(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111652116.X (22)申请日 2021.12.3 0 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市杭州经济技 术 开发区白杨街道 2号大街1 158号 (72)发明人 陈庆光　黄俊超　 (74)专利代理 机构 浙江千克知识产权代理有限 公司 33246 代理人 冷红梅 (51)Int.Cl. G06T 7/11(2017.01) G16H 30/40(2018.01) G16H 50/20(2018.01) G16H 50/70(2018.01) G06K 9/62(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 基于全景片的龋病自动分级方法及系统 (57)摘要 本发明属于口腔影像智能诊断技术领域， 具 体涉及基于全 景片的龋病自动分级方法及系统。 方法包括S1， 对全景片的牙齿实例进行分割与裁 剪， 得到全景片中单个牙齿的实例分割样本； S2， 利用训练好的牙齿粗分类模型， 将得到的牙齿实 例分割样本， 进行修复态和非修复态的分类； S3， 将非修复态的牙齿样本经过训练好的牙齿组织 语义分割模 型后， 得到分割出来的牙齿的若干个 不同区域组织； S4， 根据获得的每个牙齿不同区 域组织状况， 通过龋病分级模型， 根据龋病等级 诊断标准， 分为健康、 浅龋、 中龋、 深龋4个等级。 本发明具有能实现牙齿健康状态的分类和龋病 的自动分级 且减少临床医生工作量的特点。 权利要求书2页 说明书10页 附图5页 CN 114332123 A 2022.04.12 CN 114332123 A 1.基于全景片的龋病自动分级方法， 其特 征在于， 包括如下步骤： S1， 对全景片的牙齿实例进行分割与裁 剪， 得到全景片中单个牙齿的实例分割样本； S2， 利用训练好的牙齿粗分类模型， 将步骤S1中得到的牙齿实例分割样本， 进行修复态 和非修复态的分类； S3， 将步骤S2中非修复态的牙齿样本经过训练好的牙齿组织语义分割模型后， 得到分 割出来的牙齿的若干个不同区域组织； S4， 根据步骤S3获得的每个牙齿不同区域组织状况， 通过龋病分级模型， 根据龋病等级 诊断标准， 分为 健康、 浅龋、 中龋、 深龋 4个等级。 2.根据权利要求1所述的基于全景片的龋病自动分级方法， 其特征在于,步骤S1包括如 下步骤： S11， 对收集的全景片数据集进行牙齿实例的人工标注； S12， 采用Mask  R‑CNN实例分割模型对人工标注的全景片数据集进行训练； S13， 使用训练后的Mask  R‑CNN实例分割模型对全景片的牙齿实例进行牙齿实例分割， 得到每颗牙齿的外 部轮廓； S14， 对获得的牙齿外 部轮廓计算 最大矩形包围框； S15， 将最大矩形包围框的边界， 沿长短轴各向外扩展， 并进行裁剪， 得到全景片中单个 牙齿的实例分割样本 。 3.根据权利要求1所述的基于全景片的龋病自动分级方法， 其特征在于， 步骤S2还包括 如下步骤： S21， 设计轻量级卷积神经网络 框架， 分类结果 为修复态和非修复态； S22， 步骤S1中获得的各个牙齿的实例分割样本进行 标注， 并分为 修复态和非修复态； S23， 利用标注好的各个牙齿的实例分割样本训练神经网络模型， 得到牙齿粗分类模 型； S24， 利用训练好的牙齿粗分类模型对牙齿实例分割样本进行分类， 区分为修复态和非 修复态两个 类别。 4.根据权利要求1所述的基于全景片的龋病自动分级方法， 其特征在于， 步骤S3包括如 下步骤： S31， 对由牙齿粗分类模型区分出的非修复态牙齿样本进行标注， 得到每个牙齿样本的 牙釉质、 牙本质、 牙髓 腔和龋损区域； S32， 将步骤S31中标注的牙齿样本用于训练U ‑Net深度学习分割模型， 得到训练好的牙 体组织语义分割模型； S33， 使用训练好的牙体组织语义分割模型对牙齿样本进行组织分割， 获得牙齿样本的 牙釉质、 牙本质、 牙髓 腔和龋损区域。 5.根据权利要求1所述的基于全景片的龋病自动分级方法， 其特征在于， 步骤S4包括如 下步骤： S41， 对全景片的各个牙齿的实例分割样本， 根据获得的牙齿外部轮廓计算二阶矩， 确 定牙齿的主轴方向， 并以牙齿轮廓重心为原点， 主副轴为 坐标轴建立每颗牙齿的坐标系； S42， 以牙髓腔区域重心为原点， 以牙齿轮廓外包圆半径为半径， 在(0， π )范围内， 以Δθ 为角度间隔生成 从原点出发的扫描 线；权　利　要　求　书 1/2 页 2 CN 114332123 A 2S43， 在每条扫描线上遍历每点所归属的牙齿组织区域， 结合牙体组织语义分割模型得 到的牙釉质、 牙本质、 牙髓腔三个区域的结果， 获得牙本质内外边界线； 其中， 牙本质内外边 界线包括牙釉质牙本质边界线和牙本质牙髓 腔的边界线； S44， 根据获得的牙本质内外边界线， 利用单位圆滚动追踪法实现牙本质1/2中心线 的 提取； S45， 以牙釉质外部轮廓、 牙釉质牙本质分界线、 1/2牙本质中心线、 牙髓腔外部轮廓线 的边界曲线为边， 连接牙髓腔外部轮廓线的首尾端点， 形成牙釉质、 外1/2牙本质 、 内1/2牙 本质等闭合区域； 定义牙釉质区域为浅龋决策区， 外1/2牙本质为中龋决策区， 内1/2牙本质 为深龋决策区； S46， 将牙体组织语义分割模型得到的龋损区域与步骤S45得到的深龋决策区、 中龋决 策区、 浅龋决策区在空间上依次做与运算， 判断是否与龋损区域重合， 并确定牙齿龋病等级 的诊断结果。 6.根据权利要求5所述的基于全景片的龋病自动分级方法， 其特征在于， 步骤S43包括 如下步骤： 若扫描线上当前遍历点的前后归属于不同的区域， 则认为当前遍历点 为边界线。 7.根据权利要求5所述的基于全景片的龋病自动分级方法， 其特征在于， 步骤S46中还 包括如下步骤： 若与运算求和结果不为0， 则判断为有重合， 则确定对应级别的牙齿龋病等级诊断结 果； 若与深龋决策区、 中龋决策区、 浅龋决策区均没有重合区， 则判断为牙齿健康。 8.基于全景片的龋病自动分级系统， 其特 征在于， 包括： 牙齿实例分割与裁剪模块， 用于对全景片的牙齿实例进行分割与裁剪， 得到全景片中 单个牙齿的实例分割样本； 牙齿粗分类模块， 利用训练好的牙齿粗分类模型， 将得到的牙齿实例分割样本， 进行修 复态和非修复态的分类； 牙体组织语义分割模块， 将 非修复态的牙齿样本经过训练好的牙齿组织语义分割模型 后， 得到分割出来的牙齿的若干个不同区域组织； 龋病分级模块， 根据获得的每个牙齿不同区域组织状况， 通过龋病分级模型， 根据龋病 等级诊断标准， 分为 健康、 浅龋、 中龋、 深龋 4个等级。权　利　要　求　书 2/2 页 3 CN 114332123 A 3