欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022115508177
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种结合全局注意力和尺度感知的CBCT牙齿实例分割方法,其特征在于,所述结合全局注意力和尺度感知的CBCT牙齿实例分割方法,包括:获取原始CBCT影像,对原始CBCT影像使用预处理操作后作为输入影像I;

将CBCT影像I输入至结合全局注意力和尺度感知的分割网络,得到CBCT影像的分割结果;

其中,所述将CBCT影像I输入至结合全局注意力和尺度感知的分割网络,得到CBCT影像的分割结果,包括:步骤1.1、将CBCT影像I输入至基于全局注意力的卷积块,得到输出特征图,其维度大小为;

步骤1.2、将特征图进行最大池化,然后输入至基于全局注意力的卷积块,得到输出特征图,其维度大小为;

步骤1.3、将特征图进行最大池化,然后输入至基于全局注意力的卷积块,得到输出特征图,其维度大小为;

步骤1.4、将特征图进行最大池化,然后输入至基于尺度感知的卷积块,得到输出特征图,其维度大小为;

步骤 1.5、将生成的特征图进行上采样,之后和特征图按通道进行拼接,得到通道数为的特征图,将其输入至基于全局注意力的卷积块,得到特征图,其维度大小为;

步骤1.6、将特征图进行上采样,之后和特征图按通道进行拼接,得到通道数为的特征图,将其输入至基于全局注意力的卷积块,得到特征图,其维度大小为;

步骤1.7、将特征图进行上采样,之后和特征图按通道进行拼接,得到通道数为的特征图,将其输入至基于全局注意力的卷积块,得到特征图,其维度大小为;

步骤1.8、将特征图输入至卷积核大小为的卷积块,得到CBCT影像的分割结果,其维度大小为,其中  代表  颗不同牙齿的类别数;

其中,所述基于尺度感知的卷积块,包括一组级联的卷积核大小为的卷积层、批处理标准化层和激活层以及一组尺度感知模块;

所述尺度感知模块,包括:

将输入特征图分别输入空洞率为1和2的空洞卷积层,得到的两个特征图进行通道拼接后输入到一组由卷积核大小为和的卷积块当中,得到第一个中间特征图,将输入特征图输入至空洞率为4的空洞卷积层,得到的特征图和第一个中间特征图进行通道拼接后输入到一组由卷积核大小为和的卷积块当中,得到第二个中间特征图,将输入特征图与第二个中间特征图按照一个可学习参数α的比例加权相加,得到最后的输出特征图。

2.如权利要求1所述的结合全局注意力和尺度感知的CBCT牙齿实例分割方法,其特征在于,所述获取原始CBCT影像,对原始CBCT影像使用预处理操作,包括:获取CBCT影像,将CBCT影像裁剪成仅包含牙齿的ROI区域,并缩小至预设大小。

3.如权利要求1所述的结合全局注意力和尺度感知的CBCT牙齿实例分割方法,其特征在于,所述基于全局注意力的卷积块,包括一组级联的卷积核大小为的卷积层、批处理标准化层和激活层以及一组全局注意力模块。

4.根据权利要求3所述的结合全局注意力和尺度感知的CBCT牙齿实例分割方法,其特征在于,所述全局注意力模块,包括:将输入特征图分别进行一组卷积核大小为的卷积层、实例归一化层、激活层的操作,一组卷积核大小为的卷积层、实例归一化层、激活层、卷积核大小为的卷积层、实例归一化层、激活层的操作和一组卷积核大小为的卷积层、实例归一化层、激活层、卷积核大小为的卷积层、实例归一化层、激活层的操作,然后将三组操作输出的特征图按通道拼接后得到中间特征图,对中间特征图进行一次全局池化操作和两次的卷积层后进行激活,然后与中间特征图相乘得到权重特征图,将权重特征图和中间特征图相加后得到最终输出特征图。