[發明專利]一種基于YOLO和U-Net的口腔曲斷影像智齒分割方法

有效

• 申請號: 202110442986.8
• 申請日: 2021-04-23
• 公開（公告）號: CN113139977B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 楊旸;景相宜
• 申請（專利權）人: 西安交通大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/194;G06V10/764;G06V10/82
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 何會俠

1.一種基于YOLO和U-Net的口腔曲斷影像智齒分割方法，其特征在于：首先對口腔曲斷影像進行圖像預處理，對預處理后圖像中的智齒進行位置標注得到位置標簽，并劃分訓練集和測試集；隨后利用圖像和位置標簽訓練YOLO模型，設置空間位置的置信度閾值，得到智齒的空間位置信息；然后基于智齒的空間位置信息進行切片處理，將得到的所有包含智齒的切片進行預處理，預處理后對訓練集的切片進行像素級的類別標注；最后采用訓練集的切片圖像和位置標簽訓練U-Net模型，設置像素類別的置信度閾值進行二值化，最終得到智齒的像素級分類信息，完成智齒分割；具體包括如下步驟：

步驟1：對原始的口腔曲斷影像進行圖像預處理，提升圖像質量；對預處理后圖像中的智齒進行空間位置的手工標注得到使用智齒區域左上坐標和右下坐標表示的位置標簽，并將圖像和標簽按照7:3的比例劃分為訓練集和測試集；

步驟2：為檢測智齒空間位置，使用基于C語言的Darknet框架搭建YOLO模型，將訓練集輸入YOLO模型進行訓練；完成訓練后，將測試集輸入YOLO模型得到目標檢測預測結果，與位置標簽進行比較，計算目標檢測的精度；

步驟3：將訓練集和測試集中包含智齒的區域進行切割，得到包含智齒的局部切片，訓練集的切片是由手工標注得到，測試集包含智齒的切片是YOLO模型預測的結果；對所有切片進行預處理，提升切片圖像的質量，并對訓練集和測試集的切片進行像素級標注，得到用于U-Net圖像分割的新數據集；

步驟4：使用基于Python的Keras框架搭建U-Net模型，將訓練集切片輸入U-Net模型進行訓練；完成訓練后，將測試集切片輸入U-Net模型得到智齒分割結果，與位置標簽進行比較，計算智齒分割的精度；最后設置閾值，對分割結果進行二值化處理。

2.根據權利要求1所述的一種基于YOLO和U-Net的口腔曲斷影像智齒分割方法，其特征在于：步驟1所述的對原始的口腔曲斷影像進行圖像預處理的具體方式為，直方圖均衡結合Gamma系數為1.6的Gamma變換，以均衡圖像的灰度并放大特征。

3.根據權利要求1所述的一種基于YOLO和U-Net的口腔曲斷影像智齒分割方法，其特征在于：步驟1所述的對預處理后圖像中的智齒進行空間位置的手工標注的過程中，利用了智齒的位置在所有牙齒邊緣的特點，對標注框進行了尺寸設計，強化了智齒的特征。

4.根據權利要求1所述的一種基于YOLO和U-Net的口腔曲斷影像智齒分割方法，其特征在于：步驟2所述的基于C語言的Darknet框架搭建YOLO模型，設置的超參數為：設置學習率為0.0001，迭代次數為20000，優化器為Adam，激活函數為Leaky ReLU。

5.根據權利要求1所述的一種基于YOLO和U-Net的口腔曲斷影像智齒分割方法，其特征在于：步驟3所述的對所有切片進行預處理，具體操作為尺寸歸一化、直方圖均衡。

6.根據權利要求1所述的一種基于YOLO和U-Net的口腔曲斷影像智齒分割方法，其特征在于：步驟4所述的基于Python的Keras框架搭建U-Net模型，設置的超參數為：設置學習率為0.0005，迭代次數為200，優化器為Adam，激活函數為ReLU。