一种基于牙齿推断年龄和性别的方法技术

本发明专利技术属于牙齿图像处理技术领域，公开了一种基于牙齿推断年龄和性别的方法，包括融合CNN和Transformer模型，利用全口曲面断层片构建自动化多任务的牙龄和性别推断模型，自动识别、挖掘PDRs中相关特征，进行牙龄和性别推断；具体为获取全口曲面断层片，构建数据集并进行数据集的预处理；构建年龄和性别推断的混合Transformer模型DASE

【技术实现步骤摘要】
一种基于牙齿推断年龄和性别的方法


[0001]本专利技术属于牙齿图像处理
，尤其涉及一种基于牙齿推断年龄和性别的方法。

技术介绍

[0002]个体的年龄和性别推断是大规模灾害、犯罪现场和考古学中的一项重要任务。牙齿是人体中最坚硬的结构，与年龄、性别相关性高、耐高温、耐腐败、易保存，因此是年龄和性别推断的重要指标之一。基于牙齿的年龄和性别推断可以应用于任何复杂的场景，如破坏性尸体、骨骼化尸体或保存不良的尸体。
[0003]现有牙龄推断方法以特定年龄范围内的人工定性或定量分析为主，如Demirjian法用于青少年，Gustafson法用于成人，未充分挖掘牙齿时序性变化的价值。特别是成人年龄推断，仍缺少可靠准确的方法。大多数技术的标准估计误差(StandardErrorofEstimate，SEE)在10岁左右，仅个别研究的SEE在5岁左右。现有人工方法基于专家经验，以主观分析为主，过程复杂，费时费力。同时，这些方法都存在严格的排除标准，在实际案件中应用受限。
[0004]近年来，深度学习技术逐渐用于年龄推断，深度学习可以识别原始数据中的复杂模式，并执行“端到端”学习。卷积神经网络(ConvolutionalNeuralNetworks,CNNs)是自动化年龄推断中应用最广泛的模型，在手腕部X线片青少年年龄估计中取得了很好的效果。除CNNs外，Transformer模型已应用于计算机视觉任务，Transformer模型主要基于自注意机制，能更好地利用全局信息实现预测任务，与关注于局部信息的传统CNNs具有良好的互补作用。
[0005]目前有关牙龄推断的深度学习研究尚处于起步阶段。现有技术1迁移学习深度卷积神经网络探索第三磨牙自动化分级，证实了深度学习分析全口曲面断层片(PanoramicDentalRadiographs，PDRs)增龄性变化的可行性。现有技术2应用深度学习分割和计算CBCT中第一磨牙的髓室体积用于年龄推断。现有技术3迁移学习ResNet分析韩国人群PDRs第一磨牙进行年龄层分类，提示了深度卷积神经网络可高效提取口腔影像中年龄相关信息，适用于牙龄推断。但既往方法多以单颗牙为目标，当牙齿异常时应用受限；且样本量较少；以单任务分析为主，不满足法医学实践多任务分析以适应纷繁复杂案情的需要。
[0006]通过上述分析，现有技术存在的问题及缺陷为：现有的牙龄推断多为人工分级或测量牙齿增龄性变化，费时费力，主观性强且结果不准确，同时现有的牙龄推断方法以单颗牙或部分牙齿为研究对象，且需牙齿正常，应用受限。

技术实现思路

[0007]针对现有技术存在的问题，本专利技术提供了一种基于牙齿推断年龄和性别的方法、设备、终端及介质。
[0008]本专利技术是这样实现的，一种基于牙齿推断年龄和性别的方法，所述基于牙齿推断年龄和性别的方法包括：
[0009]基于全口曲面断层片图像特征，建立CNN和Transformer融合的混合Transformer模型DASE
‑
net，自动识别、挖掘PDRs中相关特征，推断年龄和性别，构建自动化牙龄和性别推断模型。
[0010]进一步，所述基于牙齿推断年龄和性别的方法包括以下步骤：
[0011]步骤一，获取全口曲面断层片，构建数据集并进行数据集的预处理；
[0012]步骤二，构建年龄和性别推断的混合Transformer模型DASE
‑
net；
[0013]步骤三，训练年龄和性别推断的混合Transformer模型DASE
‑
net；
[0014]步骤四，将待评估的全口曲面断层片作为训练好的混合Transformer模型的输入，得到预测年龄。
[0015]进一步，所述获取全口曲面断层片，构建数据集并进行数据集的预处理包括：
[0016]获取多张全口曲面断层片，图像下采样至256
×
256，并随机分为训练数据集与测试数据集；通过对训练数据集图像进行左右翻转、随机调整图像大小进行数据增强，得到输入图像集。
[0017]进一步，所述构建年龄和性别推断的混合Transformer模型DASE
‑
net包括：
[0018]CNN特征提取模块，用于从PDRs中提取粗粒度特征图，作为下一步Transformer特征提取模块的输入图像；CNN由三个卷积块组成，所述每个卷积块由两个3*3卷积层、一个ReLU激活函数和一个2*2池化层组成；
[0019]Transformer特征提取模块，用于对CNN提取的特征进行特征再提取，获得细粒度特征；Transformer由编码器、解码器组成，编码器、解码器分别由6个自注意模块组成，解码器只在训练过程中被激活。
[0020]最后将Transformer提取的细粒度特征输入MLP(MultilayerPerceptron)模块，得到年龄和性别推断结果。
[0021]进一步，所述对构建的年龄和性别推断的混合Transformer模型DASE
‑
net进行训练包括：
[0022]对构建的年龄和性别推断的混合Transformer模型的权值进行随机初始化，将训练数据集的全口曲面断层片和实际年龄作为混合Transformer模型的输入，再利用ADAM
‑
W优化器更新网络权重；每次训练随机选取1/4的CNN输出特征作为Transformer网络的输入；前10个训练阶段采用预热学习策略，学习率余弦衰减。初始学习率为0.0001。
[0023]结合上述的技术方案和解决的技术问题，本专利技术所要保护的技术方案所具备的优点及积极效果为：
[0024]第一、本专利技术提供了一种新的混合Transformer模型DASE
‑
Net，它是CNN和Transformer模型的结合，可以同时推断年龄和性别。本专利技术的DASE
‑
Net是一种半监督的方法，利用大量的未标记数据进行预训练。基于这种预训练模型，只需很少的训练就可以应用于年龄和性别估计。本专利技术可以有效地减少医学成像中数据量小带来的泛化问题，为今后在齿科影像上进行疾病检测、牙齿分割等相关视觉任务提供帮助。
[0025]第二、本专利技术应用DASE
‑
Net和PDRs建立自动化多任务的牙龄推断网络，自动识别、挖掘PDRs中年龄相关特征，推断牙龄，提高了牙龄推断的准确性和可重复性，显著缩短评估时间，方法更易普及，有助于基层开展牙龄推断工作。同时，将年龄推断网络迁移至性别判断任务中，实现同时推断牙龄和性别，方法简单方便，满足法医年龄推断实践需求。
[0026]本专利技术的DASE
‑
Net以整体PDRs为研究对象，样本包含正常牙齿及各类疾病和治疗，同时应用Transformer网络提高特征提取能力，加强网络对重要信息的学习。本专利技术适用于实际检案中各种复杂牙齿状态，应用范围广。
[0027]第三、作为本专利技术的权利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于牙齿推断年龄和性别的方法，其特征在于，所述基于牙齿推断年龄和性别的方法包括：基于全口曲面断层片图像特征，建立CNN和Transformer融合模型，自动识别、挖掘PDRs中年龄和性别相关特征，推断年龄和性别，构建自动化牙龄和性别推断模型。2.如权利要求1所述基于牙齿推断年龄和性别的方法，其特征在于，所述基于牙齿推断年龄和性别的方法包括以下步骤：步骤一，获取全口曲面断层片，构建数据集并进行数据集的预处理；步骤二，构建年龄和性别推断的混合Transformer模型DASE
‑
net；步骤三，训练年龄和性别推断的混合Transformer模型DASE
‑
net；步骤四，将待评估的全口曲面断层片作为训练好的混合Transformer模型的输入，得到预测年龄。3.如权利要求2所述基于牙齿推断年龄和性别的方法，其特征在于，所述步骤一中构建数据集并进行数据集的预处理包括：获取多张全口曲面断层片，图像下采样至256
×
256，并随机分为训练数据集与测试数据集；通过对训练数据集图像进行左右翻转、随机调整图像大小进行数据增强，得到输入图像集。4.如权利要求2所述基于牙齿推断年龄和性别的方法，其特征在于，所述步骤二中DASE
‑
N...

【专利技术属性】
技术研发人员：范飞，戴鑫华，占梦军，邓振华，陈虎，柯文驰，鲁婷，施蕾，邱丽蓉，薛冶，
申请(专利权)人：四川大学，
类型：发明
国别省市：