一种增强牙根管ROI辨识模型的区分度的方法技术

本发明专利技术提供一种增强牙根管ROI辨识模型的区分度的方法，基于临床数据图像制作样本集，同时为了提高训练模型的泛化能力，采用数据增强的方式扩增样本集。为了突出牙根管阳性牙齿(有牙根管治疗史)和牙根管阴性牙齿(无牙根管治疗史)的区别，本发明专利技术提出了针对牙根管治疗史判断的ROI特征增强的方法，通过将牙根管阳性牙齿的突出部位进行增强亮度来实现。经过ROI特征增强后的全部样本进行训练集和测试集的划分，输入卷积神经网络进行训练与测试。得到的模型就可以用来诊断牙齿牙根管是否具有治疗史，同时可以保存模型做进一步的训练和优化。化。化。

【技术实现步骤摘要】
一种增强牙根管ROI辨识模型的区分度的方法


[0001]本专利技术涉及计算机视觉
，尤其涉及一种增强牙根管ROI辨识模型的区分度的方法。

技术介绍

[0002]基于人工智能的X光影像辅助诊断是临床医学研究热点，对于突破医生诊断主观性瓶颈问题，发展远程智慧医疗、提升边远困难地区医疗水平具有重大的学术、经济以及社会价值。
[0003]口腔X光影像的人工智能辅助诊断尚处于起步阶段，本专利技术主要对牙根管治疗史进行人工智能辅助诊断，通过采集临床口腔牙齿根尖片X光影像数据，对根尖片X光影像中牙根管阳性牙齿和阴性牙齿进行人工标注，建立机器学习所需的样本集。再牙根管治疗史辨别中分为：牙根管治疗阳性，该牙齿存在牙根管治疗史(该牙齿经过牙根管治疗)；牙根管治疗阴性，该牙齿不存在牙根管治疗史(该牙齿未曾经过牙根管治疗)。
[0004]中国专利技术专利公开说明书CN112037913A公开了一种基于卷积神经网络的牙周炎智能检测方法及系统，其公开了样本为全景片和根尖片，同时对根尖片进行切割边缘和对根尖片上牙翻转的预处理操作来构建样本集，并采用的迁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种增强牙根管ROI辨识模型的区分度的方法，其特征在于，包括：S1基于采集的根切片牙根管原始图像构建样本集，同时对该样本集进行扩增处理；S2通过色域增强方法，对扩增处理后的样本集中的特征图进行ROI特征增强操作，获得特征增强集；S3基于该特征增强集，通过划分处理获得训练集和测试集；S4将所述训练集和测试集输入到卷积神经网络中进行训练和测试；S5随机获取根切片牙根管原始图像输入到执行了步骤S4后的卷积神经网络中，对该卷积神经网络进行优化。2.根据权利要求1所述的方法，其特征在于，步骤S1包括：通过反转、增强对比度和增加亮度的方法对所述样本集进行扩增处理；所述根切片牙根管原始图像包括根切片牙根管阴性图像和根切片牙根管阳性图像。3.根据权利要求1所述的方法，其特征在于，步骤S2包括：S21对样本集中的根切片牙根管原始图像进行灰度化转换，获得灰度图像，在该灰度图像中选取牙根管ROI区域图像；S22基于灰度图像的牙根管ROI区域所有像素点，计算获得灰度图像的牙根管ROI区域的像素均值，再计算获得每个灰度图像的牙根管ROI像素点值与所述灰度图像的牙根管ROI区域的像素均值的差值；S23将该差值与预设阈值进...

【专利技术属性】
技术研发人员：朱宇昂，梁生，赵小艇，曹寅，李琳，许桐楷，刘峰，彭俐，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：