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

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：连接至网络的图像处理器，所述图像处理器被配置为：从数字设备接收图像集合；在该集合的每个图像上标记存在早期牙釉质侵蚀的指示的一个或多个区域；将所标记的图像提供给神经网络模型以训练所述神经网络模型基于被标记的牙齿图像识别牙釉质侵蚀；以及根据经训练的神经网络模型检测牙釉质侵蚀。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：图像捕获设备；以及可操作地连接至所述图像捕获设备的显示设备；其中所述图像采集系统被配置为：捕获用户的暴露的牙齿的图像；将获得的图像传输至经训练的cnn，所述经训练的cnn通过检测和标记牙科病理来分析所述获得的图像，以产生经分析的图像；以及在所述显示设备上接收和显示所述经分析的图像。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。置。置。


技术研发人员：A
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：2021.12.21
技术公布日：2023/8/23