【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及口腔影像處理，尤其涉及一種基于深度學(xué)習(xí)的牙位識別方法、程序、存儲介質(zhì)、系統(tǒng)和裝置。
技術(shù)介紹
1、在口腔正畸中需要識別每個牙齒的牙位以做出針對性的矯正方案。但因為不同醫(yī)生的判斷標準不同，以及長時間工作導(dǎo)致的疲勞接診，直接觀察口掃成片的方式判斷需要矯正的牙齒可能會有誤差。而現(xiàn)有的目標檢測框架如fasterrcnn、yolov5、yolov7等，對口掃平面數(shù)據(jù)進行牙位識別時，會無法分清牙頜左右，造成檢測框和對應(yīng)的分類標號混亂，不能精準識別牙齒。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)要解決的技術(shù)問題是設(shè)計一種基于深度學(xué)習(xí)的牙位識別方法、程序、存儲介質(zhì)、系統(tǒng)和裝置，能夠?qū)趻咂矫鏀?shù)據(jù)利用ai目標檢測的結(jié)果確定牙齒的標號，改進了目標檢測算法，改善以往ai目標檢測中在遇到相似性特征時可能會出現(xiàn)的重疊框、重復(fù)框和左右不分的情況，可快速準確地確定口掃平面數(shù)據(jù)中唯一的牙位，解決現(xiàn)有的技術(shù)問題。
2、為解決上述技術(shù)問題，本專利技術(shù)的一種基于深度學(xué)習(xí)的牙位識別方法包括如下步驟：
3、步驟s1：獲取口掃平面牙頜數(shù)據(jù)，并處理生成圖像文件。
4、步驟s2：將圖像文件和一一對應(yīng)的圖像標簽制作成目標檢測框架要求的數(shù)據(jù)集格式。
5、步驟s3：使用基于深度學(xué)習(xí)的目標檢測網(wǎng)絡(luò)對步驟s2制作的數(shù)據(jù)進行訓(xùn)練，所述目標檢測網(wǎng)絡(luò)包括特征融合模塊，所述特征融合模塊包括卷積注意力模塊，所述卷積注意力模塊包括空間注意力模塊和通道注意力模塊；卷積注意力的計算過程為：
6
7、步驟s4：用步驟s3中的目標檢測網(wǎng)絡(luò)，對口掃平面進行牙位檢測和識別，獲取檢測結(jié)果。
8、進一步的，步驟s1中，通過口掃成像設(shè)備拍攝出原始牙頜文件，利用pythonvtk拓展包將原始牙頜文件投影到平面上，確保每顆牙齒都能投影到平面上，將平面保存為圖像文件。
9、進一步的，步驟s3中，口掃平面數(shù)據(jù)的目標檢測網(wǎng)絡(luò)為faster?rcnn或yolov5或yolov7。
10、進一步的，步驟s3中：
11、通道注意力的計算過程為：輸入特征圖f分別經(jīng)過平均池化和最大池化得到favg和fmax，二者分別經(jīng)過兩層隱含神經(jīng)網(wǎng)絡(luò)層處理后相加，再由激活函數(shù)計算得到通道注意力結(jié)果。
12、空間注意力的計算過程為：輸入特征圖f分別經(jīng)過平均池化和最大池化得到favg和fmax，二者在通道維度上進行拼接，并經(jīng)過卷積進行特征提取，再由激活函數(shù)計算得到空間注意力。
13、進一步的，步驟s3中，通道注意力channel_attention的計算公式為：
14、channel_attention＝σ(w1(w0(favg))+w1(w0(fmax)))；
15、其中，σ表示sigmoid激活函數(shù)，w1和w0表示隱含層權(quán)重，favg示特征圖f經(jīng)過平均池化的結(jié)果，fmax表示特征圖f經(jīng)過最大池化的結(jié)果。
16、進一步的，步驟s3中，空間注意力spatial_attention的計算公式為：
17、spatial_attention＝σ(conv7×7([favg，fmax]))；
18、其中，σ表示sigmoid激活函數(shù)，conv7×7表示7*7卷積，favg示特征圖f經(jīng)過平均池化的結(jié)果，fmax表示特征圖f經(jīng)過最大池化的結(jié)果，[favg，fmax]表示favg和，fmax在通道維度上進行拼接。
19、本專利技術(shù)還提供一種計算機程序產(chǎn)品，包括計算機指令，所述計算機指令在由處理器運行時使得計算機設(shè)備執(zhí)行如前述的基于深度學(xué)習(xí)的牙位識別方法。
20、本專利技術(shù)還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機執(zhí)行指令，當(dāng)處理器執(zhí)行所述計算機執(zhí)行指令時，實現(xiàn)如前述的基于深度學(xué)習(xí)的牙位識別方法。
21、本專利技術(shù)還提供一種基于口掃平面數(shù)據(jù)的牙位識別系統(tǒng)，包括：
22、數(shù)據(jù)處理模塊：用于獲取并處理口掃平面牙頜數(shù)據(jù)；
23、數(shù)據(jù)制作模塊：用于將處理的牙頜數(shù)據(jù)信息標注標簽后制作成數(shù)據(jù)集；
24、目標檢測網(wǎng)絡(luò)模塊：用于數(shù)據(jù)集進行訓(xùn)練以及對口掃平面進行牙位檢測和識別；
25、數(shù)據(jù)輸出模塊：輸出檢測和識別結(jié)果。
26、本專利技術(shù)還提供一種基于口掃平面數(shù)據(jù)的牙位識別裝置，包括：
27、至少一個處理器；以及
28、至少一個與所述處理器通信連接的存儲器；
29、其中，所述存儲器存儲有可被處理器執(zhí)行的指令，所述指令被所述處理器執(zhí)行，以使該裝置執(zhí)行前述的基于深度學(xué)習(xí)的牙位識別方法。
30、本專利技術(shù)的有益效果：
31、本專利技術(shù)的基于深度學(xué)習(xí)的牙位識別方法通過改進網(wǎng)絡(luò)檢測模型，能夠?qū)趻咂矫鏀?shù)據(jù)利用ai目標檢測的結(jié)果確定牙齒的標號，大幅改善了以往目標檢測框架在對口掃平面數(shù)據(jù)進行牙位識別時，有明顯的方向感知缺陷，即無法準確分清口掃平面的左右的問題，可快速準確地確定口掃平面數(shù)據(jù)中唯一的牙位。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于深度學(xué)習(xí)的牙位識別方法，其特征在于：包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟S1中，通過a掃成像設(shè)備拍攝出原始牙頜文件，利用Python?VTK拓展包將原始牙頜文件投影到平面上，確保每顆牙齒都能投影到平面上，將平面保存為圖像文件。
3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟S3中，口掃平面數(shù)據(jù)的目標檢測網(wǎng)絡(luò)為Faster?RCNN或YOLOv5或YOLOv7。
4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟S3中：
5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟S3中，通道注意力Channel_Attention的計算公式為：
6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟S3中，空間注意力Spatial_Attention的計算公式為：
7.一種計算機程序產(chǎn)品，其特征在于：包括計算機指令，所述計算機指令在由處理器運行時使得計算機設(shè)備執(zhí)行如權(quán)利要求1-6中任一項所
8.一種計算機可讀存儲介質(zhì)，其特征在于：其上存儲有計算機執(zhí)行指令，當(dāng)處理器執(zhí)行所述計算機執(zhí)行指令時，實現(xiàn)如權(quán)利要求1-6中任一項所述的基于深度學(xué)習(xí)的牙位識別方法。
9.一種基于口掃平面數(shù)據(jù)的牙位識別系統(tǒng)，其特征在于：包括：
10.一種基于口掃平面數(shù)據(jù)的牙位識別裝置，其特征在于：包括：
...【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的牙位識別方法，其特征在于：包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟s1中，通過a掃成像設(shè)備拍攝出原始牙頜文件，利用python?vtk拓展包將原始牙頜文件投影到平面上，確保每顆牙齒都能投影到平面上，將平面保存為圖像文件。
3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟s3中，口掃平面數(shù)據(jù)的目標檢測網(wǎng)絡(luò)為faster?rcnn或yolov5或yolov7。
4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟s3中：
5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的牙位識別方法，其特征在于：步驟s3中，通道注意力channel_...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王驍崴，王洪建，楊俊，吳連杰，
申請(專利權(quán))人：可麗爾醫(yī)療科技常州有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。