通过人颈椎影像判断牙颌面生长发育的人工智能系统技术方案

本发明专利技术属于口腔人工智能影像智能识别领域，具体公开了通过人颈椎影像判断牙颌面生长发育的人工智能系统，包括数据采集模块，通过CT、头颅侧位片采集患者的牙颈椎影像数据；算法处理模块，用于获取数据采集模块采集的数据，并对数据进行预处理、判断处理以及关键点检测特征识别处理；输出模块，利用LightGBM模型输出所预测的生长周期类别；专家校正模块，根据当前的模型系统输出的分析结果给出最终分析结果，并经审查调整后的将最终分析结果自动归入到系统中；算法优化模块，根据调整的结果，进行自主学习，优化算法。本发明专利技术能更准确的利于颈椎骨形态的变化来判断儿童生长发育的状况，预测判别结果更可靠。预测判别结果更可靠。预测判别结果更可靠。

【技术实现步骤摘要】
通过人颈椎影像判断牙颌面生长发育的人工智能系统


[0001]本专利技术涉及口腔人工智能影像智能识别领域，具体为通过人颈椎影像判断牙颌面生长发育的人工智能系统。

技术介绍

[0002]随着人们生活水平提高，选择正畸治疗的患者也越来越多。儿童的生长发育过程包括快速期、缓慢期、青春发育期、缓慢期。在正畸治疗前，生长发育阶段的准确评估有助于青少年正畸方案的制订，提高矫治的效率以及稳定性。
[0003]从生长发育的角度而言，青春迸发期是指生长速度加快，并且达到最大值，随后生长速度减慢的一个阶段。青春迸发期预测方法包括骨龄、年龄与身高、第二性征、牙齿的萌出等方法。其中骨龄是最准确的一种预测方法，包括手腕骨龄与颈椎骨龄。手腕骨龄虽然准确，但除了正畸患者常规拍摄的头颅侧位片，还需要加拍手腕骨X线片，增加了患者的X线辐射量及经济支出。而颈椎骨在正畸患者常规拍摄的头颅侧位片中就清晰可见，其大小和形态岁年龄增长呈规律性改变，颈椎骨形态变化作为骨龄指标判断儿童生长发育的状况，越来越受到学者的关注。然而目前的判断方法准确度不高，且费时费力。人工智能在图像处理方面具有极大的优势，因此如何利于人工智能方法更准确的利于颈椎骨形态的变化来判断儿童生长发育的状况，是目前的技术难点所在。

技术实现思路

[0004]本专利技术的目的在于提供通过人颈椎影像判断牙颌面生长发育的人工智能系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：通过人颈椎影像判断牙颌面生长发育的人工智能系统，包括数据采集模块，通过CT、头颅侧位片采集患者的牙颈椎影像数据；算法处理模块，用于获取数据采集模块采集的数据，并对数据进行预处理、判断处理以及关键点检测特征识别处理；输出模块，利用LightGBM模型输出所预测的生长周期类别；专家校正模块，根据当前的模型系统输出的分析结果给出最终分析结果，并经审查调整后的将最终分析结果自动归入到系统中；算法优化模块，根据调整的结果，进行自主学习，优化算法。
[0006]优选的，算法处理模块的预处理过程包括：对CT、头颅侧位片进行除噪预处理，使图像平滑，并通过图像锐化，增强图像对比度；对CT、头颅侧位片进行二值化处理，以便后续快速进行特征的分割、提取和识别，二值化阈值的选取直接关系到图像二值化效果以及对骨骼特征点的准确定位。
[0007]优选的，算法处理模块包括椎骨判断单元、椎骨关键点检测单元与椎骨特征识别单元，其中椎骨判断单元用于检测判断椎骨的位置及类别，椎骨判断单元采用YOLO网络，检测X光头影中所有椎体，并根据各椎体相对位置关系依次标记C2
‑
C6；椎骨关键点检测单元用于检测各椎骨上的关键点，椎骨关键点检测单元的检测模型网络由encoder和decoder组成，其中encoder部分采用efficient网络，decoder部分采用Upsample+conv结构对不同尺
度的特征进行融合；椎骨特征识别单元基于关键点坐标信息计算椎骨底部凹度，椎骨长宽比等特征，并利用回归模型预测生长周期类别。
[0008]优选的，算法处理模块还将预处理、判断处理以及关键点检测特征识别处理后的数据分类形成数据集。
[0009]优选的，LightGBM模型为根据算法处理模块识别处理后的数据集训练而来，数据集中包括椎骨特征数据集合和每一个椎骨特征数据对应的标签，所述标签为椎骨正常或椎骨异常。
[0010]优选的，LightGBM模型还利用贝叶斯优化算法确定其最佳超参组合，LightGBM模型由多个弱分类器以及每一个弱分类器对应的权重值复合而来。
[0011]本专利技术还提供了上述通过人颈椎影像判断牙颌面生长发育的人工智能系统的处理方法，包括如下步骤：
[0012]S1：数据采集模块采集患者的颈椎影像数据；
[0013]S2：将采集的X光侧位片输入到算法处理模块的椎骨目标检测网络中，定位椎骨位置及判断椎骨类别；
[0014]S3：检测各椎骨上的关键点；
[0015]S4：基于关键点坐标信息计算椎骨底部凹度，椎骨长宽比等特征，并利用Light GBM等模型预测生长周期类别。
[0016]与现有技术相比，本专利技术的有益效果是：
[0017]本专利技术利用算法处理模块对获取的CT、头颅侧位片等数据进行算法处理，通过LightGBM模型预测，并基于校正结果进行调整，使得本专利技术在预测生长周期类别方面更准确、更快速；而且本专利技术采用的逻辑算法能更准确的利于颈椎骨形态的变化来判断儿童生长发育的状况，预测判别结果更可靠，能满足医疗事业上的实时性以及同步性。
附图说明
[0018]图1为本专利技术的流程框图；
[0019]图2为本专利技术实施例1中处理方法的实施流程图；
[0020]图3为本专利技术实施例中颈椎区域标注图；
[0021]图4为本专利技术实施例中颈椎特征点标注图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]具体实施例1：请参阅图1
‑
2，本专利技术提供一种技术方案：通过人颈椎影像判断牙颌面生长发育的人工智能系统，包括数据采集模块，通过CT、头颅侧位片采集患者的牙颈椎影像数据；算法处理模块，用于获取数据采集模块采集的数据，并对数据进行预处理、判断处理以及关键点检测特征识别处理；输出模块，利用LightGBM模型输出所预测的生长周期类别；专家校正模块，根据当前的模型系统输出的分析结果给出最终分析结果，并经审查调整
后的将最终分析结果自动归入到系统中；算法优化模块，根据调整的结果，进行自主学习，优化算法。
[0024]在本实施例中，算法处理模块的预处理过程包括：对CT、头颅侧位片进行除噪预处理，使图像平滑，并通过图像锐化，增强图像对比度；对CT、头颅侧位片进行二值化处理，以便后续快速进行特征的分割、提取和识别，二值化阈值的选取直接关系到图像二值化效果以及对骨骼特征点的准确定位。
[0025]在本实施例中，算法处理模块包括椎骨判断单元、椎骨关键点检测单元与椎骨特征识别单元；
[0026]其中椎骨判断单元用于检测判断椎骨的位置及类别，椎骨判断单元采用YOLO网络，检测X光头影中所有椎体，并根据各椎体相对位置关系依次标记C2
‑
C6；
[0027]椎骨关键点检测单元用于检测各椎骨上的关键点，椎骨关键点检测单元的检测模型网络由encoder和decoder组成，其中encoder部分采用efficient网络，decoder部分采用Upsample+conv结构对不同尺度的特征进行融合；
[0028]椎骨特征识别单元基于关键点坐标信息计算椎骨底部凹度，椎骨长宽比等特征，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过人颈椎影像判断牙颌面生长发育的人工智能系统，其特征在于，包括：数据采集模块，通过CT、头颅侧位片采集患者的牙颈椎影像数据；算法处理模块，用于获取数据采集模块采集的数据，并对数据进行预处理、判断处理以及关键点检测特征识别处理；输出模块，利用LightGBM模型输出所预测的生长周期类别；专家校正模块，根据当前的模型系统输出的分析结果给出最终分析结果，并经审查调整后的将最终分析结果自动归入到系统中；算法优化模块，根据调整的结果，进行自主学习，优化算法。2.根据权利要求1所述的通过人颈椎影像判断牙颌面生长发育的人工智能系统，其特征在于，所述算法处理模块包括椎骨判断单元、椎骨关键点检测单元与椎骨特征识别单元，其中椎骨判断单元用于检测判断椎骨的位置及类别，椎骨判断单元采用YOLO网络，检测X光头影中所有椎体，并根据各椎体相对位置关系依次标记C2
‑
C6。3.根据权利要求2所述的通过人颈椎影像判断牙颌面生长发育的人工智能系统，其特征在于，所述椎骨关键点检测单元用于检测各椎骨上的关键点，椎骨关键点检测单元的检测模型网络由encoder和decoder组成，其中encoder部分采用efficient网络，decoder部分采用Upsample+conv结构对不同尺度的特征进行融合。4.根据权利要求2所述的通过人颈椎影像判断牙颌面生长发育的人...

【专利技术属性】
技术研发人员：房兵，欧阳宁鹃，肖圣钊，夏伦果，李海瑞，冯洋，刘璐，刘真，
申请(专利权)人：无锡时代天使医疗器械科技有限公司，
类型：发明
国别省市：