一种牙齿邻面接触强度智能感知识别方法及系统

本发明涉及口腔健康检测，更具体的说是涉及一种牙齿邻面接触强度智能感知识别方法及系统。

背景技术：

1、邻面接触区即邻接区是指牙齿与同一牙弓内相邻牙齿紧密接触的区域。轮廓良好、位置正确、牢固的邻面接触区对于保持牙弓的完整性和支撑结构的健康至关重要。临床上常用邻接强度、面积、位置、形状等指标对邻接区进行量化研究及评价。邻接强度较小可能会导致食物嵌塞、龋病和牙周病等常见的口腔疾病；邻接强度较大可能会引起牙齿移动不良、牙周组织损伤等问题。同样，食物嵌塞或龋坏等临床疾病亦有可能破坏牙齿邻接区，导致邻接强度异常，从而加重食物嵌塞或牙齿龋坏。

2、目前邻接强度的检测手段主要有以下几种：

3、①牙线：临床上最常用的邻接强度检查方法，判定有无邻面接触时具有较高的可重复性，属于定性检测。

4、②不同厚度的咬合纸或金属薄膜：将最初有阻力进入相邻牙邻面接触区的咬合纸或金属薄膜的厚度等同于邻接强度，属于半定量检测。

5、③不同厚度的牙间隙测量器(塞尺)或者游标卡尺：能够顺利进入邻接区的尺寸定义为邻接强度。主要针对存在间隙的邻接区，属于半定量检测。

6、④薄金属条：从颊舌向移除位于邻接区的金属条所产生的最大摩擦力或者从外展隙进入邻接区的金属条所产生的最大摩擦力即邻接强度，属于定量检测。

7、⑤电荷耦合装置或立体摄影：仪器复杂，测量极其繁琐，临床应用受限，属于定量检测。

8、上述几种方法中，前三种方法在精确性、有效性、可重复性方面存有不足，无法进行邻接强度的准确定量分析；方法④在测量时将邻接区被动分离，不符合生理状况，且检测设备复杂；方法⑤中设备繁琐，临床应用明显受限。因此目前临床缺乏一种便携式客观稳定检测邻接强度是否正常的系统方法及装置。

9、因此，提出一种便携式的能够客观稳定检测牙齿邻面接触强度的智能感知识别方法及系统，是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种牙齿邻面接触强度智能感知识别方法及系统，构建声音信号分类模型，可以在较低参数内有效学习频谱图的波纹特征信息，促进下采样过程提取有效信息，且有效融合来自不同滤波器生成的特征信息，提高特征表达能力及模型准确率，最终利用该模型可检测判定邻接强度是否正常。

2、为了实现上述目的，本发明采用如下技术方案：

3、一方面，本发明公开了一种牙齿邻面接触强度智能感知识别方法，包括以下步骤：

4、获取牙齿邻面接触强度声音数据，并对所述声音数据进行处理，得到频谱图；

5、构建声音信号分类模型；所述声音信号分类模型包括依次连接的逐点深度卷积网络、两个残差网络，还包括轻量级注意力网络，所述轻量级注意力网络置于两个所述残差网络之间，其中，将所述残差网络的basicblock中第二个3*3卷积块替换为分离分支块；

6、将所述频谱图输入训练好的声音信号分类模型中，输出牙齿邻面接触强度识别结果。

7、优选的，对所述声音数据进行处理，得到频谱图，包括：

8、对所述声音数据进行预加重，得到预加重音频波形；

9、对所述预加重音频波形进行分帧加窗和短时傅里叶变换，得到频谱矩阵；

10、将所述频谱矩阵转化为所述频谱图。

11、优选的，所述轻量级注意力网络包括通道注意力网络和空间注意力网络；

12、沿通道维度将特征图分组，每组分别通过所述通道注意力网络和所述空间注意力网络生成通道注意力图和空间注意力图；

13、将所述通道注意力图和所述空间注意力图聚合并执行频道混洗操作后输入第二个所述残差网络。

14、优选的，所述通道注意力网络通过全局平均池、缩放和激活功能进行改进，公式如下：

15、

16、x'i1＝σ(w1s+b1).xi1；

17、其中，x'i1为通道注意力网络的输出，将特征图x分为g组，x∈rc*w*h，c，h，w分别表示特征图的通道编码、宽度和高度，xi1为特征图x第i组的第一分支，fgp(·)为全局池化操作，s为经全局池化操作后生成的特征图，w1为第一权重参数，b1为第一偏置参数，σ表示sigmoid激活函数。

18、优选的，所述空间注意力网络的计算公式如下：

19、x'i2＝σ(w2.gn(xi2+b2).xi2)；

20、其中，x'i2为空间注意力网络的输出，将特征图x分为g组，x∈rc*w*h，c，h，w分别表示特征图的通道编码、宽度和高度，xi2为特征图x第i组的第二分支，w2为第二权重参数，b2为第二偏置参数，σ表示sigmoid激活函数。

21、优选的，所述分离分支块包括四个分支如下：

22、1x1卷积+bn层；

23、1x1卷积+bn层+kxk卷积+bn层；

24、1x1卷积+bn层+平均池化+bn层；

25、1x1卷积+bn层；

26、所述四个分支的结果相加后，经由激活函数得到所述分离分支块的输出。

27、优选的，所述声音信号分类模型还包括依次连接的全局平均池化层、全连接层和softmax函数，所述全局平均池化层与第二个所述残差网络连接。

28、另一方面，本发明还公开一种牙齿邻面接触强度智能感知识别系统，用于实现上述牙齿邻面接触强度智能感知识别方法，该系统包括：

29、数据获取模块，用于获取牙齿邻面接触强度声音数据，并对所述声音数据进行处理，得到频谱图；

30、模型构建模块，用于构建声音信号分类模型；所述声音信号分类模型包括依次连接的逐点深度卷积网络、两个残差网络，还包括轻量级注意力网络，所述轻量级注意力网络置于两个所述残差网络之间，其中，将所述残差网络的basicblock中第二个3*3卷积块替换为分离分支块；

31、输出模块，用于将所述频谱图输入训练好的声音信号分类模型中，输出牙齿邻面接触强度识别结果。

32、经由上述的技术方案可知，本发明公开提供了一种牙齿邻面接触强度智能感知识别方法及系统，与现有技术相比具有以下有益效果：

33、1.本发明堆叠两层残差网络(dbnet)作为主干网络，能够降低网络训练时间，减少参数量，实现较短训练时间内的较佳训练结果。

34、2.本发明提出逐点深度卷积(pdnet)用于代替主干网络的下采样模块，有效提取特征信息，提高网络下采样能力，进一步提高网络性能。

35、3.将残差网络basicblock中的3*3的卷积模块替换为分离分支块(diversebranch block，dbb)以引入不同的感受野，在不同的复杂度多分支结构下显著提高网络识别性能。

36、4.在两个残差网络间嵌入了一个轻量级注意力网络(shuffle attention，sa)，提高残差网络间有效信息的表达能力，提高牙齿邻接强度识别分类性能。

技术特征：

1.一种牙齿邻面接触强度智能感知识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种牙齿邻面接触强度智能感知识别方法，其特征在于，对所述声音数据进行处理，得到频谱图，包括：

3.根据权利要求1所述的一种牙齿邻面接触强度智能感知识别方法，其特征在于，所述轻量级注意力网络包括通道注意力网络和空间注意力网络；

4.根据权利要求3所述的一种牙齿邻面接触强度智能感知识别方法，其特征在于，所述通道注意力网络通过全局平均池、缩放和激活功能进行改进，公式如下：

5.根据权利要求3所述的一种牙齿邻面接触强度智能感知识别方法，其特征在于，所述空间注意力网络的计算公式如下：

6.根据权利要求1所述的一种牙齿邻面接触强度智能感知识别方法，其特征在于，所述分离分支块包括四个分支如下：

7.根据权利要求1所述的一种牙齿邻面接触强度智能感知识别方法，其特征在于，所述声音信号分类模型还包括依次连接的全局平均池化层、全连接层和softmax函数，所述全局平均池化层与第二个所述残差网络连接。

8.一种牙齿邻面接触强度智能感知识别系统，其特征在于，包括：

技术总结本发明公开了一种牙齿邻面接触强度智能感知识别方法及系统，属于口腔健康检测技术领域。本发明利用声音信号分类模型识别牙齿邻面接触强度是否正常，其中声音信号分类模型包括依次连接的逐点深度卷积网络、两个残差网络，还包括置于两个残差网络之间的轻量级注意力网络，同时将残差网络的BasicBlock中第二个3*3卷积块替换为分离分支块。本发明可以在较低参数内有效学习频谱图的波纹特征信息，促进下采样过程提取有效信息，且有效融合来自不同滤波器生成的特征信息，提高特征表达能力及模型准确率，最终利用该模型可检测判定邻接强度是否正常。技术研发人员：孙玉春,田素坤,周永胜,胡世鹏,王红艳,李天祥,翟文茹受保护的技术使用者：北京大学口腔医学院技术研发日：技术公布日：2024/5/29