公开(公告)号：CN119993458A

公开(公告)日：2025-05-13

申请号：CN202510097299.5

申请日：2025-01-22

Applicant: 南京市口腔医院 ,  南京大学

Inventor： 李厚轩 ,  郭薇 ,  周伟 ,  雷浪 ,  叶翰嘉 ,  李岚 ,  詹德川 ,  姜远 ,  周志华

IPC: G16H50/20 ,  G16H30/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0895 ,  G06T7/00

Abstract: 本发明公开一种基于不完全监督信息的多维度牙周炎识别和检测方法，首先，获取标注的牙周疾病图像，排除掉无法识别的图像并将剩余图像中需要识别的部分裁剪出来，并根据牙龈是否发炎和牙周退缩程度两个维度对图像进行分类；接着，基于多维度分类模型估计全部样本的标签分布，并用于修改每个类别数据的训练损失；然后，基于多维度分类模型对无标注牙周炎图像数据生成伪标签，并将通过估计现有参数的类别偏差来获取更精准的伪标签，利用矫正标签重新训练模型；最后，利用训练好的模型生成图像对应的最终标签，得到最终的识别结果。本发明利用半监督学习的框架，在仅有少量标注数据且数据类别不均衡的场景下，通过估计标签分布得到无偏损失，并通过估计类别偏差来矫正伪标签，解决了类别不均衡和标注数据有限两个问题，能使模型达到较高的识别准确率。

公开(公告)号：CN118351367A

公开(公告)日：2024-07-16

申请号：CN202410462765.0

申请日：2024-04-17

Applicant: 南京大学 ,  南京市口腔医院

Inventor： 叶翰嘉 ,  吴子源 ,  周伟 ,  姜远 ,  李厚轩 ,  周志华

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/084 ,  G06N3/096

Abstract: 本发明公开一种基于迁移学习的牙周疾病图像分类方法和系统，包括患者牙周图像的识别与筛选、牙周图像的预处理和数据集制作、预训练模型的获取、基于迁移学习的深度模型训练和更新。首先，获取医院实际拍摄的患者照片序列，并从中识别出患者的牙周正面照片，对识别出的数据进行预处理；然后，基于迁移学习方法，利用牙周数据对预训练模型进行训练与微调，最终得到一个具有泛化性的预测模型。本发明利用迁移学习的方法，使得深度模型在少量数据上仍能达到很好的分类准确率，从而降低数据收集的难度，提升牙周疾病图像识别与分类的准确率。基于端到端的思想，面向原始图片序列自动进行目标图片的识别与预测，从而降低医生的工作量，具有良好的应用前景。

公开(公告)号：CN115908947A

公开(公告)日：2023-04-04

申请号：CN202211693971.X

申请日：2022-12-28

Applicant: 南京大学

Inventor： 叶翰嘉 ,  姜远 ,  李厚轩 ,  周志华

IPC: G06V10/764 ,  G06V10/774 ,  G06N20/00

Abstract: 本发明公开一种基于反绎学习的多模态牙周图像识别方法和系统，首先，获取标注的牙周疾病图片，并以有监督的方式对于预训练模型进行更新；接着，对于牙周疾病严重程度的知识进行形式化，形成知识库；然后，基于预训练模型对无标注牙周疾病图片数据生成伪标记，并将伪标记与知识库进行对比，用逻辑推理的结果针对伪标记进行矫正与更新，并利用矫正数据重新训练模型；最后，利用训练好的模型生成图片对应的最终标记，并利用多模态融合的方法得到最终的识别结果。本发明利用反绎学习的框架，在仅有少量标注数据的场景下，通过形式化并利用专家知识，在加速训练过程的同时，更能使模型达到较高的识别准确率。

公开(公告)号：CN119992203A

公开(公告)日：2025-05-13

申请号：CN202510097300.4

申请日：2025-01-22

Applicant: 南京市口腔医院 ,  南京大学

Inventor： 李厚轩 ,  周伟 ,  郭薇 ,  雷浪 ,  叶翰嘉 ,  李岚 ,  詹德川 ,  姜远 ,  周志华

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/092 ,  G06V10/26 ,  G06V10/74 ,  G16H50/20 ,  G16H30/40 ,  G06T7/00

Abstract: 本发明涉及一种基于牙周照片的牙周炎识别系统，主要用于通过牙周照片自动化识别牙周炎。系统包括五个模块：图像采集与预处理模块、多实例学习模型训练模块、分类与诊断模块、系统普通用户端以及系统专家用户端。该系统通过图像处理和目标检测技术，首先对采集的牙周照片进行预处理，排除低质量图片并裁剪出牙齿区域；然后利用多实例学习框架，结合对比损失对图像进行分类，识别牙周炎的风险等级。用户端提供直观的诊断结果，专家端则为专家提供更详细的分析信息和建议。该发明能够有效提高牙周炎的诊断精度，减轻临床工作负担，实现牙周炎的早期自动化识别，为患者提供及时有效的治疗建议。

公开(公告)号：CN115908947B

公开(公告)日：2025-01-28

申请号：CN202211693971.X

申请日：2022-12-28

Applicant: 南京大学 ,  南京市口腔医院

Inventor： 叶翰嘉 ,  姜远 ,  李厚轩 ,  周志华

IPC: G06V10/764 ,  G06V10/774 ,  G06N20/00

Abstract: 本发明公开一种基于反绎学习的多模态牙周图像识别方法和系统，首先，获取标注的牙周疾病图片，并以有监督的方式对于预训练模型进行更新；接着，对于牙周疾病严重程度的知识进行形式化，形成知识库；然后，基于预训练模型对无标注牙周疾病图片数据生成伪标记，并将伪标记与知识库进行对比，用逻辑推理的结果针对伪标记进行矫正与更新，并利用矫正数据重新训练模型；最后，利用训练好的模型生成图片对应的最终标记，并利用多模态融合的方法得到最终的识别结果。本发明利用反绎学习的框架，在仅有少量标注数据的场景下，通过形式化并利用专家知识，在加速训练过程的同时，更能使模型达到较高的识别准确率。