一种口腔健康管理大数据的传输方法及系统与流程

医药医疗技术的改进;医疗器械制造及应用技术1.本发明涉及口腔数据管理领域，具体涉及一种口腔健康管理大数据的传输方法及系统。2.背景技术：3.目前，现有的口腔健康数据管理系统普遍采用原数据储存的方式，数据紊乱的同时，相互之间的关联关系不可视，每一次历史数据的调用均需花费大量的时间去查找，费时费力；同时，口腔影像数据内载异常的识别，普遍依赖人为识别实现，工作效率低下的同时，诊断结果的准确性与医生的工作经验存在很大的关联关系，从而容易给最终的诊断结果带来误差。技术实现要素：4.本发明的目的在于提供一种口腔健康管理大数据的传输方法及系统，可以实现口腔数据的关联化整合储存，从而可以实现目标口腔数据的快速调用。5.为实现上述目的，本发明采取的技术方案为：一种口腔健康管理大数据的传输系统，包括：口腔数据采集模块，用于采集口腔cbct图像数据、三维扫描牙齿图像数据、医生诊断数据；异常数据识别模块，用于识别口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据，并实现异常点的标记；口腔数据融合模块，用于实现携带有异常点标记的口腔cbct图像数据、携带有异常点标记的三维扫描牙齿图像数据的融合，得到牙齿三维模型；三维模型标记模块，用于将医生诊断数据一一标记到所得的牙齿三维模型上；关联关系构建模块，用于构建就诊日期与其对应的牙齿三维模型的关联关系，从而使得用户可以根据录入的就诊日期直接获取到当天的牙齿三维模型。6.作为本方案的进一步地设计，还包括：口腔数据预审核模块，用于实现口腔cbct图像数据、三维扫描牙齿图像数据的预审核，判断当前获取到的口腔cbct图像数据、三维扫描牙齿图像数据是否符合要求，若不符合要求，则需重新进行对应数据的采集。7.作为本方案的进一步地设计，还包括：异常点润色模块，用于实现异常点的异常类型实现异常点的润色，加大异常点与正常区域的对比度。8.作为本方案的进一步地设计，异常数据识别模块基于预设的目标检测模型实现口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据的检测和标记。9.作为本方案的进一步地设计，异常数据识别模块采用异常点的类型及其对应的特征实现异常点的标记，不同的口腔异常数据对应不同的特征。10.作为本方案的进一步地设计，三维模型标记模块采用超链接的模式将医生的诊断数据一一匹配到其对应的牙齿三维模型位置处。11.本发明还提供了一种口腔健康管理大数据的传输方法，采用上述的传输系统实现口腔健康管理大数据的处理，包括如下步骤：基于口腔数据采集模块采集口腔cbct图像数据、三维扫描牙齿图像数据、医生诊断数据；基于异常数据识别模块识别口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据，并实现异常点的标记；基于口腔数据融合模块实现携带有异常点标记的口腔cbct图像数据、携带有异常点标记的三维扫描牙齿图像数据的融合，得到牙齿三维模型；基于三维模型标记模块将医生诊断数据一一标记到所得的牙齿三维模型上；基于关联关系构建模块构建就诊日期与其对应的牙齿三维模型的关联关系，从而使得用户可以根据录入的就诊日期直接获取到当天的牙齿三维模型。12.作为本方案的进一步地设计，还包括：基于口腔数据预审核模块实现口腔cbct图像数据、三维扫描牙齿图像数据的预审核，判断当前获取到的口腔cbct图像数据、三维扫描牙齿图像数据是否符合要求的步骤，若不符合要求，则需重新进行对应数据的采集。13.作为本方案的进一步地设计，还包括：基于异常点润色模块实现异常点的异常类型实现异常点的润色，加大异常点与正常区域的对比度的步骤。14.本发明具有以下有益效果：1）可以实现口腔数据的关联化整合储存，从而可以实现目标口腔数据的快速调用；2）基于牙齿三维模型携带标记的模式可以实现每一次牙齿诊疗数据的全面可视化，可以避免数据紊乱的同时，大大方便了医护人员后续对数据的调用；3）通过牙齿三维模型的动态进程可以一目了然的获取到口腔健康的变化情况。15.附图说明16.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：图1为本发明实施例1一种口腔健康管理大数据的传输系统的系统框图。17.图2为本发明实施例2一种口腔健康管理大数据的传输方法的流程图。18.图3为本发明实施例3一种口腔健康管理大数据的传输方法的流程图。具体实施方式19.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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。20.实施例1如图1所示，一种口腔健康管理大数据的传输系统，包括：口腔数据采集模块，用于采集口腔cbct图像数据、三维扫描牙齿图像数据、医生诊断数据（包括相应的治疗措施）；口腔数据预审核模块，用于实现口腔cbct图像数据、三维扫描牙齿图像数据的预审核，判断当前获取到的口腔cbct图像数据、三维扫描牙齿图像数据是否符合要求（比如是否覆盖整个口腔、图像的清晰度等），若不符合要求，则需重新进行对应数据的采集。21.异常数据识别模块，用于识别口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据（比如龋齿、牙周病、错颌畸形和牙齿缺失等），并实现异常点的标记；口腔数据融合模块，用于实现携带有异常点标记的口腔cbct图像数据、携带有异常点标记的三维扫描牙齿图像数据的融合，得到牙齿三维模型；本实施例中，基于cn201710328325.6 口腔cbct图像与激光扫描牙齿网格的数据融合方法实现口腔数据的融合；三维模型标记模块，用于将医生诊断数据一一标记到所得的牙齿三维模型上；所述的三维模型标记模块采用超链接的模式将医生的诊断数据一一匹配到其对应的牙齿三维模型位置处；异常点润色模块，用于实现异常点的异常类型实现异常点的润色，加大异常点与正常区域的对比度；比如，该异常点为龋齿，则对该异常点加黑处理，并调白正常区域，从而加大异常点与正常区域的对比度。22.关联关系构建模块，用于构建就诊日期与其对应的牙齿三维模型的关联关系，从而使得用户可以根据录入的就诊日期直接获取到当天的牙齿三维模型。23.本实施例中，异常数据识别模块基于预设的目标检测模型实现口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据的检测和标记，该目标检测模型采用dssd__inception_v2_coco模型，采用dssd目标检测算法，用coco数据集预训练inception_v2_深度神经网络,然后用先前准备好的异常口腔cbct图像数据及其对应的异常类型数据集、异常三维扫描牙齿图像数据及其对应的异常类型训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于检测口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据的目标检测模型。24.本实施例中，异常数据识别模块采用异常点的类型及其对应的特征实现异常点的标记，不同的口腔异常数据对应不同的特征，比如龋齿对应的特征就是孔洞+黑色，如果神经发炎，则将对应的神经标记成红色，并在其上配置发炎的字母缩写。25.实施例2如图2所示，一种口腔健康管理大数据的传输方法，包括如下步骤：s1、基于口腔数据采集模块采集口腔cbct图像数据、三维扫描牙齿图像数据、医生诊断数据；s2、基于异常数据识别模块识别口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据，并实现异常点的标记；本实施例中，异常数据识别模块基于预设的目标检测模型实现口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据的检测和标记，该目标检测模型采用dssd__inception_v2_coco模型，采用dssd目标检测算法，用coco数据集预训练inception_v2_深度神经网络,然后用先前准备好的异常口腔cbct图像数据及其对应的异常类型数据集、异常三维扫描牙齿图像数据及其对应的异常类型训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于检测口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据的目标检测模型。异常数据识别模块采用异常点的类型及其对应的特征实现异常点的标记，不同的口腔异常数据对应不同的特征，比如龋齿对应的特征就是孔洞+黑色，如果神经发炎，则将对应的神经标记成红色，并在其上配置发炎的字母缩写。26.s3、基于口腔数据融合模块实现携带有异常点标记的口腔cbct图像数据、携带有异常点标记的三维扫描牙齿图像数据的融合，得到牙齿三维模型；s4、基于三维模型标记模块将医生诊断数据一一标记到所得的牙齿三维模型上；s5、基于关联关系构建模块构建就诊日期与其对应的牙齿三维模型的关联关系，从而使得用户可以根据录入的就诊日期直接获取到当天的牙齿三维模型。27.实施例3如图3所示，一种口腔健康管理大数据的传输方法，包括如下步骤：s1、基于口腔数据采集模块采集口腔cbct图像数据、三维扫描牙齿图像数据、医生诊断数据；s2、基于口腔数据预审核模块实现口腔cbct图像数据、三维扫描牙齿图像数据的预审核，判断当前获取到的口腔cbct图像数据、三维扫描牙齿图像数据是否符合要求（比如是否覆盖整个口腔、图像的清晰度等），若不符合要求，则需重新进行对应数据的采集；s3、基于异常数据识别模块识别口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据，并实现异常点的标记；本实施例中，异常数据识别模块基于预设的目标检测模型实现口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据的检测和标记，该目标检测模型采用dssd__inception_v2_coco模型，采用dssd目标检测算法，用coco数据集预训练inception_v2_深度神经网络,然后用先前准备好的异常口腔cbct图像数据及其对应的异常类型数据集、异常三维扫描牙齿图像数据及其对应的异常类型训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于检测口腔cbct图像数据、三维扫描牙齿图像数据内载的异常数据的目标检测模型。异常数据识别模块采用异常点的类型及其对应的特征实现异常点的标记，不同的口腔异常数据对应不同的特征，比如龋齿对应的特征就是孔洞+黑色，如果神经发炎，则将对应的神经标记成红色，并在其上配置发炎的字母缩写。28.s4、基于口腔数据融合模块实现携带有异常点标记的口腔cbct图像数据、携带有异常点标记的三维扫描牙齿图像数据的融合，得到牙齿三维模型；s5、基于三维模型标记模块将医生诊断数据一一标记到所得的牙齿三维模型上；s6、基于异常点润色模块实现异常点的异常类型实现异常点的润色，加大异常点与正常区域的对比度；s7、基于关联关系构建模块构建就诊日期与其对应的牙齿三维模型的关联关系，从而使得用户可以根据录入的就诊日期直接获取到当天的牙齿三维模型。29.以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!