[发明专利]基于快速区域全卷积神经网络的牙齿比色检测方法及系统

说明书

本发明公开了一种基于快速区域全卷积神经网络的牙齿比色检测方法，其包括以下步骤：S1、利用数据信息采集系统对比色板牙齿库中每颗标准牙齿进行多次采样，以获得多个图谱数据构成牙齿比色板图库；S2、运用快速区域全卷积神经网络算法对比色板图库进行模型训练学习并建立标准模型库；S3、实时在线采集口腔患者的牙齿图像信息，与已训练完成的标准模型库进行分类输出，从而输出牙齿比色检测结果。本发明通过基于快速区域全卷积神经网络深度学习算法，建立标准牙齿比色板图库特性信息模型，从而实现对牙齿修复患者的快速、便捷、准确的牙齿比色检测目的，本发明的优点是：在线实时监测、简单便捷、高准确性、牙齿比色检测。

技术领域

本发明涉及人工智能图像处理技术和口腔检测方法，具体涉及一种基于快速区域全卷积神经网络(Faster-RCNN)的牙齿比色检测方法及系统，该方法提供了一种快速、便捷、准确的牙齿比色检测手段。

背景技术

国家卫计委第四次全国口腔健康流行病学调查结果显示，牙齿缺失问题比较严重，而牙齿修复便成一种流行的口腔治疗。全瓷牙是一种理想的修复体，其特点有形态功能好、颜色和外观逼真、不会变形、抗折力强、表面光滑、安全性好、色泽稳定、耐磨性强。随着人们生活水平的不断提高，对牙体缺损修复的要求越来越高，不仅要求功能的恢复，而且要求色泽更接近自然牙齿。因此牙齿修复过程中选色尤为重要。在临床中，全瓷牙的选色主要依靠牙科医生凭借视觉感知选择比色板上与病人牙齿颜色最匹配的颜色模型。这种比色的方式很大程度上依赖于牙科医生的视觉观察和主观判断，没有一个可靠的、定性的数据分析。况且在人为的选色过程中，人眼的主观印象以及周围光照环境等外界因素对选色的结果有着极大的影响。因此需要一种标准、简单、准确的手段来帮助牙科医生辅助选择合适的颜色，这样可以提高比色的准确率，在减轻了医生负担的同时，也提高了牙齿修复体的美观性。

随着计算机技术的高速化和智能化发展，基于大数据的人工智能逐渐在各个行业内得到广泛的应用。尤其是基于视觉图像的模式识别、智能探测具有广泛应用价值。早期，采用图像识别处理算法，由于实时性差、识别度低、算法复杂等原因，没有得到应用和发展。近年，基于机器学习的发展及图形处理器(GPU)的应用，图像模式在线识别得到了快速的发展及应用。局部方向直方图、支持向量机(SVM)、神经网络、弹性图匹配等机器学习算法被广泛应用于人工智能识别系统中。神经网络具有很好的特征学习能力，通过模拟人类的学习过程，无须人工进行特征设置，进行系统的样本训练学习形成网络分类识别图。深度学习，一种新的机器学习方法，其学习过程涉及的神经网络超过一个隐藏层，能更加准确的获取学习对象的特征，更好的学习复杂对象，在模式识别检测中展现优越的性能。

发明内容

本发明为了快速、便捷、准确的牙齿比色检测，提供一种基于快速区域全卷积神经网络的牙齿比色检测方法及系统。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供一种基于快速区域全卷积神经网络的牙齿比色检测方法，其特点在于，其包括以下步骤：

S1、利用数据信息采集系统对比色板牙齿库中每颗标准牙齿进行多次采样，以获得多个图谱数据构成牙齿比色板图库；

S2、运用快速区域全卷积神经网络算法对比色板图库进行模型训练学习并建立标准模型库；

S3、实时在线采集口腔患者的牙齿图像信息，与已训练完成的标准模型库进行分类输出，从而输出牙齿比色检测结果。

较佳地，在步骤S1中，所述数据信息采集系统包括光源、光学镜头、相机、图像采集卡、图像处理器系统、显示器和控制器组成。