一种基于机器学习的牙齿测色方法及系统

技术领域

本发明涉及牙齿测色技术领域，更具体的说是涉及一种基于机器学习的牙齿测色方法及系统。

背景技术

分析、选择、沟通和使用合适的颜色一直是口腔美学最大的挑战之一，目标颜色的再现与颜色的选择、颜色的制作密切相关。欲使修复体的最终颜色与天然牙齿的颜色完美匹配，除了需要准确获得比色结果外，医师还需要将详细的牙齿颜色信息精准地传递给技师，并由技师模拟、制作出来。

目前的比色方法主要包括视觉比色和仪器比色。视觉比色需借助商业比色板，便捷、经济，在临床应用中深受欢迎，但主观性较强，对颜色难以量化分析，且误差来源很多。但通过色彩校正、比色板使用训练、经验积累，可以提高个体的视觉比色能力。此外，由于沟通和交流颜色的语言手段有限，仅通过视觉比色表达颜色差异及个性化需求相对困难。使用仪器比色则可以消除选择颜色时的主观变量，测量细微的颜色差异，让关于颜色的交流更加便利，但仪器的高昂成本及使用便利性亦无法忽视。而数码相机、具备比色功能的口内三维扫描仪的比色性能在实际应用中表现并不理想，影响比色结果的精确度的因素很多，如环境光线、软硬件配置、设备自身参数设置等。

因此，针对现有的牙齿比色方法中存在的主观性强、结果不准确、仪器昂贵等技术缺陷，如何提供一种既能够准确进行牙齿测色，同时测量成本更低的牙齿测色方式，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于机器学习的牙齿测色方法及系统。

为了实现上述目的，本发明提供如下技术方案：

一种基于机器学习的牙齿测色方法，包括以下步骤：

步骤1、获取若干张口内图像；

步骤2、对若干张所述口内图像确定测量位点，将测量位点所属的子区域图像分割出来，并进行颜色标注，得到各个测量位点的带有颜色标注的子区域图像；

步骤3、将各个测量位点的带有颜色标注的子区域图像作为模型的训练样本，对神经网络模型进行训练，得到牙齿测色模型；

步骤4、将待测区域的口内图像输入所述牙齿测色模型中，输出牙齿测色结果。

可选的，所述步骤1中，获取口内图像的方法为：使用口内三维扫描仪对口内进行扫描，或使用相机对口内进行拍摄。

可选的，所述步骤2中，确定测量位点的方法为：从口内图像中提取出牙齿区域，对牙齿区域中的每颗牙齿再划分为若干子区域，以每个子区域中心点作为测量位点。

可选的，所述步骤2中，确定测量位点的方法为：从口内图像中提取出牙齿区域，在牙齿区域内随机选择测量位点，以该测量位点为中心的预设大小方形区域图像作为测量位点所属的子区域图像。

可选的，所述步骤2中，对口内图像的各个测量位点进行颜色标注的方法为：使用分光光度计和/或比色板对患者牙齿的各个测量位点进行测色，基于得到的各个测量位点的测色结果，对口内图像的各个测量位点进行颜色标注。

可选的，所述步骤3中，神经网络模型选用卷积神经网络ResNet-50或VGG。

可选的，所述步骤3中的模型训练方法为：将测量位点的子区域图像作为特征，将颜色标注作为标签，对神经网络模型进行训练。

可选的，所述步骤4中，待测区域的口内图像的获取方法为：

获取患者的口内图像，确定待测区域；

基于所述待测区域，对患者的口内图像进行分割，得到待测区域的口内图像。

可选的，所述比色板为VitaClassicalA1-D4比色板或Vita3D-Master比色板或VITABLOCS比色板。

一种基于机器学习的牙齿测色系统，包括：

训练样本获取模块，用于获取若干张口内图像；

训练样本预处理模块，用于对若干张所述口内图像确定测量位点，将测量位点所属的子区域图像分割出来，并进行颜色标注，得到各个测量位点的带有颜色标注的子区域图像；

模型训练模块，用于将各个测量位点的带有颜色标注的子区域图像作为模型的训练样本，对神经网络模型进行训练，得到牙齿测色模型；

牙齿测色模块，用于将待测区域的口内图像输入所述牙齿测色模型中，输出牙齿测色结果。

经由上述的技术方案可知，本发明提供了一种基于机器学习的牙齿测色方法及系统，与现有技术相比，具有以下有益效果：

(1)本发明结合机器学习和仪器获得牙齿的彩色图像进行颜色测量，可提升现有口内三维扫描仪比色功能的精确度，准确分析相机拍摄的高清图片的颜色，有利于后续进行数字化美学分析、制作修复体，方便医患沟通和医技交流。

(2)本发明通过对模型进行训练，得到能够精准识别图像颜色的牙齿测色模型，进而将待测区域的口内图像输入该模型中，就能得到准确的牙齿测色结果，测量成本低、方法简便。

(3)本发明能够推广至所有能获得口内真彩色图像的仪器。

综上所述，本发明基于仪器(如数码相机、口内三维扫描仪)获取彩色图像，以分光光度计的测量结果和/或口腔专家的比色板比色结果为参考，利用机器学习对牙齿颜色进行分类预测，将牙齿颜色的准确测量、高分辨率相机对颜色的捕获、高清图像对颜色的再现、人工智能等的优势结合，提供了一种新的高精度、低成本的牙齿测色方法，为后续修复体制作提供坚实基础。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明的方法步骤示意图；

图2为本发明的牙齿测色模型预测过程示意图；

图3为本发明的系统模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种基于机器学习的牙齿测色方法，参见图1，包括以下步骤：

步骤1、使用口内三维扫描仪对口内进行扫描，或使用相机对口内进行拍摄，以获取若干张口内图像，确保牙齿表面的颜色信息获取完整。

步骤2、对若干张所述口内图像确定测量位点，将测量位点所属的子区域图像分割出来，并进行颜色标注，得到各个测量位点的带有颜色标注的子区域图像。

在具体实施过程中，确定测量位点的方法为：从口内图像中提取出牙齿区域，对牙齿区域中的每颗牙齿再划分为若干子区域(可划分为颈、中、切三个子区域，或颈、中、切加近中、中部、远中正交组合共9个子区域)，以每个子区域中心点作为测量位点。或者在牙齿区域内随机选择测量位点，以该测量位点为中心的预设大小方形区域(可将方形区域边长限定为牙冠长度或宽度的1/4～1/2)图像作为测量位点所属的子区域图像。

其中，对口内图像的各个测量位点进行颜色标注的方法为：使用分光光度计测量各个测量位点，或由专业口腔技师使用比色板对牙齿的各个测量位点进行比色，得到测色结果，所述测色结果一般是临床常用比色板的色片值的形式。基于得到的各个测量位点的测色结果，对口内图像的各个测量位点进行颜色标注。

所述比色板可以选用VitaClassicalA1-D4比色板、Vita3D-Master比色板或VITABLOCS比色板。

步骤3、将各个测量位点的带有颜色标注的子区域图像作为模型的训练样本，其中，将测量位点的子区域图像作为特征，将颜色标注作为标签，对神经网络模型进行训练，得到牙齿测色模型。

所述神经网络模型可选用卷积神经网络ResNet-50或VGG等能够提取图像特征的神经网络。

步骤4、获取患者的口内图像，确定待测区域；基于所述待测区域，对患者的口内图像进行分割，得到待测区域的口内图像；将待测区域的口内图像输入所述牙齿测色模型中，输出牙齿测色结果，参见图2。

本发明另一实施例还公开一种基于机器学习的牙齿测色系统，参见图3，包括：

训练样本获取模块，用于获取若干张口内图像；

训练样本预处理模块，用于对若干张所述口内图像确定测量位点，将测量位点所属的子区域图像分割出来，并进行颜色标注，得到各个测量位点的带有颜色标注的子区域图像；

模型训练模块，用于将各个测量位点的带有颜色标注的子区域图像作为模型的训练样本，对神经网络模型进行训练，得到牙齿测色模型；

牙齿测色模块，用于将待测区域的口内图像输入所述牙齿测色模型中，输出牙齿测色结果。

对于实施例公开的系统模块而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。