一种基于人工智能的牙齿畸变检测预诊系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的牙齿畸变检测预诊系统。该系统获得检测人员的RGB图像和深度图像；在RGB图像中分割牙齿区域图像并对牙齿区域进行分析选出标准牙齿；以标准牙齿为基准对每个牙齿分析获得牙弓弯曲程度、牙齿左右偏移量和牙齿前后偏移量；根据获得的三个特征经过分类器处理获得牙齿畸变等级。本发明专利技术通过牙齿区域间的特征关系选取标准牙齿，可以针对不同人的牙齿灵活的对畸变程度进行分析。

【技术实现步骤摘要】
一种基于人工智能的牙齿畸变检测预诊系统
本专利技术涉及人工智能
，具体涉及一种基于人工智能的牙齿畸变检测预诊系统。
技术介绍
牙齿畸变是指上颌牙齿正中线与下颌牙齿正中线不对齐，下颌牙齿一侧向里倒造成的牙齿咬合不齐。牙齿畸变不仅影响牙齿外观，而且对于口腔功能的正常发挥、以及牙周组织健康及口腔卫生具有很大的影响。在现有技术中对于牙齿畸变检测大多采用人为检测畸变程度或者采用机器视觉技术对比畸变治疗前后牙齿情况。对于牙齿的畸变程度检测并没有很好的检测系统。因为每个人的牙齿不同，畸变程度也不同，因此不能固定某种牙齿姿态作为标准牙齿姿态去判断牙齿畸变。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的牙齿畸变检测预诊系统，所采用的技术方案具体如下：本专利技术提出了一种基于人工智能的牙齿畸变检测预诊系统，所述系统包括：图像获取模块，用于获取检测人员牙齿咬合状态时口腔的RGB图像和深度图像；牙齿区域获取模块，用于根据所述RGB图像分割牙齿区域图像并对单个牙齿区域进行编号；标准牙齿获取模块，用于构建每个上下对应编号的所述牙齿区域的特征矩阵，通过分析所述特征矩阵的相似度获取标准牙齿；牙弓弯曲程度获取模块，用于处理所述深度图像获得三维点云；根据点云中牙根关键点及其周围多点拟合第一曲面，拟合多个所述牙根关键点得到第一曲线；所述第一曲面和第一曲线的曲率差值为第一曲率差值；以每个牙齿与所述标准牙齿的第一曲率差值的差值作为牙弓弯曲程度。牙齿左右偏移量获取模块，用于获取每个牙齿到标准牙齿相应端部的实际距离，以及在所述第一曲线上距离相应端部最近的端部曲面点到标准牙齿相应端部的曲线距离，以所述实际距离和所述曲线距离的平均差值作为牙齿左右偏移量；所述端部包括牙尖关键点和牙根关键点；牙齿前后偏移量获取模块，用于计算每颗牙齿的所述牙尖关键点和所述牙根关键点连线的斜率，以所述斜率和所述标准牙齿的斜率之差反映牙齿的前后偏移量；牙齿畸变等级获取模块，用于分析所述牙弓弯曲程度、所述左右偏移量和所述前后偏移量得到牙齿畸变等级。进一步地，所述牙齿畸变等级获取模块还包括分类器；所述分类器的输入为所述牙弓弯曲程度、所述左右偏移量和所述前后偏移量构成的特征向量，输出为所述牙齿畸变等级。进一步地，所述牙齿区域获取模块包括嘴唇关键点获取模块和牙齿语义分割模块；所述嘴唇关键点获取模块用于通过预先训练好的嘴唇关键点网络处理所述RGB图像，获得上嘴唇关键点和下嘴唇关键点；所述牙齿语义分割模块用于在所述上嘴唇关键点和所述下嘴唇关键点间的距离达到预设距离阈值时通过预先训练好的语义分割网络处理所述RGB图像获得牙齿区域图像。进一步地，所述标准牙齿获取模块还包括特征矩阵获取模块；所述特征矩阵获取模块用于以所述牙齿区域的灰度平均值、灰度方差和区域面积作为所述特征矩阵。进一步地，所述标准牙齿获取模块还包括相似度分析模块；所述相似度分析模块用于利用所述特征矩阵间的夹角余弦分析所述相似度，当所述相似度达到预设标准相似阈值时，所述特征矩阵对应的编号牙齿为所述标准牙齿。进一步地，所述标准牙齿获取模块还包括灰度检测模块；所述灰度检测模块用于检测选取的所述标准牙齿的灰度值，若所述灰度值在设置的灰度区间内则认为所述标准牙齿选择正确。进一步地，所述标准牙齿获取模块还包括标准牙齿筛选模块；所述标准牙齿筛选模块用于若多个牙齿满足所述标准牙齿的条件，则选择中间区域满足条件的牙齿作为所述标准牙齿。进一步地，所述牙弓弯曲程度获取模块还包括坐标拟合模块；所述坐标拟合模块用于将选取的点坐标利用最小二乘法拟合得到二次曲面或曲线。本专利技术具有如下有益效果：1.本专利技术实施例根据深度图像中每颗牙齿的特征矩阵间的相关性选取标准牙齿。利用标准牙齿对作为基准计算其他牙齿相对于标准牙齿的偏移量。选取标准牙齿操作简单，针对不同人的牙齿可以灵活的选出合适的标准牙齿。2.本专利技术实施例利用预先训练好的关键点检测网络检测上嘴唇和下嘴唇之间的距离，确保采集到的图像可以最大限度的展现待测人员牙齿区域，避免因为牙齿区域不完全造成误差。3.本专利技术实施例通过牙齿弓形弯曲程度、左右偏移量和前后偏移量构建特征向量，利用SVM分类器对输入的特征向量进行分类，使得可以根据计算结果快速分析牙齿畸变程度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1为本专利技术一个实施例所提供的一种基于人工智能的牙齿畸变检测预诊系统框图；具体实施方式为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的牙齿畸变检测预诊系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。下面结合附图具体的说明本专利技术所提供的一种基于人工智能的牙齿畸变检测预诊系统的具体方案。请参阅图1，其示出了本专利技术一个实施例提供的一种基于人工智能的牙齿畸变检测预诊系统框图，该系统包括：图像获取模块101、牙齿区域获取模块102、标准牙齿获取模块103、牙弓弯曲程度获取模块104、牙齿左右偏移量获取模块105、牙齿前后偏移量获取模块106和牙弓弯曲程度获取模块107。图像获取模块101用于RGBD相机拍摄检测人员牙齿咬合状态时口腔图片，相机视角正视牙齿区域，视野可以覆盖牙齿的全部区域，利用人造光源主动布置主光，利用辅助光补充照明，获得RGB图像和深度图像。深度图像使用结构光深度相机获得。在拍摄深度图像时，深度相机光源设置为人眼不可见的伪随机散斑红外光点，每个伪随机散斑光点和它周围窗口内的点集在空间分布中的每个位置都是唯一且已知的。牙齿区域获取模块102用于处理图像获取模块101采集的RGB图像，分割出牙齿区域图像并对单个牙齿区域进行编号。优选的，牙齿区域获取模块102还包括嘴唇关键点获取模块和牙齿语义分割模块。嘴唇关键点获取模块用于通过预先训练好的嘴唇关键点网络处理RGB图像，获得上嘴唇关键点和下嘴唇关键点。关键点网络具体包括：1)将采集到的RGB图像作为关键点训练集图像，关键点训练集图像中应包括上嘴唇、下嘴唇和牙齿等图像信息。人为对关键点训练集图像打上标签获得标签数据集，利用高斯卷积核在选中的关键点位置进行高斯处理，得到高斯热斑，完成打标签过程。本专利技术实施本文档来自技高网...

【技术保护点】
1.一种基于人工智能的牙齿畸变检测预诊系统，其特征在于，所述系统包括：/n图像获取模块，用于获取检测人员牙齿咬合状态时口腔的RGB图像和深度图像；/n牙齿区域获取模块，用于根据所述RGB图像分割牙齿区域图像并对单个牙齿区域进行编号；/n标准牙齿获取模块，用于构建每个上下对应编号的所述牙齿区域的特征矩阵，通过分析所述特征矩阵的相似度获取标准牙齿；/n牙弓弯曲程度获取模块，用于处理所述深度图像获得三维点云；根据点云中牙根关键点及其周围多点拟合第一曲面，拟合多个所述牙根关键点得到第一曲线；所述第一曲面和第一曲线的曲率差值为第一曲率差值；以每个牙齿与所述标准牙齿的第一曲率差值的差值作为牙弓弯曲程度。/n牙齿左右偏移量获取模块，用于获取每个牙齿到标准牙齿相应端部的实际距离，以及在所述第一曲线上距离相应端部最近的端部曲面点到标准牙齿相应端部的曲线距离，以所述实际距离和所述曲线距离的平均差值作为牙齿左右偏移量；所述端部包括牙尖关键点和牙根关键点；/n牙齿前后偏移量获取模块，用于计算每颗牙齿的所述牙尖关键点和所述牙根关键点连线的斜率，以所述斜率和所述标准牙齿的斜率之差反映牙齿的前后偏移量；/n牙齿畸变等级获取模块，用于分析所述牙弓弯曲程度、所述左右偏移量和所述前后偏移量得到牙齿畸变等级。/n...

【技术特征摘要】
1.一种基于人工智能的牙齿畸变检测预诊系统，其特征在于，所述系统包括：
图像获取模块，用于获取检测人员牙齿咬合状态时口腔的RGB图像和深度图像；
牙齿区域获取模块，用于根据所述RGB图像分割牙齿区域图像并对单个牙齿区域进行编号；
标准牙齿获取模块，用于构建每个上下对应编号的所述牙齿区域的特征矩阵，通过分析所述特征矩阵的相似度获取标准牙齿；
牙弓弯曲程度获取模块，用于处理所述深度图像获得三维点云；根据点云中牙根关键点及其周围多点拟合第一曲面，拟合多个所述牙根关键点得到第一曲线；所述第一曲面和第一曲线的曲率差值为第一曲率差值；以每个牙齿与所述标准牙齿的第一曲率差值的差值作为牙弓弯曲程度。
牙齿左右偏移量获取模块，用于获取每个牙齿到标准牙齿相应端部的实际距离，以及在所述第一曲线上距离相应端部最近的端部曲面点到标准牙齿相应端部的曲线距离，以所述实际距离和所述曲线距离的平均差值作为牙齿左右偏移量；所述端部包括牙尖关键点和牙根关键点；
牙齿前后偏移量获取模块，用于计算每颗牙齿的所述牙尖关键点和所述牙根关键点连线的斜率，以所述斜率和所述标准牙齿的斜率之差反映牙齿的前后偏移量；
牙齿畸变等级获取模块，用于分析所述牙弓弯曲程度、所述左右偏移量和所述前后偏移量得到牙齿畸变等级。


2.根据权利要求1所述的一种基于人工智能的牙齿畸变检测预诊系统，其特征在于，所述牙齿畸变等级获取模块还包括分类器；所述分类器的输入为所述牙弓弯曲程度、所述左右偏移量和所述前后偏移量构成的特征向量，输出为所述牙齿畸变等级。


3.根据权利要求1所述的一种基于人工智能的牙齿畸变检测预诊系统，其特征在于，所述牙齿区域获取模块包括嘴唇关键点获取模块和牙齿语义分割模块；
所述...

【专利技术属性】
技术研发人员：孙猛猛，夏永霞，
申请(专利权)人：孙猛猛，
类型：发明
国别省市：陕西;61