[發明專利]一種基于深度學習的正畸影像圖片智能識別方法

在審

• 申請號: 202110030618.2
• 申請日: 2021-01-11
• 公開（公告）號: CN112700430A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 李亞龍;李美杰;李鵬程
• 申請（專利權）人: 重慶市勱齊醫療科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/60;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶顧迪專利代理事務所(普通合伙) 50246
• 代理人: 霍維英

1.一種基于深度學習的正畸影像圖片智能識別方法，其特征在于，包括以下步驟：

S1、構建多任務檢測網絡，所述多任務檢測網絡包括用于特征提取的基礎網絡和用于估計旋轉和鏡像的檢測頭網絡；

S2、采用coco檢測數據集，通過增強生成旋轉和鏡像標簽后，對步驟S1構建的多任務網絡進行預訓練；

S3、采集正畸影像圖片，通過增強生成具有旋轉和鏡像標簽的增強正畸影像圖片訓練集，利用增強正畸影像圖片訓練集，對預訓練后的網絡以遷移學習的方式調優訓練，獲得訓練好的多任務檢測網絡；

S4、將待識別的正畸影像圖片輸入訓練好的多任務檢測網絡進行識別。

2.根據權利要求1所述的一種基于深度學習的正畸影像圖片智能識別方法，其特征在于，所述基礎網絡為unet網絡，包括多個層次的encoder和decoder，每層的encoder包括卷積層和最大池化層，decoder包括卷積層和置換卷積層，相同層次的encoder和decoder之間有跳躍連接，unet網絡的輸入圖片和輸出圖片分辨率相同；

所述多任務檢測網絡為基于keypoints類的檢測網絡，包括用于檢測目標中心的關鍵點網絡層，檢測目標寬高的回歸層，是否存在鏡像的羅杰斯特回歸層，估計旋轉類別的分類層；其中旋轉類別分為0度、90度、180度和270度四類；對應的損失函數為：預測關鍵點位置時，使用高斯熱力圖，并使用應用了Focalloss的像素級羅杰斯特回歸作為損失函數，回歸目標寬高的L1損失函數，是否鏡像的羅杰斯特回歸損失函數，旋轉分類的多類別交叉熵損失函數。