[發明專利]一種基于小樣本的高精度牙齒目標檢測方法

在審

• 申請號: 202211533853.2
• 申請日: 2022-12-01
• 公開（公告）號: CN115880528A
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 吳震東;沈業豐
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/26;G06V10/44;G06V10/82;G06N3/045;G06N3/0455;G06N3/0464;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 鄔趙丹

1.一種基于小樣本的高精度牙齒目標檢測方法，其特征在于：具體為：(1)對訓練圖像使用符合生物學特征的針對性擴增，提升牙齒的分割模型性能；(2)對牙齒語義邊緣圖像，牙齒分割圖像和牙齒之間交疊部分的語義分割圖像進行處理，得到高精度的牙齒語義邊緣圖像；(3)提出“有限聯通區域”方法，通過極坐標從牙齒語義邊緣圖像得到單牙齒輪廓的圖像；(4)加入基于位置信息的方法對單牙齒輪廓圖像進行分類，輸出牙齒的分類結果。

2.如權利要求1所述的基于小樣本的高精度牙齒目標檢測方法，其特征在于：所述步驟(1)具體為：將小樣本下牙齒圖像擴增成大樣本，包括針對語義分割模型訓練集的局部區域擴增和針對牙齒分類模型的全景圖像擴增；通過控制牙齒擴增時彈性形變、旋轉和縮放的程度，使牙齒擴增上符合生物學上不同人牙齒間的差距。

3.如權利要求1所述的基于小樣本的高精度牙齒目標檢測方法，其特征在于：所述步驟(2)具體為：通過4個U-Net模型生成的圖像進行“位或”解決U-Net模型生成牙齒的邊界不精準的問題，生成高精度的牙齒邊緣圖像；

利用步驟(1)中局部區域擴增后的語義分割數據集訓練四個不同的U-Net模型，M₁為人工標注原始圖像O₁的牙齒的語義邊緣圖像，M₂為人工標注原始圖像O₁的牙齒的語義分割圖像，M₄為人工標注原始圖像O₁的牙齒交疊部分的語義分割圖像；使用原始圖像O₁與語義邊緣圖像M₁訓練得到U-Net A模型，使用原始圖像O₁與語義分割圖像M₂訓練得到U-Net B模型，使用U-Net B模型生成的牙齒語義分割圖像M₃通道疊加原始圖像O₁得到新圖像O₂，新圖像O₂與語義邊緣圖像M₁訓練得到U-Net C模型，使用原始圖像M₁與牙齒交疊部分語義分割圖像M₄得到U-Net D模型；

然后將牙齒的X光原始圖像通過U-Net A模型生成牙齒的語義分割圖像M_f和U-Net C模型生成牙齒的強化邊緣M_P，然后通過將生成的語義邊緣M_e和強化語義邊緣M_P進行“位或”處理，得到新的牙齒邊緣M_e1，再將這個新的牙齒邊緣與U-Net D模型生成的牙齒交疊部分語義邊緣M_j進行“位或”處理，得到了高精度的牙齒邊緣圖像M_e2，強化了牙齒邊緣的封閉性。

4.如權利要求1所述的基于小樣本的高精度牙齒目標檢測方法，其特征在于：所述步驟(3)具體為：從牙齒語義邊緣圖像中提取單個牙齒輪廓，提出“有限連通區域”方法；首先自左到右，自上到下地掃描，每過多個像素選取像素點作為一個關鍵點掃描；每經過一個關鍵點就檢查此處是否屬于牙齒的輪廓內，在牙齒輪廓內則屬于目標區域，如果是目標區域則開始生成有限連通區域，從一個點出發，向上下左右四個方向延伸直到碰觸到牙齒的輪廓邊緣，從目標的上下左右四個邊的邊界得出目標框數據，使用目標檢測領域內的通用方法非極大值抑制算法對目標框的面積作為首要權重排名，生成得到有限連通區域目標框數據，篩掉尺寸遠偏離目標正常值范圍的目標；

通過前面有限連通區域的生成，通過二維坐標系統的極坐標來生成單個牙齒的輪廓，首先以每一個目標框中心點O作為極點出發，引一條射線Ox作為極軸，以0°為起始，逐次逆時針掃描360°，極坐標的線段的長度為每個刻度上從中心點O出發直到牙齒的輪廓邊緣的距離，得到這些刻度下每條射線的長度和端點坐標，根據每個端點來生成單個牙齒的輪廓；為了得到更加精準的單個牙齒輪廓圖像，將初步得到的單個牙齒輪廓圖像計算得到形心，再基于每個形心生成單個牙齒輪廓圖像，循環多次后從高精度的邊緣圖像生成了最終的單個牙齒輪廓的圖像。

5.如權利要求1所述的基于小樣本的高精度牙齒目標檢測方法，其特征在于：所述步驟(4)具體為：加入基于位置信息的機制，將單個牙齒的輪廓生成在原圖像上，標記了單目標的位置并且保留了單個牙齒的輪廓特征；修改人工標注的牙齒輪廓，然后將改進后的單個牙齒輪廓的圖像進行步驟(1)中的全景圖像擴增，擴增后的大樣本使用Resnet模型進行訓練得出本發明的分類模型；將待檢測圖片輸入訓練后的分類模型中，輸出分類結果。