[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

说明书

本发明涉及一种基于卷积神经网络的口腔龋病图像智能识别方法。该方法采用了两种图像处理方式用于增强特征信息，在通过前期预处理后，再利用Matlab使用深度卷积神经网络的方式实现训练。训练使用的网络为已经学习了大量数据的网络，训练时对网络进行微调后使用迁移训练的方式完成训练。通过训练过程中得到的参数判断，使用边缘提取预处理的图像训练得到的网络识别率相较另外两种更为优秀。最后，通过使用Matlab实现了相应的图形界面，可以完成图像的载入，预处理和区域建议，图像的保存等任务，更易于使用。

技术领域

本发明涉及人工智能图像处理领域和牙齿龋检测领域，具体涉及一种基于卷积神经网络的口腔龋病图像智能识别方法。

背景技术

口腔龋病是最常见的口腔疾病。不完全统计显示，目前中国有40％至60％的人患有口腔龋齿，但程度不同。50％至80％的人患有牙周疾病。此外，还有30％-50％的牙齿畸形患者。60岁以上的人中有90％以上患有各种口腔疾病。因此需要有效的口腔疾病预防方法来发展龋病医学图像的智能辅助诊断。

当今时代人们越来越追求高功能的口腔护理装备和计算机辅助系统。在治疗口腔时，大多数必需的设备应包括治疗设备上。支持软件必须具有易于使用的界面和强大的功能。各种图像机器的图像获取、不断出现的新技术以及跨学科的交融，不断提高了对口腔智能辅助的要求。

诊断口腔疾病的传统方法是使用压舌器和手电筒来识别口腔中的牙齿病变，并根据医生的临床经验进行诊断。由于口腔环境受光照条件的影响，观察结果可能会产生偏差，导致误诊，引起治疗不当。近年来，深度学习吸引了关注，例如图像对象的识别分类。在向医生提供有效的补充诊断信息方面，智能图像处理技术变得越来越重要。因此吸引了越来越多的人研究计算机辅助诊断。

为了提高辅助诊断系统的准确性，必须简化和优化计算机辅助诊断技术的特征选择过程。在如今，借助深度学习可以大幅度提高辅助诊断能力。

经验和人眼检视的有别于现代智能诊断的方法，意味着也许会导致漏诊，甚至更可能发现误诊的状况。因此为了精确的诊断口腔疾病，设计或选定算法并编程实现。本发明针对龋齿 x-ray 图像进行图像处理，根据创建的神经网络观察龋齿患者的 x 光图片扫描进行正常和疾病分类的准确性，进行基于口腔龋病的医学图像智能辅助诊断，以及实现牙齿图片的加噪、去噪、加强、图像边缘提取和图像分割功能的界面。

发明内容

本发明的目的在于提供一种基于卷积神经网络的口腔龋病图像智能识别方法，该方法识别效率高，识别准确度高。

为实现上述目的，本发明的技术方案是：一种基于卷积神经网络的口腔龋病图像智能识别方法，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。

在本发明一实施例中，在步骤S6之后，通过Matlab实现相应的图形界面建立。

在本发明一实施例中，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。