CN112927225A - 基于人工智能的智齿生长状态辅助检测系统 - Google Patents

Abstract

本发明公开了一种基于人工智能的智齿生长状态辅助检测系统，涉及人工智能技术领域。该系统包括：图像获取模块用于获取智齿区域目标图像；牙齿处理模块用于获取目标牙齿窝沟的第一中心点位置和对应的目标牙龈的第二中心点位置，并根据第一中心点位置和第二中心点位置确定牙齿向量；智齿影响分析模块用于确定第一牙齿向量和第二牙齿向量之间的向量夹角，以及第二面积和第一面积的面积比例；智齿影响判断模块用于根据由向量夹角、面积比例与智齿的生长状态判断目标智齿生长状态。从而能够根据第二磨牙判断出智齿的生长方向和生长程度，然后结合智齿的生长方向和生长程度综合对智齿的生长状态进行判断，并且检测效率高，判断结果准确。

Description

基于人工智能的智齿生长状态辅助检测系统

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的智齿生长状态辅助检测系统。

背景技术

智齿也称作智慧齿、第三磨牙，一般在人类16-35岁之间长出，位于牙槽骨末端，经常由于生长方向或空间等问题造成多种口腔疾病，由于位置固定，能够根据智齿与其他牙齿的相对位置判断智齿的具体位置。

在智齿的阻生牙拔除治疗中，需要专业医生进行问诊、拍摄X光片或者其他检查方法，从而确定智齿的生长状态、以及对其他牙齿或者口腔健康的危害。但并非所有的智齿都需要拔除，有些生长方向正常、咬合对称的智齿无需拔除。

现有的方法中，有通过牙齿的三维轮廓数据获取该牙齿的方向的方法，有将获取到的牙齿区域图像输入到牙病识别模型进行牙病识别，输出牙病位置及类型。

发明人在实践中，发现上述现有技术存在以下缺陷：

由于智齿的不同生长状态对人体造成的影响不同，人为地对智齿进行诊断，诊断效率低下，而现有的计算机检测技术中无法准确地对智齿的生长状态进行检测。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的智齿生长状态辅助检测系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于人工智能的智齿生长状态辅助检测系统，该系统包括图像获取模块、牙齿处理模块、智齿影响分析模块和智齿影响判断模块。

其中，图像获取模块，用于获取智齿区域目标图像；所述区域目标包括目标牙齿和对应的目标牙龈；所述目标牙齿包括目标智齿和目标第二磨牙；

牙齿处理模块，用于获取所述目标牙齿的面积，获取所述目标牙齿窝沟的第一中心点位置和对应的目标牙龈的第二中心点位置，由所述第一中心点位置和第二中心点位置确定牙齿向量；

智齿影响分析模块，用于获取目标智齿的第一牙齿向量和第一面积，获取目标第二磨牙的第二牙齿向量和第二面积，确定所述第一牙齿向量和所述第二牙齿向量之间的向量夹角，以及所述第二面积和所述第一面积的面积比例；

智齿影响判断模块，用于根据由所述向量夹角、所述面积比例与智齿的生长状态成正相关关系所构建的智齿生长状态判断模型，判断所述目标智齿生长状态；所述生长状态包括生长方向和生长程度。

本发明实施例至少具有如下有益效果：

本发明通过获取智齿与其相邻的第二磨牙，判断出智齿的生长方向和生长程度，结合智齿的生长方向和生长程度综合对智齿的生长状态进行判断，检测效率高，判断结果准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。

图1为本发明一个实施例所提供的一种基于人工智能的智齿生长状态辅助检测系统具体框图；

图2为本发明一个实施例所提供的一种基于人工智能的智齿生长状态辅助检测系统框图；

图3为本发明一个实施例所提供的一种基于人工智能的智齿生长状态辅助检测系统图像获取模块示意图；

图4为本发明一个实施例所提供的一种基于人工智能的智齿生长状态辅助检测系统中智齿区域图像示意图；

图5为本发明一个实施例所提供的一种基于人工智能的智齿生长状态辅助检测系统牙齿处理模块第一示意图；

图6为本发明一个实施例所提供的一种基于人工智能的智齿生长状态辅助检测系统牙齿处理模块第二示意图；

图7为本发明一个实施例所提供的一种基于人工智能的智齿生长状态辅助检测系统智齿影响判断模块示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的智齿生长状态辅助检测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于人工智能的智齿生长状态辅助检测系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于人工智能的智齿生长状态辅助检测系统具体框图。

如图2所示，该系统包括图像获取模块100、牙齿处理模块200、智齿影响分析模块300和智齿影响判断模块400。

其中，图像获取模块用于获取智齿区域目标图像；智齿目标包括目标牙齿和目标牙龈；目标牙齿包括目标智齿和目标第二磨牙。

在本实施例中，如图3所示，图像获取模块100还包括图像采集单元110、智齿搜索单元120和目标图像获取单元130。

其中，图像采集单元110用于在每个牙齿分区内由中切牙向第三磨牙方向采集牙齿区域图像，将牙齿区域图像输入到实例分割网络，获取牙齿第一实例图像；在本实施例中，牙齿分区为牙位表示法中的A、B、C和D四个分区。

具体地，先利用RGB相机实时采集牙齿区域图像，为了使摄像头的实现不受嘴唇遮挡，能够获取清晰的牙齿区域图像，本发明实施例中，RGB相机为可以深入拍摄牙齿区域图像的小型摄像头，其构造类似于内窥镜。RGB相机的拍摄按照牙位表示法中的A、B、C和D四个分区分别进行采集，每个分区按照由第一切牙向第三磨牙方向采集牙齿区域图像。

由于HSV色彩空间相对于RGB色彩能够更好地突出色度差异，能够更直接地区分牙齿与牙龈之间的颜色差异，因此将RGB色彩转换到HSV色彩空间中。根据牙齿颜色的色度区间与牙龈颜色的色度区间，设定第一色调阈值为H∈[0°,40°)∪(320°,360°)，当牙齿颜色的色度属于第一色调阈值区间时，则将像素置0，否则置1，获得牙齿区域图像的二值化图像为第一二值化图像。

对第一二值化图像筛选连通域，并删去像素总数小于第一像素数量阈值的连通域；根据先验牙齿大小，本实施例将第一像素数量阈值设定为300。对上述连通域进行孔洞填充，得到牙齿模板遮罩。将牙齿模板遮罩与牙齿区域图像相乘，得到牙齿图像。上述牙齿图像包含牙齿信息，其他区域像素值均为0。

将牙齿图像输入到实例分割网络，输出为牙齿的实例分割图，即获取到牙齿第一实例图像。

具体地，实例分割网络的训练过程为：

以大量的牙齿图像作为训练数据集。标签的制作：绘制所有牙齿的模板区域，对不同的牙齿给定不同的标签，最终的得到标签数据有N个通道，通道数等于图片包含的实例数，每一个通道包含一颗牙齿的标签信息。数据集所包含图像需经过预处理。本发明实施例采用归一化方法作为预处理，以便模型更好地收敛。标签同样经过归一化处理。

通过采集的图像和标签数据，端到端地训练实例分割网络。第一编码器(Encoder1)对图像进行特征提取，输入为经过归一化处理的图像数据，输出为特征图(FeatureMap)；将FeatureMap送入全连接层(FC)得到每一种牙齿的包围框；将每一个包围框的裁剪图片输入第二编码器(Encoder2)和解码器(Decoder)得到每一颗牙齿的实例，最后输出M个通道数的实例分割图，每一个通道代表一颗牙齿的实例。

损失函数采用交叉熵损失函数。

具体的，上述实例分割网络可采用的网络结构方式衡多，包括Mask-RCNN、PANnet等网络结构；上述第一编码器和第二编码器可以选择Mobilenet、Shufflenet等轻量化模型，更利于网络的训练。在本实施例中，实例分割网络采用PANnet的网络结构，编码器选择套用Shufflenet模型。

智齿区域获取单元120用于基于直线检测，获取第一实例图像中窝沟的第一放射线状区域，根据第一放射线状区域的最小外接矩形的面积和长宽比确定第一磨牙，由第一磨牙、第二磨牙和智齿的相邻关系，获取智齿的位置，在智齿的位置处采集多帧智齿区域图像，将多帧智齿区域图像输入实例分割网络，获取牙齿第二实例图像，第二实例图像中包括第二磨牙和智齿。

具体地，本发明实施例中，相机一边采集牙齿区域图像一边获取牙齿第一实例图像。由于牙齿顶部窝沟特征明显，对牙齿第一实例图像基于第一灰度阈值进行分割，获得牙齿第一实例图像的二值化图像为第二二值化图像。在本发明实施例中，第一灰度阈值为80。

对第二二值化图像进行直线检测，获取牙齿的窝沟区域，窝沟区域在图像中呈现放射线状，将该放射线状末端点相连，获取该放射线状区域为第一放射线状区域，对第一放射线状区域进行闭运算，将可能的断线处连接并与牙齿第一实例图像相乘。

对原图像进行外接矩形提取，若第一放射线状区域为磨牙的放射线状区域时，则磨牙的放射线状区域的主要线条将会被同一个外接矩形所包含，且长宽比偏差较小；若图中不是磨牙的放射线状区域，则灰度小于第一灰度阈值的像素点将会随机分布，或成为单一线条。获取该外接矩形的高H和宽W，则外接矩形的面积为H×W，外接矩形的长宽比为H/W，当外接矩形的面积满足预设面积阈值且其长宽比也满足预设长宽比阈值时，根据预设面积阈值与预设长宽比阈值确定第一磨牙。本发明实施例中，预设面积阈值为100，预设长宽比阈值为[0.5,2]，即外接矩形的高H和宽W满足H×W>100且H/W∈[0.5,2]时，判断该外接矩形包围的放射线状区域为磨牙的放射线状区域。由于相机由中切牙向第三磨牙方向采集牙齿区域图像，所以当检测到牙齿区域图像的的牙齿第一实例图像出现放射线时，确定该牙齿为第一磨牙，由第一磨牙、第二磨牙和智齿的相邻关系，继续向内侧寻找第二磨牙和智齿，确定智齿的位置并划分为智齿ROI区域。

确定智齿的位置后，相机开始高帧率拍摄模式，在智齿的位置处采集多帧智齿区域图像。如图4所示，智齿区域图像包括第二磨牙10、智齿20、第二磨牙的牙龈30和智齿的牙龈40。获得多帧智齿区域图像后，将多帧智齿区域图像输入实例分割网络，获取牙齿第二实例图像，第二实例图像中包括第二磨牙和智齿。

目标图像获取单元130用于获取第二磨牙的面积，第二磨牙的面积包括牙齿顶面面积和牙齿侧面面积，获取牙齿侧面面积与牙齿顶面面积的比值，由牙齿的预设侧顶比阈值判断最佳智齿区域图像，将最佳智齿区域图像作为智齿区域目标图像；牙齿顶面面积为第一放射线状区域的面积。

为了能通过多帧采集到的智齿区域图像中清晰观察到顶部的放射线及侧面的牙龈分布情况，需要通过智齿区域图像的第二磨牙的侧顶比选出最佳的智齿区域图像。

具体地，获取牙齿第二实例图像的同时，仍对第二磨牙进行直线检测，获取第二磨牙的放射线状区域。获取第二磨牙第二实例图像的二值化图像，获取其连通域面积作为第二磨牙的面积S₀，第二磨牙的面积包括牙齿顶面面积和牙齿侧面面积，本发明实施例中，将第二磨牙放射线状区域的面积作为牙齿顶面面积S_up，那么第二磨牙的侧面面积为S₀-S_up，获取牙齿侧面面积与牙齿顶面面积的比值，该比值为第二磨牙的侧顶比α，则α：

获取到第二磨牙的侧顶比α后，由牙齿的预设侧顶比阈值判断最佳智齿区域图像，本发明实施例中，预设侧顶比阈值为[0.8，1.2]，先获取侧顶比α∈[0.8，1.2]的第一智齿区域图像，在从第一智齿区域图像中获取最接近预设侧顶比阈值为1的第一智齿区域图像作为最佳智齿区域图像。将该最佳智齿区域图像作为智齿区域目标图像，那么该智齿区域目标图像中包括目标牙齿和目标牙龈，目标牙齿包括需要分析的目标智齿和目标第二磨牙，目标牙龈目标智齿牙龈和目标第二磨牙的牙龈。

牙齿处理模块200用于获取目标牙齿的面积，获取目标牙齿的窝沟的中心点位置和其目标牙龈的中心点位置，由目标牙齿的窝沟的中心点位置和对应的目标牙龈的中心点位置确定牙齿向量。

如图5所示，牙齿处理模块200包括中心点第一单元210、面积获取单元220和牙龈中心点单元230。

其中，中心点第一单元210用于基于直线检测，获取目标牙齿的窝沟的目标放射线状区域，以目标放射线状区域的中心点作为第一中心点位置；

具体地，获取到智齿区域目标图像后，基于实例分割网络，获取目标牙齿的第三实例图像，将第三实例图像通过与智齿区域获取单元120中基于直线检测的相同操作，获取目标牙齿的窝沟的目标放射线状区域，将目标放射线状区域的中心点位置作为第一中心点位置。

面积获取单元220用于获取目标牙齿的连通域面积，将连通域面积作为目标牙齿的面积。

在获取第一中心点位置的同时，将智齿区域目标图像转化到HSV色彩空间中，通过预设饱和度阈值获取牙齿目标区域面积，本发明实施例中，预设饱和度阈值为80％，大于该饱和度阈值的智齿区域目标图像的像素置为1，其余智齿区域目标图像的像素置为0，获得了智齿区域目标图像的二值化目标图像，对该二值化目标图像进行连通域分析，获取目标牙齿的面积。

牙龈中心点单元230用于基于凸包检测，获取目标牙龈的突出节点，以突出节点之间的中心点位置作为第二中心点位置。

具体地，获取智齿区域目标图像中的目标牙齿实例对应的目标牙龈图像，基于凸包检测，获取目标牙龈图像中目标牙龈的突出节点，突出节点表示为目标牙齿与其对应的目标牙龈连接部分的角点，利用节点之间的间隔的关系，即节点之间的间隔在间隔误差阈值内为均匀的，取目标牙龈的突出节点之间的牙龈中点位置，作为第二中心点位置。

在获取到目标牙齿的面积，获取第一中心点位置和对应的第二中心点位置后，获取第一中心点位置和对应的第二中心点位置组成的牙齿向量。牙齿向量方向为牙齿生长的方向，即从第二中心点位置指向第一中心点位置。

如图6所示，牙齿处理模块200还包括中心点第二单元240；

中心点第二单元240用于在无法检测到目标智齿的目标放射线状区域时，对目标智齿图像进行第一凸包检测获得目标智齿凸包图像，根据凸包图像和目标智齿图像获取目标智齿顶部区域图像，对目标智齿顶部区域图像进行第二凸包检测，获取目标智齿顶部中心角点位置，将中心角点位置作为第二中心点位置。

具体地，当目标智齿过于倾斜导致无法检测到目标智齿的目标放射线状区域时，获取目标智齿的第三实例图像，对目标智齿的第三实例图像进行凸包检测，获得目标智齿凸包图像，将目标智齿凸包图像与目标智齿的第三实例图像相减后，获取目标智齿顶部区域图像，对目标智齿顶部区域图像进行第二凸包检测，获取目标智齿顶部中心角点位置，将该中心角点位置作为目标智齿的窝沟的中心点位置。

智齿影响分析模块300用于获取目标智齿的第一牙齿向量和第一面积，获取目标第二磨牙的第二牙齿向量和第二面积，确定第一牙齿向量和第二牙齿向量之间的向量夹角，以及第二面积和第一面积的面积比例；

具体地，由于牙齿处理模块200获取到了目标牙齿的面积和由目标牙齿的窝沟的中心点位置和其目标牙龈的中心点位置组成的牙齿向量，从该牙齿向量中提取目标智齿的第一牙齿向量

和目标第二磨牙的第二牙齿向量

以及从目标牙齿的面积中提取出目标智齿的第一面积S₁和目标第二磨牙的第二面积S₂。具体的，对智齿区域获取单元120所获得的智齿ROI区域进行阈值分割。由于牙齿所对应的HSV色彩中饱和度偏低，偏白色，在本实施例中，设定阈值为80％，大于阈值的部分置1，其余置0。将二值图进行连通域分析后，获得第一面积S₁。

由目标智齿的第一面积S₁和目标第二磨牙的第二面积S₂，获取第二面积S₂和第一面积S₁的面积比例M：

其中，β表示是否检测到智齿的放射线，若检测到放射线β＝1，没有检测到放射线β＝0。

需要说明的是，通过面积比例M能够反映出智齿生长程度，具体表示为智齿当前的生长程度占正常磨牙的百分比大小。具体的，在本实施例中还利用智齿与第二磨牙的限制关系对面积比例与智齿生长程度的映射关系进行调节：

其中，ε为调整系数。α′为智齿的侧顶比，用于结合第二磨牙的侧顶比例反应出智齿生长的不同状态，从而修正生长程度。

若α^′＜＜α，即

则智齿生长程度不大于20％；若

则智齿生长程度在20％到70％之间；若

则智齿处于生长完全的状态，程度大于70％。

由目标智齿的第一牙齿向量

和目标第二磨牙的第二牙齿向量

计算目标智齿与目标第二磨牙之间的向量夹角θ：

其中，根据向量夹角θ能够判断出当前智齿的生长方向。

智齿影响判断模块400用于根据由向量夹角、面积比例与智齿的生长状态成正相关关系所构建的智齿生长状态判断模型，判断目标智齿生长状态；生长状态包括生长方向和生长程度。

如图7所示，智齿影响判断模块400还包括模型构建单元410和判断单元420。

其中，模型构建单元410用于根据向量夹角、面积比例构建的智齿生长状态判断模型。

具体地，当智齿的生长方向偏差较大，生长程度还较大时，智齿会对其相邻的第二磨牙造成挤压，或产生牙龈肿胀，或造成牙周炎等口腔疾病；当智齿的生长方向偏差较小时，但上下智齿形不成咬合，那么此时的智齿的生长状态也是异常的。因此智齿的生长程度和生长方向共同决定了智齿的生长状态。

由向量夹角、面积比例与智齿的生长状态成正相关关系构建智齿生长状态判断模型，判断智齿生长状态Res：

其中，Res表示为智齿生长状态；θ表示为向量夹角；M表示为面积比例；ε(0.34-sinθ)表示为阶跃函数；

表示为牙齿的A、B、C和D四个分区的智齿生长状态的交集。

判断单元420用于判断智齿生长状态是否处于正常的在生长状态阈值内，进而判断智齿生长状态是否为正常状态。

具体地，当获取智齿生长状态在生长状态阈值内时，判断智齿生长状态正常，本发明实施例中，生长状态阈值为[17,34]，即生长状态Res∈[17,34]时，判断智齿生长状态正常，不需要拔除智齿。否则，需要对智齿进行拔除。

综上所述，本发明实施例通过获取智齿与其相邻的第二磨牙，判断出智齿的生长方向和生长程度，结合智齿的生长方向和生长程度综合对智齿的生长状态进行判断，检测效率高，判断结果准确。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于人工智能的智齿生长状态辅助检测系统，其特征在于，该系统包括图像获取模块、牙齿处理模块、智齿影响分析模块和智齿影响判断模块；

所述图像获取模块，用于获取智齿区域目标图像；所述区域目标包括目标牙齿和对应的目标牙龈；所述目标牙齿包括目标智齿和目标第二磨牙；

所述牙齿处理模块，用于获取所述目标牙齿的面积，获取所述目标牙齿窝沟的第一中心点位置和对应的目标牙龈的第二中心点位置，由所述第一中心点位置和第二中心点位置确定牙齿向量；

所述智齿影响分析模块，用于获取目标智齿的第一牙齿向量和第一面积，获取目标第二磨牙的第二牙齿向量和第二面积，确定所述第一牙齿向量和所述第二牙齿向量之间的向量夹角，以及所述第二面积和所述所述第一面积的面积比例。

所述智齿影响判断模块，用于根据由所述向量夹角、所述面积比例与智齿的生长状态成正相关关系所构建的智齿生长状态判断模型，判断所述目标智齿生长状态；所述生长状态包括生长方向和生长程度。

2.根据权利要求1所述的基于人工智能的智齿生长状态辅助检测系统，其特征在于，所述图像获取模块还包括图像采集单元、智齿搜索单元和目标图像获取单元；

所述图像采集单元，用于在每个牙齿分区内由中切牙向第三磨牙方向采集牙齿区域图像，将所述牙齿区域图像输入到实例分割网络，获取牙齿第一实例图像；

所述智齿区域获取单元，用于基于直线检测，获取所述第一实例图像中窝沟的第一放射线状区域，根据所述第一放射线状区域的最小外接矩形的面积和长宽比确定第一磨牙，由所述第一磨牙、第二磨牙和智齿的相邻关系，获取所述智齿的位置，在所述智齿的位置处采集多帧智齿区域图像，将所述多帧智齿区域图像输入实例分割网络，获取所述牙齿第二实例图像，所述第二实例图像中包括第二磨牙和智齿；

所述目标图像获取单元，用于获取所述第二磨牙的面积，所述第二磨牙的面积包括牙齿顶面面积和牙齿侧面面积，获取所述牙齿侧面面积与所述牙齿顶面面积的比值，由所述牙齿的预设侧顶比阈值判断最佳智齿区域图像，将所述最佳智齿区域图像作为所述智齿区域目标图像；所述牙齿顶面面积为所述第一放射线状区域的面积。

3.根据权利要求1所述的基于人工智能的智齿生长状态辅助检测系统，其特征在于，所述牙齿处理模块包括中心点第一单元、面积获取单元和牙龈中心点单元；

所述中心点第一单元，用于基于直线检测，获取所述目标牙齿的窝沟的目标放射线状区域，以所述目标放射线状区域的中心点作为所述目标牙齿的窝沟的中心点位置；

所述面积获取单元，用于获取所述目标牙齿的连通域面积，将所述连通域面积作为所述目标牙齿的面积；

所述牙龈中心点单元，用于基于凸包检测，获取所述目标牙龈的突出节点，以所述突出节点之间的中心点位置作为所述第二中心点位置。

4.根据权利要求1或3所述的基于人工智能的智齿生长状态辅助检测系统，其特征在于，所述牙齿处理模块还包括中心点第二单元；

所述中心点第二单元，用于在无法检测到所述目标智齿的所述目标放射线状区域时，对所述目标智齿图像进行第一凸包检测获得目标智齿凸包图像，根据所述凸包图像和所述目标智齿图像获取目标智齿顶部区域图像，对所述目标智齿顶部区域图像进行第二凸包检测，获取目标智齿顶部中心角点位置，将所述中心角点位置作为所述第二中心点位置。

5.根据权利要求1所述的基于人工智能的智齿生长状态辅助检测系统，其特征在于，所述智齿影响判断模块还包括模型构建单元和判断单元；

所述模型构建单元，用于根据所述向量夹角、所述面积比例构建的智齿生长状态判断模型：

其中，Res表示为所述智齿生长状态；θ表示为所述向量夹角；M表示为所述面积比例；ε(0.34-sinθ)表示为阶跃函数；

表示为牙齿的四个分区的智齿生长状态的交集；

所述判断单元，用于判断所述智齿生长状态是否处于正常的生长状态阈值内，进而判断所述智齿生长状态是否为正常状态。

Images