【技术实现步骤摘要】
一种儿童牙龋齿智能筛查方法及装置
[
][0001]本专利技术涉及儿童牙龋齿智能筛查方法
，尤其涉及一种应用效果突出，精准度高的儿童牙龋齿智能筛查方法及装置。
[
技术介绍
][0002]龋病是以细菌为主多因素共同作用下产生的牙体硬组织慢性进行性破坏的疾病，儿童由于正处于乳牙替换、恒牙萌出的年龄阶段，是口腔疾病的高发人群。原因主要包括两个方面：一方面由于其正处于换牙这一特殊时期，乳磨牙易患龋病，另一方面，儿童一般喜欢吃甜食、软食、黏食，这些食物易粘在牙齿上，但是儿童刷牙的习惯却很少能对牙齿进行有效的清洁。除此之外，儿童新萌出的恒牙还未发育完全，其牙釉质矿化程度相对较低，对细菌产生的酸性分泌物抵抗力低，更容易产生龋齿。
[0003]目前，窝沟封闭为龋齿问题的主要解决办法，窝沟封闭是指在不损伤牙体组织，将封闭材料涂布于牙冠咬合面、颊舌面的窝沟点隙，阻止致龋菌及酸性代谢产物对牙体的侵蚀，以达到预防窝沟龋的方法。当获取到口腔恒磨牙位置之后，对口腔恒磨牙进行分类，进而判断是否存在龋齿以及是否要做窝沟封闭，可以帮助用户更好的对龋齿进行治疗和预防。...
【技术保护点】
【技术特征摘要】
1.一种儿童牙龋齿智能筛查方法，其特征在于：包括以下步骤，S1：利用图像获取设备获取原始图像；该原始图像包括且不限于目标牙齿的图像信息；S2：获取预训练图像，且所述预训练图像包括上述获取的目标牙齿的图像信息；对所述预训练图像进行数据清洗，利用数据清洗删除不清晰、图像偏离口腔、牙齿区域被遮挡的预训练图像；并对清洗后的图像信息中目标牙齿的位置进行标注；进一步确定预训练图像的N个尺度特征图，不同的尺度特征图对应不同的尺度；S3：进一步确定各尺度特征图中不同的位置分别对应的权重，基于各尺度特征图对应的权重和各所述尺度特征图，确定所述尺度特征图对应的特征；将所述N个尺度特征图分别对应的特征进行融合，并进一步预测目标牙齿所对应的多个检测框，根据多个检测框，确定目标牙齿在所述预训练图像中的位置；所述检测框为矩形方框，且表现为数组形式，包括最左侧坐标数值、最上侧坐标数值、宽度值以及高度值；S4：利用目标检测模型对上述预训练图像以及目标牙齿位置信息进行进一步的分析检测，并进一步生成待处理图像；S5：将所述待处理图像输送至目标分类模型处，利用目标分类模型根据所述待处理图像中的牙齿位置信息进行牙齿类型分类，得出所述目标牙齿为龋齿、非龋齿、需窝沟封闭牙齿或不需窝沟封闭牙齿中的至少一类；所述目标分类模型采用残差神经网络resnet模型，通过多层网络提取图像特征，并最后通过softmax函数进行输出每一类的概率值；S6：将上述目标牙齿的分类信息发送至对应的控制终端或云端服务器，利用所述控制终端或云端服务器与医疗机构、学校、政府机构的通讯联系，进行诊疗管理、预约管理、排班管理、随访管理、耗材管理以及辖区用户信息管理；并根据具体复查情况决定是否启动预约平台进行治疗预约；S7:儿童牙龋齿智能筛查完毕。2.如权利要求1所述的一种儿童牙龋齿智能筛查方法，其特征在于：所述步骤S4中的目标检测模型至少包括增强模块和分类模块；所述增强模块包括生成器和鉴别器；所述步骤S2中获取训练图像后，将所述训练图像输送到所述生成器处，从而得出所述训练图像的相似图像信息；将所述相似图像和所述训练图像同步输送到所述鉴别器处，鉴别所述相似图像与所述训练图像；利用所述分类器对所述训练图像中的目标牙齿进行分类，得到训练好的分类器；所述目标牙齿为龋齿、非龋齿、需窝沟封闭牙齿或不需窝沟封闭牙齿中的至少一类；获取所述相似图像信息中包括获取所述训练图像中目标牙齿所对应的标签信息；所述生成器根据所述训练图像的目标牙齿对应的标签信息从而生成与所述标签类别一致的相似图像；还包括在所述生成器的损失中加入同类别风格损失，得到所述相似图像；具体的同类别风格损失采用以下计算公式来计算，其中，T代表原始数据，F代表生成的图像，ijk分别对应于特征尺度图的长度，宽度和通道的下标，G代表Gram矩阵，表示图像的样式。
3.如权利要求1所述的一种儿童牙龋齿智能筛查方法，其特征在于：所述步骤S1中的图像获取设备包括口腔图像采集机器人、具有摄像功能的电动牙刷或具有摄像功能的口腔支撑器；所述口腔图像采集机器人、具有摄像功能的电动牙刷或具有摄像功能的口腔支撑器与所述控制终端或云端服务器进行通讯连接，进行口腔照片的传输。4.如权利要求2所述的一种儿童牙龋齿智能筛查方法，其特征在于：所述步骤...
【专利技术属性】
技术研发人员：黄少宏，赵志广，刘勇，范卫华，李菊红，李剑波，武剑，林良强，熊丹，徐启胜，吴俊银，
申请(专利权)人：深圳格瑞健康管理有限公司，
类型：发明
国别省市：
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。