基于深度学习的龋齿识别方法、装置、设备及介质

本发明涉及深度学习，尤其涉及一种基于深度学习的龋齿识别方法、装置、设备及介质。

背景技术：

1、口腔健康问题，尤其是龋齿的早期识别对于预防进一步牙齿损害以及提供及时治疗至关重要。早期龋齿很难用肉眼区分，尤其是发生在牙齿相邻表面等区域的龋齿。深度学习技术已经成为口腔疾病诊断的一种辅助手段，可以通过深度学习技术进一步实现龋齿的特征识别。

2、然而，相关技术中的龋齿识别模型在进行龋齿的特征识别时存在识别精度不佳的技术问题。

3、基于此，本发明提出了一种基于深度学习的龋齿识别方法、装置、设备及介质来解决上述技术问题。

技术实现思路

1、本发明描述了一种基于深度学习的龋齿识别方法、装置、设备及介质，能够有效提高龋齿的识别精度。

2、根据第一方面，本发明提供了一种基于深度学习的龋齿识别方法，包括：

3、获取针对目标患者拍摄的第一口腔cbct影像和第二口腔cbct影像；其中，所述第一口腔cbct影像的成像视野不大于8×8，所述第二口腔cbct影像的成像视野大于8×8但不大于15×15；

4、将所述第一口腔cbct影像和所述第二口腔cbct影像输入到训练好的龋齿识别模型中，得到所述目标患者的龋齿识别结果；其中，所述龋齿识别模型是利用标签口腔cbct影像对预设的深度学习网络进行训练得到的；

5、所述深度学习网络包括编码网络、特征融合网络、语义迁移网络和共享知识学习网络，所述编码网络包括两个子编码器，每个所述子编码器包括多个依次连接的编码块，用于提取不同成像视野下的差异特征；

6、所述特征融合网络的输入端分别与每个所述子编码器的最后一个编码块的输出端连接，用于对所述差异特征进行特征融合；

7、所述语义迁移网络的输入端与所述特征融合网络的输出端连接，用于将融合后的差异特征还原至浅层位置；

8、所述共享知识学习网络的输入端与所述语义迁移网络的输出端连接，用于在通道维度和空间维度对龋齿位置任务和龋齿深度任务之间的共享知识进行交互学习，以得到所述龋齿识别结果。

9、根据第二方面，本发明提供了一种基于深度学习的龋齿识别装置，包括：

10、获取单元，被配置为获取针对目标患者拍摄的第一口腔cbct影像和第二口腔cbct影像；其中，所述第一口腔cbct影像的成像视野不大于8×8，所述第二口腔cbct影像的成像视野大于8×8但不大于15×15；

11、识别单元，被配置为将所述第一口腔cbct影像和所述第二口腔cbct影像输入到训练好的龋齿识别模型中，得到所述目标患者的龋齿识别结果；其中，所述龋齿识别模型是利用标签口腔cbct影像对预设的深度学习网络进行训练得到的；

12、所述深度学习网络包括编码网络、特征融合网络、语义迁移网络和共享知识学习网络，所述编码网络包括两个子编码器，每个所述子编码器包括多个依次连接的编码块，用于提取不同成像视野下的差异特征；

13、所述特征融合网络的输入端分别与每个所述子编码器的最后一个编码块的输出端连接，用于对所述差异特征进行特征融合；

14、所述语义迁移网络的输入端与所述特征融合网络的输出端连接，用于将融合后的差异特征还原至浅层位置；

15、所述共享知识学习网络的输入端与所述语义迁移网络的输出端连接，用于在通道维度和空间维度对龋齿位置任务和龋齿深度任务之间的共享知识进行交互学习，以得到所述龋齿识别结果。

16、根据第三方面，本发明提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现第一方面的方法。

17、根据第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。

18、根据本发明提供的基于深度学习的龋齿识别方法、装置、设备及介质，通过对深度学习网络进行优化，即利用特征融合网络对差异特征进行特征融合，以融合这些差异特征的互补优势，提高对龋齿的辨识性能；利用语义迁移网络将融合后的差异特征还原至浅层位置，以提升对龋齿的语义认知能力；利用共享知识学习网络在通道维度和空间维度对龋齿位置任务和龋齿深度任务之间的共享知识进行交互学习，以实现高精度和高效率的龋齿位置和龋齿深度。因此，上述技术方案能够有效提高龋齿的识别精度。

技术特征：

1.一种基于深度学习的龋齿识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述特征融合网络是通过采用如下公式完成对所述差异特征进行特征融合的：

3.根据权利要求2所述的方法，其特征在于，所述语义迁移网络是通过采用如下公式完成将融合后的差异特征还原至浅层位置的：

4.根据权利要求3所述的方法，其特征在于，所述共享知识学习网络是通过采用如下公式完成在通道维度和空间维度对龋齿位置任务和龋齿深度任务之间的共享知识进行交互学习的：

5.一种基于深度学习的龋齿识别装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述特征融合网络是通过采用如下公式完成对所述差异特征进行特征融合的：

7.根据权利要求6所述的装置，其特征在于，所述语义迁移网络是通过采用如下公式完成将融合后的差异特征还原至浅层位置的：

8.根据权利要求7所述的装置，其特征在于，所述共享知识学习网络是通过采用如下公式完成在通道维度和空间维度对龋齿位置任务和龋齿深度任务之间的共享知识进行交互学习的：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-4中任一项所述的方法。

技术总结本发明涉及深度学习技术领域，尤其涉及一种基于深度学习的龋齿识别方法、装置、设备及介质。该方法通过对深度学习网络进行优化，即利用特征融合网络对差异特征进行特征融合，以融合这些差异特征的互补优势，提高对龋齿的辨识性能；利用语义迁移网络将融合后的差异特征还原至浅层位置，以提升对龋齿的语义认知能力；利用共享知识学习网络在通道维度和空间维度对龋齿位置任务和龋齿深度任务之间的共享知识进行交互学习，以实现高精度和高效率的龋齿位置和龋齿深度。因此，上述技术方案能够有效提高龋齿的识别精度。技术研发人员：盛迪受保护的技术使用者：首都医科大学附属北京口腔医院技术研发日：技术公布日：2024/9/9