買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京大學(xué);南京市口腔醫(yī)院申請(qǐng)的專利一種基于遷移學(xué)習(xí)的牙周疾病圖像分類方法和系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN118351367B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202410462765.0，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于遷移學(xué)習(xí)的牙周疾病圖像分類方法和系統(tǒng)是由葉翰嘉;吳子源;周偉;姜遠(yuǎn);李厚軒;周志華設(shè)計(jì)研發(fā)完成，并于2024-04-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于遷移學(xué)習(xí)的牙周疾病圖像分類方法和系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)一種基于遷移學(xué)習(xí)的牙周疾病圖像分類方法和系統(tǒng)，包括患者牙周圖像的識(shí)別與篩選、牙周圖像的預(yù)處理和數(shù)據(jù)集制作、預(yù)訓(xùn)練模型的獲取、基于遷移學(xué)習(xí)的深度模型訓(xùn)練和更新。首先，獲取醫(yī)院實(shí)際拍攝的患者照片序列，并從中識(shí)別出患者的牙周正面照片，對(duì)識(shí)別出的數(shù)據(jù)進(jìn)行預(yù)處理；然后，基于遷移學(xué)習(xí)方法，利用牙周數(shù)據(jù)對(duì)預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練與微調(diào)，最終得到一個(gè)具有泛化性的預(yù)測(cè)模型。本發(fā)明利用遷移學(xué)習(xí)的方法，使得深度模型在少量數(shù)據(jù)上仍能達(dá)到很好的分類準(zhǔn)確率，從而降低數(shù)據(jù)收集的難度，提升牙周疾病圖像識(shí)別與分類的準(zhǔn)確率。基于端到端的思想，面向原始圖片序列自動(dòng)進(jìn)行目標(biāo)圖片的識(shí)別與預(yù)測(cè)，從而降低醫(yī)生的工作量，具有良好的應(yīng)用前景。

本發(fā)明授權(quán)一種基于遷移學(xué)習(xí)的牙周疾病圖像分類方法和系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于遷移學(xué)習(xí)算法的牙周疾病圖像分類方法，其特征在于，包含：端到端的原始數(shù)據(jù)識(shí)別與預(yù)處理，預(yù)訓(xùn)練模型的準(zhǔn)備，基于遷移學(xué)習(xí)算法在少量牙周圖片上訓(xùn)練具有良好泛化性能的模型，以及牙周疾病圖像的識(shí)別與分類； 端到端的原始數(shù)據(jù)識(shí)別與預(yù)處理中：收集患者圖像序列；從包含所有患者圖像的原始序列中識(shí)別患者名牌的位置，分割出每個(gè)患者對(duì)應(yīng)的圖像子序列，剔除圖像子序列尺寸像素中不符合需求的圖像，分別計(jì)算圖像中心裁剪之后RGB通道的均值與方差，并與標(biāo)準(zhǔn)牙周正面圖像的均值計(jì)算歐氏距離L_1；分別計(jì)算圖像中心裁剪之后的像素均值，記為L(zhǎng)_2；分別計(jì)算圖像左半圖像和右半圖像RGB通道的均值與方差，并計(jì)算左右圖像均值和方差間的歐氏距離L_3；記L＝L_1-L_2+L_3，分別計(jì)算圖像L值，并從序列中找出最小L所對(duì)應(yīng)的圖像，將其作為患者牙周正面圖像，記為數(shù)據(jù)集S_1； 預(yù)訓(xùn)練模型的準(zhǔn)備中：選擇深度學(xué)習(xí)模型，并將其參數(shù)初始化，記為M_0；獲取標(biāo)注數(shù)據(jù)集，記為H；使用交叉熵?fù)p失函數(shù)和H中的有標(biāo)記數(shù)據(jù)，對(duì)于初始模型M_0進(jìn)行多輪梯度下降和反向傳播更新參數(shù)，直到模型收斂，此時(shí)視為完成訓(xùn)練，將模型記為M_1； 基于遷移學(xué)習(xí)算法在少量牙周圖片上訓(xùn)練具有良好泛化性能的模型中：對(duì)于原始數(shù)據(jù)預(yù)處理中所得到的數(shù)據(jù)集S_1進(jìn)行標(biāo)注，獲得標(biāo)注數(shù)據(jù)集S_2；對(duì)于S_2中的數(shù)據(jù)進(jìn)行劃分、隨機(jī)尺寸裁剪和增強(qiáng)，形成訓(xùn)練數(shù)據(jù)集S；按照每個(gè)類別樣本的數(shù)量，為數(shù)據(jù)集S中的數(shù)據(jù)生成權(quán)重，形成帶權(quán)數(shù)據(jù)集S_w；使用交叉熵?fù)p失函數(shù)和S中的有標(biāo)記數(shù)據(jù)，先對(duì)于預(yù)訓(xùn)練模型M_1進(jìn)行多輪梯度下降和參數(shù)更新；之后，使用帶權(quán)交叉熵?fù)p失函數(shù)和S_w中的有標(biāo)記數(shù)據(jù)及其權(quán)重，對(duì)于預(yù)訓(xùn)練模型M_1進(jìn)行進(jìn)一步的梯度下降和參數(shù)更新，將最終訓(xùn)練好的模型記為M_f； 牙周疾病圖像的識(shí)別與分類中：利用端到端的原始數(shù)據(jù)識(shí)別和預(yù)處理步驟重新收集患者圖片數(shù)據(jù)，形成未標(biāo)注數(shù)據(jù)集，記為T(mén)_1；對(duì)于T_1中的數(shù)據(jù)進(jìn)行隨機(jī)尺寸裁剪，形成數(shù)據(jù)集T，T_1中的每一個(gè)原始數(shù)據(jù)均對(duì)應(yīng)增強(qiáng)后T中的k個(gè)數(shù)據(jù)；取出M_f的fc層，將數(shù)據(jù)集T中的每個(gè)樣本輸入模型M_f中，得到樣本的特征向量；利用得到的樣本特征向量和fc層的權(quán)重、偏置參數(shù)，采用τ-norm的分類方法，計(jì)算T中每個(gè)樣本的輸出；將T中對(duì)應(yīng)原始T_1數(shù)據(jù)集中相同數(shù)據(jù)的k個(gè)樣本的輸出向量視為一組，并求出k個(gè)輸出的平均值，將結(jié)果中置信度最高的類別作為原始數(shù)據(jù)對(duì)應(yīng)患者牙周圖像的分類判斷結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南京大學(xué);南京市口腔醫(yī)院，其通訊地址為：210023 江蘇省南京市棲霞區(qū)仙林大道163號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。