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！
申请/专利权人：李乾坤
摘要：本发明公开了基于深度学习的口腔全景X射线图像多病理实例分割方法，包括对输入的全景片数据进行灰度值标准化、尺寸统一化、数据增强化处理；构建口腔全景X射线图像多病理实例分割网络模型；采用检测框的平均精度值bboxmAP及分割区域的平均精度值segmmAP作为评价模型性能评价指标；对主副骨干网络部分的单个网络参数采用其预训练好的参数做初始化，颈部网络部分和头部网络部分的参数均采用随机初始化，输入经过预处理后的口腔全景X射线图像数据进入模型，采用梯度下降算法对模型进行迭代训练以确定模型的最优参数；采用最优参数作为模型网络的参数载入，输入一张口腔全景X射线图像经过预处理后进入模型，完成病理分类、边界框回归和掩模分割。
主权项：1.基于深度学习的口腔全景X射线图像多病理实例分割方法，其特征在于，包括以下步骤：步骤1、模型数据预处理：对输入的全景片数据进行灰度值标准化、尺寸统一化、数据增强化处理；步骤2、模型网络结构设计：构建口腔全景X射线图像多病理实例分割网络模型；步骤3、模型评价体系构建：采用检测框的平均精度值bboxmAP及分割区域的平均精度值segmmAP作为评价模型性能评价指标；步骤4、模型训练阶段：对主副骨干网络部分的单个网络参数采用其网络在大型公开图像数据集ImageNet上预训练好的参数做初始化，颈部网络部分和头部网络部分的参数均采用随机初始化，输入的口腔全景X射线图像数据经过步骤1所述预处理后进入模型，采用梯度下降算法对模型进行迭代训练以取得最优解，根据验证集在步骤3所述评价体系中的bboxmAP和segmmAP值来确定模型的最优参数；步骤5、模型网络推理：采用步骤4中所述最优参数作为模型网络的参数载入，输入一张口腔全景X射线图像数据经过步骤1所述预处理后进入模型，完成病理分类、边界框回归和掩模分割。
全文数据：
权利要求：
百度查询： 李乾坤 基于深度学习的口腔全景X射线图像多病理实例分割方法
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