[发明专利]一种牙病诊断方法、诊断设备及智能图像采集装置

说明书

本发明公开一种牙病诊断方法、诊断设备及智能图像采集装置，属于图像处理技术领域。本发明的一种牙病诊断方法，包括获取待检测的牙齿区域图像；将所述待检测的牙齿区域图像输入至牙病识别模型进行牙病识别，并输出牙病识别结果，所述牙病识别结果包括牙病位置及牙病类型。本发明的一种牙病诊断方法、诊断设备及智能图像采集装置通过采用基于深度学习的图像牙齿诊断方法，将传统牙科中需要长期经验累积的诊断判别方法转化为机器学习的自动识别分类方法，有效提升了辅助诊断的效率，实现牙病诊断的自动化。

技术领域

本发明涉及一种牙病诊断方法、诊断设备及智能图像采集装置，属于图像处理领域中的模式识别领域。

背景技术

目前我国一直存在看病难的问题，其主要体现在病人多，医生少，看病时医生需要针对每个病人进行询问、诊断，看病效率不高。牙病诊断是根据牙齿、牙龈位置出现的异常病变特征进行辅助诊断的方法，根据牙医实践证明，当人的牙齿存在病症的时候，常会在牙齿或牙龈不同的位置出现对应的形态、颜色、纹理等异常变化，传统牙齿疾病会基于这些特征变化的表象诊断牙齿病症，但这些诊断均基于医生的个人经验进行判断，因此，如何提高牙病诊断效率，实现自动化的牙病诊断一直是急需解决的问题。

发明内容

本发明的目的在于提供一种牙病诊断方法、诊断设备及智能图像采集装置，通过获取待检测的牙齿区域图像，并其输入到牙病识别模型进行牙病识别得到牙病位置和牙病类型，智能方便的实现牙病的诊断，采用基于深度学习的图像牙齿诊断方法，将传统牙科中需要长期经验累积的诊断判别方法转化为机器学习的自动识别分类方法，有效提升了辅助诊断的效率，实现牙病诊断的自动化。

本发明提供技术方案如下：

一方面，本发明提供了一种牙病诊断方法，包括：

获取待检测的牙齿区域图像；

将所述待检测的牙齿区域图像输入至牙病识别模型进行牙病识别，并输出牙病识别结果，所述牙病识别结果包括牙病位置及牙病类型。

根据本发明的一实施方式，所述获取待检测的牙齿区域图像的步骤包括：

利用智能图像采集装置采集待检测图像；

基于AdaBoost检测算法检测所述待检测图像是否存在牙齿区域，若是，则判定所述待检测图像为待检测的牙齿区域图像。

根据本发明的另一实施方式，所述将所述待检测的牙齿区域图像输入

至牙病识别模型进行牙病识别的步骤之前还包括：

对所述待检测的牙齿区域图像进行对比度和亮度评价得到对比度偏离度值和亮度偏离度值；

当所述对比度偏离度值大于第一阈值和/或所述亮度偏离度值大于第二阈值时对所述待检测的牙齿区域图像进行增强处理。

根据本发明的另一实施方式，所述牙病识别模型为基于MASK-RCNN卷积神经网络分类器训练得到，包括：

输入多张牙齿区域样本图像至所述MASK-RCNN卷积神经网络分类器得到所述多张牙齿区域样本图像的牙病粗定位及分类结果；

基于所述牙病粗定位及分类结果过滤所述多张牙齿区域样本图像；

对所述过滤后的牙齿区域样本图像进行颜色和纹理匹配处理得到处理后的牙病样本图像；

根据所述牙病样本图像建立牙病识别模型。

根据本发明的另一实施方式，所述MASK-RCNN卷积神经网络分类器包括上层网络和下层网络，所述上层网络用于提取所述牙齿区域样本图像的候选牙病位置边界框，所述下层网络用于从每个牙病位置边界框中提取特征并进行分类和边界回归，所述上层网络为具有掩码分支的Faster R-CNN网络，所述下层网络为ResNet网络。