CN111933252B - 一种牙位检出和缺失牙标记方法及装置 - Google Patents

Abstract

本发明提供了一种牙位检出和缺失牙标记方法及装置，其中方法包括：获取原始牙科全景片影像数据，对原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；将待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集；基于包围框，计算包围框中心作为牙位坐标，根据牙位坐标，分别对牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x‑c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合函数确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集；基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片影像数据上可视化输出。

Description

一种牙位检出和缺失牙标记方法及装置

技术领域

本发明涉及医学影像分析领域和模式识别领域，尤其涉及一种牙位检出和缺失牙标记方法及装置。

背景技术

牙科全景X光技术因其高效、低辐射剂量的优点，被广泛应用于口腔及上颌骨疾病的诊断过程中。而自动化的口腔诊断系统可以为牙科医务工作者提供有效的临床决策辅助，节省诊断时间，并减轻阅片过程中压力和疲劳带来的负面影响。

在口腔诊断过程中，牙位检出对口腔疾病的检出和分析具有重要意义。缺失牙标记则提供了牙体健康状况的重要信息。通常，牙位的检出需要医务工作者根据全景片对牙齿进行逐个判断并标记牙位，进而标记处缺失牙，较为繁琐耗时。且易产生漏标和错标，对诊断结果和质量造成不利影响。因而高效精准的牙位检出是口腔自动化诊断的重要前提。

通常，牙科全景片中的牙齿和解剖结构存在边缘模糊、低对比度的特点，像素等级上的特征差异较小。因而依赖于像素级特征描述子的传统图像处理方法，如水平集、聚类分割等算法，难以在实践中发挥作用。此外，不同厂商生产的机型所产生的全景片也具有不同的统计特征分布，使得依赖于人工统计特征的算法难以适应多机型场景。

近年来，基于深度学习的实例分割技术表现出了较传统方法更卓越的性能。其强大的特征提取能力可以提取具备高级语义的特征，较像素级特征描述子更具判别力。其出色的泛化性能使得算法系统得以适应多机型服务场景。

因此，基于深度学习技术的实例分割技术有助于解决自动化牙位检出和缺失牙标记难题。

发明内容

本发明旨在提供一种克服现有技术难点，即难以精确分割牙齿，难以适应多机型场景，的牙位检出和缺失牙标记方法及装置。

为达到上述目的，本发明的技术方案具体是这样实现的：

本发明的一个方面提供了一种牙位检出和缺失牙标记方法，包括：获取原始牙科全景片影像数据，对原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；将待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集，其中，每个牙位检测结果包括：FDI牙位、包围框和分割轮廓；基于包围框，计算包围框中心作为牙位坐标，根据牙位坐标，分别对牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x-c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合得到的拟合函数，将缺失牙牙位代入拟合函数求得缺失牙横坐标，基于相邻牙位纵坐标，确定缺失牙位纵坐标，确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数；基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片影像数据上可视化输出。

其中，对原始牙科全景片影像数据进行预处理包括：对原始牙科全景片影像数据进行脱敏；如果原始牙科全景片影像数据为DICOM数据，则基于自适应算法调整DICOM数据为合适的窗宽窗位，转化为预设图像格式；和/或将原始牙科全景片影像数据进行缩小或者扩大为预设尺寸，经过对比度受限自适应直方图均衡化处理。

其中，牙位检出模型包括：基于二阶段的实例分割网络，使用ResNeXt-101作为主干网络，加入FPN模块提取具有不同尺度的特征。

其中，方法还包括：训练牙位检出模型，在训练牙位检出模型时，使用数据扩增技术增强样本多样性。

其中，在原始牙科全景片影像数据上可视化输出包括：使用滑动平均法对分割轮廓进行滤波后，在原始牙科全景片影像数据上可视化输出。

本发明另一方面提供了一种牙位检出和缺失牙标记装置，包括：影像预处理模块，用于获取原始牙科全景片影像数据，对原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；牙位检出模块，用于将待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集，其中，每个牙位检测结果包括：FDI牙位、包围框和分割轮廓；缺失牙标记模块，用于基于包围框，计算包围框中心作为牙位坐标，根据牙位坐标，分别对牙位检测结果集中上排牙位和下排牙位进行线性拟合，所的拟合函数为y＝k*abs(x-c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合得到的拟合函数，将缺失牙牙位代入拟合函数求得缺失牙横坐标，基于相邻牙位纵坐标，确定缺失牙位纵坐标，确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数；可视化输出模块，用于基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片影像数据上可视化输出。

其中，影像预处理模块通过如下方式对原始牙科全景片影像数据进行预处理：影像预处理模块，具体用于对原始牙科全景片影像数据进行脱敏；如果原始牙科全景片影像数据为DICOM数据，则基于自适应算法调整DICOM数据为合适的窗宽窗位，转化为预设图像格式；和/或将原始牙科全景片影像数据进行缩小或者扩大为预设尺寸，经过对比度受限自适应直方图均衡化处理。

其中，牙位检出模型包括：基于二阶段的实例分割网络，使用ResNeXt-101作为主干网络，加入FPN模块提取具有不同尺度的特征。

其中，装置还包括：训练模块，用于训练牙位检出模型，在训练牙位检出模型时，使用数据扩增方式增强样本多样性。

其中，可视化输出模块通过如下方式在原始牙科全景片影像数据上可视化输出：可视化输出模块，具体用于使用滑动平均法对分割轮廓进行滤波后，在原始牙科全景片影像数据上可视化输出。

由此可见，通过本发明提供的牙位检出和缺失牙标记方法及装置，完成高效、准确的牙位检出和缺失牙标记任务；适应多机型场景，影像尺寸不限，影像格式不限，如DICOM、JPEG格式等，影像来源机型不限，如普兰梅卡、三星等；在检出正常人类牙齿的同时也可以检出包括种植体、阻生齿、残根等非牙体或非正常牙体并标记对应牙位，符合医生诊断习惯；具有现有方法并不具备进一步的缺失牙标记功能。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的牙位检出和缺失牙标记方法的流程图；

图2为本发明实施例提供的位检出和缺失牙标记方法的示意图；

图3为本发明实施例提供的牙位检出模型示意图；

图4为本发明实施例提供的牙位检出和缺失牙标记装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了本发明实施例提供的牙位检出和缺失牙标记方法的流程图，参见图1，本发明实施例提供的牙位检出和缺失牙标记方法，包括：

S1，获取原始牙科全景片影像数据，对原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据。

具体地，本步骤为影像预处理步骤。可以从各大医院、诊所收集合适的牙科全景片影像作为原始数据。影像尺寸不限，影像格式不限，影像来源机型不限。收集方式可为本机文件、网络传输、存储介质拷贝传输等。

作为本发明实施例的一个可选实施方式，对原始牙科全景片影像数据进行预处理包括：对原始牙科全景片影像数据进行脱敏；如果原始牙科全景片影像数据为DICOM数据，则基于自适应算法调整DICOM数据为合适的窗宽窗位，转化为预设图像格式；和/或将原始牙科全景片影像数据进行缩小或者扩大为预设尺寸，经过对比度受限自适应直方图均衡化处理。

具体地，为了保护用户的隐私，可以对每一例影像数据进行脱敏工作，做到关键信息的不泄露；若原始数据为DICOM数据，则可以基于自适应算法调整其为合适的窗宽窗位，并将其转化为更易处理的图像格式，如JPEG等；全景片影像被缩小或扩大为一固定尺寸，并经过对比度受限自适应直方图均衡化处理。

S2，将待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集，其中，每个牙位检测结果包括：FDI牙位、包围框和分割轮廓。

具体地，本步骤为牙位检出步骤。将预处理后的牙科全景片影像输入牙位检出模型，输出牙位检测结果集，其示意图可以如图2所示。牙位表示方法遵循FDI牙位表示法。具体地，每颗牙用两位阿拉伯数字表示。第一位代表牙齿所在的口腔象限，右上、左上、左下、右下(此左右相对于病患而言)，于恒牙，为1、2、3、4；第二位代表牙齿的位置，于恒牙，从正门齿到第三臼齿为1-8。

作为本发明实施例的一个可选实施方式，牙位检出模型包括：基于二阶段的实例分割网络，使用ResNeXt-101作为主干网络，加入FPN模块提取具有不同尺度的特征。

作为本发明实施例的一个可选实施方式，本发明实施例提供的牙位检出和缺失牙标记方法还包括：训练牙位检出模型，在训练牙位检出模型时，使用数据扩增技术增强样本多样性。

具体地，牙位检出模型可以参照图3所示。其可以基于二阶段的实例分割网络，即Mask RCNN。使用ResNeXt-101(一种常用的高精度分类网络)作为主干网络，同时加入FPN(特征金字塔)模块来提取具有不同尺度的特征，以提升检测精度。其中的，每个牙位检测结果为一个由FDI(Fédération Dentaire Internationale,即国际牙科联盟)牙位、包围框、分割轮廓所组成的三元组(即，class、bbox、mask)。需要说明的是，该模型训练阶段所使用的训练数据标注既包含了正常牙齿以及非正常牙齿(种植体等)的包围框与分割轮廓，还包括了牙位信息。此外，在训练牙位检出模型时，使用了随机水平翻转，随机模糊等数据扩增技术来增强样本多样性，以提升模型泛化性能。

S3，基于包围框，计算包围框中心作为牙位坐标，根据牙位坐标，分别对牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x-c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合得到的拟合函数，将缺失牙牙位代入拟合函数求得缺失牙横坐标，基于相邻牙位纵坐标，确定缺失牙位纵坐标，确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数。

本步骤为缺失牙标记步骤。其基于模型输出的牙位检测结果集，确定缺失牙牙位及位置。具体地，将牙位检测结果集分为上排牙位和下排牙位两部分。基于牙位检测结果中的包围框信息，计算出包围框中心作为牙位坐标。根据牙位坐标分别对上下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x-c)，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数。通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，即对照FDI牙位表示法，记录未检测到的牙位，即缺失牙，确定缺失牙牙位。对已检出牙位所在位置进行线性回归，计算出缺失牙所在位置。基于拟合得到的线性函数，将缺失牙位代入函数求得缺失牙横坐标。基于相邻牙位纵坐标，确定缺失牙位纵坐标，从而确定缺失牙的唯一坐标位置。基于缺失牙牙位和缺失牙坐标，构建缺失牙标记结果集。

S4，基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片影像数据上可视化输出。

具体地，本步骤为可视化步骤。基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片上可视化输出，如图3所示。

作为本发明实施例的一个可选实施方式，在原始牙科全景片影像数据上可视化输出包括：使用滑动平均法对分割轮廓进行滤波后，在原始牙科全景片影像数据上可视化输出。具体地，为使可视化结果更加美观，使用滑动平均法对牙齿分割轮廓进行滤波。

因此，利用本发明实施例提供的牙位检出和缺失牙标记方法，输入的牙科全景片原始数据，影像尺寸不限，影像格式不限，如DICOM、JPEG格式等，影像来源机型不限，如普兰梅卡、三星等；牙位表示方法遵循FDI牙位表示法；适用于成人。具体地，适用于检出成人可能具有的32颗恒牙；适用于检出包括种植体、阻生齿、残根等非牙体或非正常牙体并标记对应牙位；在检出口腔中牙位后可以进一步标记出口腔中的缺失牙牙位及坐标。因此，适用于多机型服务场景；可检出每颗牙的牙位及分割轮廓；可检出包括种植体、阻生齿、残根等非牙体或非正常牙体并标记对应牙位，符合医生诊断习惯；可以在牙位检出的基础上进一步标记出口腔中的缺失牙牙位及坐标。

由此可见，本发明实施例提供的牙位检出和缺失牙标记方法，基于深度学习技术，可准确地对牙科全景片中的牙齿进行牙位检出和缺失牙标记。免去牙科医务工作者逐个判断牙齿并标记牙位的繁琐工作，减轻阅片压力，提升诊断效率和质量。同时，支持多种格式和多种来源机型的影像输入，较好服务多机型场景；亦可检出种植体、残根等非正常牙体的牙位，符合医生临床诊断习惯；作为口腔自动化诊断流程的重要组成部分，也是自动化诊断牙体病变的前提。

图4示出了本发明实施例提供的牙位检出和缺失牙标记装置的结构示意图，该牙位检出和缺失牙标记装置应用上述方法，以下仅对牙位检出和缺失牙标记装置的结构进行简单说明，其他未尽事宜，请参照上述牙位检出和缺失牙标记方法中的相关描述，参见图4，本发明实施例提供的牙位检出和缺失牙标记装置，包括：

影像预处理模块，用于获取原始牙科全景片影像数据，对原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；

牙位检出模块，用于将待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集，其中，每个牙位检测结果包括：FDI牙位、包围框和分割轮廓；

缺失牙标记模块，用于基于包围框，计算包围框中心作为牙位坐标，根据牙位坐标，分别对牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x-c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合得到的拟合函数，将缺失牙牙位代入拟合函数求得缺失牙横坐标，基于相邻牙位纵坐标，确定缺失牙位纵坐标，确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数；

可视化输出模块，用于基于牙位检测结果集以及缺失牙标记结果集，在原始牙科全景片影像数据上可视化输出。

作为本发明实施例的一个可选实施方式，影像预处理模块通过如下方式对原始牙科全景片影像数据进行预处理：影像预处理模块，具体用于对原始牙科全景片影像数据进行脱敏；如果原始牙科全景片影像数据为DICOM数据，则基于自适应算法调整DICOM数据为合适的窗宽窗位，转化为预设图像格式；和/或将原始牙科全景片影像数据进行缩小或者扩大为预设尺寸，经过对比度受限自适应直方图均衡化处理。

作为本发明实施例的一个可选实施方式，牙位检出模型包括：基于二阶段的实例分割网络，使用ResNeXt-101作为主干网络，加入FPN模块提取具有不同尺度的特征。

作为本发明实施例的一个可选实施方式，本发明实施例提供的牙位检出和缺失牙标记装置还包括：训练模块，用于训练牙位检出模型，在训练牙位检出模型时，使用数据扩增技术增强样本多样性。

作为本发明实施例的一个可选实施方式，可视化输出模块通过如下方式在原始牙科全景片影像数据上可视化输出：可视化输出模块，具体用于使用滑动平均法对分割轮廓进行滤波后，在原始牙科全景片影像数据上可视化输出。

因此，利用本发明实施例提供的牙位检出和缺失牙标记装置，输入的牙科全景片原始数据，影像尺寸不限，影像格式不限，如DICOM、JPEG格式等，影像来源机型不限，如普兰梅卡、三星等；牙位表示方法遵循FDI牙位表示法；适用于成人。具体地，适用于检出成人可能具有的32颗恒牙；适用于检出包括种植体、阻生齿、残根等非牙体或非正常牙体并标记对应牙位；在检出口腔中牙位后可以进一步标记出口腔中的缺失牙牙位及坐标。因此，适用于多机型服务场景；可检出每颗牙的牙位及分割轮廓；可检出包括种植体、阻生齿、残根等非牙体或非正常牙体并标记对应牙位，符合医生诊断习惯；可以在牙位检出的基础上进一步标记出口腔中的缺失牙牙位及坐标。

由此可见，本发明实施例提供的牙位检出和缺失牙标记装置，基于深度学习技术，可准确地对牙科全景片中的牙齿进行牙位检出和缺失牙标记。免去牙科医务工作者逐个判断牙齿并标记牙位的繁琐工作，减轻阅片压力，提升诊断效率和质量。同时，支持多种格式和多种来源机型的影像输入，较好服务多机型场景；亦可检出种植体、残根等非正常牙体的牙位，符合医生临床诊断习惯；作为口腔自动化诊断流程的重要组成部分，也是自动化诊断牙体病变的前提。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种牙位检出和缺失牙标记方法，其特征在于，包括：

获取原始牙科全景片影像数据，对所述原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；

将所述待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集，其中，每个所述牙位检测结果包括：FDI牙位、包围框和分割轮廓；

基于所述包围框，计算包围框中心作为牙位坐标，根据所述牙位坐标，分别对所述牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x-c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合函数，将所述缺失牙牙位代入所述拟合函数求得缺失牙横坐标，基于相邻牙位纵坐标，确定缺失牙位纵坐标，确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数；

基于所述牙位检测结果集以及所述缺失牙标记结果集，在所述原始牙科全景片影像数据上可视化输出。

2.根据权利要求1所述的方法，其特征在于，所述对所述原始牙科全景片影像数据进行预处理包括：

对所述原始牙科全景片影像数据进行脱敏；

如果所述原始牙科全景片影像数据为DICOM数据，则基于自适应算法调整所述DICOM数据为合适的窗宽窗位，转化为预设图像格式；和/或

将所述原始牙科全景片影像数据进行缩小或者扩大为预设尺寸，经过对比度受限自适应直方图均衡化处理。

3.根据权利要求1所述的方法，其特征在于，所述牙位检出模型包括：

基于二阶段的实例分割网络，使用ResNeXt-101作为主干网络，加入FPN模块提取具有不同尺度的特征。

4.根据权利要求3所述的方法，其特征在于，还包括：训练所述牙位检出模型，在训练所述牙位检出模型时，使用数据扩增技术增强样本多样性。

5.根据权利要求1所述的方法，其特征在于，所述在所述原始牙科全景片影像数据上可视化输出包括：

使用滑动平均法对所述分割轮廓进行滤波后，在所述原始牙科全景片影像数据上可视化输出。

6.一种牙位检出和缺失牙标记装置，其特征在于，包括：

影像预处理模块，用于获取原始牙科全景片影像数据，对所述原始牙科全景片影像数据进行预处理，得到待处理牙科全景片影像数据；

牙位检出模块，用于将所述待处理牙科全景片影像数据输入牙位检出模型，输出牙位检测结果集，其中，每个所述牙位检测结果包括：FDI牙位、包围框和分割轮廓；

缺失牙标记模块，用于基于所述包围框，计算包围框中心作为牙位坐标，根据所述牙位坐标，分别对所述牙位检测结果集中上排牙位和下排牙位进行线性拟合，所拟合的函数为y＝k*abs(x-c)，通过将FDI牙位表示与牙位检测结果集进行比对，确认缺失牙牙位，基于拟合得到的拟合函数，将所述缺失牙牙位代入所述拟合函数求得缺失牙横坐标，基于相邻牙位纵坐标，确定缺失牙位纵坐标，确定缺失牙的唯一坐标位置，基于缺失牙牙位和缺失牙坐标构建缺失牙标记结果集，其中，x为牙位的横坐标，y为1-8号的单象限牙位表示，abs()为绝对值算子，而k为斜率参数，c为截距参数；

可视化输出模块，用于基于所述牙位检测结果集以及所述缺失牙标记结果集，在所述原始牙科全景片影像数据上可视化输出。

7.根据权利要求6所述的装置，其特征在于，所述影像预处理模块通过如下方式对所述原始牙科全景片影像数据进行预处理：

所述影像预处理模块，具体用于对所述原始牙科全景片影像数据进行脱敏；如果所述原始牙科全景片影像数据为DICOM数据，则基于自适应算法调整所述DICOM数据为合适的窗宽窗位，转化为预设图像格式；和/或将所述原始牙科全景片影像数据进行缩小或者扩大为预设尺寸，经过对比度受限自适应直方图均衡化处理。

8.根据权利要求6所述的装置，其特征在于，所述牙位检出模型包括：基于二阶段的实例分割网络，使用ResNeXt-101作为主干网络，加入FPN模块提取具有不同尺度的特征。

9.根据权利要求8所述的装置，其特征在于，还包括：训练模块，用于训练所述牙位检出模型，在训练所述牙位检出模型时，使用数据扩增技术增强样本多样性。

10.根据权利要求6所述的装置，其特征在于，所述可视化输出模块通过如下方式在所述原始牙科全景片影像数据上可视化输出：

所述可视化输出模块，具体用于使用滑动平均法对所述分割轮廓进行滤波后，在所述原始牙科全景片影像数据上可视化输出。