用于牙齿图像采集和识别牙齿早期牙釉质侵蚀的系统和方法与流程

本发明涉及用于牙齿早期牙釉质侵蚀的识别和分类系统和方法。本发明尤其涉及基于图像分析来训练和使用卷积神经网络(cnn)的此类识别和分类系统和方法。

背景技术：

1、用于图像分类的卷积神经网络在以下中描述：例如p.pinheiro和r.collobert的《用于场景标记的递归卷积神经网络》(recurrent convolutional neural networks forscene labeling.)，2014年中国北京第31届国际机器学习大会。jmlr：w&cp第32卷(第82-90页)；和l-saffar等人，《图像分类中深度卷积神经网络研究》(review of deepconvolution neural network in image classification)，2017年关于雷达、天线、微波、电子和电信的国际大会，马来西亚彭亨大学数据库。关于深度回归技术的讨论，参见lathuiliere等人的《深度回归综合分析》(a comprehensive analysis of deepregression)，arxiv:1803.08450v3[cs.cv]，2020年9月4日。

技术实现思路

1、在世界范围内，口腔疾病影响超过35.8亿人。最常见的是磨损和侵蚀、恒牙龋齿、牙结石、牙龈炎、牙斑和牙渍。这些牙科病症的早期诊断尤为重要。

2、牙齿侵蚀被定义为一种化学过程，其涉及通过不来源于细菌的酸溶解牙齿硬组织，诸如牙釉质和牙质。当周围水相与牙齿矿物质不饱和时便会发生溶解。尽管世界卫生组织(who)在国际疾病分类中列出了牙齿侵蚀，但临床医生倾向于将侵蚀性组织丧失看作疾病本身。一个原因是由于侵蚀和物理磨损也会导致人一生中牙齿硬组织的生理性丧失。磨损是由除咀嚼或齿与齿接触以外的机械作用引起的硬齿物质的逐渐丧失。

3、值得注意的是，牙齿硬组织的溶解或丧失是不可逆的。此外，牙齿硬组织的溶解或丧失可导致病变和严重的牙齿问题(如果任其进展的话)。

4、早期牙齿硬组织侵蚀不会引起牙齿表面的临床变色或软化。因此，早期的牙齿硬组织侵蚀难以通过视觉或触觉感测来检测。此外，早期硬组织牙齿侵蚀可能不会表现出任何症状，或者症状可能极轻微，因此难以评估。

5、然而，随着时间推移和连续暴露于酸性化学物质(包括软饮料中含有的那些酸)，牙齿形态发生改变。最终，将形成病变，并且侵蚀将表现为粗糙的外观。随着病变侵蚀或接近牙本质，颜色也将退化，并且从黄色变为棕色。而且，在这个阶段，牙齿对热变化更敏感。侵蚀性病变也可致使变粗糙并形成小的凹陷。

6、牙齿侵蚀的早期诊断尤为重要。可以通过适当的牙齿清洁或通过避免产生此类侵蚀的酸性食物来避免牙齿侵蚀。

7、侵蚀性磨损的评估较难，因为表面丧失通常进展缓慢并且需要长期的观察才能检测到变化。另一项挑战是识别稳定的参考，从该参考可以测量牙齿物质的丧失。

8、已经开发了基本侵蚀性磨损检查(bewe)和视觉侵蚀牙科检查(vede)以确保临床医生在侵蚀分级中的协调。已经设计了各种临床指标来检测和量化由于其他原因导致的侵蚀而诱发的牙齿表面丧失。大多数指标以临床诊断以及侵蚀性磨损病变的记录和监测为重点来设计。这些指标依赖于主观临床描述，并且当形态学变化最小时可能不如期望的那样精准。

9、目前，临床表现是最重要的诊断特征。如上所述，牙科专业人员可能不容易识别非常早期阶段的牙齿侵蚀，并且可能不理会微小的牙齿表面丧失(tsl)，认为这在日常生活中是正常的和不可避免的，并且因此错误地确定不需要特定的干预。只有在疾病的后期阶段，通过常规检查发现牙硬组织侵蚀变得明显，即当牙质暴露，并且牙齿的外观和形状显著改变时才开始治疗。

10、鉴于牙齿侵蚀主要使用视觉外观来识别，消费者必须依赖他们的牙医的专业知识来确定是否存在牙齿侵蚀。

11、除了他们的专业知识之外，消费者依赖的牙医可以使用复杂的牙科图像捕获系统。这些通常昂贵的系统由专业人员在专业设置下使用。这些系统除了图像捕获设备本身之外通常还包括几个组件。一个示例包括复杂的照明设备。

12、这些系统的输出旨在供专业人员使用并需要专门培训。这些系统可能体积庞大、需要空间和特定的环境调节。对于消费者来说，这些系统昂贵并且成本过高。这些系统需要消费者投入大量资金而仅用于早期检测牙釉质侵蚀。此外，这些系统需要进行技术维护，这超出了典型的消费者的能力。

13、本发明提供了用于检测牙齿侵蚀的系统和方法。

14、本发明还提供了一种系统和方法，该系统和方法是能够识别早期牙釉质侵蚀的智能工具。

15、本发明还提供了此类用于常规牙科实践以能够确定牙齿侵蚀的进展的系统和方法。

16、本发明提供了一种使用卷积神经网络(cnn)的系统和方法。cnn是可以训练具有数百万个参数的大数据集的深度学习算法。深度学习算法以模仿人类大脑皮层功能的方式设计。这些算法是深度神经网络的表示，即具有许多隐藏层的神经网络。

17、本发明提供了这样一种系统和方法，其目的在于通过使用具有多个处理层的深度图来对数据中的高级抽象进行建模，以便自动提取特征。此类算法自动掌握解决问题所需的相关特征，从而减少了牙科专家的工作。

18、本发明提供一种包括图像捕获设备、显示设备和处理器的系统。

19、本发明还提供了一种神经网络算法，其采用元数据作为输入，并通过若干层非线性变换来处理元数据以计算输出分类。

20、本发明提供了一种在消费者自己的个人空间或家里的隐私环境中获取牙齿图像的有效、方便和经济的方法。

21、本发明提供了一种能够结合可见和近红外图像捕获机构和照明源的免提智能口腔图像获取和显示系统。

22、本发明提供了一种可以由消费者使用在他们自己的家中无需进行预先经训练的图像获取系统。

23、该系统可以与消费者自己的智能电话或智能显示设备集成，以实时显示捕获的图像，并在将处理后的图像重新引导回消费者的显示器之前将其传输到基于云的处理系统。

24、该系统使得消费者能够在消费者自己的私人空间中捕获牙齿的图像，该图像可用于通过基于云的图像处理系统来处理和识别牙齿病理，而无需训练或手动操作该设备。

25、本发明还提供了在消费者之间传授自我护理方法的系统和方法。此类自我护理方法可包括停止牙釉质侵蚀，甚至其他口腔疾病发展的生活方式调整。有利地，该系统和方法有益于消费者，因为消费者在一生中经历较少的口腔症状，而且消费者花费较少的时间和金钱来管理口腔健康。

26、上述内容并非旨在描述每个公开的实现方式，因为本公开中的特征可以被并入下文详述的附加特征中，除非明确地相反声明。

技术特征：

1.一种用于训练用于早期牙釉质侵蚀检测的图像识别算法的系统，所述系统包括：

2.根据权利要求1所述的系统，其中所述经训练的神经网络模型是深度学习卷积神经网络模型，其中识别的对象是牙釉质侵蚀。

3.根据权利要求2所述的系统，其中所述深度学习卷积神经网络模型由与对应的早期牙釉质侵蚀图像相关联的人的牙齿图像进行训练。

4.根据权利要求2所述的系统，其中所述深度学习卷积神经网络模型能够接收用于识别的对象的输入数据，执行对象识别，以及输出对象识别结果。

5.根据权利要求1所述的系统，还包括服务器和网络，其中所述经训练神经网络模型存储在所述服务器上。

6.根据权利要求1所述的系统，还包括数字设备，其中所述数字设备被配置为捕获所述图像，并且其中所述数字设备电耦合到所述网络。

7.根据权利要求1所述的系统，其中所述图像处理器还被配置为评估所述图像以确定牙釉质侵蚀的程度。

8.根据权利要求1所述的系统，还包括电子设备，用于接收检测到的牙釉质侵蚀以及将来自所述电子设备的输入传输到智能手机。

9.一种用于早期牙釉质侵蚀检测的图像采集系统，所述系统包括：

10.根据权利要求9所述的系统，还包括光源。

11.根据权利要求10所述的系统，其中所述光源被配置为发射可见光和近红外光。

12.根据权利要求9所述的系统，其中所述图像捕获设备对可见光源和近红外光源敏感。

13.根据权利要求9所述的系统，其中图像捕获基于定时器。

14.根据权利要求9所述的系统，其中图像捕获基于语音命令。

15.根据权利要求1所述的系统，其中所述牙釉质侵蚀检测使用专门用于在区域建议期间以24、46和64的标度中的1：1、1：1.4和1.4：1的比率识别早期牙釉质侵蚀的预定义锚点集合。

16.一种使用根据权利要求1的所述系统训练用于早期牙釉质侵蚀检测的图像识别算法的方法。

技术总结
本发明的系统和方法通过使用独特训练的卷积神经网络(CNN)根据给定规格来处理通过相机捕获的人的牙齿的原始图像。该系统和方法在牙齿的原始图像上识别早期侵蚀以及它们的位置。

技术研发人员：A·T·巴列斯特罗斯,D·M·甘尼波拉,R·H·赫瓦帕希拉纳,A·U·贾亚蒂列克,S·W·皮特,B·T·拉纳辛哈,P·A·西里巴达那,S·A·辛格拉亚,T·K·韦塔辛格
受保护的技术使用者：葛兰素史克消费保健（美国）控股有限责任公司
技术研发日：
技术公布日：2024/1/14