龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明提供了一种基于改进YOLOv5模型的全景片牙齿病症识别检测方法，包括：在Backbone主干网络融入注意力机制和轻量化卷积模块，提高检测性能和运行效率；在BiFPN颈部网络通过跳跃连接实现网络中不同层级的特征融合，获得不同尺度的张量数据，提高网络对不同尺度牙齿病症的特征融合能力；将不同尺度的张量数据输入到Head头部分别预测目标的分类和预测框，得到检测结果。本发明通过使用改进的YOLOv5算法检测全景片牙齿病症，较现有的SSD、FasterR‑CNN算法有着更好的检测效果，能够在实际的全景片牙齿病症检测过程中精确识别出各种牙齿病症，提高医学领域对牙齿病症检测的效率。本发明还公开了一种基于深度学习的全景片牙齿病症识别检测系统。
主权项：1.一种基于改进YOLOv5模型的全景片牙齿病症检测方法，其特征在于，包括：将全景片牙齿图像输入到训练好的改进YOLOv5模型中，检测图像中的龋齿、根尖周炎、根分叉病变和阻生齿等牙齿病症；所述改进YOLOv5模型包括：输入端、改进Backbone骨干网络、BiFPN网络、Head头部；所述改进YOLOv5模型的训练过程包括以下步骤：S1：通过拍照形式收集医院口腔科就诊患者的全景片牙齿图像得到样本照片数据集，通过专业医生进行对数据集诊断标记出具体的牙齿病症位置以及类型，并对获取的数据集进行格式转化处理，对格式转化后的数据集进行训练集和数据集的划分；S2：将训练集中的数据输入到改进YOLOv5模型的输入端进行预处理；S3：将预处理后的图片输入到Backbone骨干网络中获取深层特征信息，得到不同深度的特征图；S4：将不同深度的特征图输入到BiFPN网络中,通过跳跃连接实现网络中不同层级的特征融合，获得不同尺度的张量数据；S5：不同尺度的张量数据通过Head头部分别预测目标的分类和预测框；S6：根据预测框与真实框选取正确的检测框，并使用非极大值抑制NMS方法剔除多余的预测框；S7：根据检测结果来计算模型的损失函数，接着调整模型的参数，在损失函数值变化浮动或不再变小时，完成模型训练。
全文数据：
权利要求：
百度查询： 山西医科大学 基于深度学习的全景片牙齿病症识别检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号