本发明专利技术涉及电子信息技术，揭露了一种基于多分辨率特征融合的牙齿牙龈分割方法、装置及设备，其中，所述方法主要利用传感器获取口腔内部图像；分割网络利用一系列卷积操作，得到口腔内部图像图像特征；接着，采取并联的方式对图像特征进行多分辨率特征交互融合，得到融合特征；最后，将融合特征的多类别预测结果，结合标注图像反馈给分割网络，优化网络参数，以此迭代更新，得到标准分割模型；利用标准分割模型将待分割图像进行分割，得到仅有牙齿牙龈的图像。本发明专利技术可以提高牙齿牙龈分割的准确率。
1、在使用口腔扫描设备对牙齿和牙龈进行建模时，口腔中可能存在口镜、舌头、颊侧软组织等噪声数据，为了提高扫描速度和建模准确度，这些噪声数据需要被精确地去除，目前，基于深度学习的图像分割算法是较为常见的去除软组织等噪声数据的分割方法。
2、在深度学习领域，采用图像分割算法识别并保留牙齿及牙龈数据，其本质是一个语义分割任务，对于语义分割模型来说，大致分为两大类：一是以unet为代表的分割模型，二是以deelab为代表的分割模型。进一步地，unet是非常经典的语义分割模型之一，尤其在医学影像领域有着杰出贡献，unet采用编码器-解码器结构，先不断缩小特征图，再通过上采样恢复特征图的分辨率，并由跳跃连接融合不同卷积层间的特征，但存在在缩小特征图分辨率的过程中特征丢失的问题。然而，deeplab系列在特征提取过程中始终保持着较高的特征图分辨率，并在较高分辨率特征图上进行分割预测，还采用了空洞卷积来增加感受野，提取更多的图像特征，但是，deeplab由于始终保持着较高的特征图分辨率，对特征的提取能力有限。
3、综上所述，以上两种类型的方法均采用串联的方式连接不同分辨率大小的特征图，容易造成特征丢失和特征提取不足等情况，影响分割结果，降低生成的口内模型的准确度。因此，如何利用口内数据建立分割模型，利用分割模型提取到不同分辨率大小特征，减少采样过程中的特征信息丢失，提高牙齿牙龈分割的准确率成为一个亟待解决的问题。
r/>技术实现思路
1、本专利技术提供一种基于多分辨率特征融合的牙齿牙龈分割方法、装置及设备，其主要目的在于解决如何利用口内数据建立分割模型，利用分割模型提取到不同分辨率大小特征，减少采样过程中的特征信息丢失，提高牙齿牙龈分割的准确率的问题。
2、为实现上述目的，本专利技术提供的一种基于多分辨率特征融合的牙齿牙龈分割方法，包括：
3、利用预设的cmos传感器获取口腔内部图像；
4、利用预构建的分割网络中的基础卷积单元对所述口腔内部图像进行不同分辨率的卷积处理，得到卷积口腔内部图像特征，其中，所述分割网络包括基础卷积单元、特征融合单元及多头预测层；
5、利用所述特征融合单元对所述卷积口腔内部图像特征进行并联多分辨率特征交互融合，得到融合特征；
6、利用所述多头预测层对所述融合特征进行多类别预测，得到特征类别，并基于所述特征类别及所述口腔内部图像对应的标注图像对所述分割网络进行优化处理，得到标准分割模型；
7、获取待分割图像，利用所述标准分割模型对所述待分割图像进行分割，得到分割牙齿牙龈图像。
8、可选地，所述利用预构建的卷积神经网络对所述口腔内部图像进行去噪，得到口腔内部图像，包括：
9、利用所述卷积神经网络中的卷积单元对所述口腔内部图像进行特征提取，得到口腔卷积特征，其中，所述卷积神经网络包括卷积单元、下采样层、上采样层、融合单元和预测单元；
10、利用所述下采样层和上采样层对所述口腔卷积特征进行特征卷积，得到不同分辨率大小的特征；
11、利用特征融合单元将所述不同分辨率大小特征进行并行交互融合，得到卷积融合特征；
12、利用所述预测单元对所述卷积融合特征在不同尺度上进行类别预测，得到口腔内部图像。
13、可选地，所述利用预构建的分割网络中的基础卷积单元对所述口腔内部图像进行不同分辨率的卷积处理，得到卷积口腔内部图像特征，包括：
14、利用预设的传感器获取所述口腔内部图像的原始分辨率图像；
15、基于所述原始分辨率图像利用所述分割网络中基础卷积单元的卷积层对所述口腔内部图像进行不同深度卷积的的卷积处理，得到不同深度卷积后的口腔内部图像特征，其中，所述基础卷积单元包括卷积层、样本归一化层及激活层；
16、利用所述样本归一化层对所述不同深度卷积后的口腔内部图像特征进行归一化处理，得到归一化卷积口腔内部特征；
17、利用所述激活层对所述归一化卷积口腔内部特征进行激活处理，得到卷积口腔内部特征图像。
18、可选地，所述利用所述特征融合单元对所述卷积口腔内部图像特征进行并联多分辨率特征交互融合，得到融合特征，包括：
19、设定下采样倍数，利用所述下采样倍数对所述卷积口腔内部图像特征进行双重下采样处理，得到第一低分辨率图像特征及第二低分辨率图像特征；
20、对所述第一低分辨率图像特征及所述第二低分辨率图像特征进行卷积处理，得到所述第一低分辨率图像及所述第二低分辨率图像的不同尺度的浅层特征和深层特征；
21、设定上采样倍数，利用所述上采样倍数对所述第一低分辨率图像及所述第二低分辨率图像不同尺度的浅层特征和深层特征进行双重上采样处理，得到第一高分辨率图像特征及第二高分辨率图像特征；
22、利用所述特征融合单元对所述第一低分辨率图像特征、所述第二低分辨率图像特征、所述第一高分辨率图像特征及所述第二高分辨率图像特征进行特征交互融合，得到融合特征。
23、可选地，所述利用所述特征融合单元对所述第一低分辨率图像特征、所述第二低分辨率图像特征、所述第一高分辨率图像特征及所述第二高分辨率图像特征进行特征交互融合，得到融合特征，包括：
24、利用所述特征融合单元对所述第一低分辨率图像特征、所述第二低分辨率图像特征、所述第一高分辨率图像特征及所述第二高分辨率图像特征进行不同尺度特征的全连接并行交互融合，得到第一融合特征、第二融合特征和第三融合特征；
25、汇集所述所述第一融合特征、所述第二融合特征及所述第三融合特征，得到融合特征。
26、可选地，所述利用所述多头预测层对所述融合特征进行多类别预测，得到特征类别，包括：
27、对所述融合特征中的第一融合特征、第二融合特征及第三融合特征利用所述多头预测层计算多层类别置信度，并对所述各层置信度求和，得到求和置信度；
28、根据所述求和置信度的最大值确定所述融合特征对应的特征类别。
29、可选地，所述基于所述特征类别及所述口腔内部图像对应的标注图像对所述分割网络进行优化处理，得到标准分割模型，包括：
30、根据所述特征类别及标注图像的图像类别进行类别损失计算，得到类别损失值；
31、基于所述类别损失值利用预设的反向传播算法对所述分割网络进行反向传播迭代，直至反向传播迭代的迭代次数达到预设的迭代次数，得到标准分割模型。
32、为了解决上述问题，本专利技术还提供一种基于多分辨率特征融合的牙齿牙龈分割装置，所述装置包括：
33、图像采集模块，用于利用预设的cmos传感器获取口腔内部图像；
34、图像特征提取模块，用于利用预构建的分割网络中的基础卷积单元对所述口腔内部图像进行不同分辨率的卷积处理，得到卷积口腔内部图像特征，其中本文档来自技高网...
【技术保护点】
1.一种基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述利用预构建的分割网络中的基础卷积单元对所述口腔内部图像进行不同分辨率的卷积处理，得到卷积口腔内部图像特征，包括：
3.如权利要求1所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述利用所述特征融合单元对所述卷积口腔内部图像特征进行并联多分辨率特征交互融合，得到融合特征，包括：
4.如权利要求3所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述利用所述特征融合单元对所述第一低分辨率图像特征、所述第二低分辨率图像特征、所述第一高分辨率图像特征及所述第二高分辨率图像特征进行特征交互融合，得到融合特征，包括：
5.如权利要求1所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述利用所述多头预测层对所述融合特征进行多类别预测，得到特征类别，包括：
6.如权利要求1所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述基于所述特征类别及所述口腔内部图像对应的标注图像对所述分割网络进行优化处理，得到标准分割模型，包括：
7.一种基于多分辨率特征融合的牙齿牙龈分割装置，其特征在于，所述装置包括：
8.一种电子设备，其特征在于，所述电子设备包括：
...
【技术特征摘要】
1.一种基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述利用预构建的分割网络中的基础卷积单元对所述口腔内部图像进行不同分辨率的卷积处理，得到卷积口腔内部图像特征，包括：
3.如权利要求1所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述利用所述特征融合单元对所述卷积口腔内部图像特征进行并联多分辨率特征交互融合，得到融合特征，包括：
4.如权利要求3所述的基于多分辨率特征融合的牙齿牙龈分割方法，其特征在于，所述利用所述特征融合单元对所述第一低分辨率图像特征、所述第...
【专利技术属性】
技术研发人员：张乃雪，孙军，吕广志，
申请(专利权)人：深圳市菲森科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。