[发明专利]一种基于卷积神经网络的口腔龋病图像智能识别方法

权利要求书

1.一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，包括如下步骤：

步骤S1、数据样本采集：收集实际医院临床若干病例口腔样本模型，制作成牙齿模型并进行拍照，得到样本照片数据集；

步骤S2、对采集的口腔样本照片进行标记：样本照片数据集中的口腔样本照片可分为两种类型，分别是已龋坏、未龋坏，将口腔样本照片标注为不同类型，进而得到分类后的口腔样本照片，随后建立数据集并对龋坏区域进行标记；

步骤S3、数据的预处理与图像叠加：口腔样本照片预处理需进行去噪操作，利用高斯滤波和中值过滤方法，结合TV 法与梯度下降法，建立各向异性扩散完全涨落模型，随后将去噪后的图像进行图像增强；

步骤S4、模型定义：选择cifar10Net的神经网络模型对训练集进行训练；

步骤S5、对网络进行微调，再对数据集进行迁移学习，同时修改训练策略参数；

步骤S6、迭代，将训练好的神经网络保存并分析训练结果。

2.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，在步骤S6之后，通过Matlab实现相应的图形界面建立。

3.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，步骤S2中，建立数据集并对龋坏区域进行标记，即采用人工进行标记，框选需要标识的龋坏区域，在同一张图片中可以有一个或者多个任意或者相同种类的标识框。

4.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，步骤S3中，高斯滤波操作中使用模板扫描图像的像素，将中间像素值替换为相邻像素的加权平均灰值，并且由模板确定。

5.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，步骤S3中，中值过滤操作采用统计排序过滤器，即对相应像素附近的所有像素进行排序，然后获取像素附近中心的像素中值。

6.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，步骤S3中，采用P-M 方程的降噪，P-M方程将图像的各有不相同的范围的特性和发散过程联系在一起，并且方向扩散系数不是绝对不变，其改变取决于图像的渐变系数，如此利于消除噪声并防止边缘变得平滑。

7.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，步骤S3中，图像增强中的图像叠加环节，在载入图像后将原图片设置为全局变量，随后进行图片处理，将边缘提取后的图像与原图像进行图像叠加，然后在此图像上进行龋坏区域标记。

8.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，步骤S4中，cifar10Net共有15层，其中卷积层有3层，全连接层有2层。

9.根据权利要求1所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，步骤S5中，训练策略参数的修改中，将初始学习率设置为0.0001。

10.根据权利要求1-9任一所述的一种基于卷积神经网络的口腔龋病图像智能识别方法，其特征在于，提供一基于卷积神经网络的口腔龋病图像智能识别系统，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-9所述的方法步骤。