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申请的专利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：CN116228639B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202211597481.X，技术领域涉及：G06T7/00；该发明授权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是由王显赟;蒋凯盛;高斯哲;俞俊;张慧聪;陈宇;杨帆;陈枫;朱素果设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本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在说明书摘要公布了：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。

本发明授权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在权利要求书中公布了：1.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，其特征在于包括如下步骤： 步骤1.数据集获取，为龋齿分割任务构建一个全新的龋齿数据集DC1000； 步骤2.数据处理，在步骤1所获取的龋齿数据集上，将训练数据裁剪成包含龋齿的切片，将测试数据去除骨质部分，裁剪得到中心口腔位置；再对裁剪后的训练样本图像进行随机的亮度、对比度调整，和水平翻转以及固定范围内随机旋转，从而增加训练样本的多样性； 步骤3.定义基于多级不确定性感知的网络架构，该网络架构采用一种双网络结构，包括两个分支即教师分支和学生分支；以步骤2处理后的训练集中的有标签图像和无标签图像作为学生网络的输入，并对有标签图像结合其对应实际分割标签图做有监督训练；将输入学生网络中的无标签图像同样输入教师网络，并且再对该无标签图像进行随机扰动多次，后再多次输入教师网络；关闭教师网络的梯度回传，由学生网络通过指数移动平均方法更新教师网络参数，保存历史版本的扰动信息； 步骤4.损失函数，该损失函数分为3个部分，包括学生模型有监督直接预测的训练损失、多尺度深监督的训练损失以及双网络模型无标签预测的一致性损失； 对于教师网络，将输入到学生网络中相同的无标签图像，同样不采取任何高斯扰动处理，直接输入到教师网络中得到1个直接预测和L层多尺度输出；将教师网络得到的无标签直接输出和对应学生网络得到的直接输出做一个L2 MSE Loss；随后对此无标签图像数据先进行一次高斯噪声扰动，随后教师网络采用蒙特卡罗方法采样T次，在每次采样的过程中再进行一次高斯噪声扰动，将扰动后的无标签图像数据集再次输入教师网络，同样会得到1个直接输出和L个多尺度输出；对L个多尺度输出同样输入到对应的L个分割模块中，上采样得到相同尺度的预测结果；经过上述的T次循环采样后，得到T*L个预测结果，使用Mean方法对预测结果进行融合得到使用如下的公式得到不确定性掩码矩阵muncertain： 并且模型会动态生成一个阈值threshold来调整不确定掩码矩阵，生成动态阈值的公式如下所示： 其中，γ和β是用于调整阈值的两个超参数；c和C分别表示当前和最大训练时间；选择不确定度测量矩阵中小于当前训练阈值的部分作为特定的掩码；在不确定掩码矩阵中小于当前训练阈值的部分将被选为最后的特定掩码矩阵； 步骤5.定义AdamW优化器，设定初始学习率；模型训练过程中，动量和权重衰减系数分别进行设置；学习率随着训练周期增加而减缓，从而有效抑制振荡；半监督的一个batch中，有标签样本和无标签样本各占一半； 步骤6.网络训练与测试，按照步骤3的方式进行网络训练，教师网络参数由学生网络通过指数移动平均方式进行更新；在测试阶段，使用滑动窗口以50％的重复率进行切片组成切片集，输入到学生网络中得到预测集结果，将预测结果按照对应切片位置重新恢复成原始图像得到最后的预测结果。

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，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。