[发明专利]一种基于Unet网络的隐裂牙裂纹图像分割的方法

说明书

本发明公开了一种基于Unet网络的隐裂牙裂纹图像分割的方法，包括：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Unet进行训练，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，取正常牙齿，通过骤冷骤热过程，模拟隐裂牙裂纹，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。本发明通过人工智能进行图像处理并实现裂纹的自动识别和判断，实现了隐裂牙裂纹的分割，无需人工参与，降低对医生的诊断经验要求。

技术领域

本发明涉及网络医学技术领域，具体涉及一种基于Unet网络的隐裂牙裂纹图像分割的方法。

背景技术

隐裂牙指发生在牙齿表面的较为细微的裂纹，是成年人牙齿脱落的主要病因之一，也是目前口腔临床检测中一个棘手的难题，隐裂牙的临床诊断主要是基于临床症状，对于可疑的牙齿，临床医生可以通过几种传统的临床测试来确定，如咬合试验法、探针法、染色法、冷刺激法、光透照法、根尖X线片(PR)和计算机断层扫描技术(CBCT)等，

临床医生基于上述成像方法，通过人眼观察进行裂纹的识别与诊断，一方面对临床医生提出了一定临床经验的要求，另一方面由于医生的视觉疲劳或误判，会对隐裂牙的诊断造成不准确的诊断。

发明内容

本发明的目的在于提供一种基于Unet网络的隐裂牙裂纹图像分割的方法，通过人工智能进行图像处理并实现裂纹的自动识别和判断，以解决上述背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于Unet网络的隐裂牙裂纹图像分割的方法，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。

优选的，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。

优选的，所述S2中图片大小为1920×1080，把其裁剪成大小为256×256大小的小图片，并人工把有裂纹的小图片进行语义级别像素标记。

优选的，所述S3中使其具备分割裂纹的能力。

优选的，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。

优选的，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。

优选的，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(Batch Normalization)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。