买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利基于深度学习的口腔颌面外科影像识别诊断方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120280132B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510766267.X，技术领域涉及：G16H50/20；该发明授权基于深度学习的口腔颌面外科影像识别诊断方法及系统是由李明贺;王波元;王晗;李美华;代一设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本基于深度学习的口腔颌面外科影像识别诊断方法及系统在说明书摘要公布了：本发明实施例公开了一种基于深度学习的口腔颌面外科影像识别诊断方法及系统，首先获取目标患者的口腔颌面三维影像数据集合，然后对三维影像数据集合执行影像特征提取处理，得到层级影像特征集合，包括局部解剖结构特征和全局空间分布特征，接着调用预训练的多尺度特征融合网络对层级影像特征集合进行多尺度特征融合，生成融合特征图谱。基于融合特征图谱执行病灶区域识别处理，确定目标患者的口腔颌面异常区域的位置信息及形态描述信息，并根据口腔颌面异常区域的位置信息及形态描述信息生成诊断报告，传输至医疗终端设备进行显示，由此提高了口腔颌面外科影像诊断的准确性和效率。

本发明授权基于深度学习的口腔颌面外科影像识别诊断方法及系统在权利要求书中公布了：1.一种基于深度学习的口腔颌面外科影像识别诊断方法，其特征在于，包括： 获取目标患者的口腔颌面三维影像数据集合，所述三维影像数据集合包含多组连续扫描层片影像数据，其中，扫描参数涵盖扫描范围和层间距，所述扫描范围覆盖目标患者口腔颌面的关键区域，所述关键区域包括牙齿、颌骨、周围软组织，所述层间距则决定了相邻两层扫描层片影像数据之间的距离，在扫描过程中，口腔颌面CT扫描仪围绕患者的头部进行旋转扫描，每旋转到一个特定角度，采集一组层片影像数据，得到多组连续的层片影像数据，所述层片影像数据在空间上具有连续性，从不同的角度和层面展现目标患者口腔颌面的结构信息，所述层面包括矢状面、冠状面和横断面；每一组层片影像数据为一个二维矩阵，所述二维矩阵中的每个元素代表了对应位置的影像灰度值，所述三维影像数据集合是由多个所述二维矩阵按照扫描顺序堆叠而成的三维矩阵，该三维矩阵中的每个元素都有其特定的空间坐标，对应着口腔颌面内的一个具体位置； 对所述三维影像数据集合执行影像特征提取处理，得到所述连续扫描层片影像数据的层级影像特征集合；所述层级影像特征集合包括局部解剖结构特征和全局空间分布特征； 调用预训练的多尺度特征融合网络对所述层级影像特征集合进行多尺度特征融合，生成融合特征图谱； 基于所述融合特征图谱执行病灶区域识别处理，确定所述目标患者的口腔颌面异常区域的位置信息及形态描述信息； 根据所述位置信息及形态描述信息生成诊断报告，并将所述诊断报告传输至医疗终端设备进行显示； 所述调用预训练的多尺度特征融合网络对所述层级影像特征集合进行多尺度特征融合，生成融合特征图谱，包括： 将所述局部解剖结构特征与所述全局空间分布特征进行特征拼接处理，生成初始拼接特征； 对所述初始拼接特征执行分组轴向自注意力机制处理，生成自注意力权重分布图；所述分组轴向自注意力机制处理包括将特征沿空间维度分解为轴向子区域，分别计算每个轴向子区域内空间位置间的关联度矩阵，并对所述关联度矩阵进行归一化处理生成局部自注意力权重分布图； 基于所述自注意力权重分布图对所述局部解剖结构特征进行动态加权处理，生成加权局部特征；所述动态加权处理包括将所述自注意力权重分布图与所述局部解剖结构特征进行逐元素相乘操作； 将所述加权局部特征与所述全局空间分布特征进行特征融合处理，生成中间融合特征； 对所述中间融合特征执行跨通道特征交互处理，生成融合特征图谱；所述跨通道特征交互处理包括将所述中间融合特征分解为多个通道组，对每个通道组执行独立卷积操作后重新排列通道顺序，生成具有通道交互特性的融合特征图谱； 所述对所述中间融合特征执行跨通道特征交互处理，生成融合特征图谱，包括： 将所述中间融合特征按通道维度分割为多个子特征组；其中，每个子特征组包含预定数量的连续通道； 对每个所述子特征组执行分组卷积处理，生成分组特征图；所述分组卷积处理采用独立的卷积核分别作用于每个子特征组； 将所述分组特征图进行通道混洗处理，生成混洗特征图；所述通道混洗处理将每个子特征组中的通道按预定规则重新排列以促进跨组信息交互； 对所述混洗特征图执行逐点卷积处理，生成跨通道交互特征；所述逐点卷积处理采用1×1卷积核调整通道维度； 将所述跨通道交互特征与所述中间融合特征进行残差连接处理，生成融合特征图谱； 所述残差连接处理将所述跨通道交互特征与原始中间融合特征进行逐元素相加； 所述基于所述融合特征图谱执行病灶区域识别处理，确定所述目标患者的口腔颌面异常区域的位置信息及形态描述信息，包括： 对所述融合特征图谱进行候选区域生成处理，得到多个候选区域边界框；所述候选区域生成处理采用滑动窗口机制在所述融合特征图谱上以不同尺度和长宽比生成初始边界框； 对每个所述候选区域边界框执行特征裁剪处理，生成候选区域特征图；所述特征裁剪处理根据边界框坐标从所述融合特征图谱中截取对应区域的特征数据； 将所述候选区域特征图输入至预训练的病灶分类网络进行异常概率预测处理，得到每个候选区域的异常置信度评分；所述病灶分类网络包含多个全连接层，用于将候选区域特征图映射为异常概率值； 根据预设置信度阈值筛选所述异常置信度评分对应的候选区域，生成异常区域候选集； 对所述异常区域候选集中的各个候选区域按异常置信度评分进行降序排序处理，生成排序候选列表； 从所述排序候选列表中选取首个候选区域作为基准区域，计算其余候选区域与所述基准区域的空间重叠度；所述空间重叠度通过交并比算法计算基准区域边界框与其它候选区域边界框的重叠面积占比； 根据预设重叠度阈值筛选所述空间重叠度满足条件的候选区域进行移除处理，更新所述排序候选列表； 重复执行以下操作直至所述排序候选列表为空集：选取当前排序候选列表中异常置信度评分最高的候选区域作为基准区域，计算其余候选区域与所述基准区域的空间重叠度； 若候选区域与基准区域的空间重叠度超过预设重叠度阈值，则从排序候选列表中移除该候选区域；将未被移除的基准区域加入最终异常区域集合，并记录其位置信息及形态描述信息；所述形态描述信息包括异常区域的最大直径、形状不规则度及边缘清晰度指标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。