本发明专利技术属于牙齿图像处理技术领域，提供了一种基于深度学习的牙位识别和牙齿分割方法及系统。其中，该方法包括提取自然光口腔图像的全局和局部特征，得到大小尺度不同的特征图；融合所有尺度的特征图，生成特征金字塔，确定出所有候选的感兴趣区域；对候选的感兴趣区域依次进行过滤和归一化；将归一化的感兴趣区域分别经预先训练的分类模型和实例分割处理，得到每颗牙齿的牙位初步识别结果和实例分割初步结果；对每颗牙齿的实例分割初步结果进行非极大值抑制处理，以确保每颗牙有且只有一颗；根据非极大值抑制处理后的牙齿质心，去除牙位初步识别结果中重复牙位；对去重的牙位进行质心排序，得到最终的牙位识别结果和牙齿分割结果。割结果。割结果。
【技术实现步骤摘要】
基于深度学习的牙位识别和牙齿分割方法及系统
[0001]本专利技术属于牙齿图像处理
，尤其涉及一种基于深度学习的牙位识别和牙齿分割方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]在实际操作中，需要通过X射线拍摄完整的口腔全景片后才能进行牙位的识别，这样做不仅会增加用户的开销也会对身体有轻微的伤害。现有的利用人工智能处理口腔图像的技术大多都只是利用预训练好的神经网络模型进行推理得到牙齿位置的结果，但专利技术人发现，自然光下拍摄角度不佳或不清晰的口腔图像，无法只是通过网络模型推理就能得到准确的分割和识别结果。
技术实现思路
[0004]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于深度学习的牙位识别和牙齿分割方法及系统，其能够高效准确的识别出自然光口腔图像中牙齿的位置并完成牙齿的分割，并且对牙齿的识别和分割结果进一步修正。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]本专利技术的第一个方面提供一种基于深度学习的牙位识别和牙齿分割方法。
[0007]一种基于深度学习的牙位识别和牙齿分割方法，其包括：
[0008]提取自然光口腔图像的全局和局部特征，得到大小尺度不同的特征图；
[0009]融合所有尺度的特征图，生成特征金字塔，确定出所有候选的感兴趣区域；
[0010]对候选的感兴趣区域依次进行过滤和归一化；
[0011]将归一化的感兴趣区域分别经预先训练的分类模型和实例分割处理，得到每颗牙齿的牙位初步识别结果和实例分割初步结果；
[0012]对每颗牙齿的实例分割初步结果进行非极大值抑制处理，以确保每颗牙有且只有一颗；
[0013]根据非极大值抑制处理后的牙齿质心，去除牙位初步识别结果中重复牙位；
[0014]对去重的牙位进行质心排序，得到最终的牙位识别结果和牙齿分割结果。
[0015]作为一种实施方式，得到每颗牙齿的牙位初步识别结果的过程为：
[0016]将归一化的感兴趣区域经预先训练的分类模型，得到自然光口腔图像的类别；其中，所述自然光口腔图像的类别包括上颌图像、下颌图像和正常牙齿咬合图像；
[0017]根据自然光口腔图像的类别确定出牙位初步识别结果。
[0018]作为一种实施方式，对候选的感兴趣区域依次进行过滤归一化的过程为：
[0019]对所有候选的感兴趣区域进行二值分类和回归，确定保留的感兴趣区域；
[0020]按照前景得分，对保留的感兴趣区域进行排序，再采用非极大值抑制方法过滤重
复的感兴趣区域，并将剩余的感兴趣区域的大小进行归一化。
[0021]作为一种实施方式，去重后牙位的质心排序形式由自然光口腔图像的类别决定；其中，所述自然光口腔图像的类别包括上颌图像、下颌图像和正常牙齿咬合图像。
[0022]作为一种实施方式，若自然光口腔图像的类别为上颌图像，则每颗牙齿的质心坐标排序是一条开口向下的抛物线，以此确定该上颌图像的每颗牙齿位置；
[0023]作为一种实施方式，若自然光口腔图像的类别为下颌图像，则每颗牙齿的质心坐标排序是一条开口向上的抛物线，以此确定该下颌图像的每颗牙齿位置；
[0024]作为一种实施方式，若自然光口腔图像的类别为正常牙齿咬合图像，则每颗牙齿的质心纵坐标来确定每颗牙齿是属于上颌牙还是下颌牙，再通过每颗牙齿的质心横坐标由小到大的顺序确定出上颌牙及下颌牙的水平排列顺序。
[0025]作为一种实施方式，通过每颗牙齿的质心坐标以纠正牙位识别错位。
[0026]本专利技术的第二个方面提供一种基于深度学习的牙位识别和牙齿分割系统。
[0027]一种基于深度学习的牙位识别和牙齿分割系统，其包括：
[0028]特征提取模块，其用于提取自然光口腔图像的全局和局部特征，得到大小尺度不同的特征图；
[0029]候选感兴趣区域生成模块，其用于融合所有尺度的特征图，生成特征金字塔，确定出所有候选的感兴趣区域；
[0030]感兴趣区域过滤归一化模块，其用于对候选的感兴趣区域依次进行过滤和归一化；
[0031]分类分割初步结果获取模块，其用于将归一化的感兴趣区域分别经预先训练的分类模型和实例分割处理，得到每颗牙齿的牙位初步识别结果和实例分割初步结果；
[0032]非极大值抑制处理模块，其用于对每颗牙齿的实例分割初步结果进行非极大值抑制处理，以确保每颗牙有且只有一颗；
[0033]重复牙位去除模块，其用于根据非极大值抑制处理后的牙齿质心，去除牙位初步识别结果中重复牙位；
[0034]质心排序模块，其用于对去重的牙位进行质心排序，得到最终的牙位识别结果和牙齿分割结果。
[0035]作为一种实施方式，在所述分类分割初步结果获取模块中，得到每颗牙齿的牙位初步识别结果的过程为：
[0036]将归一化的感兴趣区域经预先训练的分类模型，得到自然光口腔图像的类别；其中，所述自然光口腔图像的类别包括上颌图像、下颌图像和正常牙齿咬合图像；
[0037]根据自然光口腔图像的类别确定出牙位初步识别结果。
[0038]作为一种实施方式，在感兴趣区域过滤归一化模块中，对候选的感兴趣区域依次进行过滤归一化的过程为：
[0039]对所有候选的感兴趣区域进行二值分类和回归，确定保留的感兴趣区域；
[0040]按照前景得分，对保留的感兴趣区域进行排序，再采用非极大值抑制方法过滤重复的感兴趣区域，并将剩余的感兴趣区域的大小进行归一化。
[0041]作为一种实施方式，去重后牙位的质心排序形式由自然光口腔图像的类别决定；其中，所述自然光口腔图像的类别包括上颌图像、下颌图像和正常牙齿咬合图像。
[0042]作为一种实施方式，若自然光口腔图像的类别为上颌图像，则每颗牙齿的质心坐标排序是一条开口向下的抛物线，以此确定该上颌图像的每颗牙齿位置。
[0043]作为一种实施方式，若自然光口腔图像的类别为下颌图像，则每颗牙齿的质心坐标排序是一条开口向上的抛物线，以此确定该下颌图像的每颗牙齿位置。
[0044]作为一种实施方式，若自然光口腔图像的类别为正常牙齿咬合图像，则每颗牙齿的质心纵坐标来确定每颗牙齿是属于上颌牙还是下颌牙，再通过每颗牙齿的质心横坐标由小到大的顺序确定出上颌牙及下颌牙的水平排列顺序。
[0045]作为一种实施方式，通过每颗牙齿的质心坐标以纠正牙位识别错位。
[0046]本专利技术的第三个方面提供一种计算机可读存储介质。
[0047]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于深度学习的牙位识别和牙齿分割方法中的步骤。
[0048]本专利技术的第四个方面提供一种电子设备。
[0049]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的牙位识别和牙齿分割方法，其特征在于，包括：提取自然光口腔图像的全局和局部特征，得到大小尺度不同的特征图；融合所有尺度的特征图，生成特征金字塔，确定出所有候选的感兴趣区域；对候选的感兴趣区域依次进行过滤和归一化；将归一化的感兴趣区域分别经预先训练的分类模型和实例分割处理，得到每颗牙齿的牙位初步识别结果和实例分割初步结果；对每颗牙齿的实例分割初步结果进行非极大值抑制处理，以确保每颗牙有且只有一颗；根据非极大值抑制处理后的牙齿质心，去除牙位初步识别结果中重复牙位；对去重的牙位进行质心排序，得到最终的牙位识别结果和牙齿分割结果。2.如权利要求1所述的基于深度学习的牙位识别和牙齿分割方法，其特征在于，得到每颗牙齿的牙位初步识别结果的过程为：将归一化的感兴趣区域经预先训练的分类模型，得到自然光口腔图像的类别；其中，所述自然光口腔图像的类别包括上颌图像、下颌图像和正常牙齿咬合图像；根据自然光口腔图像的类别确定出牙位初步识别结果。3.如权利要求1所述的基于深度学习的牙位识别和牙齿分割方法，其特征在于，对候选的感兴趣区域依次进行过滤归一化的过程为：对所有候选的感兴趣区域进行二值分类和回归，确定保留的感兴趣区域；按照前景得分，对保留的感兴趣区域进行排序，再采用非极大值抑制方法过滤重复的感兴趣区域，并将剩余的感兴趣区域的大小进行归一化。4.如权利要求1所述的基于深度学习的牙位识别和牙齿分割方法，其特征在于，去重后牙位的质心排序形式由自然光口腔图像的类别决定；其中，所述自然光口腔图像的类别包括上颌图像、下颌图像和正常牙齿咬合图像。5.如权利要求4所述的基于深度学习的牙位识别和牙齿分割方法，其特征在于，若自然光口腔图像的类别为上颌图像，则每颗牙齿的质心坐标排序是一条开口向下的抛物线，以此确定该上颌图像的每颗牙齿位置；或若自然光口腔图像的类别为下颌图像，则每颗牙齿的质心坐标排序是一条开口向上的抛物线，以此确定该下颌图像的每颗牙齿位置；或若自然光口腔图像的类别为正常牙齿咬合图像，则每颗牙齿的质心纵坐标来确定每颗牙齿是属于上颌牙还是下颌牙，再通过每颗牙齿的质心横坐标由小到大的顺序确定出上颌牙及下颌牙的水平排列顺序。6.如权利要求1或4或5所述的基于深度学习的牙位识别和牙齿分割方法，其特征在于，通过每颗牙齿的质心坐标以纠正牙位识别错位。7.一种基于深度学习的牙位识别和牙齿分割系统，其特征在于，包括：特征提取模块，其用于提取自然光口腔图像的全局和局部特征，得到大小尺度不同的特征图；候选感兴趣区域生成模块，其用于融合所有尺度的特征图，生成特征金字塔...
【专利技术属性】
技术研发人员：丁鹏，李春磊，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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。