[發明專利]一種基于人工智能的上頜竇底骨質分類方法及系統

有效

• 申請號: 202011475366.6
• 申請日: 2020-12-15
• 公開（公告）號: CN112420171B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 楊博;畢文駿;杜文;陳明;羅晨晨;馬攀;王瑤;李貝貝
• 申請（專利權）人: 首都醫科大學附屬北京口腔醫院;東南大學;北京大學口腔醫學院
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H50/70;G06T11/00;G06V10/764;G06V10/774;G06N20/00
• 代理公司: 成都熠邦鼎立專利代理有限公司 51263
• 代理人: 殷桂亭

本發明公開了一種基于人工智能的上頜竇底骨質分類方法及系統，包括數據采集單元、數據標注單元、數據訓練單元以及數據自動分類單元。所述數據采集單元包括影像采集模塊、分類類別數據采集模塊；所述數據標注單元包括手動標注模塊、標注儲存模塊；所述數據訓練單元包括運輸模塊、運算模塊；所述數據自動分類單元包括計算模塊、匹配分析模塊。本發明基于人工智能的上頜竇底骨質分類方法采用了CBCT來采集上頜竇底骨質數據，減少了數據缺失，保證了后續數據訓練所得的分類模型更準確；并通過本發明建立了基于智能單分類器的骨質分類算法模型，能夠有效針對待分類骨質特征進行識別，具有較強擴展性。

技術領域

本發明涉及醫療輔助診斷技術領域，尤其涉及一種基于人工智能的上頜竇底骨質分類方法及系統。

背景技術

隨著現代醫療科技的發展，醫療影像的智能化輔助診斷系統逐步滲透進醫療領域。將人工智能技術應用在醫療影像的診斷上，目前主要分為兩部分，一是圖像識別，應用于感知環節，其主要目的是將影像這類非機構化數據進行分析，獲取一些有意義的信息。二是深度學習，應用于學習和分析環節，是人工智能應用的最核心環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握“診斷”的能力。

錐形束CT計算機斷層掃描（CBCT）廣泛應用于口腔種植手術中，依靠CBCT進行術前的精確測量、分析以制定精準的種植手術計劃，是種植手術至關重要的第一步。上頜后牙區的牙齒缺失較為廣泛，由于牙周病變，上頜竇氣化等原因使上頜后牙區剩余骨量降低，在采用種植義齒進行固定修復時往往存在骨量不足的問題。經牙槽嵴頂上頜竇底提升術可以有效增加上頜后牙區牙槽骨高度。為了提高種植的成功率，減少術中及術后并發癥，醫生在術前應嚴格把握手術的適應證和禁忌癥，掌握各種術式的操作要點，根據患者上頜竇底的骨質分類選擇不同術式。基于CBCT可將上頜竇底骨質分為三類，1分類均質型、2分類三層型、3分類不規則型，其中1分類包括2個亞類，即1亞類低密度型、2亞類高密度型，2分類包括2個亞類，即1亞類骨皮質薄型、2亞類骨皮質厚型。基于CBCT對上頜竇底骨質分類可為經牙槽嵴頂上頜竇提升術具體手術方法的選擇提供參考。但由于CBCT的分析、診斷對醫師的臨床經驗有著較高的要求，不同的醫師對CBCT的判斷存在一定主觀性，而且在發展水平較低的地區,經驗豐富的口腔種植醫師資源相對匱乏。

發明內容

本發明提供一種基于人工智能的上頜竇底骨質分類方法及系統，用以解決現有CBCT的分析、診斷對醫師的臨床經驗有著較高的要求，不同的醫師對CBCT的判斷存在一定主觀性，而且在發展水平較低的地區,經驗豐富的口腔種植醫師資源相對匱乏的問題。

本發明通過以下技術方案實現：

一種基于人工智能的上頜竇底骨質分類方法，包括以下步驟：

S1.采集患者上頜竇底骨質信息和臨床既有骨質分類信息，并對患者上頜竇底骨質信息進行降噪、歸一、統計處理；

S2.?對處理后的患者上頜竇底骨質信息進行特征提取；

S3.?使用樣本數據訓練機器學習模型，并對樣本數據進行分類，獲得上頜竇底骨質分類模型；

其中，所述訓練機器學習模型具體包括以下子步驟：

S301.?將錐形束CT計算機斷層掃描信息和臨床既有骨質分類信息的數據關鍵特征向量化，轉化為高維度空間中的特征點；

S302.?將關鍵特征的向量作為向量支撐描述域算法的輸入，對算法進行訓練；

S303.?利用高斯核函數對關鍵特征的向量進行評估，并將屬于某一類的最遠向量距離設定為該類的臨界距離；

所述對樣本數據進行分類包括以下子步驟：

S304.?將待分類的患者錐形束CT計算機斷層掃描信息和臨床既有骨質分類信息的數據關鍵特征向量化，轉化為高維度空間中的特征點；