组织包括：扁桃体、咽后壁、悬雍垂、舌头和牙齿。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述神经网络模型为MaskR-CNN模型，所述MaskR-CNN模型包括残差网络下采样模块、区域生成网络模块、感兴趣区域对齐模块、全卷积网络上采样模块和全连接层。所述残差网络下采样模块用于对所述口腔图像进行下采样处理，获得感兴趣区域；所述区域生成网络模块用于对所述感兴趣区域进行分类处理；所述感兴趣区域对齐模块对所述区域生成网络模块的处理结果进行对齐处理；所述全卷积网络上采样模块用于对所述感兴趣区域对齐模块的处理结果进行上采样处理，获得对所述图像语义分割的识别结果；所述全连接层用于对所述目标检测特殊层的处理结果进行回归处理，获得类别及方框的识别结果。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述神经网络模型为改进后的MaskR-CNN模型，所述改进后的MaskR-CNN模型包括双侧分割网络下采样模块，所述双侧分割网络下采样模块用于替换原有MaskR-CNN模型中的残差网络下采样模块，所述双侧分割网络下采样模块用于对所述口腔图像进行下采样处理，获得感兴趣区域。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述神经网络模型为改进后的MaskR-CNN模型，所述改进后的MaskR-CNN模型包括数据相关型上采样模块，所述数据相关型上采样模块用于替换原有MaskR-CNN模型中的全卷积网络上采样模块，所述数据相关型上采样模块用于对感兴趣区域对齐模块的处理结果进行上采样处理，获得对所述口腔图像语义分割的识别结果。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述神经网络模型为改进后的MaskR-CNN模型，所述改进后的MaskR-CNN模型包括：双侧分割网络下采样模块和数据相关型上采样模块；所述双侧分割网络下采样模块用于替换原有MaskR-CNN模型中的残差网络下采样模块，所述双侧分割网络下采样模块用于对所述口腔图像进行下采样处理，获得感兴趣区域；所述数据相关型上采样模块用于替换原有MaskR-CNN模型中的全卷积网络上采样模块，所述数据相关型上采样模块用于对感兴趣区域对齐模块的处理结果进行上采样处理，获得对所述口腔图像语义分割的识别结果。基于本申请实施例第一方面提供的口腔图像识别方法，可选地，所述基于所述多个类别对应的置信度输出所述识别结果包括：判断所述各个类别对应的置信度是否大于第二预设值；若大于，则输出所述各个类别及所述各个类别分别对应的图像区域。本申请实施例第二方面提供了一种口腔图像识别设备，包括：识别模型，用于使用神经网络模型对口腔图像进行识别；获得对所述口腔图像的识别结果，所述识别结果包括多个类别、所述多个类别分别对应的图像区域及所述多个类别分别对应的置信度，所述多个类别包括口腔外围类别及口腔内器官组织；判断模型，用于判断所述口腔内器官组本文档来自技高网...

【技术保护点】
1.一种口腔图像识别方法，其特征在于，包括：/n使用神经网络模型对口腔图像进行识别，以获得所述口腔图像的识别结果，所述识别结果包括多个类别、各个所述类别分别对应的图像区域及各个所述类别分别对应的置信度，所述多个类别包括口腔及口腔内器官组织；/n判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，得到判断结果；其中所述位置关系规则用于表示口腔与口腔内器官组织之间的预设标准位置关系；/n基于所述判断结果调整所述多个类别对应的置信度；/n基于所述多个类别对应的置信度输出所述识别结果。/n

【技术特征摘要】
1.一种口腔图像识别方法，其特征在于，包括：
使用神经网络模型对口腔图像进行识别，以获得所述口腔图像的识别结果，所述识别结果包括多个类别、各个所述类别分别对应的图像区域及各个所述类别分别对应的置信度，所述多个类别包括口腔及口腔内器官组织；
判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，得到判断结果；其中所述位置关系规则用于表示口腔与口腔内器官组织之间的预设标准位置关系；
基于所述判断结果调整所述多个类别对应的置信度；
基于所述多个类别对应的置信度输出所述识别结果。


2.据权利要求1所述的口腔图像识别方法，其特征在于，所述判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，包括：
判断所述口腔对应的置信度是否大于第一预设值；
若所述口腔对应的置信度大于所述第一预设值，则判断所述口腔对应的图像区域是否包括所述口腔内器官组织对应的图像区域；
所述基于所述判断结果调整所述多个类别对应的置信度，包括：
若所述口腔外围类别对应的图像区域包括所述口腔内器官组织对应的图像区域，则提高所述口腔内器官组织对应的置信度；
若所述口腔外围类别对应的图像区域不包括所述口腔内器官组织对应的图像区域，则降低所述口腔内器官组织对应的置信度。


3.据权利要求1所述的口腔图像识别方法，其特征在于，所述判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，包括：
基于所述口腔对应的图像区域预估所述口腔内器官组织对应的图像区域所在的预估位置；
判断所述口腔对应的置信度是否大于第一预设值；
若所述口腔对应的置信度大于所述第一预设值，则判断所述口腔内器官器官组织对应的图像区域的实际位置与所述预估位置之间的位置差距是否大于第二预设值；
所述基于所述判断结果调整所述多个类别对应的置信度，包括：
若所述口腔内器官组织对应的图像区域的实际位置与所述预估位置之间的位置差距大于所述第二预设值，则降低所述口腔内器官组织对应的置信度；
若所述口腔内器官组织对应的图像区域的实际位置与所述预估位置之间的位置差距小于等于所述第二预设值，则提高所述口腔内器官组织对应的置信度。


4.据权利要求1所述的口腔图像识别方法，其特征在于，所述判断所述口腔内器官组织对应的图像区域与所述口腔对应的图像区域之间的关系是否符合预设位置关系规则，包括：
判断所述口腔对应的置信度是否大于第一预设值；
若所述口腔对应的置信度小于等于所述第一预设值，则获取多个所述口腔内器官组织对应的图像区域之间的距离；
判断多个所述口腔内器官组织之间的距离是否符合预设范围；
所述基于所述判断结果调整所述多个类别对应的置信度，包括：
若多个所述口腔内器官组织之间的距离符合预设范围，则提高所述口腔内组织对应的置信度；
若多个所述口腔内器官组织之间的距离不符合预设范围，则降低所述口腔内组织对应的置信度。


5.根据权利要求1至4中所述的任意一种口腔图像识别方法，其特征在于，所述口腔内器官组织包括：扁桃体、咽后壁、悬雍垂、舌头和牙齿。


6.根据权利要求1所述的口腔图像识别方法，其特征在于，
所述神经网络模型为MaskR-CNN模型，所述MaskR-CNN模型包括残差网络下采样模块、区域生成网络模块、感兴趣区域对齐模块、全卷积网络上采样模块和全连接层；
所述残差网络下采样模块用于对所述口腔图像进行下采样处...

【专利技术属性】
技术研发人员：陈勇全，高庆，曾祥容，梁翌，黄锐，
申请(专利权)人：深圳市人工智能与机器人研究院，香港中文大学深圳，
类型：发明
国别省市：广东;44