本發(fā)明涉及醫(yī)學(xué)信息處理領(lǐng)域，尤其涉及一種基于多源信息的牙齒健康狀況評(píng)估方法和裝置。

背景技術(shù)：

1、目前，對(duì)于牙齒的健康狀態(tài)的準(zhǔn)確評(píng)估，是做好口腔保健的重要前提。目前的口腔及牙齒的健康狀態(tài)的確定，主要依靠經(jīng)驗(yàn)通過(guò)觀察進(jìn)行。這種方式存在觀察信息受限，容易出現(xiàn)判別錯(cuò)誤等問(wèn)題。

2、近十幾年來(lái)，隨著計(jì)算機(jī)和電子技術(shù)的飛速發(fā)展，在計(jì)算機(jī)成像技術(shù)的幫助下，如x射線、計(jì)算機(jī)斷層掃描ct以及激光掃描等，可以獲取牙齒的三維影像數(shù)據(jù)。同時(shí)，各類(lèi)牙齒健康監(jiān)測(cè)技術(shù)也極大豐富，人們可以通過(guò)多類(lèi)牙齒健康指標(biāo)對(duì)牙齒健康程度進(jìn)行監(jiān)測(cè)。

3、如何利用所獲取的各類(lèi)多源牙齒監(jiān)測(cè)數(shù)據(jù)，對(duì)用戶的牙齒健康狀況進(jìn)行快速準(zhǔn)確評(píng)估，是當(dāng)前急需解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)如何利用所獲取的各類(lèi)多源牙齒監(jiān)測(cè)數(shù)據(jù)，對(duì)用戶的牙齒健康狀況進(jìn)行快速準(zhǔn)確評(píng)估，本發(fā)明公開(kāi)了一種基于多源信息的牙齒健康狀況評(píng)估方法和裝置。

2、本技術(shù)實(shí)施例第一方面，公開(kāi)了一種基于多源信息的牙齒健康狀況評(píng)估方法，包括：

3、s1，獲取牙齒圖像數(shù)據(jù)集和牙齒指標(biāo)數(shù)據(jù)集；所述牙齒圖像數(shù)據(jù)集，包括牙齒圖像數(shù)據(jù)；所述牙齒指標(biāo)數(shù)據(jù)集，包括牙齒指標(biāo)的時(shí)間采樣序列；所述時(shí)間采樣序列，包括若干個(gè)采集值；

4、s2，對(duì)所述牙齒圖像數(shù)據(jù)集和牙齒指標(biāo)數(shù)據(jù)集進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)集；所述預(yù)處理數(shù)據(jù)集，包括預(yù)處理后的牙齒圖像數(shù)據(jù)集和牙齒指標(biāo)數(shù)據(jù)集；

5、s3，對(duì)預(yù)處理數(shù)據(jù)集進(jìn)行評(píng)估處理，得到牙齒健康狀況評(píng)估值。

6、所述對(duì)所述牙齒圖像數(shù)據(jù)集和牙齒指標(biāo)數(shù)據(jù)集進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)集，包括：

7、對(duì)所述牙齒圖像數(shù)據(jù)集和牙齒指標(biāo)數(shù)據(jù)集進(jìn)行降噪處理，得到降噪數(shù)據(jù)集；

8、對(duì)所述降噪數(shù)據(jù)集進(jìn)行數(shù)據(jù)清理處理，得到第一數(shù)據(jù)集；

9、對(duì)所述第一數(shù)據(jù)集進(jìn)行異常檢測(cè)處理，得到預(yù)處理數(shù)據(jù)集。

10、所述對(duì)預(yù)處理數(shù)據(jù)集進(jìn)行評(píng)估處理，得到牙齒健康狀況評(píng)估值，包括：

11、s31，利用訓(xùn)練完畢的牙齒圖像評(píng)估模型，對(duì)所述預(yù)處理后的牙齒圖像數(shù)據(jù)集進(jìn)行處理，得到牙齒圖像評(píng)估值；

12、s32，對(duì)所述預(yù)處理后的牙齒指標(biāo)數(shù)據(jù)集進(jìn)行綜合評(píng)估處理，得到指標(biāo)評(píng)估值；

13、s33，對(duì)所述牙齒圖像評(píng)估值和指標(biāo)評(píng)估值進(jìn)行加權(quán)求和處理，得到牙齒健康狀況評(píng)估值。

14、所述牙齒圖像評(píng)估模型，包括第一卷積模塊、第二卷積模塊、第三卷積模塊、第四卷積模塊、第一融合模塊、第二融合模塊、第三融合模塊、第一歸一化模塊、第二歸一化模塊、第一激活模塊；

15、所述第一卷積模塊的輸入端，用于接收牙齒圖像數(shù)據(jù)，所述第一卷積模塊的輸出端分別連接所述第一融合模塊的輸入端和所述第二融合模塊的輸入端；所述第一融合模塊的輸出端連接所述第三卷積模塊的輸入端；所述第三卷積模塊的輸出端連接所述第一歸一化模塊的輸入端；所述第一歸一化模塊的輸出端連接所述第三融合模塊的輸入端；所述第二卷積模塊的輸入端，用于接收牙齒圖像數(shù)據(jù)，所述第二卷積模塊的輸出端分別連接所述第三融合模塊的輸入端和所述第一融合模塊的輸入端；所述第二融合模塊的輸出端連接所述第四卷積模塊的輸入端；所述第四卷積模塊的輸出端連接所述第二歸一化模塊的輸入端；所述第二歸一化模塊的輸出端連接所述第三融合模塊的輸入端；所述第三融合模塊的輸出端連接所述第一激活模塊的輸入端；所述第一激活模塊的輸出端，用于輸出牙齒圖像評(píng)估值。

16、所述對(duì)所述預(yù)處理后的牙齒指標(biāo)數(shù)據(jù)集進(jìn)行綜合評(píng)估處理，得到指標(biāo)評(píng)估值，包括：

17、s3201，將所述牙齒指標(biāo)數(shù)據(jù)集表示為指標(biāo)矩陣；所述指標(biāo)矩陣的行向量，為每個(gè)牙齒指標(biāo)的時(shí)間采樣序列；

18、s3202，對(duì)所述指標(biāo)矩陣進(jìn)行分解處理，得到指標(biāo)矩陣的特征矩陣；

19、s3203，將所述特征矩陣的對(duì)角線元素進(jìn)行提取，得到特征向量；

20、s3204，對(duì)所述特征向量的元素和元素序號(hào)值進(jìn)行線性擬合處理，得到逼近模型；

21、s3205，獲取得到每個(gè)牙齒指標(biāo)的標(biāo)準(zhǔn)值；

22、s3206，對(duì)每個(gè)牙齒指標(biāo)的時(shí)間采樣序列，計(jì)算得到所包含的每個(gè)采集值與所述牙齒指標(biāo)的標(biāo)準(zhǔn)值的差值的絕對(duì)值；利用對(duì)所述時(shí)間采樣序列的所有采集值計(jì)算得到的差值的絕對(duì)值，構(gòu)建得到所述牙齒指標(biāo)的偏移序列；

23、s3207，利用所有牙齒指標(biāo)的偏移序列，構(gòu)建得到偏移矩陣；

24、s3208，對(duì)所述指標(biāo)矩陣和偏移矩陣進(jìn)行關(guān)聯(lián)計(jì)算處理，得關(guān)聯(lián)向量；

25、s3209，對(duì)每個(gè)牙齒指標(biāo)的偏移序列，尋找得到具有最大值的元素，確定所述元素在所述偏移序列中的序號(hào)值，為所述牙齒指標(biāo)的偏離序號(hào)值；

26、s3210，利用逼近模型，對(duì)所有牙齒指標(biāo)的偏離序號(hào)值進(jìn)行計(jì)算處理，得到逼近序列；

27、s3211，利用關(guān)聯(lián)向量作為權(quán)重序列，對(duì)所述逼近序列進(jìn)行加權(quán)求和處理，得到指標(biāo)評(píng)估值。

28、所述分解處理的計(jì)算表達(dá)式為：

29、a1＝uav，

30、其中，u為左分解矩陣，a1為指標(biāo)矩陣，a為特征矩陣，v為右分解矩陣，u和v均為正交矩陣，a為對(duì)角矩陣。

31、所述關(guān)聯(lián)計(jì)算的計(jì)算表達(dá)式為：

32、

33、其中，a1ij為指標(biāo)矩陣a1的第i行、第j列的元素，a2ij為偏移矩陣a2的第i行、第j列的元素，pi為關(guān)聯(lián)向量的第i個(gè)元素,m2為指標(biāo)矩陣的列維度。

34、本技術(shù)實(shí)施例第二方面，公開(kāi)了一種基于多源信息的牙齒健康狀況評(píng)估裝置，所述裝置包括：

35、存儲(chǔ)有可執(zhí)行程序代碼的存儲(chǔ)器；

36、與所述存儲(chǔ)器耦合的處理器；

37、所述處理器調(diào)用所述存儲(chǔ)器中存儲(chǔ)的所述可執(zhí)行程序代碼，執(zhí)行所述的基于多源信息的牙齒健康狀況評(píng)估方法。

38、本技術(shù)實(shí)施例第三方面，公開(kāi)了一種計(jì)算機(jī)可存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被調(diào)用時(shí)，用于執(zhí)行所述的基于多源信息的牙齒健康狀況評(píng)估方法。

39、本技術(shù)實(shí)施例第四方面，公開(kāi)了一種信息數(shù)據(jù)處理終端，所述信息數(shù)據(jù)處理終端用于實(shí)現(xiàn)所述的基于多源信息的牙齒健康狀況評(píng)估方法。

40、本發(fā)明的有益效果為：

41、本發(fā)明首先對(duì)采集得到的多源信息進(jìn)行了降噪、數(shù)據(jù)清理和異常檢測(cè)處理，有效濾除了采集數(shù)據(jù)中的噪音和干擾，確保了健康評(píng)估的數(shù)據(jù)源頭的準(zhǔn)確性和一致性。

42、本發(fā)明針對(duì)不同類(lèi)型的牙齒采集數(shù)據(jù)，采取了不同的評(píng)估處理方法；利用所提出的深度學(xué)習(xí)模型，對(duì)牙齒圖像數(shù)據(jù)進(jìn)行評(píng)估處理；利用指標(biāo)數(shù)據(jù)構(gòu)建得到指標(biāo)矩陣和偏移矩陣，采用提出的關(guān)聯(lián)計(jì)算處理方法，對(duì)指標(biāo)矩陣和偏移矩陣進(jìn)行處理，得到關(guān)聯(lián)向量；利用關(guān)聯(lián)向量作為權(quán)重序列，對(duì)所述逼近序列進(jìn)行加權(quán)求和處理，得到指標(biāo)評(píng)估值，實(shí)現(xiàn)了對(duì)指標(biāo)健康特征的有效提取。最后，利用融合加權(quán)方式，對(duì)圖像和指標(biāo)兩類(lèi)數(shù)據(jù)的評(píng)估結(jié)果進(jìn)行融合，得到最終的牙齒健康狀況評(píng)估結(jié)果。