公开(公告)号：CN117576396A

公开(公告)日：2024-02-20

申请号：CN202311576849.9

申请日：2023-11-24

Applicant: 杭州电子科技大学

Inventor： 蒋凯盛 ,  俞俊 ,  王显赟 ,  朱素果

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/82

Abstract: 本发明公开了基于扩散先验修复的牙体结构化实例分割方法，首先获取由口腔全景片结构注释的初步数据集TSD。其次对初步数据集进行中心裁剪，根据注释分割牙体实例，获取全景图内所有牙体实例的结构化标注结果得到数据集TPSD。然后定义牙体实例结构化分割网络DSIS，将TSD数据集输入该网络中进行牙体实例分割，并得到牙体结构化分割结果，并输入构建的异常检测模块ADM，获取融合的异常结构掩码。最后使用TPSD数据集训练构建的扩散先验牙体结构修复网络DPR，修复结构化分割结果。本发明实现了在有填充材料或断牙等常见破坏牙体区域的情况下实现正常牙体结构的分割。

公开(公告)号：CN117830202A

公开(公告)日：2024-04-05

申请号：CN202310448413.5

申请日：2023-04-24

Applicant: 杭州电子科技大学 ,  浙江省人民医院 ,  杭州臾宇智能科技有限公司 ,  绍兴微源生物医药科技有限公司

Inventor： 蒋凯盛 ,  俞俊 ,  王显赟 ,  高斯哲 ,  张慧聪 ,  陈宇 ,  杨帆 ,  陈枫 ,  朱素果

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/70 ,  G06T5/73 ,  G06T5/60 ,  G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/08

Abstract: 本发明公开了一种基于牙体修复及结构化分割的龋病程度分类方法。首先，设计结构分割网络利用图像级细粒度特征和高层语义特征融合实现对牙体实例分割的内部结构信息补充，同时使用基于生成对抗训练的结构感知模块对所产生的结构化分割结果进行判别以鼓励网络分割出更完整的牙体结构。然后通过设计牙体结构修复网络来对结构遭到破坏的牙体实例进行结构重建使其能够正常参与分割产生完整的牙体结构。最后，根据分割出的牙体结构划定龋坏程度分级线，通过判断龋病分割网络获得的龋病区域在分级线内最深的落点得到准确的龋病分类结果。本发明通过解耦龋病分类过程，联合多任务学习，确定出分类边界，使龋病程度分类结果具有更高的准确度及可解释性。

公开(公告)号：CN119399117A

公开(公告)日：2025-02-07

申请号：CN202411373767.9

申请日：2024-09-29

Applicant: 杭州电子科技大学

Inventor： 杨镇丞 ,  俞俊 ,  杨艳 ,  王显赟 ,  朱素果

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多视角特征融合的CBCT下颌神经管精细化分割方法。本发明首先选取CBCT影像和下颌神经管标注构成数据集；将训练集切成若干个Patch得到输入数据，并编码每个Patch的位置坐标。其次，将每个Patch与其对应的位置编码送入预分割网络模型，得到预分割结果，采用三次样条插值得到下颌管中心线。最后对CBCT与下颌管中心线进行多视角特征提取，并通过3D Attention进行特征融合，并将得到的特征进行解码，最终获得下颌管的分割结果，并进行优化训练。本发明有效融合多种视角的特征信息，确保了分割结果的精确性和完整性。

公开(公告)号：CN116228639A

公开(公告)日：2023-06-06

申请号：CN202211597481.X

申请日：2022-12-12

Applicant: 杭州电子科技大学 ,  浙江省人民医院 ,  杭州臾宇智能科技有限公司 ,  绍兴微源生物医药科技有限公司

Inventor： 王显赟 ,  蒋凯盛 ,  高斯哲 ,  俞俊 ,  张慧聪 ,  陈宇 ,  杨帆 ,  陈枫 ,  朱素果

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V20/70 ,  G06V10/778 ,  G06N3/096

Abstract: 本发明公开了一种基于半监督多级不确定性感知的口腔全景片龋齿分割方法。本发明通过学生老师模型进行迭代训练，从解码器的各层中提取不同尺度的特征图进行深监督，并采用高斯噪声扰动和蒙特卡罗方法生成不确定性掩码矩阵，利用不同层解码器的多级输出辅助不确定性掩码的生成。由于各层感受野的差异，本方法将不确定性掩码矩阵从二维空间扩展到三维，即同时利用噪声扰动、指数移动平均(EMA)和多级特征来丰富不确定性掩码的参考性，从而帮助模型区分口腔全景图中图像特征相似的伪影和龋齿，提高模型对各种规模龋齿的识别性能，以提高医疗辅助作用。