买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津医科大学口腔医院;华东师范大学

摘要：本发明涉及医学影像处理技术领域，公开了一种基于梯度域转换与深度学习预测牙周健康指标的方法，包括：对所述牙周X光图像进行预处理，所述梯度域转换操作，用于凸显所述牙周X光图像的边缘信息，所述重采样操作，用于对所述梯度域图像进行重采样，所述梯度域图像去噪操作，用于去除梯度域转换操作中出现的噪声以及减小所述梯度域图像中边缘噪声；在生成对抗网络中创建生成器模型和鉴别器模型，所述生成器模型对预处理后的所述牙周X光图像进行精细处理，输出与牙骨质‑牙釉质交界和牙槽嵴顶位置的真实遮罩图像相匹配的预测遮罩图像；将深度学习、梯度域图像处理技术以及牙周健康指标计算相结合，以提高牙周健康指标预测的准确性和自动化程度。

主权项：1.一种基于梯度域转换与深度学习预测牙周健康指标的方法，其特征在于，包括：步骤S1，获取牙周X光图像；步骤S2，对所述牙周X光图像进行预处理；所述预处理为：梯度域转换操作；所述梯度域转换操作，用于凸显所述牙周X光图像的边缘信息；所述梯度域转换操作包括梯度域图像的生成、重采样操作、梯度域图像去噪操作，所述重采样操作，用于对所述梯度域图像进行滤波重采样操作，将所述梯度域图像中不同像素重采样为相同像素；所述梯度域图像去噪操作，用于去除梯度域转换操作中出现的噪声以及减小所述梯度域图像中边缘噪声；所述梯度域图像去噪操作包括灰度开运算和腐蚀操作；对所述重采样操作后的所述梯度域图像执行灰度开运算，用于去除所述梯度域转换操作中出现的噪声以及平滑牙周轮廓；所述腐蚀操作对所述灰度开运算操作过程中执行腐蚀操作，用于减小牙齿轮廓大小，减小所述梯度域图像中边缘噪声；步骤S3，定义用于条件生成对抗网络模型训练的综合损失函数，并调整生成器模型和鉴别器模型之间的对抗损失，获得训练好的条件生成对抗网络模型；步骤S31，在生成对抗网络模型中创建生成器模型和鉴别器模型，所述生成器模型对预处理后的所述牙周X光图像进行精细处理，输出与牙骨质-牙釉质交界和牙槽嵴顶位置的真实遮罩图像相匹配的预测遮罩图像；所述生成器模型的网络结构包括双下采样结构、瓶颈区、单上采样结构、跳跃连接；所述双下采样结构包括两个独立的下采样过程，用于提取牙骨质-牙釉质交界和牙槽嵴顶位置的基本特征；将所述双下采样结构提取的牙骨质-牙釉质交界和牙槽嵴顶位置的基本特征进行拼接得到拼接结果，所述拼接结果作为所述瓶颈区的输入，所述瓶颈区由三个残差网络连接而成，所述瓶颈区对所述拼接结果进行计算得到拼接计算结果，将拼接计算结果作为所述瓶颈区的输出；所述单上采样结构包括对所述瓶颈区的输出执行三次上采样操作，用于调整所述瓶颈区输出的维度，使得上采样的输出维度与输入的牙周X光图像的维度相同；所述双下采样过程与其对应的所述单上采样过程均执行三次，在三次所述下采样过程和与其对应的三次单上采样过程中通过跳跃连接对下采样过程与单上采样过程中的特征向量进行拼接完成精细化处理，输出与牙骨质-牙釉质交界和牙槽嵴顶位置的真实遮罩图像相匹配的预测遮罩图像，用于保持生成牙齿遮罩的整体结构的稳定；步骤S32，将所述梯度域图像与所述牙周X光图像输入至所述生成器模型中，计算生成器损失函数，生成器损失函数旨在减少生成器模型生成的预测遮罩图像与真实遮罩图像之间的差异，以实现生成器模型生成与真实遮罩图像更接近的预测遮罩图像；所述鉴别器模型评估所述真实遮罩图像与所述预测遮罩图像之间的差异；步骤S33，根据鉴别器模型对所述真实遮罩图像与所述预测遮罩图像之间的差异进行评估得到真实遮罩图像评估结果以及预测遮罩图像评估结果，根据所述真实遮罩图像评估结果以及所述预测遮罩图像评估结果计算鉴别器损失函数；所述鉴别器损失函数用于评估所述鉴别器模型的鉴别结果，用于区分生成的预测遮罩图像与真实的遮罩图像；步骤S34，获取图像损失函数，用于量化所述生成器模型生成的预测遮罩图像和真实遮罩图像之间的像素级差异；步骤S35，根据生成器损失函数、鉴别器损失函数、图像损失函数获取综合损失函数，用于优化生成器模型和鉴别器模型的性能；步骤S4，训练好的条件生成对抗网络模型对待预测的牙周X光图像进行预测，生成相应的牙骨质-牙釉质交界和牙槽嵴顶位置的遮罩图像；步骤S5，对预测得到的牙骨质-牙釉质交界和牙槽嵴顶位置的遮罩图像计算临床附着丧失以评估牙周健康状况。

全文数据：

权利要求：

百度查询： 天津医科大学口腔医院 华东师范大学 一种基于梯度域转换与深度学习预测牙周健康指标的方法