[发明专利]一种基于深度学习的儿童六龄牙龋齿智能筛查方法

权利要求书

1.一种基于深度学习的儿童六龄牙龋齿智能筛查方法，其特征在于：所述方法包括以下步骤，

S1、六龄牙图像采集；

S2、利用深度学习从不同大小和形状的六龄牙图像中提取丰富的可靠的特征；

S3、对特征进行检测：在每一层特征的每一个网格内，用k个固定比例的方框检索，依据牙齿的特性，设定预选框的尺寸比为[1,2,1/2]，这样一个大小为m*n的特征可以获得的候选框数目为k*m*n，每个方框要预测牙齿的(c+1)类的置信度和方框的坐标和尺寸4个信息，这层特征的检测结果一共有(c+1+4)*k*m*n，图片预先被设置为300*300，依据以上的网络结构，抽取第4、6、7、8、9、10层的特征检测；

S4、对检测到的龋齿进行分类：利用分类网络模型直接对输入影像的疾病进行识别后获取六龄牙位置信息，然后采用分割等手段将所有的六龄牙区域全部提取出来，再进行数据标注，分别送入分类网络进行龋齿诊断分类训练。

2.根据权利要求1所述的一种基于深度学习的儿童六龄牙龋齿智能筛查方法，其特征在于：所述步骤S1六龄牙图像采集的具体过程为，

(1)、微信搜索小程序；

(2)、知识阅读及拍照指引；

(3)、签订知情同意书；

(4)、登记个人身份信息；

(5)、六龄牙照片采集及上传；

(6)、提交审核。

3.根据权利要求1所述的一种基于深度学习的儿童六龄牙龋齿智能筛查方法，其特征在于：所述步骤S3还包括冗余框的去除，去除方法包括以下步骤，

1)、在检测时，算法对每个检测候选框都做了分类，并且对不同类计算置信度；

2)、NMS依据各类的置信度对N个候选框排序；

3)、置信度最大的A框加入检测结果result，分别判断剩下N-1个框与A的重叠度IOU是否大于阈值，其计算方式为：

4)、保留剩下重叠度小于阈值的M个候选框，并从中选择置信度最高的框，加入result；重复步骤(3)；这样，NMS可以抑制那些分数低的候选框，选取置信度最大的候选框作为算法的最终六龄牙区域检测结果；为了更好地监督检测网络的精度，检测网络的目标损失函数定义如下：

一方面L_conf(x，c)利用Softmax Loss计算依据每类的置信度c监督检测候选框内牙齿分类，另一方面L_loc(x，l，g)利用Smooth L1 Loss每个检测候选框l与真实框g的重叠度，来监督检测网络的定位。

4.根据权利要求1所述的一种基于深度学习的儿童六龄牙龋齿智能筛查方法，其特征在于：所述步骤S4中的标注方法为‘0’：健康；‘1’：龋坏。

5.根据权利要求1-4任一项所述的一种基于深度学习的儿童六龄牙龋齿智能筛查方法，其特征在于：所述步骤S4中采用了类加权分类损失函数，对分类器的小类样本数据增加权值，降低大类样本的权值，从而使得分类器将重点集中在小类样本身上；在训练分类器时，若分类器将小类样本错误分类时额外增加分类器一个小类样本错分的代价，这个额外的代价可以使得分类器更加“关心”小类样本；该分类损失函数定义如下：

其中ω_P代表健康样本权重，ω_N代表龋坏样本权重，l_i代表样本真是类别，σ代表Sigmoid函数，p_i代表训练分类器输出的样本置信度。