[发明专利]基于深度学习处理口腔放射图像的方法及装置

说明书

本发明提供一种基于深度学习处理口腔放射图像的方法及装置。该方法包括：A.对样本口腔放射图像进行实例分割，以得到样本牙齿区域；B.根据样本牙齿区域，确定样本牙根区域；C.处理样本牙根区域以得到训练数据集；D.将训练数据集输入到卷积神经网络中进行训练，以得到检测模型；E.对测试口腔放射图像进行实例分割，得到测试牙齿区域；F.根据测试牙齿区域确定测试牙根区域；G.处理测试牙根区域以得到测试数据集；H.将测试数据集输入检测模型，以得到测试牙根区域预测结果；I.根据测试牙根区域预测结果，输出整张测试口腔放射图像预测结果。

技术领域

本发明涉及计算机视觉技术领域，特别地涉及一种基于深度学习处理口腔放射图像的方法和装置。

背景技术

目前我国成人中有百分之九十的人群存在牙周疾病，其中以根尖周炎最为典型。根尖周炎无法用肉眼诊断，需要借助口腔放射影像诊断。口腔放射图像是指口腔颌面专用X光线机在病人口腔中进行“拍照”所得到的图像。

现有技术中，通常依靠经验丰富的医务工作日人员判断根尖周炎但也存在难度。不同医师对于根尖片中模糊区域的像素梯度差异敏感度不同，判断结果缺乏客观性。更何况我国医疗资源较稀缺，资深医学专家数量不足，倘若完全依靠人工作业会让作业人用眼疲劳，进一步降低判断结果的准确可信程度。在这种形势下，研发自动化处理口腔放射图像的方法及装置的需求变得迫切。

发明内容

有鉴于此，本发明提供一种自动化的准确可靠的基于深度学习的处理口腔放射图像的方法和装置，以解决现有技术中的问题。

本发明第一方面提出一种基于深度学习的处理口腔放射图像的方法，包括：A.对样本口腔放射图像进行实例分割，以得到样本牙齿区域；B.根据所述样本牙齿区域，确定样本牙根区域；C.处理所述样本牙根区域以得到训练数据集；D.将所述训练数据集输入到卷积神经网络中进行训练，以得到检测模型；E.按照与步骤A中相同的分割方式，对测试口腔放射图像进行实例分割，得到测试牙齿区域；F.按照与步骤B中相同的确定方式，根据所述测试牙齿区域确定测试牙根区域；G.按照与步骤C中相同的处理方式，处理所述测试牙根区域以得到测试数据集；H.将所述测试数据集输入所述检测模型，以得到测试牙根区域预测结果；I.根据所述测试牙根区域预测结果，输出整张测试口腔放射图像预测结果。

可选地，还包括：在所述步骤A之前，对所述样本口腔放射图像进行预处理；以及在所述步骤E之前，对所述测试口腔放射图像进行相同方式的预处理。

可选地，所述步骤A包括：A1：利用T-net卷积神经网络从所述样本口腔放射图像分割出初级候选样本牙齿区域和样本牙齿边缘轮廓；A2：利用形态学腐蚀和膨胀算法对所述初级候选样本牙齿区域进行处理，得到二级候选样本牙齿区域；A3：根据所述二级候选样本牙齿区域和所述样本牙齿边缘轮廓，确定所述样本牙齿区域。

可选地，所述步骤B包括：B1：对所述样本牙齿区域中的各颗样本牙齿确定单齿牙根标准化方向，所述单齿牙根标准化方向为上方向、下方向、左方向和右方向四者中之一；B2：根据所有所述样本牙齿的所述单齿牙根标准化方向，确定所述样本口腔放射图像的总体牙根标准化方向；B3：对所述样本牙齿区域中的各颗样本牙齿分别生成贴合牙齿的全齿采样框，然后参考所述总体牙根标准化方向对所述全齿采样框进行裁剪和延展以得到牙根采样框，选取所述牙根采样框内的图像内容以得到所述样本牙根区域。

可选地，所述步骤B1包括：在所述样本牙齿区域中，遍历地对各颗样本牙齿执行如下操作：B1-1：对当前样本牙齿对应的样本牙齿区域进行水平或垂直方向的校准，得到校准结果并记录校准角度；B1-2：在所述校准结果外生成贴合的矩形框，然后按所述矩形框的长边将所述校准结果均分两部分，面积大的部分记为牙冠，面积小的部分记为牙根；B1-3：根据所述牙冠和牙根的位置关系以及所述校准角度，确定所述单齿牙根标准化方向。