-
公开(公告)号:CN119273632B
公开(公告)日:2025-05-16
申请号:CN202411292542.0
申请日:2024-09-14
Applicant: 北京大学口腔医学院
IPC: G06T7/00 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/776 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于人工智能大模型的口腔疾病检测方法,涉及口腔医学技术领域。包括获取牙齿病灶图片和对应口腔内部状态描述,采用特征提取块BERT和多尺度特征提取块MFEM分别提取牙齿病灶图片的图片特征信息和口腔内部状态的文本特征信息,识别并排除其中的假负样本,在YOLOv8网络中引入总损失函数和动态标签分配策略,获得改进的YOLOv8网络,将数据集分为训练集和测试集,依次输入改进的YOLOv8网络进行验证,得到验证后的YOLOv8网络,将牙齿病灶图片和对应文本信息输入验证后的YOLOv8网络中,得到病灶区域类型检测和文本描述。本发明能够有效提高口腔内多种疾病的检测与分类,并给予相应的病灶区域描述和建议。
-
公开(公告)号:CN119214816A
公开(公告)日:2024-12-31
申请号:CN202411376317.5
申请日:2024-09-29
Applicant: 北京大学口腔医学院
Abstract: 本发明属于口腔科器械技术领域,特别涉及一种辅助口内扫描操作的舌体牵拉装置。包括弹性固定环,所述弹性固定环的底部固定连接有网兜状的弹性吸附部,所述弹性吸附部用于套住舌体并吸附舌体上及口腔内的唾液,所述弹性固定环的侧面固定连接有牵引杆,用于牵引所述弹性固定环和所述弹性吸附部。本发明中的弹性固定环和弹性吸附部不仅能够有效限制舌体的运动,而且还能够吸附舌体上以及口腔内分泌的唾液,从而避免唾液对口内操作视野进行干扰,进而提高扫描图像的清晰度和数据的准确性,并同时提高患者的舒适度以及操作效率。
-
公开(公告)号:CN119027531B
公开(公告)日:2025-05-16
申请号:CN202411120800.7
申请日:2024-08-15
Applicant: 北京大学口腔医学院
IPC: G06T11/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的CT伪影去除方法及系统,涉及医学影像技术领域,包括:获取CT图像,分别对CT图像进行正弦变换和小波变换处理;构建图像增强模型,处理后的图像分别通过依次连接的图像增强模型和随机反投影层进行图像优化;优化后的图像和原始图像耦合后输入至图像增强模型中进行再处理;再处理后的图像和优化后的图像进行元素相加得到伪影去除CT图像。本发明引进小波变换对CT图像进行处理,用于提取CT图像上下文以及空间信息,在伪影去除过程中有效提取特征信息,提高图像增强的性能;建立基于VMamba模型的CT图像分辨率增强模型,提高网络训练的长期依赖性,有效识别并去除放射性伪影,提高网络训练效率。
-
公开(公告)号:CN119273632A
公开(公告)日:2025-01-07
申请号:CN202411292542.0
申请日:2024-09-14
Applicant: 北京大学口腔医学院
IPC: G06T7/00 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/776 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于人工智能大模型的口腔疾病检测方法,涉及口腔医学技术领域。包括获取牙齿病灶图片和对应口腔内部状态描述,采用特征提取块BERT和多尺度特征提取块MFEM分别提取牙齿病灶图片的图片特征信息和口腔内部状态的文本特征信息,识别并排除其中的假负样本,在YOLOv8网络中引入总损失函数和动态标签分配策略,获得改进的YOLOv8网络,将数据集分为训练集和测试集,依次输入改进的YOLOv8网络进行验证,得到验证后的YOLOv8网络,将牙齿病灶图片和对应文本信息输入验证后的YOLOv8网络中,得到病灶区域类型检测和文本描述。本发明能够有效提高口腔内多种疾病的检测与分类,并给予相应的病灶区域描述和建议。
-
-
公开(公告)号:CN119027531A
公开(公告)日:2024-11-26
申请号:CN202411120800.7
申请日:2024-08-15
Applicant: 北京大学口腔医学院
IPC: G06T11/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的CT伪影去除方法及系统,涉及医学影像技术领域,包括:获取CT图像,分别对CT图像进行正弦变换和小波变换处理;构建图像增强模型,处理后的图像分别通过依次连接的图像增强模型和随机反投影层进行图像优化;优化后的图像和原始图像耦合后输入至图像增强模型中进行再处理;再处理后的图像和优化后的图像进行元素相加得到伪影去除CT图像。本发明引进小波变换对CT图像进行处理,用于提取CT图像上下文以及空间信息,在伪影去除过程中有效提取特征信息,提高图像增强的性能;建立基于VMamba模型的CT图像分辨率增强模型,提高网络训练的长期依赖性,有效识别并去除放射性伪影,提高网络训练效率。
-
-
-
-
-