[发明专利]一种基于Unet网络的隐裂牙裂纹图像分割的方法

权利要求书

1.一种基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于，包括以下步骤：

S1：制作隐裂牙，采用温差法对健康牙齿进行处理产生裂纹模拟隐裂牙；

S2：制作隐裂牙语义分割数据集，使用电子显微镜拍摄牙齿表面带有裂纹的区域；

S3：标记数据集，将标记好的数据集放入修改的全卷积神经网络Unet进行训练；

S4：使用Unet网络，采用特征通道拼接的方式进行浅层特征和深层特征的融合。

2.根据权利要求1所述的基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于：所述S1中取正常牙齿，在50-100度沸水和零下136-196度的液氮中切换，通过骤冷骤热过程，模拟隐裂牙裂纹。

3.根据权利要求1所述的基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于：所述S2中图片大小为1920×1080，把其裁剪成大小为256×256的小图片，并对有裂纹的小图片进行语义级别像素标记。

4.根据权利要求1所述的基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于：所述S3中使其具备分割裂纹的能力。

5.根据权利要求1所述的基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于：所述S2中将下采样阶段提取到的特征直接传递到上采样中，帮助补充更多的空间细节信息，这使得UNet网络在小数据集上也能得到较好的分割精度，同时像素的空间定位更准确。

6.根据权利要求1所述的基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于：所述S4中减少了一层下采样层，使其网络的参数量更少，运行速度更快。

7.根据权利要求1所述的基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于：所述S4中由左侧的编码器和右侧的解码器构成，在编码器中包含三层下采样层，每层对上一层输入的特征图进行连续两次的3×3卷积、BN和Relu激活函数，再使用2×2最大池化进行两倍下采样，随着层数的不断加深，特征图的分辨率越来越小，通道数逐渐增加，空间定位等细节特征逐渐损失，但是感受野不断扩大，提取到了更多的全局抽象特征。

8.根据权利要求7所述的基于Unet网络的隐裂牙裂纹图像分割的方法，其特征在于：所述在解码器中，与编码器相对应地包含三层上采样层，每层对上层输入的特征图使用反卷积进行两倍上采样以恢复被压缩的特征，同时为了融合更多的浅层特征信息，通过跳过连接与编码器对称路径的特征图进行通道合并，将合并的特征图进行两次3×3卷积、BN和Relu激活函数后送入下一层，网络末端使用一个1×1卷积，将特征通道降为2后输出分割结果。