一种基于深度学习的口腔全景片图像分割以辅助诊断骨质疏松的方法及系统

本申请提供一种基于深度学习的口腔全景片图像分割以辅助诊断骨质疏松的方法及系统，通过对口腔全景片图像数据进行标注及预处理，得到样本数据集；结合U‑Ne t、Re s‑Ne t模型的分割效果，以U‑Ne t为骨干，把Re s‑Ne t套入分割层中，构建初始改进Re s‑U‑Ne t深度学习模型；并训练得到改进Re s‑U‑Ne t深度学习模型；构建基于深度学习的口腔医全景片骨质疏松自动诊断框架，得到辅助诊断结果。以深度学习算法结合口腔全景片，使口腔全景片能够辅诊断骨质疏松，可以节省人力物力。在不降低原网络模型分割效果的前提上，增加了新模块。通过改进卷积神经网络Re s‑U‑Ne t模型结构，设计并实现了具有可读性图表的医学图像分割算法，对损失函数对模型进行优化和改进，评测结果更加准确。