-
公开(公告)号：CN118781334B
公开(公告)日：2025-02-07
申请号：CN202410590201.5
申请日：2024-05-13
Applicant: 重庆邮电大学 , 重庆医科大学附属口腔医院
IPC: G06V10/26 , G06V20/70 , G06N3/0464 , G06N3/084 , G06V10/82 , G06V10/10 , G06N3/0985
Abstract: 本发明公开了一种基于语义协调的双空间表征口内扫描图像牙齿分割方法，涉及医学图像处理与计算机视觉技术领域，本方法包括对原始口内扫描图像进行数据下采样；对口内扫描图像的欧式空间的几何属性进行自适应的语义协调化，关注空间与语义特征之间在真实空间维度的关系；通过空间‑语义图学习模块学习口内扫描图像的结构特征和旋转不变性；学习得到的表征送入分割进行预测，将口内扫描图像中的单颗牙齿和牙龈进行分割，本发明能够有效应对口内扫描图像的旋转不变性并提升分割精度。
-
公开(公告)号：CN116758421A
公开(公告)日：2023-09-15
申请号：CN202310714600.3
申请日：2023-06-15
Applicant: 重庆邮电大学空间通信研究院
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于遥感影像智能化分析领域，具体涉及一种基于有向目标挖掘的弱监督遥感图像有向目标检测方法，所述方法包括获取待测遥感图像数据，并对待测遥感图像数据进行预处理；将预处理后的待测遥感图像数据输入到训练好的遥感图像有向目标检测模型中进行检测处理，得到目标遥感图像；本发明只需利用少量标注的水平框目标，采用弱监督方法挖掘有向目标，实现遥感图像目标检测。本发明使用的弱监督数据集不仅降低了数据标注难度并减少了所需的标注框数量，有效降低了现有遥感图像有向目标检测方法对全监督数据集的依赖，减少了人工标注成本。
-
公开(公告)号：CN116051839A
公开(公告)日：2023-05-02
申请号：CN202310056095.8
申请日：2023-01-16
Applicant: 重庆邮电大学 , 重庆医科大学附属口腔医院
IPC: G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明属于医学图像处理和计算机视觉技术领域，特别涉及一种基于多支路融合学习的三维牙齿分割方法，包括对原始三维牙齿模型进行数据下采样并进行特征提取；对提取的特征信息进行特征信息分离，得到坐标特征信息、向量特征信息和曲率特征信息；利用K近邻算法构建网格的局部区域，即以网格的中心点为据点，找出与该网格相邻最近的K个网格，该网格与相邻最近的K个网格一起构成局部区域的范围；对局部区域中的坐标特征信息，利用基于注意力机制的图卷积学习牙齿的细粒度几何特征；对局部区域中的向量特征信息，利用基于最大池化的图卷积学习牙齿的显著性局部细节特征；对全局区域的曲率特征信息，利用基于偏移注意力机制的最大池化和平均池化学习牙齿的全局边界约束特征。将细粒度几何特征、显著性局部细节特征和全局边界约束信息进行融合，得到对牙齿的特征描述；本发明有效得提升三维牙齿模型的分割准确率。
-
公开(公告)号：CN113269054B
公开(公告)日：2022-06-10
申请号：CN202110485470.1
申请日：2021-04-30
Applicant: 重庆邮电大学
Abstract: 本发明属于遥感影像智能化分析领域，具体涉及一种基于时空2D卷积神经网络的航拍视频分析方法，该方法包括实时获取航拍视频数据，对获取的航拍视频数据进行预处理；将预处理后的航拍视频数据输入到训练好的航拍视频识别模型中进行识别分析处理；对识别结果进行统计分析；所述航拍视频识别模型包括2D卷积神经网络、长时序特征提取模块LTFE、短期运动特征提取模块SMFE以及特征融合模块FFM，所述长时序特征提取模块LTFE、短期运动特征提取模块SMFE和特征融合模块FFM设置在2D卷积神经网络中；本发明采用改进的2D卷积神经网络模型并结合长时序特征提取模块、短期运动特征提取模块和特征融合模块，提高了计算效率以及航拍视频的识别准确率。
-
公开(公告)号：CN113744275A
公开(公告)日：2021-12-03
申请号：CN202110846297.3
申请日：2021-07-26
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于特征变换的三维CBCT牙齿图像的分割方法，该方法包括：实时获取CBCT图像数据，并对该数据进行预处理；将预处理后的CBCT图像数据输入到训练好的CBCT图像牙齿分割模型中进行分割处理；对分割结果进行评估分析；CBCT图像牙齿分割模型为改进的3D卷积神经网络，改进的3D卷积神经网络包括编码器、空间变换模块STM、类别变换模块CTM、特征融合模块、解码器以及输出层；本发明采用一种结合了空间特征变换和类别特征变换模块的3D卷积神经网络模型，结合了空间全局信息和类别全局信息，有效的提升了分割效果并改善了分类结果。
-
Patent Agency Ranking
公开(公告)号：CN119941763A
公开(公告)日：2025-05-06
申请号：CN202510038303.0
申请日：2025-01-09
Applicant: 重庆邮电大学
IPC: G06T7/12 , G06T7/13 , G06T7/149 , G06T7/40 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供一种基于深度学习的髁突MRI医学图像分割方法，涉及医学影像处理与3D图像分割技术领域，本发明首先利用卷积神经网络提取髁突区域的基础特征，并将CNN输出的特征图展平后作为Transformer模型的输入，结合Transformer模型的核心机制以提升全局感知能力和边缘细节捕捉的精度；采用跳跃连接机制，将初步提取的局部特征与全局信息融合，构建成整体的结构，从而进一步提升分割性能；该基于CNN和Transformer模型结合的深度学习分割方法显著提高了髁突的分割精度，使得髁突的全局结构和边缘细节能够被精确捕捉，从而克服了传统方法在复杂结构边界模糊和分割稳定性不足方面的限制。
-
公开(公告)号：CN118570523B
公开(公告)日：2025-01-21
申请号：CN202410608036.1
申请日：2024-05-16
IPC: G06V10/764 , G06V20/70 , G06V10/40 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种基于文本提示训练的深度学习牙种植体分类方法，涉及牙种植体分类技术领域，包括：融合知识特征和训练集中CBCT图像特征图的图像特征以形成联合特征；将联合特征和特征图拼接后嵌入类别标签特征，并获取标签‑像素相似图；对标签‑像素相似图进行处理以获取类别预测结果，并最小化损失函数以更新模型参数；将待测牙种植体的CBCT图像输入至训练好的牙种植体分类模型中以获取待测牙种植体类别；本发明通过对牙种植体相关的文本信息进行处理以作为知识特征，再融合知识特征和CBCT图像的图像特征以形成联合特征，以此通过牙种植体的文本信息约束牙种植体分类模型的学习训练，提高牙种植体分类模型的学习效率以及预测牙种植体类别的精准性。
-
公开(公告)号：CN119323643A
公开(公告)日：2025-01-17
申请号：CN202411368690.6
申请日：2024-09-29
Applicant: 重庆邮电大学
IPC: G06T17/00 , G06T7/73 , G06V10/25 , G06V10/82 , G06V10/80 , G06V10/26 , G06V10/44 , G06N3/0455 , G06N3/045 , G06N3/0475
Abstract: 本发明提供一种基于扩散模型的辅助牙种植体生成方法，涉及口腔医学技术领域，本发明获取历史患者口腔CBCT图像数据，对历史患者口腔CBCT图像数据进行预处理得到CBCT图像数据集，使用CBCT图像数据集训练多任务分割网络，使用分割网络中得到口内组织分割结果；使用口内组织分割结果分别从横截面、冠状面及矢状面三个维度上训练检测网络；使用检测网络获得横截面、冠状面、矢状面三个方向的检测结果；将横截面、冠状面、矢状面三个方向的检测结果融合，利用多数投票算法构建三维边界框，获取缺牙区域；将口内分割结果与缺牙区域作为提示信息通过迭代过程引导网络生成种植后的效果，本发明得到的种植效果准确性高，可为口腔医学提供更精确的辅助工具。
-
公开(公告)号：CN118781334A
公开(公告)日：2024-10-15
申请号：CN202410590201.5
申请日：2024-05-13
Applicant: 重庆邮电大学 , 重庆医科大学附属口腔医院
IPC: G06V10/26 , G06V20/70 , G06N3/0464 , G06N3/084 , G06V10/82 , G06V10/10 , G06N3/0985
Abstract: 本发明公开了一种基于语义协调的双空间表征口内扫描图像牙齿分割方法，涉及医学图像处理与计算机视觉技术领域，本方法包括对原始口内扫描图像进行数据下采样；对口内扫描图像的欧式空间的几何属性进行自适应的语义协调化，关注空间与语义特征之间在真实空间维度的关系；通过空间‑语义图学习模块学习口内扫描图像的结构特征和旋转不变性；学习得到的表征送入分割进行预测，将口内扫描图像中的单颗牙齿和牙龈进行分割，本发明能够有效应对口内扫描图像的旋转不变性并提升分割精度。
-
公开(公告)号：CN118247219B
公开(公告)日：2024-09-20
申请号：CN202410209707.7
申请日：2024-02-26
Applicant: 重庆医科大学附属口腔医院 , 重庆邮电大学
Abstract: 本发明公开了基于深度学习的牙根外吸收检测系统，涉及计算机视觉领域，包括：数据处理单元，用于获得正畸前后的口腔内三维图像数据；牙齿分割单元，用于采用结合多尺度语义信息、显式解剖连接及牙齿包围盒的牙齿分割模型对正畸前后的口腔内三维图像数据进行牙齿分割，得到正畸前后的牙齿分割结果数据；处理单元，用于将正畸前后的牙齿分割结果数据网格化获得正畸前后的牙齿分割结果网格数据，将正畸前后的牙齿分割结果网格数据转换为正畸前后的点云数据，基于正畸前后的点云数据获得正畸前后的牙根体积变化量数据、牙根长度变化量数据和牙根表面积变化量数据；输出单元，用于基于正畸前后的牙根体积变化量数据、牙根长度变化量数据和牙根表面积变化量数据判断是否发生牙根外吸收，并输出判断结果。本发明能够精准高效的完成牙齿图像分割。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.023 seconds)
