一种基于深度学习的氟斑牙图像处理识别方法技术

本发明专利技术公开了一种基于深度学习的氟斑牙图像处理识别方法，将深度学习技术应用到氟斑牙图像识别领域，通过构建包括多尺度大核残差卷积模块及全局空间注意力模块的氟斑牙图像处理识别模型解决了氟斑牙图像识别准确率低的问题，通过多尺度大核残差模块在增大模型有效感受野的同时提取图像的多尺度特征，并通过全局空间注意力模块捕获图像的全局特征，进而增大模型对病灶特征的关注，从而有效提高氟斑牙图像识别的效果。

【技术实现步骤摘要】

本专利技术涉及医学图像处理领域，尤其涉及一种准确率高的基于深度学习的氟斑牙图像处理识别方法。

技术介绍

1、氟斑牙的筛查是国家地氟病防治工作的重要环节，如何以高效、准确的方式完成对氟斑牙的筛查是一个亟待解决的问题。近年来，研究者们对于氟斑牙自动化诊断有了有一些初步的研究。例如2014年uklidyeesarapat等人在论文《dental fluorosisclassification using multi-prototypes from fuzzy c-means clustering》中使用模糊c均值聚类算法对氟斑牙图像进行分类，在训练数据集中七张图像中的三张和盲测数据集中十五张图像中的八张被正确分类为氟斑牙类别。虽然实现了对氟斑牙的分类，但是分类的准确率较低且数据量较小，难以实际应用。2021年richa jain等人在论文《detectionofdental fluorosis using enhanced k-means and fuzzy c means》中提出一种在hsv颜色模型上使用增强的k-means无监督聚类算法和模糊c-means，本文档来自技高网...

【技术保护点】

1.一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤S1中“将图像剪裁”为将图像剪裁为560×448分辨率。

3.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤S1中数据清洗为：删除包含人工瑕疵、空缺、重复、伪影或不清晰的图像。

4.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤S2中“对氟斑牙图像数据集进行预处理”具体为：实用阈值分割方法将每张图像的牙齿部分提取出来，然后将图像进行灰度...

【技术特征摘要】

1.一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤s1中“将图像剪裁”为将图像剪裁为560×448分辨率。

3.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤s1中数据清洗为：删除包含人工瑕疵、空缺、重复、伪影或不清晰的图像。

4.根据权利...

【专利技术属性】
技术研发人员：吴云，顾茂华，
申请(专利权)人：贵州大学，
类型：发明
国别省市：