技術(shù)特征：

1.一種基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，包括以下具體步驟：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，所述樣本訓(xùn)練集的獲取步驟包括：

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，構(gòu)建的人牙裂紋識(shí)別模型包括：

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，切片的尺寸為，切片的特征圖尺寸為，一維特征向量的尺寸為，其中，c表示特征提取器模塊中第一個(gè)下采樣階段的輸出通道數(shù)，w和h分別代表特征圖的寬和長。

5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，所述對(duì)一維特征向量進(jìn)行注意力計(jì)算，得到特征向量，具體計(jì)算步驟包括：

6.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，所述將特征向量、特征融合后的特征圖和空間記憶隊(duì)列進(jìn)行注意力計(jì)算，具體包括：

7.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，在更新空間記憶隊(duì)列的過程中，當(dāng)隊(duì)列達(dá)到最佳隊(duì)列長度后，自動(dòng)將當(dāng)前隊(duì)列中最遠(yuǎn)端切片特征信息進(jìn)行從隊(duì)列頭部刪除，具體計(jì)算步驟包括：

8.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法，其特征在于，所述構(gòu)建損失函數(shù)對(duì)裂紋預(yù)測(cè)結(jié)果進(jìn)行優(yōu)化，具體步驟包括：

9.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述的基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于深度學(xué)習(xí)的人牙裂紋識(shí)別方法、設(shè)備和介質(zhì)，通過獲取離體牙的切片數(shù)據(jù)得到樣本訓(xùn)練集；構(gòu)建人牙裂紋識(shí)別模型，將樣本訓(xùn)練集輸入到人牙裂紋識(shí)別模型中，得到完整的人牙裂紋識(shí)別模型，采用人牙裂紋識(shí)別模型對(duì)切片數(shù)據(jù)的裂紋預(yù)測(cè)結(jié)果，構(gòu)建損失函數(shù)對(duì)裂紋預(yù)測(cè)結(jié)果進(jìn)行優(yōu)化，得到優(yōu)化后的人牙裂紋識(shí)別模型；使用SGD優(yōu)化器設(shè)置學(xué)習(xí)率，基于學(xué)習(xí)率對(duì)優(yōu)化后的人牙裂紋識(shí)別模型訓(xùn)練；得到訓(xùn)練后的人牙裂紋識(shí)別模型，對(duì)離體牙的切片數(shù)據(jù)進(jìn)行裂紋判斷。通過人牙裂紋識(shí)別模型對(duì)切片數(shù)據(jù)進(jìn)行處理，對(duì)離體牙的切片數(shù)據(jù)進(jìn)行裂紋判斷，提高了對(duì)牙齒裂紋敏感度有限的情況下對(duì)牙齒裂紋的識(shí)別能力和識(shí)別精度。

技術(shù)研發(fā)人員：張嵐,張璟嵐,黃定明,戢曉
受保護(hù)的技術(shù)使用者：四川大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14