CN113361409A - 牙齿图像数据处理方法、装置、电子设备及可读存储介质 - Google Patents
牙齿图像数据处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113361409A CN113361409A CN202110632519.1A CN202110632519A CN113361409A CN 113361409 A CN113361409 A CN 113361409A CN 202110632519 A CN202110632519 A CN 202110632519A CN 113361409 A CN113361409 A CN 113361409A
- Authority
- CN
- China
- Prior art keywords
- image data
- data
- tooth
- face
- target object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种牙齿图像数据处理方法、装置、电子设备及可读存储介质，所述牙齿图像数据处理方法包括以下步骤：获取目标对象的牙齿图像数据；分析所述牙齿图像数据获得缺陷区域数据；获取所述目标对象的人脸图像数据；依据所述人脸图像数据判断所述目标对象的年龄信息；依据所述年龄信息获取对应的牙齿模型数据；依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。通过获取所述目标对象的人脸图像数据，从而获取对应的牙齿模型数据，进而获得牙齿图像显示数据，整个显示过程不需要人工参与，更加智能化、自动化，可以快速的显示牙齿图像显示数据，提高了所述牙齿图像显示数据的显示效率和牙齿诊断效率。
Description
技术领域
本发明涉及计算机图像处理技术领域，尤其涉及一种牙齿图像数据处理方法、装置、电子设备及可读存储介质。
背景技术
随着社会经济的不断发展，社会大众生活水平的逐步改善，计算机技术在生产生活中得到广泛推广，特别是计算机图像处理技术，成为当前计算机应用领域中的重要技术类型之一。
随着人们对健康的重视程度的提升，可视牙镜、可视洁牙器等口腔内窥产品在医疗、日常生活等领域都得到了广泛使用，现有技术中，可视牙镜、可视洁牙器等在使用过程中，用户或者医护人员通常通过观察可视牙镜、可视洁牙器等拍摄的图像对牙齿进行操作，操作过程需要依赖用户或者医护人员的经验等主观判断，用户体验不佳。
发明内容
有鉴于此，本发明提供一种牙齿图像数据处理方法、装置、电子设备及可读存储介质，所述牙齿图像数据处理方法包括以下步骤：
获取目标对象的牙齿图像数据；
分析所述牙齿图像数据获得缺陷区域数据；
获取所述目标对象的人脸图像数据；
依据所述人脸图像数据判断所述目标对象的年龄信息；
依据所述年龄信息获取对应的牙齿模型数据；
依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
本发明实施例提供的牙齿图像数据处理方法中，通过获取目标对象的牙齿图像数据中的缺陷区域数据及所述目标对象的牙齿模型数据，可以将所述牙齿模型数据结合所述缺陷区域数据以所述牙齿图像显示数据进行输出，便于用户、医护人员等直观的观察所述目标对象的牙齿的缺陷区域并对其进行操作或治疗，用户体验更佳，同时，通过获取所述目标对象的人脸图像数据，并依据所述人脸图像数据判断所述目标对象的年龄信息，从而获取对应的牙齿模型数据，进而获得牙齿图像显示数据，整个显示过程不需要人工参与，更加智能化、自动化，可以快速的显示牙齿图像显示数据，提高了所述牙齿图像显示数据的显示效率和牙齿诊断效率，且通过所述人脸图像数据识别获取所述牙齿模型数据，数据匹配精度更高，对操作者没有操作经验的要求，用户体验更佳。
根据本发明的一种实施例，所述人脸图像数据包括所述目标对象的下半边脸部的图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：
将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息，所述局部人脸年龄识别网络模型为利用多个下半边脸部的样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
根据本发明的一种实施例，所述多个下半边脸部的样本图像包括所述唇部区域样本图像和唇周区域样本图像，所述对在初始卷积神经网络模型中进行训练过程中，将所述唇部区域样本图像和所述唇周区域样本图像与相应的所述样本年龄信息作为特征向量进行融合学习以获得所述局部人脸年龄识别网络模型，所述将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息的步骤包括，对所述下半边脸部的图像数据进行特征提取获得唇部区域数据和所述唇部区域外围的唇周区域数据，将所述唇部区域数据和所述唇周区域数据输入所述局部人脸年龄识别网络模型获得所述目标对象的年龄信息。
可以理解，基于数据脱敏的考虑，采用下半边脸部的图像数据进行识别以及采用下半边脸部的样本图像进行训练等，如将所述唇部区域样本图像、唇周区域样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得所述局部人脸年龄识别网络模型后，将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型即可获得所述目标对象的年龄信息，从而可以只通过下半边脸部的图像数据即可获得所述目标对象的年龄信息，在快速、精确获得所述目标对象的年龄信息的同时，还可以防止整体人脸等敏感信息的泄露，从而保护所述目标对象的隐私。特别是，只采用下半边脸部的图像数据和样本图像，由于可以去掉跟用户身份信息的联系，可以便于获取训练数据，并且在实际使用中也不会被用户反感，从而具有较好的用户体验性。此外，通过唇部区域、唇周区域的图像即可获得所述目标对象的年龄信息可以减少需要处理的数据量，提升识别效率。另外，可以通过设置所述唇部区域样本图像、唇周区域样本图像及相应的样本年龄信息组成的样本控制所述局部人脸年龄识别网络模型的识别精度及生成效率，使用户有更灵活的选择空间，用户可以根据实际应用的识别需要进行设置，提升了用户满意度。
根据本发明的一种实施例，所述人脸图像数据包括所述目标对象的全脸图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：
将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息，所述全脸年龄识别网络模型为利用多个全脸样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
在上述实施例中，通过将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息，可以更加准确地识别到所述目标对象的年龄信息，提高所述目标对象的年龄信息的识别精度，使识别结果更加准确。
根据本发明的一种实施例，所述年龄信息包括多组，每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列，第i个所述预设年龄区间段的最小值与第i-1个所述预设年龄区间段的最大值相同或为相邻数，所述第i个所述预设年龄区间段的最大值与第i+1个所述预设年龄区间段的最小值相同或为相邻数，i为大于等于2的自然数。
根据本发明的一种实施例，所述依据所述年龄信息获取对应的牙齿模型数据的步骤包括：
依据所述年龄信息在查找表中查找对应的牙齿模型数据，其中，所述查找表中存储多个所述年龄信息及多个与所述年龄信息一一对应的牙齿模型数据。
在上述实施例中，通过对所述年龄信息进行分组，且每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列且为相邻数，可以使所述年龄信息覆盖更加全面，划分更加精准，从而使依据所述年龄信息及多个与所述年龄信息查找的对应的牙齿模型数据更加准确。
根据本发明的一种实施例，所述方法还包括以下步骤：控制显示模组依据所述牙齿图像显示数据显示图像，所述显示图像包括所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域。
在上述实施例中，通过控制显示模组依据所述牙齿图像显示所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域的数据显示图像，可以使用户更加直观、方便、清晰的看到牙齿状态，便于用户了解自身牙齿的缺陷，也便于医生依据所述数据显示图像制定治疗方案。
此外，本发明实施例还提供一种牙齿图像数据处理方法，其包括以下步骤：
获取目标对象的牙齿图像数据；
分析所述牙齿图像数据获得缺陷区域数据；
获取所述目标对象的牙齿模型数据；
依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
本发明实施例提供的牙齿图像数据处理方法中，通过获取目标对象的牙齿图像数据中的缺陷区域数据及所述目标对象的牙齿模型数据，可以将所述牙齿模型数据结合所述缺陷区域数据以所述牙齿图像显示数据进行输出，便于用户、医护人员等直观的观察所述目标对象的牙齿的缺陷区域并对其进行操作或治疗，用户体验更佳。
此外，本发明实施例还提供一种牙齿图像数据处理装置，其包括：
第一获取模块，用于获取目标对象的牙齿图像数据；
分析模块，用于分析所述牙齿图像数据获得缺陷区域数据；
第二获取模块，用于获取所述目标对象的人脸图像数据；
判断模块，依据所述人脸图像数据判断所述目标对象的年龄信息；
第三获取模块，依据所述年龄信息获取对应的牙齿模型数据；
数据处理模块，用于依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
此外，本发明实施例还提供一种电子设备，所述电子设备包括存储器及处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述任意一项所述的牙齿图像数据处理方法。
此外，本发明实施例还提供一种可读存储介质，所述可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任意一项所述的牙齿图像数据处理方法。
本发明实施例提出的牙齿图像数据处理装置、电子设备及可读存储介质中，通过获取所述目标对象的人脸图像数据，并依据所述人脸图像数据判断所述目标对象的年龄信息，从而获取对应的牙齿模型数据，进而获得牙齿图像显示数据，整个显示过程不需要人工参与，更加智能化、自动化，可以快速的显示牙齿图像显示数据，提高了所述牙齿图像显示数据的显示效率和牙齿诊断效率，且通过所述人脸图像数据识别获取所述牙齿模型数据，数据匹配精度更高，对操作者没有操作经验的要求，用户体验更佳。
附图说明
图1为本发明一个实施例提供的牙齿图像数据处理方法的流程图；
图2为本发明另一个实施例提供的牙齿图像数据处理方法的流程图；
图3为本发明一个实施例提供的牙齿图像数据处理装置的模块示意图；
图4是本发明一种实施例的电子设备的结构示意图；
图5是本发明一种实施例的可读存储介质的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
牙齿图像数据处理装置可以为可手持牙齿图像处理装置，包括但不限于可手持的可视口腔镜、可视洁牙器中的一个。其中，所述牙齿图像数据处理装置可以包括图像采集端、数据处理端，所述图像采集端可以是所述牙齿图像数据处理装置上设有摄像模组的操作探头及与所述操作探头连接的图像传感器，所述数据处理端可以是具有图片处理、数据运算功能的处理器或者具有图片处理、数据运算功能的处理器的终端设备等，如服务器、服务器集群、手机、平板电脑、笔记本电脑、台式电脑、个人数字助理等设备。
所述牙齿图像数据处理装置将所述图像采集端采集到的图像数据传送到所述数据处理端，然后通过所述数据处理端进行处理后对用户显示输出处理后的图像。
本实施例中，所述数据处理端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理等具有运算功能的处理器和具有图像显示功能的显示模组的终端设备，所述牙齿图像数据处理方法可以是所述数据处理端上安装的应用程序，如APP，所述图像采集端通过WiFi与所述数据处理端进行通信连接后，将所述图像采集端采集的牙齿图像数据传送给所述数据处理端，所述数据处理端获得采集的牙齿图像数据后，通过获得对应的牙齿模型数据后，通过所述显示模组向用户显示输出牙齿图像显示数据。可以理解，用户、医护人员等在进行操作时，通过显示输出的牙齿图像显示数据可以了解到目标对象的牙齿情况，并根据牙齿情况对牙齿进行操作、治疗等。
在另一些实施例中，所述图像采集端和所述数据处理端可以合为一体，显示输出所述牙齿图像显示数据的显示模组可以为具有显示功能的显示设备，其可以与所述牙齿图像数据处理装置合为一体，也可以是单独的显示器，通过有线或无线通信，如网线、蓝牙、WiFi等，连接到所述图像采集端和所述数据处理端。
请参阅图1，图1为本发明一个实施例提供的牙齿图像数据处理方法的流程图，需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如前所述，在一些实施例中，所述图像采集端和所述数据处理端分体设置，上述牙齿图像数据处理方法可以运行于所述数据处理端的应用程序中，即所述数据处理端是具有图片处理、数据运算功能的终端设备，所述数据处理端接收设有摄像模组的操作探头提供的牙齿图像数据后执行所述牙齿图像数据处理方法，但在其他变更实施例中，所述图像采集端和所述数据处理端可以集成一体时，如操作探头上也设有具有图片处理、数据运算功能的处理器，操作探头可以自行执行上述牙齿图像数据处理方法，并将上述牙齿图像数据处理方法获得的牙齿图像显示数据传输至显示设备，以使得显示设备可以显示牙齿图像显示数据。具体地，如图1所示，该方法包括步骤：
步骤S101：获取目标对象的牙齿图像数据。
在步骤S101中，可以将可视口腔镜、可视洁牙器等设备上具有摄像功能的操作探头放入所述目标对象的口腔中，对所述目标对象口腔中牙齿的状态进行拍摄获取所述目标对象的牙齿图像数据。
步骤S102：分析所述牙齿图像数据获得缺陷区域数据。
在步骤S102中，可以采用目标识别等技术识别步骤S101中拍摄的所述牙齿图像数据中具有缺陷的牙齿的缺陷区域数据，如蛀牙、磨损牙等。
步骤S103：获取所述目标对象的人脸图像数据。
需要说明的是，在步骤S103中，所述目标对象的人脸图像数据可以直接利用可视口腔镜、可视洁牙器等设备上具有摄像功能的操作探头直接进行拍摄，也可以是所述目标对象事先提供的个人面部图像或者使用其他拍摄设备，如相机、手机等拍摄的面部图像。
步骤S104：依据所述人脸图像数据判断所述目标对象的年龄信息。
所述人脸图像数据是包括了人体面部信息的图像数据，通过对所述人脸图像数据进行识别，可以判断出所述目标对象的年龄信息。
本实施例中，所述年龄信息可以包括多组，每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列，第i个所述预设年龄区间段的最小值与第i-1个所述预设年龄区间段的最大值相同或为相邻数，所述第i个所述预设年龄区间段的最大值与第i+1个所述预设年龄区间段的最小值相同或为相邻数，i为大于等于2的自然数。例如，可以将所述年龄信息以10岁为间隔进行区分，则可以按10-20岁为一组，20-30岁为一组，30-40岁为一组依次划分，也可以按10-19岁为一组，20-29岁为一组，30-39岁为一组依次划分，可以理解，为使所述年龄信息更加准确，可以将所述年龄信息的划分跨度设置的更小，如间隔5岁为一组等，另外，所述年龄信息还可以包括性别、种属特征等，使所述年龄信息划分出来的范围更加精确。
在上述实施例中，通过对所述年龄信息进行分组，且每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列且为相邻数，可以使所述年龄信息覆盖更加全面，划分更加精准，从而使依据所述年龄信息及多个与所述年龄信息查找的对应的牙齿模型数据更加准确。
步骤S105：依据所述年龄信息获取对应的牙齿模型数据。
本实施例中，可以依据所述年龄信息在查找表中查找对应的牙齿模型数据，其中，所述查找表中存储多个所述年龄信息及多个与所述年龄信息一一对应的牙齿模型数据。可以理解，所述查找表可以是事先建立的所述牙齿模型数据的数据库的索引表，所述牙齿模型数据的数据库可以是可视口腔镜、可视洁牙器等设备厂家根据牙齿发育模型建立的，也可以是使用可视口腔镜、可视洁牙器等设备的医疗机构根据客户牙齿信息建立的，也可以是其他途径建立的，可以理解，建立所述牙齿模型数据的数据库的数据信息越多，所述牙齿模型数据越准确。
在上述实施例中，通过所述年龄信息在查找表中查找对应的牙齿模型数据，效率高，可以实现所述牙齿数据模型的智能化、自动化查找。
步骤S106：依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
具体地，在检索到与所述目标对象相对应的所述牙齿模型数据后，可以控制显示模组依据所述牙齿图像显示数据显示图像，其中，所述显示图像包括所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域。例如，通过可视口腔镜、可视洁牙器等设备的操作探头拍摄了所述目标对象的所述牙齿图像数据后，经过分析获得所述目标对象在左侧第一个臼齿上存在蛀牙的所述缺陷区域数据，然后，所述目标对象经过所述人脸图像数据识别后获得的所述年龄信息为属于20-29岁组，男性，欧美人，则通过所述年龄信息检索到相对应的所述牙齿模型数据，最后，将所述目标对象在左侧第一个臼齿上存在蛀牙的所述缺陷区域数据对应到所述牙齿模型数据上相对应的左侧第一个臼齿上进行显示。
在上述实施例中，通过控制显示模组依据所述牙齿图像显示所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域的数据显示图像，可以使用户更加直观、方便、清晰的看到牙齿状态，便于用户了解自身牙齿的缺陷，也便于医生依据所述数据显示图像制定治疗方案。
本发明实施例提供的牙齿图像数据处理方法中，通过获取目标对象的牙齿图像数据中的缺陷区域数据及所述目标对象的牙齿模型数据，可以将所述牙齿模型数据结合所述缺陷区域数据以所述牙齿图像显示数据进行输出，便于用户、医护人员等直观的观察所述目标对象的牙齿的缺陷区域并对其进行操作或治疗，用户体验更佳，同时，通过获取所述目标对象的人脸图像数据，并依据所述人脸图像数据判断所述目标对象的年龄信息，从而获取对应的牙齿模型数据，进而获得牙齿图像显示数据，整个显示过程不需要人工参与，更加智能化、自动化，可以快速的显示牙齿图像显示数据，提高了所述牙齿图像显示数据的显示效率和牙齿诊断效率，且通过所述人脸图像数据识别获取所述牙齿模型数据，数据匹配精度更高，对操作者没有操作经验的要求，用户体验更佳。
进一步地，在步骤S104中，所述人脸图像数据包括所述目标对象的下半边脸部的图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：
步骤S411：将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息。
步骤S411中，所述局部人脸年龄识别网络模型为利用多个下半边脸部的样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
其中，所述多个下半边脸部的样本图像包括所述唇部区域样本图像和唇周区域样本图像，所述对在初始卷积神经网络模型中进行训练过程中，将所述唇部区域样本图像和所述唇周区域样本图像与相应的所述样本年龄信息作为特征向量进行融合学习以获得所述局部人脸年龄识别网络模型，即根据识别精度先建立一个所述初始卷积神经网络模型，然后将收集的所述唇部区域样本图像和所述唇周区域样本图像与相应的所述样本年龄信息作为特征向量输入所述初始卷积神经网络模型进行学习，当学习完成后即可获得所述局部人脸年龄识别网络模型。由于利用卷积神经网络模型进行图像识别均为常见图像识别技术，此处就不再进行赘述。
对所述目标对象的所述下半边脸部的图像数据进行特征提取获得唇部区域数据和所述唇部区域外围的唇周区域数据后，将所述唇部区域数据和所述唇周区域数据输入上述步骤学习获得的所述局部人脸年龄识别网络模型后即可获得所述目标对象的年龄信息。
可以理解，基于数据脱敏的考虑，采用下半边脸部的图像数据进行识别以及采用下半边脸部的样本图像进行训练等，如将所述唇部区域样本图像、唇周区域样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得所述局部人脸年龄识别网络模型后，将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型即可获得所述目标对象的年龄信息，从而可以只通过下半边脸部的图像数据即可获得所述目标对象的年龄信息，在快速、精确获得所述目标对象的年龄信息的同时，还可以防止整体人脸等敏感信息的泄露，从而保护所述目标对象的隐私。特别是，只采用下半边脸部的图像数据和样本图像，由于可以去掉跟用户身份信息的联系，可以便于获取训练数据，并且在实际使用中也不会被用户反感，从而具有较好的用户体验性。此外，通过唇部区域、唇周区域的图像即可获得所述目标对象的年龄信息可以减少需要处理的数据量，提升识别效率。另外，可以通过设置所述唇部区域样本图像、唇周区域样本图像及相应的样本年龄信息组成的样本控制所述局部人脸年龄识别网络模型的识别精度及生成效率，使用户有更灵活的选择空间，用户可以根据实际应用的识别需要进行设置，提升了用户满意度。
为使依据所述人脸图像数据判断出的所述目标对象的年龄信息更加准确，在步骤S104中，在另一些实施例中，所述人脸图像数据可以包括所述目标对象的全脸图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：
步骤S421：将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息。
步骤S421中，所述全脸年龄识别网络模型为利用多个全脸样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。其训练过程同步骤S411中类似，此处就不再进行赘述。
在上述实施例中，通过将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息，可以更加准确地识别到所述目标对象的年龄信息，提高所述目标对象的年龄信息的识别精度，使识别结果更加准确。
请参阅图2，图2为本发明另一个实施例提供的牙齿图像数据处理方法的流程图。在另一些实施例中，本发明还提供一种牙齿图像数据处理方法，其包括以下步骤：
步骤S201：获取目标对象的牙齿图像数据。
步骤S202：分析所述牙齿图像数据获得缺陷区域数据。
本实施例中，步骤S201、S202与上述实施例步骤S101、S102相类似，此处不再赘述。
步骤S203：获取所述目标对象的牙齿模型数据。
需要说明的是，所述牙齿模型数据可以是事先基于年龄、性别、种属特征等建立的数据库，用户、医护人员等所述牙齿图像数据处理装置的操作人员，可以通过手动输入所述目标对象的年龄、性别、种属特征等信息进行对应的所述牙齿模型数据的查找和匹配。可以理解，建立所述牙齿模型数据的数据库的数据信息越多，所述牙齿模型数据越准确。
步骤S204：依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
本实施例中，步骤S204与上述实施例步骤S106相类似，此处不再赘述。
本发明实施例提供的牙齿图像数据处理方法中，通过获取目标对象的牙齿图像数据中的缺陷区域数据及所述目标对象的牙齿模型数据，可以将所述牙齿模型数据结合所述缺陷区域数据以所述牙齿图像显示数据进行输出，便于用户、医护人员等直观的观察所述目标对象的牙齿的缺陷区域并对其进行操作或治疗，用户体验更佳。
请参阅图3，图3为本发明一个实施例提供的牙齿图像数据处理装置1的结构示意图。本发明实施例还提供一种牙齿图像数据处理装置1包括第一获取模块101、分析模块102、第二获取模块103、判断模块104、第三获取模块105和数据处理模块106。
所述第一获取模块101可以用于获取目标对象的牙齿图像数据；
所述分析模块102可以用于分析所述牙齿图像数据获得缺陷区域数据；
所述第二获取模块103可以用于获取所述目标对象的人脸图像数据；
所述判断模块104可以用于依据所述人脸图像数据判断所述目标对象的年龄信息。
可选地，所述判断模块104还可以用于将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息，所述局部人脸年龄识别网络模型为利用多个下半边脸部的样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
可选地，所述多个下半边脸部的样本图像包括所述唇部区域样本图像和唇周区域样本图像，所述对在初始卷积神经网络模型中进行训练过程中，将所述唇部区域样本图像和所述唇周区域样本图像与相应的所述样本年龄信息作为特征向量进行融合学习以获得所述局部人脸年龄识别网络模型，所述判断模块104还可以用于对所述下半边脸部的图像数据进行特征提取获得唇部区域数据和所述唇部区域外围的唇周区域数据，将所述唇部区域数据和所述唇周区域数据输入所述局部人脸年龄识别网络模型获得所述目标对象的年龄信息。
可选地，所述人脸图像数据还可以包括所述目标对象的全脸图像数据，所述判断模块104还可以用于将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息，所述全脸年龄识别网络模型为利用多个全脸样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
所述第三获取模块105可以用于依据所述年龄信息获取对应的牙齿模型数据。
可选地，所述年龄信息包括多组，每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列，第i个所述预设年龄区间段的最小值与第i-1个所述预设年龄区间段的最大值相同或为相邻数，所述第i个所述预设年龄区间段的最大值与第i+1个所述预设年龄区间段的最小值相同或为相邻数，i为大于等于2的自然数。所述第三获取模块105可以用于依据所述年龄信息在查找表中查找对应的牙齿模型数据，其中，所述查找表中存储多个所述年龄信息及多个与所述年龄信息一一对应的牙齿模型数据。
所述数据处理模块106可以用于依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
可选地，所述数据处理模块106还可以用于控制显示模组依据所述牙齿图像显示数据显示图像，所述显示图像包括所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域。
可以理解，由于本发明实施例提供的装置的具体实施方式与上述牙齿图像数据处理方法的具体实施例和有益效果大致相同，在此不再赘述。
请参阅图4，图4是本发明一种实施例的电子设备30的结构示意图。所述电子设备30包括存储器32、处理器31及存储在所述存储器32上并可在所述处理器31上运行的计算机程序(包括计算机可读指令)，所述处理器31执行所述计算机程序时实现以下步骤(即实现如图2所示的方法)：获取目标对象的牙齿图像数据；分析所述牙齿图像数据获得缺陷区域数据；获取所述目标对象的人脸图像数据；依据所述人脸图像数据判断所述目标对象的年龄信息；依据所述年龄信息获取对应的牙齿模型数据；依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
电子设备30执行的图像数据处理方法中，所述人脸图像数据包括所述目标对象的下半边脸部的图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息，所述局部人脸年龄识别网络模型为利用多个下半边脸部的样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
电子设备30执行的图像数据处理方法中，所述多个下半边脸部的样本图像包括所述唇部区域样本图像和唇周区域样本图像，所述对在初始卷积神经网络模型中进行训练过程中，将所述唇部区域样本图像和所述唇周区域样本图像与相应的所述样本年龄信息作为特征向量进行融合学习以获得所述局部人脸年龄识别网络模型，所述将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息的步骤包括，对所述下半边脸部的图像数据进行特征提取获得唇部区域数据和所述唇部区域外围的唇周区域数据，将所述唇部区域数据和所述唇周区域数据输入所述局部人脸年龄识别网络模型获得所述目标对象的年龄信息。
电子设备30执行的图像数据处理方法中，所述人脸图像数据包括所述目标对象的全脸图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息，所述全脸年龄识别网络模型为利用多个全脸样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
电子设备30执行的图像数据处理方法中，所述年龄信息包括多组，每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列，第i个所述预设年龄区间段的最小值与第i-1个所述预设年龄区间段的最大值相同或为相邻数，所述第i个所述预设年龄区间段的最大值与第i+1个所述预设年龄区间段的最小值相同或为相邻数，i为大于等于2的自然数。
电子设备30执行的图像数据处理方法中，所述依据所述年龄信息获取对应的牙齿模型数据的步骤包括依据所述年龄信息在查找表中查找对应的牙齿模型数据，其中，所述查找表中存储多个所述年龄信息及多个与所述年龄信息一一对应的牙齿模型数据。
电子设备30执行的图像数据处理方法中，所述方法还包括以下步骤：控制显示模组依据所述牙齿图像显示数据显示图像，所述显示图像包括所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域。
请参阅图5，图5是本发明一种实施例的可读存储介质的结构示意图。如图5所示存储有计算机可读指令41的可读存储介质，该计算机可读指令41被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤(即如图2所示的方法)：获取目标对象的牙齿图像数据；分析所述牙齿图像数据获得缺陷区域数据；获取所述目标对象的人脸图像数据；依据所述人脸图像数据判断所述目标对象的年龄信息；依据所述年龄信息获取对应的牙齿模型数据；依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
进一步地，所述人脸图像数据包括所述目标对象的下半边脸部的图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息，所述局部人脸年龄识别网络模型为利用多个下半边脸部的样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
进一步地，所述多个下半边脸部的样本图像包括所述唇部区域样本图像和唇周区域样本图像，所述对在初始卷积神经网络模型中进行训练过程中，将所述唇部区域样本图像和所述唇周区域样本图像与相应的所述样本年龄信息作为特征向量进行融合学习以获得所述局部人脸年龄识别网络模型，所述将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息的步骤包括，对所述下半边脸部的图像数据进行特征提取获得唇部区域数据和所述唇部区域外围的唇周区域数据，将所述唇部区域数据和所述唇周区域数据输入所述局部人脸年龄识别网络模型获得所述目标对象的年龄信息。
进一步地，所述人脸图像数据包括所述目标对象的全脸图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息，所述全脸年龄识别网络模型为利用多个全脸样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
进一步地，所述年龄信息包括多组，每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列，第i个所述预设年龄区间段的最小值与第i-1个所述预设年龄区间段的最大值相同或为相邻数，所述第i个所述预设年龄区间段的最大值与第i+1个所述预设年龄区间段的最小值相同或为相邻数，i为大于等于2的自然数。
进一步地，所述依据所述年龄信息获取对应的牙齿模型数据的步骤包括依据所述年龄信息在查找表中查找对应的牙齿模型数据，其中，所述查找表中存储多个所述年龄信息及多个与所述年龄信息一一对应的牙齿模型数据。
进一步地，所述方法还包括以下步骤：控制显示模组依据所述牙齿图像显示数据显示图像，所述显示图像包括所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域。
可以理解，由于本发明实施例提供的电子设备和可读存储介质的具体实施方式与上述牙齿图像数据处理方法的具体实施例和有益效果大致相同，在此不再赘述。
此外，需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令组成的计算机程序来指示相关的硬件来完成，该计算机可读指令可存储于可读存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(RandomAccess Memory，RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种牙齿图像数据处理方法，其特征在于，所述方法包括以下步骤：
获取目标对象的牙齿图像数据；
分析所述牙齿图像数据获得缺陷区域数据；
获取所述目标对象的人脸图像数据；
依据所述人脸图像数据判断所述目标对象的年龄信息；
依据所述年龄信息获取对应的牙齿模型数据；
依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
2.如权利要求1所述的牙齿图像数据处理方法，其特征在于，所述人脸图像数据包括所述目标对象的下半边脸部的图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：
将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息，所述局部人脸年龄识别网络模型为利用多个下半边脸部的样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
3.如权利要求2所述的牙齿图像数据处理方法，其特征在于，所述多个下半边脸部的样本图像包括所述唇部区域样本图像和唇周区域样本图像，所述对在初始卷积神经网络模型中进行训练过程中，将所述唇部区域样本图像和所述唇周区域样本图像与相应的所述样本年龄信息作为特征向量进行融合学习以获得所述局部人脸年龄识别网络模型，所述将所述下半边脸部的图像数据输入局部人脸年龄识别网络模型以获得所述目标对象的年龄信息的步骤包括，对所述下半边脸部的图像数据进行特征提取获得唇部区域数据和所述唇部区域外围的唇周区域数据，将所述唇部区域数据和所述唇周区域数据输入所述局部人脸年龄识别网络模型获得所述目标对象的年龄信息。
4.如权利要求1所述的牙齿图像数据处理方法，其特征在于所述人脸图像数据包括所述目标对象的全脸图像数据，所述依据所述人脸图像数据判断所述目标对象的年龄信息的步骤包括：
将所述的全脸图像数据输入全脸年龄识别网络模型以获得所述目标对象的年龄信息，所述全脸年龄识别网络模型为利用多个全脸样本图像及相应的样本年龄信息组成的样本对在初始卷积神经网络模型中进行训练获得。
5.如权利要求2或4所述的牙齿图像数据处理方法，其特征在于，所述年龄信息包括多组，每组所述年龄信息包括预设年龄区间段，多组所述年龄信息的预设年龄区间段依次排列，第i个所述预设年龄区间段的最小值与第i-1个所述预设年龄区间段的最大值相同或为相邻数，所述第i个所述预设年龄区间段的最大值与第i+1个所述预设年龄区间段的最小值相同或为相邻数，i为大于等于2的自然数。
6.如权利要求1所述的牙齿图像数据处理方法，其特征在于，所述依据所述年龄信息获取对应的牙齿模型数据的步骤包括：
依据所述年龄信息在查找表中查找对应的牙齿模型数据，其中，所述查找表中存储多个所述年龄信息及多个与所述年龄信息一一对应的牙齿模型数据。
7.如权利要求1所述的牙齿图像数据处理方法，其特征在于，所述方法还包括以下步骤：控制显示模组依据所述牙齿图像显示数据显示图像，所述显示图像包括所述牙齿模型数据对应的牙齿模型图像区域和在所述牙齿模型图像上标示的所述缺陷区域数据的对应的图像区域。
8.一种牙齿图像数据处理方法，其特征在于，所述方法包括以下步骤：
获取目标对象的牙齿图像数据；
分析所述牙齿图像数据获得缺陷区域数据；
获取所述目标对象的牙齿模型数据；
依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
9.一种牙齿图像数据处理装置，其特征在于，包括：
第一获取模块，用于获取目标对象的牙齿图像数据；
分析模块，用于分析所述牙齿图像数据获得缺陷区域数据；
第二获取模块，用于获取所述目标对象的人脸图像数据；
判断模块，依据所述人脸图像数据判断所述目标对象的年龄信息；
第三获取模块，依据所述年龄信息获取对应的牙齿模型数据；
数据处理模块，用于依据所述牙齿模型数据及所述缺陷区域数据获得牙齿图像显示数据。
10.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至8项任意一项所述的牙齿图像数据处理方法。
11.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至8项任意一项所述的牙齿图像数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110632519.1A CN113361409A (zh) | 2021-06-07 | 2021-06-07 | 牙齿图像数据处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110632519.1A CN113361409A (zh) | 2021-06-07 | 2021-06-07 | 牙齿图像数据处理方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113361409A true CN113361409A (zh) | 2021-09-07 |
Family
ID=77532822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110632519.1A Pending CN113361409A (zh) | 2021-06-07 | 2021-06-07 | 牙齿图像数据处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361409A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643297A (zh) * | 2021-10-18 | 2021-11-12 | 四川大学 | 一种基于神经网络的计算机辅助牙龄分析方法 |
| CN114549524A (zh) * | 2022-04-25 | 2022-05-27 | 黑蜂智造(深圳)科技有限公司 | 牙齿图像数据处理方法、电子设备及可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035386A (zh) * | 2018-06-22 | 2018-12-18 | 泰康保险集团股份有限公司 | 一种齿科vr成像方法及装置 |
| CN109859203A (zh) * | 2019-02-20 | 2019-06-07 | 福建医科大学附属口腔医院 | 基于深度学习的缺陷牙齿图像识别方法 |
| CN110688973A (zh) * | 2019-09-30 | 2020-01-14 | Oppo广东移动通信有限公司 | 设备控制方法及相关产品 |
| CN111242091A (zh) * | 2020-02-13 | 2020-06-05 | 京东方科技集团股份有限公司 | 年龄识别模型训练方法、装置及电子设备 |
| CN111655191A (zh) * | 2018-01-26 | 2020-09-11 | 阿莱恩技术有限公司 | 诊断性口内扫描和追踪 |
-
2021
- 2021-06-07 CN CN202110632519.1A patent/CN113361409A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111655191A (zh) * | 2018-01-26 | 2020-09-11 | 阿莱恩技术有限公司 | 诊断性口内扫描和追踪 |
| CN109035386A (zh) * | 2018-06-22 | 2018-12-18 | 泰康保险集团股份有限公司 | 一种齿科vr成像方法及装置 |
| CN109859203A (zh) * | 2019-02-20 | 2019-06-07 | 福建医科大学附属口腔医院 | 基于深度学习的缺陷牙齿图像识别方法 |
| CN110688973A (zh) * | 2019-09-30 | 2020-01-14 | Oppo广东移动通信有限公司 | 设备控制方法及相关产品 |
| CN111242091A (zh) * | 2020-02-13 | 2020-06-05 | 京东方科技集团股份有限公司 | 年龄识别模型训练方法、装置及电子设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643297A (zh) * | 2021-10-18 | 2021-11-12 | 四川大学 | 一种基于神经网络的计算机辅助牙龄分析方法 |
| CN113643297B (zh) * | 2021-10-18 | 2021-12-21 | 四川大学 | 一种基于神经网络的计算机辅助牙龄分析方法 |
| CN114549524A (zh) * | 2022-04-25 | 2022-05-27 | 黑蜂智造(深圳)科技有限公司 | 牙齿图像数据处理方法、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11382558B2 (en) | Skin feature imaging system | |
| US20210358124A1 (en) | Method for analyzing an image of a dental arch | |
| US20190026599A1 (en) | Method for analyzing an image of a dental arch | |
| CN107679507B (zh) | 面部毛孔检测系统及方法 | |
| US11049248B2 (en) | Method for analyzing an image of a dental arch | |
| CN113361409A (zh) | 牙齿图像数据处理方法、装置、电子设备及可读存储介质 | |
| KR101318607B1 (ko) | 피부 상태 측정기를 이용한 모바일 서비스 제공 시스템 | |
| US20190026889A1 (en) | Method for analyzing an image of a dental arch | |
| EP3998579A1 (en) | Medical image processing method, apparatus and device, medium and endoscope | |
| EP3910592A1 (en) | Image matching method, apparatus and device, and storage medium | |
| KR20210084102A (ko) | 전자 장치, 두피 케어 시스템 및 그들의 제어 방법 | |
| US9569838B2 (en) | Image processing apparatus, method of controlling image processing apparatus and storage medium | |
| US20240008962A1 (en) | Method for analyzing an image of a dental arch | |
| KR102222509B1 (ko) | 의료 영상에 관한 판단을 보조하는 방법 및 이를 이용한 장치 | |
| CN109657535B (zh) | 图片识别方法、目标设备及云平台 | |
| KR20180110842A (ko) | 가상체험을 기반으로 하는 고객 맞춤형 반영구화장 시술 추천시스템 및 그 서비스 방법 | |
| JP2009201653A (ja) | 知的活動評価システム、並びにその学習方法及びラベル付与方法 | |
| JP2011115393A (ja) | 肌特徴判別システム、肌特徴判別方法及び肌特徴判別プログラム | |
| US20220215547A1 (en) | Method for analyzing an image of a dental arch | |
| WO2020071086A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
| CN110693508A (zh) | 多通道协同的心理生理主动感知方法及服务机器人 | |
| CN113610067B (zh) | 情绪状态展示方法、装置及系统 | |
| CN114549524A (zh) | 牙齿图像数据处理方法、电子设备及可读存储介质 | |
| KR20180061629A (ko) | 영상을 이용한 피부 상태 평가 방법 및 영상을 이용한 피부 상태 평가 장치 | |
| WO2019168372A1 (ko) | 의료 영상 처리 장치 및 그 동작 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210907 |