[发明专利]一种基于深度学习网络的智齿识别和分类方法

权利要求书

1.一种基于深度学习网络的智齿识别和分类方法，其特征在于，包括：

S1：获取全景X片图像构建图像数据集，对所述图像数据集进行预处理，并对所有所述全景X片图像中的智齿进行标注，获得位置标签；

S2：对处理标注后的数据集进行划分，并构建Yolov5网络模型，将划分后的数据集输入到模型中进行训练，获得训练后的模型；

S3：将图像数据集中的图像输入到模型中，获得网络模型识别的智齿区域，并进行分割，获得局部智齿特征图；

S4：根据得到的所述局部智齿特征图，对智齿牙冠面进行标注，获取图像数据集中牙冠面的标注点集；

具体的，采用Resnet18卷积神经网络模型进行特征点的标注，获得特征点的坐标值；

S5：对得到的标注点集进行线性回归，获得一元线性回归模型，根据回归模型的系数，获得牙轴方向，并根据设定的阈值进行分类；

具体过程如下：

将通过模型输出的映射向量转换为点坐标后，进行一元线性回归，获得回归函数y_t=ax_t+b，根据回归模型的系数a，计算智齿生长方向的斜率，如下：

k_智齿=-1/a

进而根据斜率计算智齿的倾斜角度α，如下：

α=tan^-1 k_智齿

判定α与设定阈值的大小，根据角度与阈值的比较结果进行分类；其中，α90°时为远中阻生；90°α70°为垂直阻生；α＜70°时为近中阻生。

2.根据权利要求1所述的深度学习网络的智齿识别和分类方法，其特征在于，所述预处理，包括对图像数据集中的图像进行直方图均衡化处理和线性变换。

3.根据权利要求2所述的深度学习网络的智齿识别和分类方法，其特征在于，对全景X片图像进行所述直方图均衡化处理，将灰度值均衡至[0-255]之间；对进行均衡化的全景X片图像再进行线性变换，所述线性变换的k为3.2，n为-300。

4.根据权利要求1所述的深度学习网络的智齿识别和分类方法，其特征在于，步骤S1中对全景X片图像中的智齿进行标注时，标注区域选取智齿及其周围硬组织结构。

5.根据权利要求1所述的深度学习网络的智齿识别和分类方法，其特征在于，在步骤S3获得所述局部智齿特征图之前，对图像进行二次归一化处理，使得图片高和宽等长。