本發(fā)明涉及口腔醫(yī)學，尤其涉及一種基于人工智能大模型的口腔疾病檢測方法。

背景技術：

1、隨著生活水平提高，人們對口腔健康有了更高要求，逐漸意識到口腔健康的重要性。事實上，口腔疾病不僅會造成局部感染、組織缺損等，還會通過影響全身疾病、營養(yǎng)攝入等方式損害全身健康，并且妨礙生理功能和面容美觀。根據(jù)第五次全國口腔健康流行病學調查，齲病、牙周炎等疾病發(fā)病率高達90％以上，如不及時治療，造成失牙后將影響咀嚼、發(fā)音、美觀，嚴重降低生活質量；另外，惡性疾病(如口腔癌等)若不及時診斷治療可能進一步發(fā)展，造成難以挽回的損害，嚴重危害全身健康；感染類疾病不盡快控制可能向全身擴散，干擾消化系統(tǒng)、內分泌、心血管等疾病治療。因此，盡早發(fā)現(xiàn)診斷口腔疾病對于維護口腔健康有很大意義。

2、然而，據(jù)統(tǒng)計我國口腔科醫(yī)生與人口的比例是1:40000，而國際公認的合適的比例應為1:2000，口腔醫(yī)療資源仍有較大缺口；口腔疾病種類繁多(具體分類包括頜面外科疾病、牙體牙髓病、牙周病、口腔黏膜病、錯牙合畸形、牙列缺損缺失等)，其中很多疾病癥狀相對隱匿，診斷要求醫(yī)生的專業(yè)水平較高；此外，由于口腔疾病的嚴重程度(i級、ii級、iii級等)不易區(qū)分，患者自身往往無法第一時間發(fā)現(xiàn)口腔疾病的嚴重性，容易出現(xiàn)反復轉診掛號或未及時就醫(yī)的情況；另外，由于不同地區(qū)口腔醫(yī)生的專業(yè)水平能力有高低，年輕、基層醫(yī)生因經(jīng)驗不足易出現(xiàn)漏診、誤診部分疾病的現(xiàn)象，進而導致沒能及時診斷并有效治療，延誤的疾病的最佳診療時間。以上問題在人工智能的時代背景下，醫(yī)療行業(yè)有望借助新工具進行智能診斷或輔助治療，為醫(yī)生做出更準確的決策提供有力支持。目前，現(xiàn)有構建的卷積神經(jīng)網(wǎng)絡、生成性對抗網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡、自動編碼器和深度信念網(wǎng)絡等深度學習模型，可以實現(xiàn)圖像特征的提取、醫(yī)學影像的自動分類識別、病變的定性定量分析。然而，在口腔疾病檢測上，由于口腔疾病種類復雜(如，潰瘍，齲齒、牙周炎等)，且相同類型、不同程度的口腔疾病難以區(qū)分(如復發(fā)性口腔潰瘍與口腔鱗狀細胞癌的病灶區(qū)域顏色及形態(tài)相近，需借助病變組織周圍的區(qū)域進行輔助診斷)等問題，導致現(xiàn)有智能化診斷方法無法有效識別出口腔疾病的類型和分級。

3、因此，提出一種基于人工智能大模型的口腔疾病檢測方法，來解決現(xiàn)有技術存在的問題，是本領域技術人員亟須解決的問題。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于人工智能大模型的口腔疾病檢測方法，能夠有效提高口腔內多種疾病的檢測與分類，并給予相應的病灶區(qū)域描述和建議。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術方案：

3、一種基于人工智能大模型的口腔疾病檢測方法，包括以下步驟：

4、數(shù)據(jù)獲取步驟：獲取牙齒病灶圖片和對應口腔內部狀態(tài)描述；

5、特征提取步驟：采用特征提取塊bert和多尺度特征提取塊mfem分別提取牙齒病灶圖片的圖片特征信息和口腔內部狀態(tài)的文本特征信息，獲得標簽數(shù)據(jù)集；

6、誤差剔除步驟：識別并排除標簽數(shù)據(jù)中的假負樣本，獲得預處理后的標簽數(shù)據(jù)集；

7、網(wǎng)絡改進步驟：在yolov8網(wǎng)絡中引入總損失函數(shù)和動態(tài)標簽分配策略，獲得改進的yolov8網(wǎng)絡；

8、訓練驗證步驟：將預處理后的標簽數(shù)據(jù)集按照8:2的比例分為訓練集和測試集，將訓練集輸入改進的yolov8網(wǎng)絡進行訓練得到訓練好的yolov8網(wǎng)絡，將測試集輸入訓練好的yolov8網(wǎng)絡進行驗證，得到驗證后的yolov8網(wǎng)絡；

9、疾病監(jiān)測步驟：將牙齒病灶圖片和對應文本信息輸入驗證后的yolov8網(wǎng)絡中，得到病灶區(qū)域類型檢測和文本描述。

10、上述的方法，可選的，特征提取步驟中，特征提取塊bert采用自注意力機制計算句子中每個詞對其他詞的影響，采用掩碼語言模型mlm對特征提取塊bert預訓練。

11、上述的方法，可選的，特征提取步驟中，多尺度特征提取塊mfem包括：令輸入圖片通道數(shù)為四通道數(shù)，四通道輸出圖片分別輸入1x1卷積層、3x3卷積層、5x5卷積層和最大池化層獲得四個對應張量，將四個張量拼接形成一個新的矩陣張量，通過cotnet將它們融合起來，生成一個新的特征信息矩陣并得到對應特征向量x，再將特征向量x輸入cotnet得到輸出結果。

12、上述的方法，可選的，cotnet包括：將特征向量x轉換為queries:q＝xwq，keys:k＝xwk，values:v＝xwv，在k×k空間網(wǎng)格內對所有相鄰keys進行k×k組卷積獲得相鄰keys之間的局部上下文信息k1，將圖像局部上下文信息與q進行拼接處理獲得注意矩陣d，注意力矩陣d與v點乘得到全部上下文信息k2，與局部上下文信息k1相加得到輸出結果。

13、上述的方法，可選的，誤差剔除步驟中，通過余弦相似度計算模型產(chǎn)生的圖像特征fi為和文本特征ft之間的相似度，表達式如下：

14、

15、若sim(fi,ft)的值高于某個閾值θ，且樣本在標簽數(shù)據(jù)集中被標記為負樣本，則將其標記為假負樣本。

16、上述的方法，可選的，網(wǎng)絡改進步驟中，總損失函數(shù)表達式為：

17、ltotal＝θclslcls+θloclloc+θscalelscale，

18、其中，θcls、θloc、θscale是權重超參數(shù)，lcls為分類損失，lloc為定位損失，lscale為尺度損失。

19、經(jīng)由上述的技術方案可知，與現(xiàn)有技術相比，本發(fā)明提供了一種基于人工智能大模型的口腔疾病檢測方法，具有以下有益效果：1)本發(fā)明通過集合文本特征和先驗知識的輔助來有效提高系統(tǒng)的診斷性能，進行病變類型的識別分類，且提供對應病變的文本描述，輔助臨床醫(yī)生進行決策；2)本發(fā)明提出了多尺度特征提取模塊mfem，有效增強口腔疾病病灶區(qū)域的信息，進一步提高算法診斷性能；3)本發(fā)明有效的提高口腔內多種疾病的檢測與分類，并給予相應的病灶區(qū)域描述和建議。

技術特征：

1.一種基于人工智能大模型的口腔疾病檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的一種基于人工智能大模型的口腔疾病檢測方法，其特征在于，

3.根據(jù)權利要求1所述的一種基于人工智能大模型的口腔疾病檢測方法，其特征在于，

4.根據(jù)權利要求3所述的一種基于人工智能大模型的口腔疾病檢測方法，其特征在于，

5.根據(jù)權利要求1所述的一種基于人工智能大模型的口腔疾病檢測方法，其特征在于，

6.根據(jù)權利要求1所述的一種基于人工智能大模型的口腔疾病檢測方法，其特征在于，

技術總結
本發(fā)明公開了一種基于人工智能大模型的口腔疾病檢測方法，涉及口腔醫(yī)學技術領域。包括獲取牙齒病灶圖片和對應口腔內部狀態(tài)描述，采用特征提取塊BERT和多尺度特征提取塊MFEM分別提取牙齒病灶圖片的圖片特征信息和口腔內部狀態(tài)的文本特征信息，識別并排除其中的假負樣本，在YOLOv8網(wǎng)絡中引入總損失函數(shù)和動態(tài)標簽分配策略，獲得改進的YOLOv8網(wǎng)絡，將數(shù)據(jù)集分為訓練集和測試集，依次輸入改進的YOLOv8網(wǎng)絡進行驗證，得到驗證后的YOLOv8網(wǎng)絡，將牙齒病灶圖片和對應文本信息輸入驗證后的YOLOv8網(wǎng)絡中，得到病灶區(qū)域類型檢測和文本描述。本發(fā)明能夠有效提高口腔內多種疾病的檢測與分類，并給予相應的病灶區(qū)域描述和建議。

技術研發(fā)人員：田素坤,孫玉春,劉云松,胡世鵬,陳虎,姜棟耀,鄧銳,翟文茹
受保護的技術使用者：北京大學口腔醫(yī)學院
技術研發(fā)日：
技術公布日：2025/1/9