标题是基于之前一位同学的本科毕设，刚好这学期高级软工需要交项目，于是就借来包装一下，看作为一个实现自动标记牙齿龋坏功能的接口，接入我们需要做的一个牙科的医学管理系统中去，这样既完成了软工的课程，也可以学习一些简单的深度学习、卷积网络的知识，完成实验室项目，也算一举两得。
理想的目标，是可以用python重写一遍功能（原代码是用matlab实现的），当然由于任务量本来就偏大，需要兼顾系统的前端和数据库等，也许较难实现。
总之，我觉得做事情还是要先做，再想。零基础开始虽然困难，但是也避免了自己掉入能力陷阱（只会做自己擅长的事情）,不是吗？
摘要：
牙齿龋坏图像的识别是有重大意义的工作。龋齿时人类常见的疾病之一，也是口腔中的主要疾病，是人类健康威胁之一。通过对牙齿龋坏图像的研究，可以提升人们对牙齿龋坏的分辨能力。然而，由于牙齿龋坏区域特别是领面龋坏在早期阶段用肉眼很难观察到，即使对专业人员而言，牙齿龋坏区域的判断同样是个难题。
如今，由于机器学习技术的不断发展，人们期望有优秀的方式辅助专业人员进行牙齿龋坏区域的识别。由于人工识别的困难以及数字图像技术在医学领域的发展，使用机器学习帮助诊断成为了可能。本次研究主要针对牙齿龋坏区域的标记，可以帮助专业人员对龋坏区域的大体位置进行判断。
本文采用了基于卷积神经网络的机器学习以及边缘提取，图像分割等图像处理技术对图像进行预处理，研究了针对牙齿龋坏区域的图像识别方法。由于牙齿龋坏图像的特征不清晰，识别效果较差。本文采用了两种传统图像处理方式用于增强特征信息，在通过前期预处理后，再利用matlab使用深度卷积神经网络的方式实现训练。训练使用的网络为已学习了大量数据的网络，训练时对网络进行微调后使用迁移训练的方式完成训练。通过人眼和训练过程中得到的参数判断，使用边缘提取预处理的图像训练得到的网络识别率相较另外两种更为优秀。
最后，通过使用matlab实现了相应的图形界面,可以完成图像的载入，预处理和区域建议，图像的保存等任务，更易于使用。
界面是用matlab的工具做的，实现的功能为测试一张图片（从本地读取的），给出一些带标记的图，给出关于龋坏部位的建议，大致如下所示。
项目刚刚准备开始，小组成员一共四人，除了我的方向是网络以外，其他三人的研究方向均为深度学习和卷积神经网络，也许对该项目的后续会有一定帮助。
究竟最后会做出什么样的作品，亦或者是否可以称之为作品，还得拭目以待...
这个Flag我先立为敬
网友评论