申请/专利权人：浙江大学

申请日：2023-04-06

公开（公告）日：2024-01-26

公开（公告）号：CN116309522B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/26;G06V10/46;G06V10/82;G06V10/764;G06V10/774;G06N3/08;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.01.26#授权;2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种基于二阶段深度学习模型的全景片牙周炎智能分级系统，进行牙周炎智能分级过程包括：获取待检测的牙齿全景片；利用牙齿分割模型对牙齿全景片进行牙齿分割，得到单颗牙齿图；利用关键点检测模型对单颗牙齿图进行关键点定位以得到每颗牙齿的关键点位置；基于每颗牙齿的关键点位置计算牙周骨损失率；依据牙周骨损失率确定牙周炎等级。该系统能够实现对牙周炎的智能快速准确分级。

主权项：1.一种基于二阶段深度学习模型的全景片牙周炎智能分级系统，包括计算机存储器、以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器还存储有基于深度学习网络构建的牙齿分割模型和关键点检测模型，所述计算机处理器执行所述计算机程序时实现以下步骤：获取待检测的牙齿全景片；利用牙齿分割模型对牙齿全景片进行牙齿分割，得到单颗牙齿图；其中，所述牙齿分割模型采用SwinUnet模型，在被应用之前需要经过参数优化，参数优化时，损失函数L1为： 其中，e表示分割面积，f表示真实面积；利用关键点检测模型对单颗牙齿图进行关键点定位以得到每颗牙齿的关键点位置，其中，所述关键点检测模型采用Yolov3模型，在被应用之前需要经过参数优化，参数优化时，损失函数L2为： 其中，M表示样本数量，m为样本索引，N表示关键点个数，n表示关键点索引，分别表示Yolov3模型中Y1-Y3模块中预测关键点与实际点的欧式距离；基于每颗牙齿的关键点位置计算牙周骨损失率，包括：PBL％＝MAXdm1-m2dm1-m3,dd1-d2dd1-d3其中，d1表示远端釉牙骨质界点的位置，d2表示远端牙槽嵴的位置，d3表示远端根尖的位置，m1表示近端釉牙骨质界点的位置，m2表示近端牙槽嵴的位置，m3表示近端根尖的位置，MAX取最大值函数，dm1-m2表示m1到m2的距离，dm1-m3表示m1到m3的距离，dd1-d2表示d1到d2的距离，dd1-d3表示d1到d3的距离，PBL％表示牙周骨损失率；依据牙周骨损失率确定牙周炎等级。

全文数据：

权利要求：

百度查询： 浙江大学 基于二阶段深度学习模型的全景片牙周炎智能分级系统

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