基于深度学习的口腔全景X射线图像多病理实例分割方法

本发明公开了基于深度学习的口腔全景X射线图像多病理实例分割方法，包括对输入的全景片数据进行灰度值标准化、尺寸统一化、数据增强化处理；构建口腔全景X射线图像多病理实例分割网络模型；采用检测框的平均精度值bbox mAP及分割区域的平均精度值segm mAP作为评价模型性能评价指标；对主副骨干网络部分的单个网络参数采用其预训练好的参数做初始化，颈部网络部分和头部网络部分的参数均采用随机初始化，输入经过预处理后的口腔全景X射线图像数据进入模型，采用梯度下降算法对模型进行迭代训练以确定模型的最优参数；采用最优参数作为模型网络的参数载入，输入一张口腔全景X射线图像经过预处理后进入模型，完成病理分类、边界框回归和掩模分割。