智齿阻生类型识别方法及系统技术方案

本发明专利技术提供一种智齿阻生类型识别方法及系统，属于图像处理技术领域，获取待识别的口腔根尖片影像图像；利用训练好的智齿分割模型对获取的待识别的口腔根尖片影像图像进行处理，获得分割图像；对分割图像进行智齿区域裁剪，获得智齿区域图像；利用训练好的阻生类型识别模型对智齿区域图像进行处理，获得智齿阻生类型识别结果。本发明专利技术利用二阶段深度学习方法，分别对智齿进行分割及阻生类型的识别，采用了多通道输入，可以快速准确的对口腔根尖片影像中智齿的阻生类型进行识别，保证了分类准确率。确率。确率。

【技术实现步骤摘要】
智齿阻生类型识别方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种基于深度学习的口腔根尖片影像智齿阻生类型识别方法及系统。

技术介绍

[0002]智齿一般在十八岁以后也就是成人之后才萌出，这也就是叫它智齿的原因，有的人智齿因为颌骨骨量的不足不能完全萌出或完全不能萌出，这就形成了埋伏牙即阻生牙，阻生的智齿就叫做阻生智齿。
[0003]阻生智齿是最常见的阻生齿，阻生智齿对于人类健康有较大危害，如：反复发作的冠周炎，龋齿，下颌疼痛、磨牙，引发三叉神经痛，牙列不齐，邻牙及支持组织的吸收，颅下颌紊乱症，智齿周围囊性病变，口腔粘膜发生癌前病损等。为了减轻阻生智齿对人类身心健康造成的危害，需要对其进行合适的处理，有些阻生智齿需要将智齿拔除，而有些则不需要。
[0004]而对智齿阻生类型的准确判断，对于医生如何合理的处理阻生智齿的处理能够提供重要诊断依据。
[0005]申请号为202110442986.8的中国专利技术专利申请，公开了基于YOLO和U
‑
Net的口腔曲段影像智齿分割方法，对口腔曲断影像进行图像预处理，对预处理后图像中的智齿进行位置标注得到位置标签，并划分训练集和测试集，利用图像和位置标签训练YOLO模型，设置空间位置的置信度阈值，得到智齿的空间位置信息；基于智齿的空间位置信息进行切片处理，将得到的所有包含智齿的切片进行预处理，预处理后对训练集的切片进行像素级的标注；最后采用训练集的切片图像和位置标签训练U
‑
Net模型，设置像素类别的置信度阈值进行二值化，最终得到智齿的像素级分类信息，完成智齿分割。
[0006]虽然上述专利申请中公开了训练的YOLO模型和U
‑
Net模型，首先利用YOLO模型获得智齿的空间位置信息，然后利用U
‑
Net模型获得只包含前景与背景的二值图像，最终实现了智齿的精确分割。然而，该专利申请并没有实现如何利用分割好的智齿图像进行阻生类型的分类识别。

技术实现思路

[0007]本专利技术的目的在于提供一种利用二阶段深度学习方法，分别对智齿进行分割及阻生类型的识别，采用了多通道输入，提高了分类准确率的基于深度学习的基于深度学习的智齿阻生类型识别方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。
[0008]为了实现上述目的，本专利技术采取了如下技术方案：
[0009]一方面，本专利技术提供一种智齿阻生类型识别方法，包括：
[0010]获取待识别的口腔根尖片影像图像；
[0011]利用训练好的智齿分割模型对获取的待识别的口腔根尖片影像图像进行处理，获得分割图像；
[0012]对分割图像进行智齿区域裁剪，获得智齿区域图像；
[0013]利用训练好的阻生类型识别模型对智齿区域图像进行处理，获得智齿阻生类型识别结果。
[0014]优选的，训练所述智齿分割模型包括：对多张口腔根尖片影像图像中的牙齿区域进行特征增强预处理；对完成预处理后的图像进行智齿的标注和智齿阻生类型的标注；对已标注的图像数据进行尺寸归一化，分为训练集、验证集和测试集，对基础网络进行训练和参数优化，得到最终训练好的智齿分割模型。
[0015]优选的，训练所述阻生类型识别模型包括：基于智齿分割模型的分割结果，对数据集图像进行智齿区域裁剪，获取智齿区域图像；对裁取后的带有智齿阻生类型标注的智齿区域图像数据集进行尺寸归一化，分为训练集、验证集和测试集，对基础网络进行训练和参数优化，得到最终训练好的阻生类型识别模型。
[0016]优选的，采用灰度值归一化对口腔根尖片影像图像中的牙齿区域进行特征增强预处理。
[0017]优选的，智齿阻生类型标签，包括近中阻生、远中阻生、水平阻生、垂直阻生和倒置阻生。
[0018]优选的，训练所述智齿分割模型使用的基础网络为：
[0019]语义分割网络FCN、DeepLab或者U
‑
Net++中的一种；
[0020]或者，
[0021]目标检测网络YOLO、SSD、Fast R
‑
CNN或Faster R
‑
CNN中的一种。
[0022]优选的，训练所述阻生类型识别模型的基础网络为VGG、ResNet、ResNeXt、DenseNet、EfficientNet或RegNet中的一种。
[0023]第二方面，本专利技术提供一种智齿阻生类型识别系统，包括：
[0024]获取模块，用于获取待识别的口腔根尖片影像图像；
[0025]分割模块，用于利用训练好的智齿分割模型对获取的待识别的口腔根尖片影像图像进行处理，获得分割图像；
[0026]裁取模块，用于对分割图像进行智齿区域裁剪，获得智齿区域图像；
[0027]识别模块，用于利用训练好的阻生类型识别模型对智齿区域图像进行处理，获得智齿阻生类型识别结果。
[0028]第三方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的智齿阻生类型识别方法。
[0029]第四方面，本专利技术提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的智齿阻生类型识别方法的指令。
[0030]本专利技术有益效果：利用二阶段深度学习方法，分别对智齿进行分割及阻生类型的识别，采用了多通道输入，可以快速准确的对口腔根尖片影像中智齿的阻生类型进行识别，保证了分类准确率。
[0031]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0032]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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他的附图。
[0033]图1为本专利技术实施例所述的智齿阻生类型识别系统功能原理框图。
[0034]图2为本专利技术实施例所述的基于深度学习的口腔根尖片影像智齿阻生类型识别方法流程示意图。
[0035]图3为本专利技术实施例所述的根尖片影像示意图。
[0036]图4为本专利技术实施例所述的智齿标注二值图。
[0037]图5为本专利技术实施例所述的智齿区域图像裁取流程示意图。
具体实施方式
[0038]下面详细叙述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0039]本
技术人员可以理解，除非另外定义，这里使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智齿阻生类型识别方法，其特征在于，包括：获取待识别的口腔根尖片影像图像；利用训练好的智齿分割模型对获取的待识别的口腔根尖片影像图像进行处理，获得分割图像；对分割图像进行智齿区域裁剪，获得智齿区域图像；利用训练好的阻生类型识别模型对智齿区域图像进行处理，获得智齿阻生类型识别结果。2.根据权利要求1所述的智齿阻生类型识别方法，其特征在于，训练所述智齿分割模型包括：对多张口腔根尖片影像图像中的牙齿区域进行特征增强预处理；对完成预处理后的图像进行智齿的标注和智齿阻生类型的标注；对已标注的图像数据进行尺寸归一化，分为训练集、验证集和测试集，对基础网络进行训练和参数优化，得到最终训练好的智齿分割模型。3.根据权利要求2所述的智齿阻生类型识别方法，其特征在于，训练所述阻生类型识别模型包括：基于智齿分割模型的分割结果，对数据集图像进行智齿区域裁剪，获取智齿区域图像；对裁取后的带有智齿阻生类型标注的智齿区域图像数据集进行尺寸归一化，分为训练集、验证集和测试集，对基础网络进行训练和参数优化，得到最终训练好的阻生类型识别模型。4.根据权利要求3所述的智齿阻生类型识别方法，其特征在于，采用灰度值归一化对口腔根尖片影像图像中的牙齿区域进行特征增强预处理。5.根据权利要求3所述的智齿阻生类型识别方法，其特征在于，智齿阻生类型标签，包括近中阻生、远中阻生、水平阻生、垂直阻生和倒置阻生。6.根据权利要求2所述的智齿阻生类型识别方法，其特征在于，训练所述智齿分割模型使用的基础网络为：语义分割网...

【专利技术属性】
技术研发人员：丁鹏，徐子能，白海龙，
申请(专利权)人：北京羽医甘蓝信息技术有限公司，
类型：发明
国别省市：