检索历史 清除

摘要龋病是全世界三大重点预防治疗疾病，其中儿童龋病在全年龄段人群中受到更多的关注。大部分到医院就诊的儿童是因龋齿严重到难以忍受才由家长陪同来治疗，最终需承受拔牙和补牙的后果，且面临高昂的治疗费。目前儿童龋齿可用的数据集及可参考方法较为稀缺，常规的龋齿检测手段难以实现对儿童龋齿的早期诊断，随着深度学习技术和算法的不断成熟与完善，对儿童龋齿的早期诊断提供了一种新的途径和方法，因此本文提出了一种儿童龋齿预防算法的医学标准，目的在于设计一套自动追踪并识别牙齿是否患龋的算法，给出了一个自动追踪龋齿高发部位龋损变化的解决方案。该方案由三部分构成：<br>　　第一部分是建立颌面形态标准，根据医学原理和牙齿形态学原理，构建了磨牙颌面的特征标准，主要有颌面轮廓和窝沟形态两方面，一共有13类磨牙颌面形态标准，然后在牙科医生的帮助下自建RGB图像数据集；<br>　　第二部分是采用U-net网络和注意力机制实现牙齿颌面识别分类，将U-net作为主要的网络，分别对于颌面轮廓和窝沟形态的标准进行分类训练并对比效果，引入注意力机制的U-net网络再进行对比分析，尝试将两种形态特征进行融合，达到牙齿精准分类的效果，且实现视频流检测；<br>　　第三部分是对白垩色算法检测实现龋损的早期诊断，将U-net网络分割出来的图像输入龋损检测算法中，利用实验得出白垩色的HSV范围进行图像处理，取白垩色像素与颌面像素的比值作为判断依据。<br>　　实验结果显示：多模型融合后识别的准确率为0.7792，F1-score为0.9061，AUC为0.9026。比用原生U-net网络且基于窝沟形态标准的准确率提高了15.78%、AUC提高了10.57%、F1分数提高了7.01%；比基于颌面轮廓形态标准识别的准确率提高了3.8%、AUC提高了9.07%、F1分数提高了10.15%。<br>　　本研究的完成简化了传统检查龋齿繁琐的步骤，实现了家庭智慧医疗领域对儿童龋齿的灵活检查并进行精准预防，达到降低儿童患龋率的目的。实验验证了两种特征融合后更具备好的识别效果，以及注意力机制的有效性。最后通过多模型融合技术，将牙齿颌面识别模型和龋损检测模型进行拼接，实现在视频流下自动化跟踪诊断各颗磨牙的患龋情况。