[发明专利]一种基于人工智能的上颌窦底骨质分类方法及系统

说明书

本发明公开了一种基于人工智能的上颌窦底骨质分类方法及系统，包括数据采集单元、数据标注单元、数据训练单元以及数据自动分类单元。所述数据采集单元包括影像采集模块、分类类别数据采集模块；所述数据标注单元包括手动标注模块、标注储存模块；所述数据训练单元包括运输模块、运算模块；所述数据自动分类单元包括计算模块、匹配分析模块。本发明基于人工智能的上颌窦底骨质分类方法采用了CBCT来采集上颌窦底骨质数据，减少了数据缺失，保证了后续数据训练所得的分类模型更准确；并通过本发明建立了基于智能单分类器的骨质分类算法模型，能够有效针对待分类骨质特征进行识别，具有较强扩展性。

技术领域

本发明涉及医疗辅助诊断技术领域，尤其涉及一种基于人工智能的上颌窦底骨质分类方法及系统。

背景技术

随着现代医疗科技的发展，医疗影像的智能化辅助诊断系统逐步渗透进医疗领域。将人工智能技术应用在医疗影像的诊断上，目前主要分为两部分，一是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息。二是深度学习，应用于学习和分析环节，是人工智能应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。

锥形束CT计算机断层扫描（CBCT）广泛应用于口腔种植手术中，依靠CBCT进行术前的精确测量、分析以制定精准的种植手术计划，是种植手术至关重要的第一步。上颌后牙区的牙齿缺失较为广泛，由于牙周病变，上颌窦气化等原因使上颌后牙区剩余骨量降低，在采用种植义齿进行固定修复时往往存在骨量不足的问题。经牙槽嵴顶上颌窦底提升术可以有效增加上颌后牙区牙槽骨高度。为了提高种植的成功率，减少术中及术后并发症，医生在术前应严格把握手术的适应证和禁忌症，掌握各种术式的操作要点，根据患者上颌窦底的骨质分类选择不同术式。基于CBCT可将上颌窦底骨质分为三类，1分类均质型、2分类三层型、3分类不规则型，其中1分类包括2个亚类，即1亚类低密度型、2亚类高密度型，2分类包括2个亚类，即1亚类骨皮质薄型、2亚类骨皮质厚型。基于CBCT对上颌窦底骨质分类可为经牙槽嵴顶上颌窦提升术具体手术方法的选择提供参考。但由于CBCT的分析、诊断对医师的临床经验有着较高的要求，不同的医师对CBCT的判断存在一定主观性，而且在发展水平较低的地区,经验丰富的口腔种植医师资源相对匮乏。

发明内容

本发明提供一种基于人工智能的上颌窦底骨质分类方法及系统，用以解决现有CBCT的分析、诊断对医师的临床经验有着较高的要求，不同的医师对CBCT的判断存在一定主观性，而且在发展水平较低的地区,经验丰富的口腔种植医师资源相对匮乏的问题。

本发明通过以下技术方案实现：

一种基于人工智能的上颌窦底骨质分类方法，包括以下步骤：

S1.采集患者上颌窦底骨质信息和临床既有骨质分类信息，并对患者上颌窦底骨质信息进行降噪、归一、统计处理；

S2. 对处理后的患者上颌窦底骨质信息进行特征提取；

S3. 使用样本数据训练机器学习模型，并对样本数据进行分类，获得上颌窦底骨质分类模型；

其中，所述训练机器学习模型具体包括以下子步骤：

S301. 将锥形束CT计算机断层扫描信息和临床既有骨质分类信息的数据关键特征向量化，转化为高维度空间中的特征点；

S302. 将关键特征的向量作为向量支撑描述域算法的输入，对算法进行训练；

S303. 利用高斯核函数对关键特征的向量进行评估，并将属于某一类的最远向量距离设定为该类的临界距离；

所述对样本数据进行分类包括以下子步骤：

S304. 将待分类的患者锥形束CT计算机断层扫描信息和临床既有骨质分类信息的数据关键特征向量化，转化为高维度空间中的特征点；