申请/专利权人：浙江工业大学

申请日：2021-01-14

公开（公告）日：2024-02-06

公开（公告）号：CN112750111B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/12;G06V10/44;G06V10/764;G06V10/82;G06N3/048;G06N3/084;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.02.06#授权;2021.05.21#实质审查的生效;2021.05.04#公开

摘要：本发明公开了一种牙齿全景片中疾病识别与分割方法，首先训练得到准确率较高的多任务、多疾病的第一网络，然后将牙齿全景片输入至第二网络和训练好的第一网络，对第一网络中间层的特征图特征进行精炼、边缘特征精炼，对第一网络分类的预测结果进行标签软化学习疾病之间相似度的暗知识，用来指导第二网络的进一步学习。本发明通过多层特征精炼，将内在知识传递到第二网络，可使第二网络更加优秀，进而提升最终识别和分割的性能。经过多种特征精炼的第二网络，分类准确度、分割精确度高，体积小，特别适合部署在移动应用。

主权项：1.一种牙齿全景片中疾病识别与分割方法，其特征在于，所述牙齿全景片中疾病识别与分割方法，包括：将牙齿全景片样本Ioriginal输入已构建且训练后的第一网络Uteacher中，得到第一疾病分类预测向量logitsT以及第一特征图列表FeatsT；将牙齿全景片样本Ioriginal输入已构建的第二网络Ustudent中，得到第二特征图列表FeatsS、当前疾病分类结果和当前病灶分割结果将第一特征图列表FeatsT和第二特征图列表FeatsS进行深度特征提炼，得到深度特征提炼损失Lfeat；将第一疾病分类预测向量logitsT和当前疾病分类结果进行标签软化，得到软化标签损失Lsoft；将第一特征图列表FeatsT中的前两张特征图和第二特征图列表FeatsS中的前两张特征图进行边缘特征提炼，得到边缘提炼损失Ledge；将病灶分割标签Labelseg和当前病灶分割结果进行交叉熵计算得到病灶分割损失Lseg，将疾病分类标签Labelclassify和当前疾病分类结果进行交叉熵计算得到疾病分类损失Lhard；将Lsoft、Lfeat、Ledge、Lseg、Lhard五种损失函数加权求和，得到总的损失函数Ltotal，将Ltotal进行反向传播，迭代更新第二网络Ustudent内的参数，直至第二网络Ustudent收敛；将待检测牙齿全景片输入至已训练完成的第二网络Ustudent中，得到疾病分类结果和病灶分割结果。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种牙齿全景片中疾病识别与分割方法

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