【技术实现步骤摘要】
一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法
[0001]本专利技术涉及牙齿诊断医疗
,具体为一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法。
技术介绍
[0002]牙齿裂纹是人们咀嚼食物时产生疼痛的主要原因之一,也是成年人牙齿脱落的主要病因之一。牙齿裂纹初期表现为牙隐裂,是一种细微且难以发现的牙齿裂纹,当患者产生牙痛现象且无产生龋齿情况时可初步诊断。牙齿裂纹也是口腔检测中的难题,可以通过碘酊染色与酒精擦拭后观察到被染色后比较明显的裂纹,也可以通过传统的临床检测来确定,例如麻醉检查法、光纤透照检查法、计算机断层扫描技术等。
[0003]基于以上方法,仅通过牙科医生个人来识别判断牙齿裂纹,对牙科医生的经验有一定要求,且由于难以避免的视觉疲劳,可能会对牙齿症状产生误判。而且对于许多医学成像模式有需要有良好的临床环境及医疗设备,对牙齿裂纹的检查也带来诸多不便。
技术实现思路
[0004]为了解决
技术介绍
中存在的问题,针对牙齿裂纹需要人工识别及可能产生误判的问题以及对临床环境和医疗设备要求高的问题,本专利技术提供了一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法。
[0005]本专利技术提供如下技术方案:一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法,包括:
[0006]S1、采集数据集
[0007]制作包含裂纹的牙齿模型,使用电子显微镜对牙齿模 ...
【技术保护点】
【技术特征摘要】
1.一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法,其特征在于,包括:S1、采集数据集制作包含裂纹的牙齿模型,使用电子显微镜对牙齿模型进行多方位的图像采集,得到原始数据集;S2、处理数据集使用传统图像处理方法处理原始数据集,对经过处理的原始数据集加入噪声,得到扩充数据集;S3、图像标注使用标注软件Labelme对原始数据集和扩充数据集中有裂纹的图像进行人工标注,生成对应的标注图像,得到标注数据集,并将标注数据集随机分为训练集和测试集,其比例为4:1;S4、建立并训练Mask R
‑
CNN网络结构使用S3中的训练集来训练Mask R
‑
CNN网络结构,从而获得最优权重模型;S5、测试模型使用S3中的测试集来测试模型的裂纹检测效果;S6、标记图像使用训练得到的模型对待标记的图像进行标记。2.根据权利要求1所述的一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法,其特征在于,所述S1中牙齿模型的裂纹,通过使用受力法、机械法或者温差法制出。3.根据权利要求1所述的一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法,其特征在于,所述S1中的电子显微镜的拍摄倍数为x10
‑
x20。4.根据权利要求1所述的一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法,其特征在于,所述S1中的原始数据集包含有裂纹的图像和无裂纹的图像。5.根据权利要求1所述的一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法,其特征在于,所述S2中传统图像处理方法包括翻转变换、旋转变换、裁剪、拼合、对比度变换、颜色变换;噪声包括高斯噪声、均匀分布噪声。6.根据权利要求1所述的一种基于Mask R
‑
CNN实例分割的自动标记牙齿裂纹方法,其特征在于,所述S3中人工标注的信息包含裂纹所在矩形框的中心坐标、矩形框尺寸及裂纹所在的像素位置。7.根据权利要求6...
【专利技术属性】
技术研发人员:王文龙,黄源昌,郭俊城,吴昱彦,陈礼智,吴居豪,何佳燕,
申请(专利权)人:广州大学,
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。