[發(fā)明專利]基于深度學(xué)習(xí)的頜骨密度分類方法、系統(tǒng)及介質(zhì)在審
| 申請?zhí)枺?/td> | 202111175568.3 | 申請日: | 2021-10-09 |
| 公開(公告)號: | CN113869443A | 公開(公告)日: | 2021-12-31 |
| 發(fā)明(設(shè)計)人: | 梁琦暉;王歡 | 申請(專利權(quán))人: | 新大陸數(shù)字技術(shù)股份有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06T7/00;G06T7/11;G06N3/04;G06N3/08 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 350015 福*** | 國省代碼: | 福建;35 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 深度 學(xué)習(xí) 頜骨 密度 分類 方法 系統(tǒng) 介質(zhì) | ||
本發(fā)明公開了一種基于深度學(xué)習(xí)的頜骨密度分類方法,包括以下步驟,步驟一,獲取訓(xùn)練集數(shù)據(jù):獲取以往醫(yī)學(xué)臨床中的口腔頜面CT切片圖像數(shù)據(jù)并預(yù)處理,對口腔頜面CT切片圖像進(jìn)行CT值以及頜骨密度等級標(biāo)注;步驟二,構(gòu)建頜骨密度分類網(wǎng)絡(luò)模型并訓(xùn)練:將CT值作為輸入,頜骨密度等級作為輸出,利用訓(xùn)練集數(shù)據(jù)對頜骨密度分類網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練學(xué)習(xí)直至模型收斂;所述頜骨密度分類網(wǎng)絡(luò)模型采用nested?unet作為骨干網(wǎng)絡(luò),并在網(wǎng)絡(luò)模型的末尾加入self?attention網(wǎng)絡(luò);步驟三,頜骨密度預(yù)測:將實時得到的口腔頜面CT切片圖像輸入訓(xùn)練完成的頜骨密度分類網(wǎng)絡(luò)模型中,輸出頜骨密度等級分類結(jié)果。
技術(shù)領(lǐng)域
本發(fā)明涉及人工智能領(lǐng)域,特別涉及一種基于深度學(xué)習(xí)的頜骨密度分類方法。
背景技術(shù)
種植牙是迄今最理想的缺牙修復(fù)方式,其實施過程也相當(dāng)復(fù)雜,在種植牙之前首先需要患者對預(yù)種植部位進(jìn)行放射線成像檢查來進(jìn)行多方面的評估,其中,種植區(qū)的骨密度評估是取得牙種植術(shù)成功的關(guān)鍵步驟,如何對頜骨骨密度進(jìn)行精確、有效、實用的測量,對種植及牙周手術(shù)的制定及預(yù)后的判定具有非常重要的指導(dǎo)作用。
口腔錐形束CT已成為口腔醫(yī)學(xué)領(lǐng)域應(yīng)用廣泛的成像設(shè)備,相較螺旋CT,CBCT輻射劑量大幅下降,且其圖像質(zhì)量可靠,是一種精確且快速用于測量骨小梁細(xì)微結(jié)構(gòu)的高分辨率的數(shù)字影像。并且,口腔錐形束CT能獲得一個三維方向上的骨結(jié)構(gòu)重建。
目前在口腔CT的臨床診斷和治療中,醫(yī)生或技師是依靠重建圖像中骨小梁的空間排布的稀疏程度來進(jìn)行頜骨骨密度的判別,且只能根據(jù)經(jīng)驗做分級判別,沒有具體的骨密度數(shù)值作為精準(zhǔn)參考。現(xiàn)有技術(shù)中的口腔CT設(shè)備不能表示單位骨體積或面積的骨礦物質(zhì)含量,即骨密度指標(biāo)。而且,由于CBCT采用X射線錐束掃描成像的原因,導(dǎo)致其圖像的CT值不穩(wěn)定,現(xiàn)有技術(shù)中的通過CT值作為反映骨密度的參數(shù),從而測量骨密度的方式,用來評估骨密度還具有不準(zhǔn)確的問題。
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種可以自動對口腔頜面CT切片圖像進(jìn)行自動劃分骨密度的頜骨密度分類方法,采用的技術(shù)方案如下
一種基于深度學(xué)習(xí)的頜骨密度分類方法,包括以下步驟,
步驟一,獲取訓(xùn)練集數(shù)據(jù):獲取以往醫(yī)學(xué)臨床中的口腔頜面CT切片圖像數(shù)據(jù)并預(yù)處理,對口腔頜面CT切片圖像進(jìn)行CT值以及頜骨密度等級標(biāo)注;
步驟二,構(gòu)建頜骨密度分類網(wǎng)絡(luò)模型并訓(xùn)練:將CT值作為輸入,頜骨密度等級作為輸出,利用訓(xùn)練集數(shù)據(jù)對頜骨密度分類網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練學(xué)習(xí)直至模型收斂;
所述頜骨密度分類網(wǎng)絡(luò)模型采用nested-unet作為骨干網(wǎng)絡(luò),并在網(wǎng)絡(luò)模型的末尾加入self-attention網(wǎng)絡(luò);
步驟三,頜骨密度預(yù)測:將實時得到的口腔頜面CT切片圖像輸入訓(xùn)練完成的頜骨密度分類網(wǎng)絡(luò)模型中,輸出頜骨密度等級分類結(jié)果。
進(jìn)一步的,所述頜骨密度分類網(wǎng)絡(luò)模型的損失函數(shù)由損失函數(shù)和損失函數(shù)加權(quán)后得出,損失函數(shù)表示為:
,其中,表示損失函數(shù); 表示損失函數(shù),和分別表示和的權(quán)重系數(shù)。
進(jìn)一步的,所述損失函數(shù)中,;
其中,y表示標(biāo)簽,表示預(yù)測結(jié)果,平衡因子用于平衡正負(fù)樣本比例不均,取值0.25,為一常數(shù),系數(shù)用于減少易分樣本的損失,關(guān)注困難樣本,取值2。
進(jìn)一步的,,
其中,A和B分別表示預(yù)測結(jié)果和GT,表示AB的交集,、分別表示A、B的元素個數(shù)。
進(jìn)一步的,所述self-attention網(wǎng)絡(luò)的公式表示為:
。
進(jìn)一步的,所述第口腔頜面CT切片圖像數(shù)據(jù)預(yù)處理的具體步驟包括:
根據(jù)醫(yī)學(xué)經(jīng)驗設(shè)置CT值的最大值和最小值,將CT值超過最大值的設(shè)置為最大值,將CT值小于最小值的設(shè)置為最小值;而后對CT值作歸一化處理;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于新大陸數(shù)字技術(shù)股份有限公司,未經(jīng)新大陸數(shù)字技術(shù)股份有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111175568.3/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





