申请/专利权人：东北大学;辽宁然辉科技有限公司

申请日：2023-07-07

公开（公告）日：2024-04-19

公开（公告）号：CN116862869B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/25;G06V10/82;G06V10/774;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2023.10.27#实质审查的生效;2023.10.10#公开

摘要：本发明属于自动检测方法技术领域，尤其涉及一种基于标志点检测的下颌骨骨折自动检测方法。基于标志点检测的下颌骨骨折自动检测方法能够降低数据标注难度，其基于对下颌骨医学影像标志点检测、骨折检测算法，实现了下颌骨骨折的自动检测、定位，并提高了检测效率。包括：步骤1、进行下颌骨标志点检测模型学习；步骤2、进行下颌骨骨折检测模型学习；步骤3、进行下颌骨骨折自动检测。

主权项：1.基于标志点检测的下颌骨骨折自动检测方法，其特征在于：包括：步骤1、进行下颌骨标志点检测模型学习；步骤2、进行下颌骨骨折检测模型学习；步骤3、进行下颌骨骨折自动检测；所述进行下颌骨标志点检测模型学习包括：步骤1.1、确定下颌骨标志点；步骤1.2、建立下颌骨标志点检测数据集；步骤1.3、选择并学习标志点自动检测算法；步骤1.1中，所述确定下颌骨标志点包括：确定十二个下颌骨标志点：左髁突、右髁突、左冠突、右冠突、左下颌切迹、右下颌切迹、左下颌角、右下颌角，左第三磨牙牙根后侧、右第三磨牙牙根后侧、左犬牙牙根内侧、右犬牙牙根内侧；步骤2中，所述进行下颌骨骨折检测模型学习包括：步骤2.1、确定骨折分类标准；包括：将下颌骨骨折分为：A类：无移位，B类：移位，C类：多分支损伤；步骤2.2、建立下颌骨骨折检测数据集；包括：选择含下颌骨的医学影像数据，包括下颌骨健康受检者和下颌骨骨折患者的数据，二者数量及人口分布特性应相同，骨折数据应含有步骤2.1确定的所有类型骨折；将所选数据划分为训练集、验证集、测试集三部分，每一部分均包含相同比例的骨折数据；制作骨折检测标签，标签包括涵盖下颌骨的感兴趣区域、骨折位置及类型；步骤2.3、选择并学习骨折自动检测算法；包括：选择深度学习FasterR-CNN自动检测算法，设定阈值将检测结果分三类，分别对应A、B、C类下颌骨骨折；预处理下颌骨骨折检测数据集，包括提取并针对感兴趣区域的：分辨率和灰度值归一化、使用随机旋转扩充数据、使用随机裁剪统一尺寸；使用下颌骨骨折检测数据集的训练集和验证集学习下颌骨骨折检测模型，使用测试集得到学习后模型的性能；步骤3中，所述进行下颌骨骨折自动检测包括：步骤3.1、通过标志点检测模型得到颌面部医学影像的标志点；步骤3.2、根据标志点检测结果确定下颌骨感兴趣区域；步骤3.3、将感兴趣区域输入骨折检测模型，得到骨折检测结果；该骨折检测结果包括矩形框、概率；步骤3.4、根据十二个下颌骨标志点，确定九个下颌骨分区：下颌联合，左下颌体、右下颌体，左下颌角及升支、右下颌角及升支，左冠突、右冠突，左髁突、右髁突；根据骨折检测结果的矩形框与分区重合部分大小，选择阈值决定所检测骨折所属分区或所跨分区；步骤1.2中，所述建立下颌骨标志点检测数据集包括：选择含下颌骨的医学影像数据，包括下颌骨健康受检者和下颌骨骨折患者的数据，且二者数量及人口分布特性应相同；将所选数据划分为训练集、验证集、测试集三部分，每一部分均包含相同比例的骨折数据；制作标志点检测标签，包括以标志点为中心固定尺寸区域的分割，以及此数据正常或骨折；步骤1.3中，所述选择并学习标志点自动检测算法包括：选择深度学习U-Net算法，将以标志点为中心的固定尺寸区域作为分割目标；预处理下颌骨标志点检测数据集，包括分辨率和灰度值归一化、使用随机旋转扩充数据、使用随机裁剪统一尺寸；选择Adam优化算法、Dice损失函数，使用下颌骨标志点检测数据集的训练集和验证集学习下颌骨标志点检测模型，再使用测试集得到学习后模型的性能。

全文数据：

权利要求：

百度查询： 东北大学;辽宁然辉科技有限公司 基于标志点检测的下颌骨骨折自动检测方法

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