(19)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 202211047109.1 (22)申请日 2022.08.30 (71)申请人 上海科技大 学 地址 201210 上海市浦东 新区华夏中路393 号 (72)发明人 沈定刚　梅兰竹菊　崔智铭　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 倪静 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于全景X光图像的牙周疾病分类方法、 系 统、 终端及 介质 (57)摘要 本发明的基于全 景X光图像的牙周疾病分类 方法、 系统、 终端及介质， 通过牙周疾病分类模型 的牙齿层面 分类网络、 患者层面 分类网络以及融 合网络提出了一种新的混合分类框架， 将牙齿层 面的预测结果和患者层面的预测结果进行融合， 从而能够充分有效兼顾全局而又聚焦细节地从 复杂的病理图像中提取代表性特征。 本发明还可 在更多的临床数据上进行测试， 在泛化性较好的 预期下， 可以作为牙周疾病初筛的一个手段从而 帮助临床医生高效的诊断牙周疾病。 权利要求书2页 说明书9页 附图2页 CN 115511789 A 2022.12.23 CN 115511789 A 1.一种基于全景 X光图像的牙周疾病分类方法， 其特 征在于， 所述方法包括： 获取待预测的全景 X光图像； 基于构建的牙周疾病分类模型， 根据所述全景 X光图像获得对应的牙周疾病预测结果； 其中， 所述牙周疾病分类模型包括： 牙齿层面分类网络， 用于根据输入的所述全景X光图像输出对应的牙齿层面牙周疾病 预测结果； 患者层面分类网络， 用于根据输入的所述全景X光图像输出对应的患者层面牙周疾病 预测结果； 融合网络， 连接所述牙齿层面分类网络以及患者层面分类网络， 用于将所述牙齿层面 牙周疾病预测结果以及患者层面牙周疾病预测结果融合， 输出对应的牙周疾病预测结果。 2.根据权利要求1中所述的基于全景X光图像的牙周疾病分类方法， 其特征在于， 所述 牙齿层面分类网络包括： 牙齿中心点预测模块， 用于根据所述全景X光图像获得对应的牙齿中心点数据， 并基于 牙齿中心 点数据以及所述全景X光图像生成热力图， 以供监督所述牙齿中心 点预测模块； 其 中， 所述牙齿中心点数据包括： 每 个牙齿的中心点 位置信息； 牙齿区域预测模块， 连接所述牙齿中心点预测模块， 用于根据基于牙齿中心点数据对 所述全景X光图像裁剪获得的对应各牙齿的图像块以及所述热力图， 获得对应每个牙齿的 牙齿区域分割结果； 牙齿层面分类预测模块， 连接所述牙齿区域预测模块， 用于根据所述每个牙齿的牙齿 区域分割 结果以及对应各牙齿的图像块获得对应的牙齿层面牙周疾病概率； 其中， 所述牙 齿层面牙周疾病概 率包括： 每 个牙齿区域所对应的牙齿层面牙周疾病概 率。 3.根据权利要求2中所述的基于全景X光图像的牙周疾病分类方法， 其特征在于， 牙齿 中心点预测模块采用U ‑Net中编码器和解码 器； 所述牙齿层面分类预测模块包括： 卷积神经 网络以及全连接层。 4.根据权利要求1中所述的基于全景X光图像的牙周疾病分类方法， 其特征在于， 所述 患者层面分类网络包括： 病人层面预测模块， 用于通过卷积神经网络对所述全景X光图像进行特征提取， 并通过 全连接层获得患者层面牙周疾病概 率； 置信度分布预测模块， 连接所述病人层面预测模块， 用于基于患者层面牙周疾病概率 将所述全 景X光图像对应的牙齿区域生成置信度分布热力图； 其中， 所述置信度分布热力图 包括： 每个牙齿区域的置信度。 5.根据权利要求4中所述的基于全景X光图像的牙周疾病分类方法， 其特征在于， 所述 融合网络采用自适应噪声门控 模型。 6.根据权利要求5中所述的基于全景X光图像的牙周疾病分类方法， 其特征在于， 所述 自适应噪声门控模型用于基于由所述置信度分布热力图获得的学习参数， 根据所述牙齿层 面牙周疾病概率 获得每个牙齿区域的牙周疾病概率； 将 每个牙齿区域的牙周疾病概率整合 获得最终的牙周疾病概 率。 7.根据权利要求6中所述的基于全景X光图像的牙周疾病分类方法， 其特征在于， 所述 基于由所述置信度分布热力图获得的学习参数， 根据所述牙齿层面牙周疾病概率 获得每个权　利　要　求　书 1/2 页 2 CN 115511789 A 2牙齿区域的牙周疾病概 率包括： 基于由所述置信度分布热力图中的每个牙齿区域的置信度获得每个牙齿区域的学习 参数； 基于各牙齿区域的学习参数， 根据 所述牙齿层面牙周疾病概率中每个牙齿区域所对应 的牙齿层面牙周疾病概 率获得对应 每个牙齿区域的牙周疾病概 率。 8.一种基于全景 X光图像的牙周疾病分类系统， 其特 征在于， 所述系统包括： 数据获取模块， 用于获取待预测的全景 X光图像； 预测模块， 连接所述数据获取模块， 用于基于构建的牙周疾病分类模型， 根据所述全景 X光图像获得对应的牙周疾病预测结果； 其中， 所述牙周疾病分类模型包括： 牙齿层面分类网络， 用于根据输入的所述全景X光图像输出对应的牙齿层面牙周疾病 预测结果； 患者层面分类网络， 连接所述牙齿层面分类网络， 用于根据输入的所述全景X光图像输 出对应的患者层面牙周疾病预测结果； 融合网络， 连接所述牙齿层面分类网络以及患者层面分类网络， 用于将所述牙齿层面 牙周疾病预测结果以及患者层面牙周疾病预测结果融合， 输出对应的牙周疾病预测结果。 9.一种基于全景X光图像的牙周疾病分类终端， 其特征在于， 包括： 一或多个存储器及 一或多个处 理器； 所述一或多个存 储器， 用于存 储计算机程序； 所述一或多个处理器， 连接所述存储器， 用于运行所述计算机程序以执行如权利要求1 至7任一项所述的方法。 10.一种计算机存 储介质， 其特 征在于， 包括： 计算机程序， 所述计算机程序运行时实现如权利要求1至7任一项所述的基于全景X光 图像的牙周疾病分类方法。权　利　要　求　书 2/2 页 3 CN 115511789 A 3