本发明涉及正畸病症辅助诊断，尤其涉及一种基于深度学习的口腔正畸病症辅助诊断系统。
背景技术：
1、现有的基于深度学习的口腔正畸病症辅助诊断技术没能根据实际匹配过程中档案的特征状态确定针对性的处理方式，进而导致后续档案匹配过程中没能有针对性地选择匹配方式，使得档案匹配的准确性以及处理效率低下。
2、中国专利公开号cn111709959b公开了一种口腔正畸数字化智能诊断方法，包括：通过三维扫描和cbct影像数据进行牙齿分割，并构建三维牙床模型，以三个维度特征作为病例分类特征，建立病例数据库，基于深度学习方法，实现病症自动化诊断，并基于牙齿治疗过程的碰撞检测机制，建立三维可视化动态治疗过程模拟方法，但是上述技术方案没能根据实际匹配过程中档案的特征状态确定针对性的处理方式，进而导致后续档案匹配过程中没能有针对性地选择匹配方式，使得档案匹配的准确性以及处理效率低下。
技术实现思路
1、为此，本发明提供一种基于深度学习的口腔正畸病症辅助诊断系统，用以克服现有技术中没能根据实际匹配过程中档案的特征状态确定针对性的处理方式，进而导致后续档案匹配过程中没能有针对性地选择匹配方式，使得档案匹配的准确性以及处理效率低下的问题。
2、为实现上述目的，本发明提供了一种基于深度学习的口腔正畸病症辅助诊断系统，包括：
3、图像处理模块，用以检测历史档案中历史检测图像的图像质量参考系数，并针对目标检测图像、历史检测图像以及过往检测图像进行图像分割；
4、数据处理模块，用以根据目标患者与各历史档案的对象信息以及病历信息确定初选档案集合，并针对各初选档案集合进行特征学习，以确定各初选档案集合的特征状态；
5、数据筛选模块，其分别与所述图像处理模块以及所述数据处理模块相连，用以根据各初选档案集合的特征状态确定各初选档案集合对应的处理方式，处理方式为根据目标患者类别或目标患者的牙齿异常状态确定目标患者信息与初始档案集合的匹配方式，并根据各匹配历史档案的图像质量参考系数针对匹配历史档案进行二次筛选；
6、第一分析模块，其与所述数据筛选模块相连，用以根据目标患者类别确定目标患者信息与初始档案集合的匹配方式，匹配方式包括根据目标患者的目标检测图像与初始档案集合内各历史档案的历史检测图像的图像相似度进行档案匹配，或，根据初始档案集合内各历史档案的匹配系数进行档案匹配；
7、第二分析模块，其与所述数据筛选模块相连，用以根据目标患者的牙齿异常状态确定目标患者信息与初始档案集合的匹配方式，匹配方式包括根据目标检测图像与初始档案集合内历史检测图像中异常形态牙齿的特征相似度进行档案匹配，或，将该目标患者的对象信息与病历信息发送至用户；
8、报告推荐模块，其与所述数据筛选模块相连，用以将匹配历史档案生成推荐报告发送客户端；
9、数据存储模块，其分别与所述图像处理模块、所述数据处理模块以及所述数据筛选模块相连，用以存储历史档案、过往档案以及新增档案。
10、进一步地，数据处理模块根据目标患者与各历史档案的对象信息以及病历信息确定初选档案集合；
11、所述初选档案集合为对象信息差异值小于预设信息差异值的历史档案集合，任意单个历史档案集合内各历史档案之间的信息相似度均大于预设信息相似度。
12、进一步地，数据处理模块针对各初选档案集合进行特征学习，特征学习包括根据单个初选档案集合对应的特征位置差异值以及特征形态差异值确定该初选档案集合的特征状态，特征状态包括：
13、特征位置差异值大于预设特征位置差异值或特征形态差异值大于预设特征形态差异值的第一预设特征状态；
14、特征位置差异值小于或等于预设特征位置差异值且特征形态差异值小于或等于预设特征形态差异值的第二预设特征状态。
15、进一步地，所述特征位置差异值根据公式（1）确定，
16、（1）
17、公式（1）内，m为各初选档案集合内历史档案的数量，lj为第j个历史档案的异常牙齿距离参考值，l0为各历史档案的异常牙齿距离参考值的平均值；
18、所述特征形态差异值根据公式（2）确定，
19、（2）
20、公式（2）内，fj为第j个历史档案的异常牙齿形态参考值，f0为各历史档案的异常牙齿形态参考值的平均值。
21、进一步地，数据筛选模块根据各初选档案集合的特征状态确定各初选档案集合对应的处理方式；
22、若初选档案集合处于第一预设特征状态，第一分析模块根据目标患者类别确定目标患者信息与初始档案集合的匹配方式；
23、若初选档案集合处于第二预设特征状态，第二分析模块根据目标患者的牙齿异常状态确定目标患者信息与初始档案集合的匹配方式。
24、进一步地，若初选档案集合处于第一预设特征状态，第一分析模块根据目标患者类别确定目标患者信息与该初始档案集合的匹配方式，匹配方式包括：
25、若目标患者为新增患者，根据目标患者的目标检测图像与该初始档案集合内各历史档案的历史检测图像的图像相似度进行档案匹配；
26、若目标患者为过往患者，根据初始档案集合内各历史档案的匹配系数进行档案匹配；
27、所述目标患者类别根据数据存储模块中是否存在目标患者信息确定，过往患者为对象信息存在于数据存储模块中且矫正过程未结束的目标患者，将对象信息不存在于数据存储模块中的目标患者记为新增患者。
28、进一步地，第一分析模块根据目标患者的目标检测图像与对应的初始档案集合内各历史检测图像的图像相似度以及与对应的各历史档案的矫正参考差异值确定该初始档案集合内各历史档案的匹配系数，匹配系数根据公式（3）确定，
29、（3）
30、公式（3）中，p为该初始档案集合内各历史档案的匹配系数，s为目标患者的目标检测图像与该初始档案集合内各历史检测图像的图像相似度，as为图像相似度对应的影响系数，c为目标患者与该初始档案集合内各历史档案的矫正参考差异值，ac为矫正参考差异值对应的影响系数。
31、进一步地，若初选档案集合处于第二预设特征状态，第二分析模块根据目标患者的牙齿异常状态确定目标患者信息与该初始档案集合的匹配方式，匹配方式包括：
32、若牙齿异常状态处于一类牙齿异常状态，根据目标检测图像与该初始档案集合内历史检测图像中异常形态牙齿的特征相似度进行档案匹配；
33、若牙齿异常状态处于二类牙齿异常状态，将该目标患者的对象信息与病历信息发送至用户。
34、进一步地，所述牙齿异常状态根据目标患者的异常形态牙齿中是否存在异常磨损牙齿确定，牙齿异常状态包括：
35、异常形态牙齿中不存在异常磨损牙齿的一类牙齿异常状态；
36、异常形态牙齿中存在异常磨损牙齿的二类牙齿异常状态；
37、所述异常磨损牙齿为牙齿比例差异值大于预设差异值的异常形态牙齿。
38、进一步地，若数据筛选模块筛选得到的匹配历史档案数量大于预设档案数量，数据筛选模块根据各匹配历史档案的图像质量参考系数针对匹配历史档案进行二次筛选，选择预设档案数量的匹配历史档案；
39、其中，二次筛选得到的匹配历史档案的图像质量参考系数均大于预设检测图像质量系数，若图像质量参考系数大于预设检测图像质量系数的匹配历史档案数量小于预设档案数量，仅选择图像质量参考系数大于预设检测图像质量系数的匹配历史档案。
40、与现有技术相比，本发明的有益效果在于，本发明技术方案中数据处理模块根据各初选档案集合的特征位置差异值以及特征形态差异值确定初选档案集合的特征状态，数据筛选模块根据各初选档案集合的特征状态确定各初选档案集合对应的处理方式，进而确定对应的匹配方式，使得匹配方式满足实际匹配场景，以提高匹配结果的准确性以及匹配过程的效率。
41、进一步地，本发明中数据处理模块根据目标患者与各历史档案的对象信息以及病历信息确定初选档案集合，根据各历史档案对应的历史患者所处年龄范围、生长阶段与历史患者的菌斑指数、角化龈宽度参考值以及牙齿松动参考值获取历史档案集合，并根据各历史档案集合与目标患者的对象信息差异值确定初选档案集合，为后续档案匹配过程缩小了匹配范围，本发明提高了档案匹配过程的效率，进而提高了辅助诊断的处理效率。
42、进一步地，本发明中第一分析模块根据目标患者类别确定目标患者信息与该初始档案集合的匹配方式，在目标患者为过往患者时，根据初始档案集合内各历史档案的匹配系数进行档案匹配，各历史档案的匹配系数根据目标患者的目标检测图像与对应的初始档案集合内各历史检测图像的图像相似度以及与对应的各历史档案的矫正参考差异值确定，以匹配矫正过程相似的历史档案，进一步优化了档案匹配的结果，本发明提高了档案匹配结果的准确性。
43、进一步地，本发明中第二分析模块根据目标患者的异常形态牙齿中是否存在异常磨损牙齿确定牙齿异常状态，并根据目标患者的牙齿异常状态确定目标患者信息与该初始档案集合的匹配方式，当目标患者的异常形态牙齿中存在异常磨损牙齿时，及时提醒用户，当目标患者的异常形态牙齿中不存在异常磨损牙齿时，根据目标检测图像与该初始档案集合内历史检测图像中异常形态牙齿的特征相似度进行档案匹配，避免了异常磨损牙齿的存在影响匹配结果的准确性，本发明提高了档案匹配结果的准确性。
1.一种基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，数据处理模块根据目标患者与各历史档案的对象信息以及病历信息确定初选档案集合；
3.根据权利要求2所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，数据处理模块针对各初选档案集合进行特征学习，特征学习包括根据单个初选档案集合对应的特征位置差异值以及特征形态差异值确定该初选档案集合的特征状态，特征状态包括：
4.根据权利要求3所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，所述特征位置差异值根据公式（1）确定，
5.根据权利要求4所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，数据筛选模块根据各初选档案集合的特征状态确定各初选档案集合对应的处理方式；
6.根据权利要求5所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，若初选档案集合处于第一预设特征状态，第一分析模块根据目标患者类别确定目标患者信息与该初始档案集合的匹配方式，匹配方式包括：
7.根据权利要求6所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，第一分析模块根据目标患者的目标检测图像与对应的初始档案集合内各历史检测图像的图像相似度以及与对应的各历史档案的矫正参考差异值确定该初始档案集合内各历史档案的匹配系数，匹配系数根据公式（3）确定，
8.根据权利要求7所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，若初选档案集合处于第二预设特征状态，第二分析模块根据目标患者的牙齿异常状态确定目标患者信息与该初始档案集合的匹配方式，匹配方式包括：
9.根据权利要求8所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，所述牙齿异常状态根据目标患者的异常形态牙齿中是否存在异常磨损牙齿确定，牙齿异常状态包括：
10.根据权利要求1所述的基于深度学习的口腔正畸病症辅助诊断系统，其特征在于，若数据筛选模块筛选得到的匹配历史档案数量大于预设档案数量，数据筛选模块根据各匹配历史档案的图像质量参考系数针对匹配历史档案进行二次筛选，选择预设档案数量的匹配历史档案；
