基于全景X光图像的牙周疾病分类方法、系统、终端及介质技术方案

本发明专利技术的基于全景X光图像的牙周疾病分类方法、系统、终端及介质，通过牙周疾病分类模型的牙齿层面分类网络、患者层面分类网络以及融合网络提出了一种新的混合分类框架，将牙齿层面的预测结果和患者层面的预测结果进行融合，从而能够充分有效兼顾全局而又聚焦细节地从复杂的病理图像中提取代表性特征。本发明专利技术还可在更多的临床数据上进行测试，在泛化性较好的预期下，可以作为牙周疾病初筛的一个手段从而帮助临床医生高效的诊断牙周疾病。帮助临床医生高效的诊断牙周疾病。帮助临床医生高效的诊断牙周疾病。

【技术实现步骤摘要】
基于全景X光图像的牙周疾病分类方法、系统、终端及介质


[0001]本专利技术涉及图像分类领域，特别是涉及一种基于全景X光图像的牙周疾病分类方法、系统、终端及介质。

技术介绍

[0002]牙周病是一组破坏口腔软组织的炎症性牙龈感染。如果没有有效针对性的干预，它将逐渐破坏支撑牙齿的骨骼，最终导致牙齿脱落。然而临床对于牙周疾病的判断需要利用探针对每颗牙齿进行侵入式的检查并且不同的牙周疾病的干预手段是不同的，因此准确的牙周疾病分类对于临床诊断和治疗具有重要意义。但是因为牙周病在全景X光图像上有着复杂的病理图像模式，并且目前的诊断算法依赖于专业医生对全景图像进行牙周炎病灶相关的标注(牙损失)，因此相关的算法存在一定的设计局限。
[0003]随着计算机技术的发展，计算机辅助诊断技术广泛应用于医学领域的病变检测和病理图像分析。卷积神经网络(CNNs)在口腔病变检测、牙齿定位和分割方面取得了最先进的性能。许多研究人员试图通过利用计算机视觉技术从全景图像直接测量骨丢失的程度，用于牙周炎疾病诊断。例如，Chang等人采用一种混合方法检测骨水平和牙骨质
‑
牙釉质连接(CEJ)水平，利用沿牙长轴方向的两水平之间距离从而对牙周疾病进行评估。Jiang等人提出了一个两阶段的方法通过牙齿分割和关键点目标检测的网络对全景X光图像进行骨丢失的计算。尽管这些方法为牙周病的诊断和分类提供了可行的策略，但它们仍有以下方面存在局限性。首先，这些方法需要对CEJ水平和骨水平进行额外的图像标注，然而因为全景X光成像质量以及临床探针测量骨丢失和全景X光图像上的骨丢失存在不一致性，这种标注通常很难在全景X射线图像上进行准确描绘。此外，这些方法通常采用复杂的步骤(如关键点检测、CEJ水平和骨水平分割、长轴估计)来测量全景X光图像上的骨丢失，这很容易受到流程中间预测结果的误差和噪声的影响，导致分类不稳定。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于全景X光图像的牙周疾病分类方法、系统、终端及介质，用于解决现有技术中以上技术问题。
[0005]为实现上述目的及其他相关目的，本专利技术提供一种基于全景X光图像的牙周疾病分类方法，所述方法包括：获取待预测的全景X光图像；基于构建的牙周疾病分类模型，根据所述全景X光图像获得对应的牙周疾病预测结果；其中，所述牙周疾病分类模型包括：牙齿层面分类网络，用于根据输入的所述全景X光图像输出对应的牙齿层面牙周疾病预测结果；患者层面分类网络，用于根据输入的所述全景X光图像输出对应的患者层面牙周疾病预测结果；融合网络，连接所述牙齿层面分类网络以及患者层面分类网络，用于将所述牙齿层面牙周疾病预测结果以及患者层面牙周疾病预测结果融合，输出对应的牙周疾病预测结果。
[0006]于本专利技术的一实施例中，所述牙齿层面分类网络包括：牙齿中心点预测模块，用于根据所述全景X光图像获得对应的牙齿中心点数据，并基于牙齿中心点数据以及所述全景X
光图像生成热力图，以供监督所述牙齿中心点预测模块；其中，所述牙齿中心点数据包括：每个牙齿的中心点位置信息；牙齿区域预测模块，连接所述牙齿中心点预测模块，用于根据基于牙齿中心点数据对所述全景X光图像裁剪获得的对应各牙齿的图像块以及所述热力图，获得对应每个牙齿的牙齿区域分割结果；牙齿层面分类预测模块，连接所述牙齿区域预测模块，用于根据所述每个牙齿的牙齿区域分割结果以及对应各牙齿的图像块获得对应的牙齿层面牙周疾病概率；其中，所述牙齿层面牙周疾病概率包括：每个牙齿区域所对应的牙齿层面牙周疾病概率。
[0007]于本专利技术的一实施例中，牙齿中心点预测模块采用U
‑
Net中编码器和解码器；所述牙齿层面分类预测模块包括：卷积神经网络以及全连接层。
[0008]于本专利技术的一实施例中，所述患者层面分类网络包括：
[0009]病人层面预测模块，用于通过卷积神经网络对所述全景X光图像进行特征提取，并通过全连接层获得患者层面牙周疾病概率；
[0010]置信度分布预测模块，连接所述病人层面预测模块，用于基于患者层面牙周疾病概率将所述全景X光图像对应的牙齿区域生成置信度分布热力图；其中，所述置信度分布热力图包括：每个牙齿区域的置信度。
[0011]于本专利技术的一实施例中，所述融合网络采用自适应噪声门控模型。
[0012]于本专利技术的一实施例中，所述自适应噪声门控模型用于基于由所述置信度分布热力图获得的学习参数，根据所述牙齿层面牙周疾病概率获得每个牙齿区域的牙周疾病概率；将每个牙齿区域的牙周疾病概率整合获得最终的牙周疾病概率。
[0013]于本专利技术的一实施例中，所述基于由所述置信度分布热力图获得的学习参数，根据所述牙齿层面牙周疾病概率获得每个牙齿区域的牙周疾病概率包括：基于由所述置信度分布热力图中的每个牙齿区域的置信度获得每个牙齿区域的学习参数；基于各牙齿区域的学习参数，根据所述牙齿层面牙周疾病概率中每个牙齿区域所对应的牙齿层面牙周疾病概率获得对应每个牙齿区域的牙周疾病概率。
[0014]为实现上述目的及其他相关目的，本专利技术提供一种基于全景X光图像的牙周疾病分类系统，所述系统包括：数据获取模块，用于获取待预测的全景X光图像；预测模块，连接所述数据获取模块，用于基于构建的牙周疾病分类模型，根据所述全景X光图像获得对应的牙周疾病预测结果；其中，所述牙周疾病分类模型包括：牙齿层面分类网络，用于根据输入的所述全景X光图像输出对应的牙齿层面牙周疾病预测结果；患者层面分类网络，连接所述牙齿层面分类网络，用于根据输入的所述全景X光图像输出对应的患者层面牙周疾病预测结果；融合网络，连接所述牙齿层面分类网络以及患者层面分类网络，用于将所述牙齿层面牙周疾病预测结果以及患者层面牙周疾病预测结果融合，输出对应的牙周疾病预测结果。
[0015]为实现上述目的及其他相关目的，本专利技术提供一种基于全景X光图像的牙周疾病分类终端，包括：一或多个存储器及一或多个处理器；所述一或多个存储器，用于存储计算机程序；所述一或多个处理器，连接所述存储器，用于运行所述计算机程序以执行所述基于全景X光图像的牙周疾病分类方法。
[0016]为实现上述目的及其他相关目的，本专利技术提供一种计算机存储介质，包括：计算机程序，所述计算机程序运行时实现所述的基于全景X光图像的牙周疾病分类方法。
[0017]如上所述，本专利技术是一种基于全景X光图像的牙周疾病分类方法、系统、终端及介
质，具有以下有益效果：本专利技术通过牙周疾病分类模型的牙齿层面分类网络、患者层面分类网络以及融合网络提出了一种新的混合分类框架，将牙齿层面的预测结果和患者层面的预测结果进行融合，从而能够充分有效兼顾全局而又聚焦细节地从复杂的病理图像中提取代表性特征。本专利技术还可在更多的临床数据上进行测试，在泛化性较好的预期下，可以作为牙周疾病初筛的一个手段从而帮助临床医生高效的诊断牙周疾病。
附图说明
[0018]图1显示为本专利技术一实施例中的基于全景X光图像的牙周疾病分类方法的流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全景X光图像的牙周疾病分类方法，其特征在于，所述方法包括：获取待预测的全景X光图像；基于构建的牙周疾病分类模型，根据所述全景X光图像获得对应的牙周疾病预测结果；其中，所述牙周疾病分类模型包括：牙齿层面分类网络，用于根据输入的所述全景X光图像输出对应的牙齿层面牙周疾病预测结果；患者层面分类网络，用于根据输入的所述全景X光图像输出对应的患者层面牙周疾病预测结果；融合网络，连接所述牙齿层面分类网络以及患者层面分类网络，用于将所述牙齿层面牙周疾病预测结果以及患者层面牙周疾病预测结果融合，输出对应的牙周疾病预测结果。2.根据权利要求1中所述的基于全景X光图像的牙周疾病分类方法，其特征在于，所述牙齿层面分类网络包括：牙齿中心点预测模块，用于根据所述全景X光图像获得对应的牙齿中心点数据，并基于牙齿中心点数据以及所述全景X光图像生成热力图，以供监督所述牙齿中心点预测模块；其中，所述牙齿中心点数据包括：每个牙齿的中心点位置信息；牙齿区域预测模块，连接所述牙齿中心点预测模块，用于根据基于牙齿中心点数据对所述全景X光图像裁剪获得的对应各牙齿的图像块以及所述热力图，获得对应每个牙齿的牙齿区域分割结果；牙齿层面分类预测模块，连接所述牙齿区域预测模块，用于根据所述每个牙齿的牙齿区域分割结果以及对应各牙齿的图像块获得对应的牙齿层面牙周疾病概率；其中，所述牙齿层面牙周疾病概率包括：每个牙齿区域所对应的牙齿层面牙周疾病概率。3.根据权利要求2中所述的基于全景X光图像的牙周疾病分类方法，其特征在于，牙齿中心点预测模块采用U
‑
Net中编码器和解码器；所述牙齿层面分类预测模块包括：卷积神经网络以及全连接层。4.根据权利要求1中所述的基于全景X光图像的牙周疾病分类方法，其特征在于，所述患者层面分类网络包括：病人层面预测模块，用于通过卷积神经网络对所述全景X光图像进行特征提取，并通过全连接层获得患者层面牙周疾病概率；置信度分布预测模块，连接所述病人层面预测模块，用于基于患者层面牙周疾病概率将所述全景X光图像对应的牙齿区域生成置信度分布热力图；其中，所述置信度分布热力图包...

【专利技术属性】
技术研发人员：沈定刚，梅兰竹菊，崔智铭，
申请(专利权)人：上海科技大学，
类型：发明
国别省市：