本發(fā)明屬于計(jì)算機(jī)視覺與人工智能領(lǐng)域，具體涉及一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法及裝置。

背景技術(shù)：

1、在深度學(xué)習(xí)的圖像分割任務(wù)中，損失函數(shù)在指導(dǎo)模型訓(xùn)練中發(fā)揮關(guān)鍵作用。圖像分割的目標(biāo)是將圖像劃分成不同的區(qū)域或類別，如語義分割中的目標(biāo)對象與背景。為了實(shí)現(xiàn)這一目標(biāo)，損失函數(shù)需準(zhǔn)確評(píng)估預(yù)測結(jié)果與實(shí)際標(biāo)簽之間的差異。常見的損失函數(shù)包括交叉熵?fù)p失（cross-entropy?loss）和dice系數(shù)損失（dice?coefficient?loss）。交叉熵?fù)p失是一種衡量實(shí)際類別與預(yù)測概率之間差異的損失函數(shù)，適用于多類分割問題。dice系數(shù)損失則衡量預(yù)測區(qū)域與真實(shí)區(qū)域之間的重疊比例，常用于醫(yī)學(xué)影像分割等領(lǐng)域。綜合來說，選擇合適的損失函數(shù)能夠有效解決不同任務(wù)和數(shù)據(jù)集的具體需求，提高模型的分割性能。近期的研究也聚焦于組合損失、多尺度損失和自適應(yīng)損失，以進(jìn)一步優(yōu)化模型。然而，提出的這些損失函數(shù)并不能很好的解決cbct影像中牙齒與牙髓分割邊界容易出現(xiàn)丟失的問題，其原因主要在于這些損失函數(shù)并沒有考慮到牙齒與牙髓分割的邊界存在大量低置信度的區(qū)域，并且這些區(qū)域在整個(gè)目標(biāo)分割體積中所占比例很小，導(dǎo)致網(wǎng)絡(luò)在訓(xùn)練階段無法有效關(guān)注到這些區(qū)域。故此，迫切需要一種針對牙齒與牙髓高精度分割的損失函數(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提出一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法及裝置，旨在增強(qiáng)網(wǎng)絡(luò)模型在訓(xùn)練過程中對牙齒與牙髓弱小細(xì)節(jié)區(qū)域的關(guān)注程度，同時(shí)提高網(wǎng)絡(luò)模型對低置信度預(yù)測區(qū)域的判別能力。

2、第一方面，本發(fā)明提出一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法，包括以下步驟：

3、步驟1：通過softmax計(jì)算出輸入骨干網(wǎng)絡(luò)的cbct圖像的牙齒與牙髓分割預(yù)測概率圖，其中表示類別；

4、步驟2：獲取cbct圖像的牙齒與牙髓的分割掩碼真值標(biāo)簽，并對其進(jìn)行one-hot編碼，從而得到二值掩碼真值標(biāo)簽；

5、步驟3：根據(jù)網(wǎng)絡(luò)輸出的每一類的分割預(yù)測概率譜計(jì)算每一個(gè)類別的不確定度加權(quán)譜，如下式所示：

6、每一個(gè)類別的不確定度加權(quán)譜，其中，表示不確定度閾值超參；

7、步驟4：利用計(jì)算得到的每一個(gè)類別的不確定度加權(quán)譜計(jì)算不確定度增強(qiáng)損失，如下式：

8、，式中，是不確定度增強(qiáng)損失，表示進(jìn)行元素級(jí)求和。

9、進(jìn)一步地，根據(jù)實(shí)際效果與實(shí)際應(yīng)用場景，對進(jìn)行微調(diào)；的設(shè)定范圍為，當(dāng)為0.3時(shí)，損失函數(shù)計(jì)算預(yù)測置信度低于0.8的區(qū)域的損失，當(dāng)為0.45時(shí)，損失函數(shù)計(jì)算置信度低于0.95的區(qū)域的損失。

10、進(jìn)一步地，所述方法還包括：

11、計(jì)算所述損失函數(shù)的梯度值；

12、基于所述梯度值更新網(wǎng)絡(luò)參數(shù)；

13、利用更新后的網(wǎng)絡(luò)參數(shù)重復(fù)進(jìn)行所述損失函數(shù)的計(jì)算，直到損失函數(shù)小于等于預(yù)設(shè)值為止。

14、第二方面，本發(fā)明提出一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算裝置，該裝置包括：

15、預(yù)測概率譜獲取模塊，用于獲取輸入骨干網(wǎng)絡(luò)的cbct圖像的牙齒與牙髓分割預(yù)測概率圖，其中表示類別；

16、分割掩碼真值標(biāo)簽計(jì)算模塊，用于獲取cbct圖像中牙齒與牙髓的二值掩碼真值標(biāo)簽；

17、不確定度加權(quán)譜獲取模塊，根據(jù)網(wǎng)絡(luò)輸出的每一類的分割預(yù)測概率譜計(jì)算不確定度加權(quán)譜，所述模塊利用下列公式計(jì)算：

18、，其中，表示不確定度閾值超參；

19、第一計(jì)算模塊，利用計(jì)算得到的每一個(gè)類別的不確定度加權(quán)譜計(jì)算不確定度增強(qiáng)損失，所述第一計(jì)算模塊，包括：

20、計(jì)算子模塊，利用下列公式計(jì)算所述不確定度增強(qiáng)損失：

21、，式中，是不確定度增強(qiáng)損失，表示進(jìn)行元素級(jí)求和。

22、進(jìn)一步地，所述裝置還包括：

23、第二計(jì)算模塊，用于計(jì)算所述損失函數(shù)的梯度值；

24、更新模塊，用于基于所述梯度值更新網(wǎng)絡(luò)參數(shù)；

25、第三計(jì)算模塊，用于利用更新后的網(wǎng)絡(luò)參數(shù)重復(fù)進(jìn)行所述損失函數(shù)的計(jì)算，直到損失函數(shù)小于等于預(yù)設(shè)值為止。

26、本發(fā)明解決了在cbct影像中牙齒與牙髓分割邊界容易出現(xiàn)丟失的問題，使得牙齒與牙髓分割結(jié)果更準(zhǔn)確，在評(píng)價(jià)指標(biāo)dice系數(shù)上能夠?qū)崿F(xiàn)平均高達(dá)1%的提升，同時(shí)牙髓末端分割長度也延長了2-3mm，有效提高了模型的分割性能。

技術(shù)特征：

1.一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法，其特征在于，根據(jù)實(shí)際效果與實(shí)際應(yīng)用場景，對進(jìn)行微調(diào)；的設(shè)定范圍為，當(dāng)為0.3時(shí)，損失函數(shù)計(jì)算預(yù)測置信度低于0.8的區(qū)域的損失，當(dāng)為0.45時(shí)，損失函數(shù)計(jì)算置信度低于0.95的區(qū)域的損失。

3.根據(jù)權(quán)利要求1所述的一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法，其特征在于，所述方法還包括：

4.一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算裝置，其特征在于，該裝置包括：

5.根據(jù)權(quán)利要求4所述的一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算裝置，其特征在于，所述裝置還包括：

技術(shù)總結(jié)
本發(fā)明針對CBCT影像中牙齒與牙髓分割困難的問題，公開了一種基于不確定性增強(qiáng)的用于牙齒與牙髓分割網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法及裝置。通過在模型訓(xùn)練時(shí)動(dòng)態(tài)地計(jì)算輸出的預(yù)測概率圖譜，獲得不確定度高于預(yù)設(shè)值的區(qū)域范圍，然后將該區(qū)域作為權(quán)重項(xiàng)與交叉熵?fù)p失加權(quán)并求和，從而計(jì)算得到每個(gè)類別的損失。最后，通過反向傳播算法，實(shí)現(xiàn)在模型訓(xùn)練階段引導(dǎo)模型增強(qiáng)對牙齒與牙髓分割預(yù)測中低置信度區(qū)域的關(guān)注程度。本發(fā)明解決了在CBCT影像中牙齒與牙髓的分割邊界容易出現(xiàn)丟失的問題，使得牙齒與牙髓的分割結(jié)果更準(zhǔn)確，提高了模型的分割性能。

技術(shù)研發(fā)人員：徐穎捷,孟凡滿,易驚濤
受保護(hù)的技術(shù)使用者：感躍醫(yī)療科技（成都）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21