買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江工業大學申請的專利一種面向邊界框標注的迭代弱監督上頜竇分割方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116012642B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211630940.X，技術領域涉及：G06V10/26；該發明授權一種面向邊界框標注的迭代弱監督上頜竇分割方法和系統是由徐新黎;王天浩;王凱棟;管秋;龍海霞;胡海根設計研發完成，并于2022-12-19向國家知識產權局提交的專利申請。

本一種面向邊界框標注的迭代弱監督上頜竇分割方法和系統在說明書摘要公布了：一種面向邊界框標注的迭代弱監督上頜竇分割方法，包括：通過運用超像素算法生成良好貼合口腔CBCT圖像邊緣的超像素，然后借助卷積神經網絡提取超像素特征，根據超像素的鄰接關系構建超像素圖；為了提高邊界框弱監督的分割性能，除了利用超像素級CRF模型生成初始的偽標簽用于超像素語義分類的改進圖卷積網絡訓練以外，還把改進圖卷積神經網絡的預測結果周期性地輸入超像素級CRF模型以更新和精細化偽標簽用于迭代學習訓練；對口腔CBCT圖像，應用弱監督迭代訓練得到的模型可以得到性能優秀的上頜竇分割結果。本發明還包括一種面向邊界框標注的迭代弱監督上頜竇分割系統。本發明解決了手動標注醫學圖像精確標簽耗時耗力的問題。

本發明授權一種面向邊界框標注的迭代弱監督上頜竇分割方法和系統在權利要求書中公布了：1.一種面向邊界框標注的迭代弱監督上頜竇分割方法，其特征在于：包括如下步驟： 步驟一：根據上頜竇腔的最優窗寬窗位，對若干口腔CBCT，即ConebeamCT，進行預處理后，對其冠狀圖的上頜竇區域以邊界框的形式進行框選標注，并按預設比例將標注后的冠狀圖數據劃分為訓練集D1和測試集D2； 步驟二：將D1和D2中的每張單通道圖像分別輸入線性譜聚類LSC得到對應圖像的n個超像素，其中n為預設的超像素數目，將D1和D2分別轉化為超像素集S1和S2； 步驟三：使用超像素集S1訓練特征提取網絡Unet； 步驟四：對于訓練集D1中每張圖像，用訓練好的特征提取網絡Unet提取其各超像素si的特征fi∈Rd，d為特征向量fi的長度，得到特征矩陣F∈Rn×d，依據超像素塊的特征和超像素塊之間的空間關系構建各圖像的超像素圖G＝V，E，F，其中V＝{si|i＝1,2，..，n}和E＝{eij|i＝1,2，..，n，j＝1,2，...，n}分別表示所有頂點和邊的集合，每個超像素si對應一個圖上的節點，連邊eij代表著空間上超像素si和sj之間的鄰居關系，所有節點的連邊關系構成一個鄰接矩陣A∈Rn×n， 步驟五：根據各圖像的超像素圖，以超像素的類別為隨機變量，構建一個條件隨機場CRF，將邊界框標注信息作為CRF的一元勢，使用結構化SVM求解器SSVM訓練具有參數θ＝{Wu，Wp}的超像素級CRF模型，使用AD3算法計算得到最大后驗MAP的標簽序列為最優標簽y*： 其中，是一元勢函數，表示將超像素si分為標簽類別yi的能量，為超像素特征fi和系數Wu∈RK×d的線性組合，pyi|fi表示在給定特征向量fi的情況下超像素xi被分配給標簽yi的概率，表示成對勢函數，j∈δi表示超像素si的所有相鄰超像素，sgn.是0-1指示函數，是過渡矩陣Wp∈RK×K的一個元素，表示與屬于標簽yj的超像素相鄰的超像素被標記為yi的可能性，|Dij|代表兩個超像素si和sj的特征向量fi與fj之間的距離，fik是特征向量fi的第k個元素； 步驟六：把各超像素圖的最優標簽y*作為初始偽標簽LB，將各超像素圖的連接矩陣A∈Rn×n和特征矩陣F∈Rn×d分別輸入超像素分類網絡即改進的圖卷積網絡IGCN，用初始偽標簽LB訓練更新IGCN模型參數Wl，W1和W2以最小化節點的交叉熵損失函數L，直至達到迭代步數epoch，其中IGCN層與層之間的傳播為： Zl+1＝ReluHl+1W1W2，8 其中ReLu.為激活函數，和分別表示第l+1層和第l層的輸出，H0＝F，dl和dl+1分別為第l層和第+1層的特征向量維度， 為添加了自連接的鄰接矩陣A，I∈Rn×n為單位矩陣，是的度矩陣，Wl是第l層的可訓練權重矩陣，Zl+1為更新后的第l+1層輸出，和是兩個全連層的權重，IGCN的最后一層用SoftMax計算分類概率，并結合偽標簽LB計算交叉熵損失函數L： 其中yi為超像素si的標簽，為超像素si取yi＝1的概率； 步驟七：基于超像素級CRF和超像素分類網絡IGCN以迭代學習的方式逐步完善超像素的偽標簽，直到達到最大迭代步數T2； 步驟八：對超像素集S2中各超像素使用訓練好的特征提取網絡Unet提取特征； 步驟九：對于測試集D2中每張圖像，根據各超像素特征和超像素之間的空間關系構建超像素圖，得到連接矩陣A和特征矩陣F； 步驟十：將超像素圖的連接矩陣A和特征矩陣F輸入訓練好的超像素分類網絡IGCN，得到上頜竇的分割結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市拱墅區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。