基于数据重构与羟基磷灰石光谱距离的牙齿组织LIBS鲁棒分类方法

摘要: 本发明涉及医工交叉,尤其涉及基于数据重构与羟基磷灰石光谱距离的牙齿组织libs鲁棒分类方法。背景技术:1、完整的牙齿由牙釉质、牙本质、牙髓及一些附属牙周组织所组...
基于数据重构与羟基磷灰石光谱距离的牙齿组织LIBS鲁棒分类方法

本发明涉及医工交叉,尤其涉及基于数据重构与羟基磷灰石光谱距离的牙齿组织libs鲁棒分类方法。

背景技术:

1、完整的牙齿由牙釉质、牙本质、牙髓及一些附属牙周组织所组成。在现代牙科手术与修复治疗中,准确区分牙体各组织成分且能定量去除病灶是牙科临床治疗的基础,它直接决定了诊断的精确性、治疗方案的制定以及最终的临床成功率。在牙体预备中,准确识别当前的切削层面是牙釉质还是牙本质至关重要,因为两者迥异的理化性质直接决定了预备量的控制及后续粘接方案的选择。

2、目前,临床对牙体组织的识别主要依赖医生的视诊经验结合x射线、cbct等影像学手段。然而现有医疗影像设备空间分辨率的限制及电离辐射剂量的约束导致各组织边界模糊,医生往往难以在手术过程中精准区分牙体组织。因此,提供基于数据重构与羟基磷灰石光谱距离的牙齿组织libs鲁棒分类方法,来解决现有技术存在的困难,是本领域技术人员亟须解决的问题。

技术实现思路

1、有鉴于此,本发明提供了基于数据重构与羟基磷灰石光谱距离的牙齿组织libs鲁棒分类方法,通过数据重构挖掘光谱数据间关联,并引入标准羟基磷灰石(hap)距离基准,解决libs信号在复杂临床环境下的高波动性问题,实现了对牙釉质、牙本质及牙髓腔的精准分类,为临床牙科手术治疗提供数据导航。

2、为了实现上述目的,本发明采用如下技术方案:

3、基于数据重构与羟基磷灰石光谱距离的牙齿组织libs鲁棒分类方法,包括以下步骤:

4、采用双脉冲刺激样本获取对应的原始双脉冲光谱数据,对原始光谱数据进行预处理后生成归一化光谱数据;

5、对归一化光谱数据实施基于特征元素的波段筛选策略,将筛选出的有效波段特征拼接为新的特征光谱序列;

6、定义数据集,数据集包括表达表面杂质与噪声干扰的元素和表征样本本体材料属性的元素,采用三种不同尺寸的滑动窗口计算局部交互特征值,并与原始的双脉冲光谱共同重构为五通道多尺度交互图,获得交互光谱数据矩阵;

7、采用分时动态基准法建立hap基准谱,选取同一样本中的交互光谱对,分别计算其相对于当期hap基准的元素级欧氏距离,并按照顺序拼接形成物理特征向量;

8、利用voigt函数对各roi区域的特征峰进行非线性最小二乘拟合,提取 slia 和fwhm 参数,结合物理特征向量计算slia和fwhm参数的偏差后级联,形成增强物理特征向量,即hap距离先验向量;

9、构建双维注意力光谱融合网络(dda-net),采用分支一处理交互光谱数据矩阵,采用分支二处理hap距离先验向量,输出待检测目标的精准分类。

10、可选的,基于特征元素的波段筛选策略包括:

11、标记牙体组织主要组成元素(ca、na)特征谱线位置,组成元素数据集,以各特征峰为中心,结合光谱仪截取波段作为感兴趣区域(roi),记录每个光谱i元素特征峰波段的特征向量代表四阶段实验。

12、可选的,滑动窗口分别对应不同尺寸的窗口长度,对于光谱序列中的每一个滑动窗口起始位置p,采用三种不同的物理度量函数,代表三种窗口方式,计算局部交互特征值。

13、可选的,第一个滑动窗口采用欧几里得范数作为度量指标,对应表达式为:

14、,

15、其中,表示在位置p处窗口内的光谱交互特征值,表示含有表面杂质与噪声干扰的元素,表示样本本体的材料属性的元素,,为窗口内部的离散采样点变量;

16、第二个滑动窗口采用光谱角映射(sam)算法计算波形几何相似度,对应表达式为:

17、,

18、其中,表示两个局部光谱向量在多维特征空间中的夹角,,为窗口内部的离散采样点变量;

19、第三个滑动窗口采用皮尔逊相关系数(pcc)进行度量,对应表达式为:

20、,

21、其中,与分别表示起始位置p、长度为的局部窗口内与的光谱强度均值,的取值范围为[-1,1],用于量化两次脉冲在光谱轮廓上的线性相关程度,,为窗口内部的离散采样点变量。

22、可选的,形成物理特征向量包括:

23、利用批次采集的hap光谱构建当期基准平均谱,最终获得4条hap标准平均谱,表达式为:

24、,

25、其中,代表实验批次,代表单批次总光谱量;

26、基于hap的化学成分选取特定波段作为roi元素特征峰波段,基于hap标准平均谱构建参考向量,基于样本i的光谱数据构建特征向量;

27、对于任意交互光谱和任意元素特征峰波段,相较当期的距离计算如下:

28、,

29、其中,仅包含该元素特征峰波段的光谱特征向量,代表仅包含该元素特征峰波段的hap特征向量;

30、将两个光谱的所有元素距离按照顺序拼接,构建的物理特征向量:

31、,

32、其中,k代表任一对交互光谱。

33、可选的,形成增强物理特征向量包括:

34、对样本i的任一分量光谱,其在第个元素波段的物理特征向量表示为:

35、,

36、其中,表示该样本点交互光谱在任意元素波段特征峰与hap之间的slia值,表示该样本点交互光谱在任意元素波段特征峰与hap之间的fwhm值,将所有波段的偏差分量按光谱来源进行级联,构建增强物理特征向量,表达式为:

37、。

38、可选的,双维注意力光谱融合网络(dda-net)中,分支一采用1d resnet作为主干架构,并在每个残差块中嵌入了dda模块,输出经过dda模块增强的特征。

39、可选的,其中,dda模块通过两条并行路径在正交维度上对特征进行重标定,包括通道注意力路径:给定输入特征图,首先通过全局平均池化将光谱维度压缩,随后通过多层感知机(mlp)学习通道间的依赖关系,最后经过sigmoid函数激活生成通道权重向量;

40、光谱空间注意力路径:沿通道轴分别进行平均池化和最大池化,将结果拼接后通过一个卷积层提取局部光谱上下文信息,最后经过函数激活生成光谱空间权重图;

41、将通道权重向量与光谱空间权重图进行元素级乘法,得到经过dda模块增强的特征。

42、可选的,双维注意力光谱融合网络(dda-net)中,分支二设计为独立的物理先验感知分支,包括堆叠的全连接层(fully connected layers)、批归一化(batchnormalization, bn)和非线性激活函数(relu)。

43、可选的,双维注意力光谱融合网络(dda-net)还包括特征融合与分类模块以及最终分类模块,

44、特征融合与分类模块包括全局平均池化和特征拼接策略,采用focal loss作为损失函数调整模型关注度;

45、最终分类模块的分类头以预测三种组织的概率分布。

46、经由上述的技术方案可知,与现有技术相比,本发明提供了基于数据重构与羟基磷灰石光谱距离的牙齿组织libs鲁棒分类方法,具有以下有益效果:本发明在混合数据分配模式(mode 1)与跨时间数据分配模式(mode 2)下,dda-net的分类性能均显著优于主流基线模型;结合shap归因分析进一步证实,该方法成功构建了dda-net 框架,通过结合多尺度滑动窗口数据重构与hap距离向量先验策略,深度融合了光谱的共性与波动特征,形成了一种多波段协同的非线性决策机制,解决libs光谱波动性问题同时显著提升了牙釉质及牙本质的识别精度,为临床牙科手术治疗提供数据导航。