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！

龙图腾网获悉中山大学附属口腔医院申请的专利一种基于人工智能的口腔CBCT自动精细解剖方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117218450B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311284359.1，技术领域涉及：G06V10/764；该发明授权一种基于人工智能的口腔CBCT自动精细解剖方法是由陈泽涛;王瑞轩;施梦汝;龚卓弘;易辉轩;蔡耿彬;史佳敏;刘恒毅设计研发完成，并于2023-09-28向国家知识产权局提交的专利申请。

本一种基于人工智能的口腔CBCT自动精细解剖方法在说明书摘要公布了：一种基于人工智能的口腔CBCT自动精细解剖的方法，主要包括以下步骤：S1获取口腔CBCT精细解剖标注数据集；S2基于第一解剖网络进行口腔CBCT一阶段自动粗略解剖；S3基于第二解剖网络进行口腔CBCT二阶段自动精细解剖；S4两阶段掩膜融合获取最终口腔CBCT精细解剖掩膜；本发明通过构建基于深度学习的口腔精细结构自动解剖网络，可以实现高效、自动、批量解剖口腔CBCT图像中的微毫米级像素级的、形态各异的、边界不明显的解剖结构，解决底层细节纹理信息丢失、计算量冗余等影像结构解剖问题，有效减轻口腔医生在CBCT口腔精细结构解剖过程中耗费的时间及精力。

本发明授权一种基于人工智能的口腔CBCT自动精细解剖方法在权利要求书中公布了：1.一种基于人工智能的口腔CBCT自动精细解剖方法，其特征在于，包括以下步骤： S1获取口腔CBCT精细解剖标注数据集 基于原始口腔CBCT图像获取第一口腔CBCT二维剖面；将所述第一口腔CBCT二维剖面经处理获得第二口腔CBCT二维剖面，将第二口腔CBCT二维剖面导入图像标注软件中处理得第一口腔精细解剖标注文件；将所述第一口腔精细解剖标注文件转换为包含标注信息及原始图片信息的第二口腔精细解剖标注文件；将第二口腔精细解剖标注文件归档，构成口腔CBCT精细解剖标注数据集； S2基于第一解剖网络进行口腔CBCT一阶段自动粗略解剖 首先构建基于深度学习模型的第一解剖网络，将口腔CBCT精细解剖标注数据集输入构建的基于深度学习模型的第一解剖网络；对所述第一解剖网络训练及验证；经过训练及验证的基于深度学习模型的第一解剖网络对口腔影像结构处理获得一阶段口腔CBCT粗略解剖像素级掩膜； S3基于第二解剖网络进行口腔CBCT二阶段自动精细解剖 首先提取一阶段口腔CBCT粗略解剖像素级掩膜中的细微区域，构建口腔CBCT二阶段自动解剖数据集；其次构建基于深度学习模型的第二解剖网络；训练及验证基于深度学习模型的第二解剖网络；经过训练及验证的基于深度学习模型的第二解剖网络对口腔影像结构处理获得二阶段口腔CBCT精细解剖像素级掩膜； S4两阶段掩膜融合获取最终口腔CBCT精细解剖掩膜 将一阶段口腔CBCT粗略解剖像素级掩膜和二阶段口腔CBCT精细解剖像素级掩膜融合得融合图像，通过识别异常融合区域，消除异常标注区域，获得最终口腔CBCT精细解剖掩膜，对所述口腔精细解剖掩膜进行定性及定量分析； 构建基于深度学习模型的第一解剖网络包括以下步骤： 第一解剖网络对图像进行像素级分类，同时保留原始输入图像的空间信息，最终像素级分类基础上输出对应类别的掩膜，指示各自解剖类别；所述基于深度学习模型包括FCN、U-net、nnUnet、Unet++、DeeplabV3、SegNet、SegFormer；所述第一解剖网络通过下采样提取特征图，采用上采样方法还原原始图像大小；所述下采样过程采用包括卷积、池化、空洞卷积、transformer方法；所述下采样路径与上采样路径之间通过多个连接模块进行连接，联合浅层特征图的细节纹理信息及深层特征图中的全局纹理信息传递到最终特征图像中，生成一阶段口腔CBCT粗略解剖像素级掩膜； 构建基于深度学习模型的第二解剖网络包括以下步骤： 第二解剖网络对一阶段口腔CBCT粗略解剖像素级掩膜及其周围区域进行像素级精细分类，最终像素级分类基础上输出对应解剖类别的掩膜；所述基于深度学习模型包括FCN、U-net、nnUnet、Unet++、DeeplabV3、SegNet、SegFormer；所述第二解剖网络比第一解剖网络具有更浅的网络深度；所述第二解剖网络通过下采样提取特征图，采用上采样方法还原原始图像大小；所述下采样路径与上采样路径之间通过多个连接模块进行连接；所述第二解剖网络生成二阶段口腔CBCT精细解剖像素级掩膜。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学附属口腔医院，其通讯地址为：510000 广东省广州市陵园西路56号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。