基于全景片的龋病自动分级方法及系统技术方案

本发明专利技术属于口腔影像智能诊断技术领域，具体涉及基于全景片的龋病自动分级方法及系统。方法包括S1，对全景片的牙齿实例进行分割与裁剪，得到全景片中单个牙齿的实例分割样本；S2，利用训练好的牙齿粗分类模型，将得到的牙齿实例分割样本，进行修复态和非修复态的分类；S3，将非修复态的牙齿样本经过训练好的牙齿组织语义分割模型后，得到分割出来的牙齿的若干个不同区域组织；S4，根据获得的每个牙齿不同区域组织状况，通过龋病分级模型，根据龋病等级诊断标准，分为健康、浅龋、中龋、深龋4个等级。本发明专利技术具有能实现牙齿健康状态的分类和龋病的自动分级且减少临床医生工作量的特点。的自动分级且减少临床医生工作量的特点。的自动分级且减少临床医生工作量的特点。

【技术实现步骤摘要】
基于全景片的龋病自动分级方法及系统


[0001]本专利技术属于口腔影像智能诊断
，具体涉及基于全景片的龋病自动分级方法及系统。

技术介绍

[0002]口腔健康是全身健康的重要组成部分，是居民身心健康、文明水平的重要标志。口腔疾病除了带来牙齿疼痛和直接影响咀嚼食物、发音等生理功能，也与全身其它疾病有着密切关系，例如脑卒中、心脏病、糖尿病、消化系统等。口腔领域的数字化医学影像技术包括根尖片、全景X光片、光学相干层析技术、锥状射束计算机断层扫描、口腔三维扫描等。龋病是一种由于牙齿硬组织脱矿导致的进行性病损，被世界卫生组织(WHO)认定的口腔三大疾病之一，发病率高、年龄覆盖面广。龋病的临床诊断主要依靠视诊和探针的方式，具有主观性强的特点。牙齿的结构主要由牙釉质、牙本质、牙髓腔等构成，根据脱矿病损区域侵入牙齿组织的牙釉质、牙本质，以及牙髓腔的不同，可划分为深龋、中龋、浅龋等4个不同等级。在不同阶段的龋损，需采用不同的治疗手段。因此，对龋病等级的诊断是临床上的重要内容。
[0003]全景片是一种应用窄缝及圆弧轨道体层摄影原理，通过一次成像，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于全景片的龋病自动分级方法，其特征在于，包括如下步骤：S1，对全景片的牙齿实例进行分割与裁剪，得到全景片中单个牙齿的实例分割样本；S2，利用训练好的牙齿粗分类模型，将步骤S1中得到的牙齿实例分割样本，进行修复态和非修复态的分类；S3，将步骤S2中非修复态的牙齿样本经过训练好的牙齿组织语义分割模型后，得到分割出来的牙齿的若干个不同区域组织；S4，根据步骤S3获得的每个牙齿不同区域组织状况，通过龋病分级模型，根据龋病等级诊断标准，分为健康、浅龋、中龋、深龋4个等级。2.根据权利要求1所述的基于全景片的龋病自动分级方法，其特征在于,步骤S1包括如下步骤：S11，对收集的全景片数据集进行牙齿实例的人工标注；S12，采用Mask R
‑
CNN实例分割模型对人工标注的全景片数据集进行训练；S13，使用训练后的Mask R
‑
CNN实例分割模型对全景片的牙齿实例进行牙齿实例分割，得到每颗牙齿的外部轮廓；S14，对获得的牙齿外部轮廓计算最大矩形包围框；S15，将最大矩形包围框的边界，沿长短轴各向外扩展，并进行裁剪，得到全景片中单个牙齿的实例分割样本。3.根据权利要求1所述的基于全景片的龋病自动分级方法，其特征在于，步骤S2还包括如下步骤：S21，设计轻量级卷积神经网络框架，分类结果为修复态和非修复态；S22，步骤S1中获得的各个牙齿的实例分割样本进行标注，并分为修复态和非修复态；S23，利用标注好的各个牙齿的实例分割样本训练神经网络模型，得到牙齿粗分类模型；S24，利用训练好的牙齿粗分类模型对牙齿实例分割样本进行分类，区分为修复态和非修复态两个类别。4.根据权利要求1所述的基于全景片的龋病自动分级方法，其特征在于，步骤S3包括如下步骤：S31，对由牙齿粗分类模型区分出的非修复态牙齿样本进行标注，得到每个牙齿样本的牙釉质、牙本质、牙髓腔和龋损区域；S32，将步骤S31中标注的牙齿样本用于训练U
‑
Net深度学习分割模型，得到训练好的牙体组织语义分割模型；S33，使用训练好的牙体组织语义分割模型对牙齿样本进行组织分割，获得牙齿样本的牙釉质、牙本质、牙髓腔和龋损区域。5.根据权利要求1所述的基于全景片的龋病自动分级方法，其特征在于，步骤S4包括如...

【专利技术属性】
技术研发人员：陈庆光，黄俊超，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：