【技术实现步骤摘要】
基于深度边界监督的牙齿全景片龋齿识别方法
本专利技术涉及医疗图像处理领域,尤其涉及了基于深度边界监督的牙齿全景片龋齿识别方法。
技术介绍
龋齿是危害口腔健康的常见疾病以及多发性疾病之一,也是较为常见的一种口腔多发病,在临床上的常表现为牙齿的硬组织被广泛破坏,可发生于任何年龄阶段,尤多见于儿童。龋齿发病的初期多在牙冠,较为容易治愈,但若治疗不及时,则有可能形成难以自愈的龋洞,最终使得牙齿脱落。据第四次全国口腔健康流行病学调查结果显示,我国5岁儿童乳牙龋患率为70.9%,比10年前上升了5.8%;12岁儿童龋患率高达34.5%,比10前上升了7.8%。目前,龋齿已成为继心血管疾病和癌症之后,第3个被世界卫生组织列为重点防治的疾病。在临床上,龋齿的表现多为牙齿出现脱钙、有机质发生溶解、牙齿的正常解剖结构消失、牙齿断裂或者脱落,对正常人的口腔的健康和美观造成了非常严重的影响,也给患者带来很大的痛苦和烦恼。另一方面,我国口腔医疗资源短缺,主要表现在口腔医师数量严重不足、地域发展不平衡、国产口腔医疗器械、设备开发动能不足。2019年中国口腔产业趋势报告显示,世界卫生组织(WHO)对牙医:人口比例的建议值为1:5000,这一比例针对发达国家上升到1:2000。目前中国牙医人口比例不到1:8000,远低于其他国家水平和WHO建议值。其中对于北上广这些东部发达地区,口腔医疗发展很快,医生的拥有量明显提高,像北京市区的口腔医生和居民比例大约是1:2000,和发达国家差不多,但是到郊区就仅有1:8000,到西部就是1:20000或 ...
【技术保护点】
1.一种基于深度边界监督的牙齿全景片龋齿识别方法,其特征在于,所述方法包括以下步骤:/n步骤S1、将牙齿全景片I输入至编码模块进行特征编码,得到深度特征图F
【技术特征摘要】
1.一种基于深度边界监督的牙齿全景片龋齿识别方法,其特征在于,所述方法包括以下步骤:
步骤S1、将牙齿全景片I输入至编码模块进行特征编码,得到深度特征图Fdeep、跳跃连接特征图S1、S2、S3、S4以及目标边界分割图B1、B2、B3;
步骤S2、将深度特征图Fdeep输入分类模块,通过分类器链得到存在浅龋、中龋以及深龋的概率P1,P2,P3;
步骤S3、将深层特征图Fdeep输入至解码模块进行特征解码,得到龋齿分割结果以及目标边界分割图B4、B5、B6。
2.如权利要求1所述的基于深度边界监督的牙齿全景片龋齿识别方法,其特征在于,所述步骤S1中,将牙齿全景片I输入至编码模块进行特征编码,得到深度特征图Fdeep、跳跃连接特征图S1、S2、S3、S4以及目标边界分割图B1、B2、B3,过程如下:
步骤1.1、将牙齿全景片I输入至卷积核大小为3*3的扰动卷积层卷积,得到跳跃连接特征图S1,其维度为C1×H0×W0,再进行池化后得到特征图F1,其维度为C1×H1×W1;
步骤1.2、将特征图F1输入至基于边界监督的扰动卷积块,得到跳跃连接特征图S2,其维度为C2×H1×W1,特征图F2,其维度为C2×H2×W2以及目标边界分割图B1,其维度为1×H1×W1;
步骤1.3、将特征图F2输入至基于边界监督的扰动卷积块,得到跳跃连接特征图S3,其维度为C3×H2×W2,特征图F3,其维度为C3×H3×W3以及目标边界分割图B2,其维度为1×H2×W2;
步骤1.4、将特征图F3输入至基于边界监督的扰动卷积块,得到跳跃连接特征图S4,其维度为C4×H3×W3,特征图F4,其维度为C4×H4×W4以及目标边界分割图B3,其维度为1×H3×W3;
步骤1.5、将特征图F4输入至卷积核大小为3*3的扰动卷积层,得到特征图Fdeep,其维度为C4×H4×W4。
3.如权利要求1或2所述的基于深度边界监督的牙齿全景片龋齿识别方法,其特征在于,所述步骤S2中,将深度特征图Fdeep输入分类模块,通过分类器链得到存在浅龋、中龋以及深龋的概率P1,P2,P3,过程如下:
步骤2.1、将深度特征图Fdeep转换为一维向量,得到转换后的特征向量V1;
步骤2.2、将V1输入全连接层一,得到浅龋存在的概率P1;
步骤2.3、根据阈值和P1判断浅龋是否存在,结果值为0或1,在V1的末尾添加结果值,得到特征向量V2;
步骤2.4、将V2输入全连接层二,得到浅龋存在的概率P2;
步骤2.5、根据阈值和P2判断中龋是否存在,结果值为0或1,在V2的末尾添加结果值,得到特征向量V3;
步骤2.6、将V3输入全连接层三,得到深龋存在的概率P3。
4.如权利要求1或2所述的基于深度边界监督的牙齿全景片龋齿识别方法,其特征在于,,所述步骤S3中,将深层特征图Fdeep输入至解码模块进行特征解码,得到龋齿分割结果以及目标边界分割图B4、B5、B6,过程如下:
步骤3.1、将特征图Fdeep进行上采样后与特征图S4按通道组合,得到组合后的特征图,通道数为2×C4,再输入至基于边界监督的普通卷积块,得到特征图其维度为C3×H2×W2以及目标边界分割图B4,其维度为1×H3×W3;
步骤3.2、将特征图与特征图S3按通道组合,得到组合后的特征图,通道数为2×C3,再输入至基于边界监督的普通卷积块,得到特征图其维度为C2×H1×W1以及目标边界分割图B5,其维度为1×H2×W2;
步骤3.3、将特征图与特征图S2按通道组合,得到组合后的特征图,通道数为2×C2,再输入至基于边界监督的普通卷积块,得到...
【专利技术属性】
技术研发人员:吴福理,张凡,陈大千,郝鹏翼,祝俊华,郑园娜,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江;33
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。