本发明涉及医学图像处理领域，尤其涉及一种准确率高的基于深度学习的氟斑牙图像处理识别方法。
背景技术：
1、氟斑牙的筛查是国家地氟病防治工作的重要环节，如何以高效、准确的方式完成对氟斑牙的筛查是一个亟待解决的问题。近年来，研究者们对于氟斑牙自动化诊断有了有一些初步的研究。例如2014年uklidyeesarapat等人在论文《dental fluorosisclassification using multi-prototypes from fuzzy c-means clustering》中使用模糊c均值聚类算法对氟斑牙图像进行分类，在训练数据集中七张图像中的三张和盲测数据集中十五张图像中的八张被正确分类为氟斑牙类别。虽然实现了对氟斑牙的分类，但是分类的准确率较低且数据量较小，难以实际应用。2021年richa jain等人在论文《detectionofdental fluorosis using enhanced k-means and fuzzy c means》中提出一种在hsv颜色模型上使用增强的k-means无监督聚类算法和模糊c-means，计算患病面积的百分比，对氟斑牙严重程度进行分类。虽然在一定程度上取得了一定的效果，但样本量小，误差较大，存在一定的局限性。
2、综上，虽然研究人员在氟斑牙的辅助诊断上取得了一定的进展，但是这些方法都是基于传统的机器学习方法，诊断准确率低。通过文献查新，我们发现，目前尚没有将深度学习应用在氟斑牙的辅助诊断方面的报道。
3、因此，本发明将深度学习技术应用到氟斑牙图像的处理识别中，从而克服现有的技术缺陷。
技术实现思路
1、本发明的目的是解决现有技术中的问题，提供一种准确率高的基于深度学习的氟斑牙图像处理识别方法。
2、本发明的技术方案是：
3、一种基于深度学习的氟斑牙图像处理识别方法，包括以下步骤：
4、s1、采集氟斑牙图像，构建氟斑牙图像数据集：采集不同的氟斑牙图像样本，将图像剪裁后进行标注，并进行数据清洗，数据清洗完成后，将氟斑牙图像数据集分为训练集和测试集；
5、s2、对氟斑牙图像数据集进行预处理；构建包括多尺度大核残差卷积模块及全局空间注意力模块的氟斑牙图像处理识别模型；将训练集输入到氟斑牙图像处理识别模型中进行训练，得到训练完成的氟斑牙图像处理识别模型；
6、s3、将测试集输入到步骤s2训练完成的氟斑牙图像处理识别模型对氟斑牙图像进行分级，通过图像分类的评价指标对模型效果进行评价。
7、作为一种优选的技术方案，步骤s1中“将图像剪裁”为将图像剪裁为560×448分辨率。
8、作为一种优选的技术方案，步骤s1中数据清洗为：删除包含人工瑕疵、空缺、重复、伪影或不清晰的图像。
9、作为一种优选的技术方案，步骤s2中“对氟斑牙图像数据集进行预处理”具体为：实用阈值分割方法将每张图像的牙齿部分提取出来，然后将图像进行灰度化、标准化、限制对比度自适应直方图均衡化及gamma矫正操作。
10、作为一种优选的技术方案，步骤s2中“将训练集输入到氟斑牙图像处理识别模型中进行训练”具体包括以下步骤：
11、s21、将预处理后的训练集数据传入所述多尺度大核残差卷积模块中提取特征；所述多尺度大核残差卷积模块采用多层卷积核对特征进行分组卷积操作并进行特征融合；
12、s22、所述全局空间注意力模块对所述多尺度大核残差卷积模块处理后的数据进行处理，得到全局空间注意力模块的输出特征；
13、s23、所述氟斑牙图像处理识别模型根据全局空间注意力模块的输出特征，通过全连接层将特征映射到真实标签的特征空间中，得到对氟斑牙图像的分级预测结果。
14、本发明的一种基于深度学习的氟斑牙图像处理识别方法，将深度学习技术应用到氟斑牙图像识别领域，通过构建包括多尺度大核残差卷积模块及全局空间注意力模块的氟斑牙图像处理识别模型解决了氟斑牙图像识别准确率低的问题，通过多尺度大核残差模块在增大模型有效感受野的同时提取图像的多尺度特征，并通过全局空间注意力模块捕获图像的全局特征，进而增大模型对病灶特征的关注，从而有效提高氟斑牙图像识别的效果。
1.一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤s1中“将图像剪裁”为将图像剪裁为560×448分辨率。
3.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤s1中数据清洗为：删除包含人工瑕疵、空缺、重复、伪影或不清晰的图像。
4.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤s2中“对氟斑牙图像数据集进行预处理”具体为：实用阈值分割方法将每张图像的牙齿部分提取出来，然后将图像进行灰度化、标准化、限制对比度自适应直方图均衡化及gamma矫正操作。
5.根据权利要求1所述的一种基于深度学习的氟斑牙图像处理识别方法，其特征在于：步骤s2中“将训练集输入到氟斑牙图像处理识别模型中进行训练”具体包括以下步骤：
