申请/专利权人：中国人民解放军空军军医大学

申请日：2023-12-19

公开（公告）日：2024-04-12

公开（公告）号：CN117876828A

主分类号：G06V10/80

分类号：G06V10/80;G06V10/26;G06V10/82;G06V10/44;G16H50/20;G16H40/67;G06N3/0464;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了基于多模态融合的颞下颌关节智能辅助评估方法，包括以下步骤：步骤1：数据采集与预处理；步骤2:特征提取；步骤3:特征融合与分析；3.1构建向量场：基于运动跟踪数据F构建关节运动的向量场Ax；3.2应用综合性算法公式进行深度分析：将步骤2和步骤3的结果融合，应用综合性算法公式进行深度分析，得到一个综合特征描述，反映关节的功能状态；所述综合性算法公式如下：步骤4:智能评估与诊断；步骤5:模型部署与用户交互。

主权项：1.基于多模态融合的颞下颌关节智能辅助评估方法，其特征在于：包括以下步骤：步骤1：数据采集与预处理1.1采集数据：收集颞下颌关节运动跟踪数据F，CBCT三维图像I1，和MRI三维图像I2；1.2数据预处理：对采集到的数据进行必要的预处理，包括去噪、标准化和格式化，以便于后续分析；步骤2：特征提取2.1应用卷积神经网络：使用UNet网络对I1和I2进行关节解剖结构的分割，得到分割MaskM1和M2；2.2特征向量提取：从M1和M2中提取关节的关键特征向量步骤3：特征融合与分析3.1构建向量场：基于运动跟踪数据F构建关节运动的向量场Ax；3.2应用综合性算法公式进行深度分析：将步骤2和步骤3的结果融合，应用综合性算法公式进行深度分析，得到一个综合特征描述，反映关节的功能状态；所述综合性算法公式如下： 其中，向量场Ax表示关节运动的向量场，其中x是关节的三维位置向量；散度表示关节运动向量场的散度，用于分析关节运动的空间变化；高斯函数用于模拟关节内部特定点的影响，其中xi表示特定的标记点位置，λ是调节参数，αi是衰减参数；逻辑函数用于处理影像数据，其中代表影像数据的特征向量，σj是调节参数；微分几何函数Γx用于描述关节表面的曲率和形状变化；步骤4：智能评估与诊断4.1构建深度学习模型：建一个端到端的深度学习模型；4.2训练与评估使用步骤3的输出作为输入数据训练深度学习模型，并对模型进行评估和优化；4.3输出关节状态评分：模型输出颞下颌关节的功能状态评分；步骤5：模型部署与用户交互5.1模型部署：将优化后的模型部署到云服务器或边缘计算设备；5.2开发用户界面：开发移动端和Web端应用程序，用于展示关节运动的可视化结果和智能评估诊断报告。

全文数据：

权利要求：

百度查询： 中国人民解放军空军军医大学 基于多模态融合的颞下颌关节智能辅助评估方法

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