[發明專利]一種牙病診斷方法、診斷設備及智能圖像采集裝置

在審

• 申請號: 201810403336.0
• 申請日: 2018-04-28
• 公開（公告）號: CN108389207A
• 公開（公告）日: 2018-08-10
• 發明（設計）人: 劉力政;謝晨;段娜;周波
• 申請（專利權）人: 上海視可電子科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/11;G06T7/136;G06T7/73;G06K9/62
• 代理公司: 上海驍象知識產權代理有限公司 31315
• 代理人: 趙俊寅

本發明公開一種牙病診斷方法、診斷設備及智能圖像采集裝置，屬于圖像處理技術領域。本發明的一種牙病診斷方法，包括獲取待檢測的牙齒區域圖像；將所述待檢測的牙齒區域圖像輸入至牙病識別模型進行牙病識別，并輸出牙病識別結果，所述牙病識別結果包括牙病位置及牙病類型。本發明的一種牙病診斷方法、診斷設備及智能圖像采集裝置通過采用基于深度學習的圖像牙齒診斷方法，將傳統牙科中需要長期經驗累積的診斷判別方法轉化為機器學習的自動識別分類方法，有效提升了輔助診斷的效率，實現牙病診斷的自動化。

技術領域

本發明涉及一種牙病診斷方法、診斷設備及智能圖像采集裝置，屬于圖像處理領域中的模式識別領域。

背景技術

目前我國一直存在看病難的問題，其主要體現在病人多，醫生少，看病時醫生需要針對每個病人進行詢問、診斷，看病效率不高。牙病診斷是根據牙齒、牙齦位置出現的異常病變特征進行輔助診斷的方法，根據牙醫實踐證明，當人的牙齒存在病癥的時候，常會在牙齒或牙齦不同的位置出現對應的形態、顏色、紋理等異常變化，傳統牙齒疾病會基于這些特征變化的表象診斷牙齒病癥，但這些診斷均基于醫生的個人經驗進行判斷，因此，如何提高牙病診斷效率，實現自動化的牙病診斷一直是急需解決的問題。

發明內容

本發明的目的在于提供一種牙病診斷方法、診斷設備及智能圖像采集裝置，通過獲取待檢測的牙齒區域圖像，并其輸入到牙病識別模型進行牙病識別得到牙病位置和牙病類型，智能方便的實現牙病的診斷，采用基于深度學習的圖像牙齒診斷方法，將傳統牙科中需要長期經驗累積的診斷判別方法轉化為機器學習的自動識別分類方法，有效提升了輔助診斷的效率，實現牙病診斷的自動化。

本發明提供技術方案如下：

一方面，本發明提供了一種牙病診斷方法，包括：

獲取待檢測的牙齒區域圖像；

將所述待檢測的牙齒區域圖像輸入至牙病識別模型進行牙病識別，并輸出牙病識別結果，所述牙病識別結果包括牙病位置及牙病類型。

根據本發明的一實施方式，所述獲取待檢測的牙齒區域圖像的步驟包括：

利用智能圖像采集裝置采集待檢測圖像；

基于AdaBoost檢測算法檢測所述待檢測圖像是否存在牙齒區域，若是，則判定所述待檢測圖像為待檢測的牙齒區域圖像。

根據本發明的另一實施方式，所述將所述待檢測的牙齒區域圖像輸入

至牙病識別模型進行牙病識別的步驟之前還包括：

對所述待檢測的牙齒區域圖像進行對比度和亮度評價得到對比度偏離度值和亮度偏離度值；

當所述對比度偏離度值大于第一閾值和/或所述亮度偏離度值大于第二閾值時對所述待檢測的牙齒區域圖像進行增強處理。

根據本發明的另一實施方式，所述牙病識別模型為基于MASK-RCNN卷積神經網絡分類器訓練得到，包括：

輸入多張牙齒區域樣本圖像至所述MASK-RCNN卷積神經網絡分類器得到所述多張牙齒區域樣本圖像的牙病粗定位及分類結果；

基于所述牙病粗定位及分類結果過濾所述多張牙齒區域樣本圖像；

對所述過濾后的牙齒區域樣本圖像進行顏色和紋理匹配處理得到處理后的牙病樣本圖像；

根據所述牙病樣本圖像建立牙病識別模型。

根據本發明的另一實施方式，所述MASK-RCNN卷積神經網絡分類器包括上層網絡和下層網絡，所述上層網絡用于提取所述牙齒區域樣本圖像的候選牙病位置邊界框，所述下層網絡用于從每個牙病位置邊界框中提取特征并進行分類和邊界回歸，所述上層網絡為具有掩碼分支的Faster R-CNN網絡，所述下層網絡為ResNet網絡。