一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法技术

本公开关于一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法，训练方法包括：获取口腔曲面断层影像，并确定所述口腔曲面断层影像中每个恒牙对应的目标框标注信息、牙位标注信息和成熟度标注信息；根据所述目标框标注信息对应的框选区域，对所述口腔曲面断层影像进行图像裁剪，得到每个恒牙的牙齿影像；基于所述牙位标注信息，对每个恒牙的牙齿影像进行排列处理，得到全恒牙列影像集；将所述全恒牙列影像集有序输入恒牙成熟度分级模型，得到每个恒牙对应的成熟度预测结果，并基于所述成熟度预测结果和所述成熟度标注信息，计算模型损失；根据所述模型损失调整所述恒牙成熟度分级模型的参数，从而对所述恒牙成熟度分级模型进行训练。行训练。行训练。

【技术实现步骤摘要】
一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法


[0001]本公开总体说来涉及口腔曲面断层影像处理
，更具体地讲，涉及一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法。

技术介绍

[0002]恒牙成熟度是生长发育评估的一项重要指标，在临床诊断、治疗方案规划、年龄推算等方面均具有重要的意义和应用价值。具体地，在疾病诊断方面，乳牙的根尖周病变，以及遗传性牙科疾病，如牙本质发育不良、低磷血症等均存在整体恒牙列异常的发育，因此准确监测恒牙列的发育情况有助于病变的早期筛查；并且随着咬合不正、错愕畸形的比例升高，在正畸的预防、诊断和治疗方案规划方面，对所有恒牙进行成熟度分析可以为医生提供关于个体牙齿发育潜力的定量评估，对后续治疗有重要的辅助作用；此外，在法医科学和刑事调查中，恒牙的发育对于准确估计身份不明个体的实际年龄至关重要。
[0003]随着口腔影像技术的发展，作为一种更便捷、低辐射的可视化牙列、颌骨等解剖结构的成像方法，曲面断层片（Orthopantomogram，OPG）使得医生能直观地了解整个牙列的形态结构和健康状况，为牙齿发育成熟度的实际分析和研究提供了数据基础。牙齿的发育是一个双边对称的局部过程，集中于儿童及青少年阶段。目前最常用的牙齿成熟度分级方法是基于Demirjian的计分法，其中，牙齿根据矿化程度递增分成了A至H共8个发育阶段。现临床或学术研究中对于恒牙的成熟度分级依然依赖专业医生针对影像中的每一颗恒牙进行手动评分，其过程十分耗时且繁琐，专业敏感性高。因此，针对这一问题通过计算机算法实现自动化的牙齿成熟度分级具有重要的应用价值。但是，现有自动化恒牙成熟度分析的相关研究主要集中于基于第三磨牙或左下颌恒牙列的研究，针对全牙列的研究极少，并且儿童或青少年的混合牙列影像表现复杂，牙齿外形复杂多样，现有方法并不能够高效、准确地针对全恒牙列进行成熟度分级。

技术实现思路

[0004]本公开提供一种恒牙成熟度分级模型的训练及恒牙成熟度分级方法，旨在解决相关技术中特征提取能力受限和标签次序关系缺失的问题，通过恒牙成熟度分级模型的高效训练，提高了模型成熟度预测结果的准确性，进而能够利用训练好的模型实现全恒牙列的精准成熟度分级。
[0005]在一个总的方面，提供一种恒牙成熟度分级模型的训练方法，包括：获取口腔曲面断层影像，并确定所述口腔曲面断层影像中每个恒牙对应的目标框标注信息、牙位标注信息和成熟度标注信息；根据所述目标框标注信息对应的框选区域，对所述口腔曲面断层影像进行图像裁剪，得到每个恒牙的牙齿影像；基于所述牙位标注信息，对每个恒牙的牙齿影像进行排列处理，得到全恒牙列影像集，其中，任意两个处于左右对称位置的恒牙对应的牙齿影像在所述全恒牙列影像集中相邻排列；将所述全恒牙列影像集有序输入恒牙成熟度分级模型，得到每个恒牙对应的成熟度预测结果，并基于所述成熟度预测结果和所述成熟度
标注信息，计算模型损失；根据所述模型损失调整所述恒牙成熟度分级模型的参数，从而对所述恒牙成熟度分级模型进行训练。
[0006]可选地，所述恒牙成熟度分级模型包括特征提取网络，其中，所述将所述全恒牙列影像集有序输入恒牙成熟度分级模型，得到每个恒牙对应的成熟度预测结果，包括：将所述全恒牙列影像集输入所述特征提取网络，利用所述特征提取网络对所述全恒牙列影像集中的每个牙齿影像进行特征编码，得到每个牙齿影像对应的特征向量；基于每个牙齿影像对应的特征向量，确定每个恒牙对应的成熟度预测结果。
[0007]可选地，所述恒牙成熟度分级模型还包括分类分支模块和回归分支模块，其中，所述基于每个牙齿影像对应的特征向量，确定每个恒牙对应的成熟度预测结果，包括：将每个牙齿影像对应的特征向量输入所述分类分支模块，利用所述分类分支模块对每个恒牙进行第一成熟度预测，得到每个恒牙的第一预测结果；将每个牙齿影像对应的特征向量输入所述回归分支模块，利用所述回归分支模块对每个恒牙进行第二成熟度预测，得到每个恒牙的第二预测结果。
[0008]可选地，所述分类分支模块包括对称融合模块，其中，所述将每个牙齿影像对应的特征向量输入所述分类分支模块，利用所述分类分支模块对每个恒牙进行第一成熟度预测，得到每个恒牙的第一预测结果，包括：针对任意一个恒牙和处于该恒牙对称位置的对称恒牙，经特征提取网络编码得到该恒牙的牙齿影像对应的第一特征向量和相邻排列的所述对称恒牙的牙齿影像对应的第二特征向量；将所述第一特征向量和所述第二特征向量输入所述对称融合模块，利用所述对称融合模块对所述第一特征向量和所述第二特征向量进行特征融合处理，分别得到融合增强后的第一增强特征向量和第二增强特征向量；基于所述第一增强特征向量，确定该恒牙的第一预测结果，并基于所述第二增强特征向量，确定所述对称恒牙的第一预测结果。
[0009]可选地，在所述对称融合模块中通过以下等式来对所述第一特征向量和所述第二特征向量进行特征融合处理：，，其中，表示第一特征向量，表示第二特征向量，表示第一增强特征向量，表示第二增强特征向量，表示第一融合权重，表示第二融合权重，表示卷积操作。
[0010]可选地，所述基于所述成熟度预测结果和所述成熟度标注信息，计算模型损失，包括：基于所述第一预测结果和所述成熟度标注信息，利用交叉熵损失函数计算第一损失值；基于所述第二预测结果和所述成熟度标注信息，利用均方误差损失函数计算第二损失值；对所述第一损失值和所述第二损失值进行加权处理，得到所述模型损失。
[0011]可选地，所述交叉熵损失函数通过以下等式来表示：，
其中，表示交叉熵损失函数，表示成熟度标注信息的独热编码，表示第一预测结果，表示牙齿影像的数量，表示当前的牙齿影像数，表示当前的成熟度分级数。
[0012]可选地，所述均方误差损失函数通过以下等式来表示：，，其中，表示成熟度标注信息的定量结果与第二预测结果之间的距离，表示均方误差损失函数，表示牙齿影像的数量，表示当前的牙齿影像数。
[0013]可选地，还包括：将训练得到的特征提取网络和分类分支模块作为训练好的恒牙成熟度分级模型。
[0014]在另一总的方面，提供一种恒牙成熟度分级方法，包括：获取待分析的口腔曲面断层影像，并确定所述待分析的口腔曲面断层影像中每个恒牙对应的目标框标注信息和牙位标注信息；根据所述目标框标注信息对应的框选区域，对所述口腔曲面断层影像进行图像裁剪，得到每个恒牙的牙齿影像；基于所述牙位标注信息，对每个恒牙的牙齿影像进行排列处理，得到待分析的全恒牙列影像集，其中，任意两个处于左右对称位置的恒牙对应的牙齿影像在所述待分析的全恒牙列影像集中相邻排列；将所述待分析的全恒牙列影像集有序输入如上所述的恒牙成熟度分级模型的训练方法训练得到的恒牙成熟度分级模型，以获取所述待分析的口腔曲面断层影像中每个恒牙对应的成熟度分级预测结果。
[0015]根据本公开的实施例的恒牙成熟度分级模型的训练及恒牙成熟度分级方法，结合了面部对称性的先验知识，通过将处于左右对称位置的恒牙对应的牙齿影像在全恒牙列影像集中相邻排列，能够在模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种恒牙成熟度分级模型的训练方法，其特征在于，包括：获取口腔曲面断层影像，并确定所述口腔曲面断层影像中每个恒牙对应的目标框标注信息、牙位标注信息和成熟度标注信息；根据所述目标框标注信息对应的框选区域，对所述口腔曲面断层影像进行图像裁剪，得到每个恒牙的牙齿影像；基于所述牙位标注信息，对每个恒牙的牙齿影像进行排列处理，得到全恒牙列影像集，其中，任意两个处于左右对称位置的恒牙对应的牙齿影像在所述全恒牙列影像集中相邻排列；将所述全恒牙列影像集有序输入恒牙成熟度分级模型，得到每个恒牙对应的成熟度预测结果，并基于所述成熟度预测结果和所述成熟度标注信息，计算模型损失；根据所述模型损失调整所述恒牙成熟度分级模型的参数，从而对所述恒牙成熟度分级模型进行训练。2.如权利要求1所述的恒牙成熟度分级模型的训练方法，其特征在于，所述恒牙成熟度分级模型包括特征提取网络，其中，所述将所述全恒牙列影像集有序输入恒牙成熟度分级模型，得到每个恒牙对应的成熟度预测结果，包括：将所述全恒牙列影像集输入所述特征提取网络，利用所述特征提取网络对所述全恒牙列影像集中的每个牙齿影像进行特征编码，得到每个牙齿影像对应的特征向量；基于每个牙齿影像对应的特征向量，确定每个恒牙对应的成熟度预测结果。3.如权利要求2所述的恒牙成熟度分级模型的训练方法，其特征在于，所述恒牙成熟度分级模型还包括分类分支模块和回归分支模块，其中，所述基于每个牙齿影像对应的特征向量，确定每个恒牙对应的成熟度预测结果，包括：将每个牙齿影像对应的特征向量输入所述分类分支模块，利用所述分类分支模块对每个恒牙进行第一成熟度预测，得到每个恒牙的第一预测结果；将每个牙齿影像对应的特征向量输入所述回归分支模块，利用所述回归分支模块对每个恒牙进行第二成熟度预测，得到每个恒牙的第二预测结果。4.如权利要求3所述的恒牙成熟度分级模型的训练方法，其特征在于，所述分类分支模块包括对称融合模块，其中，所述将每个牙齿影像对应的特征向量输入所述分类分支模块，利用所述分类分支模块对每个恒牙进行第一成熟度预测，得到每个恒牙的第一预测结果，包括：针对任意一个恒牙和处于该恒牙对称位置的对称恒牙，经特征提取网络编码得到该恒牙的牙齿影像对应的第一特征向量和相邻排列的所述对称恒牙的牙齿影像对应的第二特征向量；将所述第一特征向量和所述第二特征向量输入所述对称融合模块，利用所述对称融合模块对所述第一特征向量和所述第二特征向量进行特征融合处理，分别得到融合增强后的...

【专利技术属性】
技术研发人员：郭际香，董雯萱，游梦，代佳琪，石宇超，李响，曾梦雨，谢腾飞，钟程澜，蔡天骁，
申请(专利权)人：四川大学，
类型：发明
国别省市：