申请/专利权人：浙江工业大学

申请日：2021-01-25

公开（公告）日：2024-04-19

公开（公告）号：CN112837278B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/82;G06V10/44;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2021.06.11#实质审查的生效;2021.05.25#公开

摘要：基于深度边界监督的牙齿全景片龋齿识别方法，在获取牙齿全景片后，将牙齿全景片通过编码模块进行特征编码，得到深层扰动特征图、跳跃连接特征图以及目标边界分割图；将深层扰动特征图输入分类模块对是否存在浅龋、中龋和深龋进行识别；最后将深层扰动特征图和跳跃连接特征图输入解码模块进行特征解码，得到龋齿分割结果以及目标边界分割图。本发明使得网络对龋齿的分类识别能力和对龋齿边界的分割能力大大增强，使训练好的模型在遇到龋齿图像较为模糊的情况时仍能利用特殊情况中常见的部分特征得出较为合理的分类以及分割结果。

主权项：1.一种基于深度边界监督的牙齿全景片龋齿识别方法，其特征在于，所述方法包括以下步骤：步骤S1、将牙齿全景片I输入至编码模块进行特征编码，得到深度特征图Fdeep、跳跃连接特征图S1、S2、S3、S4以及目标边界分割图B1、B2、B3；步骤S2、将深度特征图Fdeep输入分类模块，通过分类器链得到存在浅龋、中龋以及深龋的概率P1，P2，P3；步骤S3、将深层特征图Fdeep输入至解码模块进行特征解码，得到龋齿分割结果以及目标边界分割图B4、B5、B6；所述步骤S1中，将牙齿全景片I输入至编码模块进行特征编码，得到深度特征图Fdeep、跳跃连接特征图S1、S2、S3、S4以及目标边界分割图B1、B2、B3，过程如下：步骤1.1、将牙齿全景片I输入至卷积核大小为3*3的扰动卷积层卷积，得到跳跃连接特征图S1，其维度为C1×H0×W0，再进行池化后得到特征图F1，其维度为C1×H1×W1；步骤1.2、将特征图F1输入至基于边界监督的扰动卷积块，得到跳跃连接特征图S2，其维度为C2×H1×W1，特征图F2，其维度为C2×H2×W2以及目标边界分割图B1，其维度为1×H1×W1；步骤1.3、将特征图F2输入至基于边界监督的扰动卷积块，得到跳跃连接特征图S3，其维度为C3×H2×W2，特征图F3，其维度为C3×H3×W3以及目标边界分割图B2，其维度为1×H2×W2；步骤1.4、将特征图F3输入至基于边界监督的扰动卷积块，得到跳跃连接特征图S4，其维度为C4×H3×W3，特征图F4，其维度为C4×H4×W4以及目标边界分割图B3，其维度为1×H3×W3；步骤1.5、将特征图F4输入至卷积核大小为3*3的扰动卷积层，得到特征图Fdeep，其维度为C4×H4×W4；所述基于边界监督的扰动卷积块，处理过程包括：1将输入特征图输入扰动卷积层，得到跳跃连接特征图S；2将特征图S使用卷积核大小为1*1的卷积层进行卷积，得到特征图f1；3将特征图S使用卷积核大小为3*3的卷积层进行卷积，得到特征图f2；4将特征图S使用卷积核大小为3*3，空洞率为2的空洞卷积层进行卷积，得到特征图f3；5将特征图S使用卷积核大小为3*3，空洞率为4的空洞卷积层进行卷积，得到特征图f4；6将特征图S使用卷积核大小为3*3，空洞率为6的空洞卷积层进行卷积，得到特征图f5；7将特征图f1、f2、f3、f4和f5按通道组合，得到特征图f6；8将特征图f6使用卷积核大小为1*1的卷积层进行卷积并激活后输出目标边界分割图B；9通过计算F＝1+B×S，并通过池化后得到用以输入下一层的特征图F。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于深度边界监督的牙齿全景片龋齿识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD