本发明涉及医学图像处理，尤其是涉及一种基于口腔全景片的训练图像处理方法及系统。
背景技术：
1、随着社会的发展和进步，人们的生活水平得到了极大的提高，生活方式越来越多元化，这也产生了很多不良生活习惯造成了口腔问题，人们越来越重视口腔牙齿状况。
2、口腔牙齿疾病包括炎症性疾病、牙齿发育畸形、牙齿外伤、牙齿排列不规则、肿瘤等多种类型，其中部分疾病无法通过肉眼进行观察，往往需要借助仪器才能进行判断，如炎症性疾病中的牙周疾病，其患病率高且无法用肉眼判断，因此借助了口腔放射影像诊断，但由于现有医疗资源较稀缺，资深医学专家数量不足，倘若完全依靠人工作业耗时耗力，降低判断结果的准确程度。在这种形势下，利用人工智能识别代替人工判断成了必然的趋势。在人工智能识别时，模型的训练是核心内容，为了提高识别的准确度，现有技术中，多是采用对模型进行优化，以提高准确度，但对训练模型时所采用的训练样本集缺少关注度。因此，如何优化训练样本从而提高类型识别的准确度是亟需解决的问题。
技术实现思路
1、本发明的目的是克服上述现有技术存在的缺陷而提供一种基于口腔全景片的训练图像处理方法及系统。
2、本发明的目的可以通过以下技术方案来实现：
3、作为本发明的第一方面，提供一种基于口腔全景片的训练图像处理方法，所述方法具体步骤为：
4、基于口腔全景片的历史数据筛选出样本图像数据，并构建样本图像数据集；
5、对样本图像数据集中的样本图像数据按照标签类别进行区域图像提取获得区域样本图像，并保存至对应的区域样本图像集；
6、对区域样本图像集中的样本图像数据进行优化处理；
7、对优化处理后的区域样本图像集中的样本图像进行样本均衡处理，生成训练图像样本集。
8、进一步的，所述方法以标签为媒介采用双向关联原则，对样本数据中的区域图像进行自动提取和保存，具体为：
9、将标签与提取特征进行双向关联；
10、读取样本图像数据的标签，获得标签数据，并根据标签关联的提取特征确定提取区域；
11、对图像进行边缘识别，并获得全部的边缘特征；
12、在提取区域内，根据识别的边缘特征进行剪裁，获得区域样本图像；
13、将所提取的标签关联的区域样本图像与健康牙齿图像进行对比，若相同，则丢弃；若不同，则将其保存至标签关联的区域样本图像集。
14、进一步的，所述优化处理的具体步骤为：
15、对区域样本图像集中任一样本图像进行图像均衡处理，生成均衡样本图像；
16、对均衡样本图像进行去噪处理，获得第一处理图像；
17、对第一处理图像进行增强处理，获得第二处理图像。
18、进一步的，所述图像均衡处理采用图像局部均值消减法。
19、进一步的，所述去噪处理的具体步骤为：
20、对均衡样本图像中的噪声强度进行预测，并根据噪声强度确定滤波函数；
21、将均衡样本图像与滤波函数作线性滤波操作；
22、以滤波函数为退化函数对滤波后的均衡样本图像作共轭梯度优化复原操作。
23、进一步的，所述增强处理包括随机反转、缩放、对比饱和度调整操和色调调整操作。
24、进一步的，所述样本均衡处理为对各个区域样本图像集中各类样本数据的数量进行比较，若差值超过标准阈值，则对小数量的样本数据进行过采样。
25、作为本发明的第二方面，提供一种基于口腔全景片的训练图像处理系统，包括：
26、样本获取模块，用于基于口腔全景片的历史数据构建样本图像数据集；
27、区域特征提取模块，用于对样本图像数据集中的样本图像数据按照标签类别进行区域图像提取，并保存至对应的区域样本图像集；
28、优化处理模块，用于对区域样本图像集中的样本图像数据进行优化处理；
29、样本均衡模块，用于对优化处理后的区域样本图像集中的样本图像进行样本均衡处理，生成训练图像样本集。
30、进一步的，所述区域特征提取模块以标签为媒介采用双向关联原则，对样本数据中的区域图像进行自动提取和保存，具体为：
31、区域特征提取模块将标签与提取特征进行双向关联；
32、区域特征提取模块读取样本图像数据的标签，获得标签数据，并根据标签关联的提取特征确定提取区域；
33、区域特征提取模块对图像进行边缘识别，并获得全部的边缘特征；
34、区域特征提取模块在提取区域内，根据识别的边缘特征进行剪裁，获得区域样本图像；
35、区域特征提取模块将所提取的标签关联的区域样本图像与健康牙齿图像进行对比，若相同，则丢弃；若不同，则将其保存至标签关联的区域样本图像集。
36、进一步的，所述优化处理模块对区域样本图像集中的样本图像数据进行优化处理，具体为：
37、优化处理模块对使用插值方法将数据集中的图像的尺寸统一；
38、优化处理模块对区域样本图像集中任一样本图像进行图像均衡处理，生成均衡样本图像；
39、优化处理模块对均衡样本图像进行去噪处理，获得第一处理图像；
40、优化处理模块对第一处理图像进行增强处理，获得第二处理图像；
41、优化处理模块对第二处理图像进行归一化处理得到优化处理后的区域样本图像。
42、与现有技术相比，本发明具有以下有益效果：
43、1)本发明通过对训练样本进行增强处理和均衡处理，对训练图像进行泛化，改善了模型过拟合的问题，同时避免由于训练样本类型数据失衡，造成模型判断结果倾向性的问题，提高了模型判断结果的准确性，提高了智能识别的准确度。
44、2)本发明在进行训练图像样本集构建时，通过双向关联的方式，根据标签能够自动识别病症名称以及病症对应的区域图像，从而进行自动提取，以使得构建的训练图像样本集以区域图像为元素，增加训练的模型的精准性，不仅能够增加提取的效率，还增加了提取的准确度。
45、3)本发明还对构建的训练图像样本集中的样本数据进行样本种类均衡，从而避免由于样本种类偏差造成的模型识别误差的发生。
1.一种基于口腔全景片的训练图像处理方法，其特征在于，所述方法具体步骤为：
2.根据权利要求1所述的一种基于口腔全景片的训练图像处理方法，其特征在于，所述方法以标签为媒介采用双向关联原则，对样本数据中的区域图像进行自动提取和保存，具体为：
3.根据权利要求1所述的一种基于口腔全景片的训练图像处理方法，其特征在于，优化处理的具体步骤为：
4.根据权利要求3所述的一种基于口腔全景片的训练图像处理方法，其特征在于，所述图像均衡处理采用图像局部均值消减法。
5.根据权利要求3所述的一种基于口腔全景片的训练图像处理方法，其特征在于，所述去噪处理的具体步骤为：
6.根据权利要求3所述的一种基于口腔全景片的训练图像处理方法，其特征在于，所述增强处理包括随机反转、缩放、对比饱和度调整操和色调调整操作。
7.根据权利要求1所述的一种基于口腔全景片的训练图像处理方法，其特征在于，所述样本均衡处理为对各个区域样本图像集中各类样本数据的数量进行比较，若差值超过标准阈值，则对小数量的样本数据进行过采样。
8.一种基于口腔全景片的训练图像处理系统，其特征在于，包括：
9.根据权利要求8所述的一种基于口腔全景片的训练图像处理系统，其特征在于，所述区域特征提取模块以标签为媒介采用双向关联原则，对样本数据中的区域图像进行自动提取和保存，具体为：
10.根据权利要求8所述的一种基于口腔全景片的训练图像处理系统，其特征在于，所述优化处理模块对区域样本图像集中的样本图像数据进行优化处理，具体为：
