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！

龙图腾网获悉宁波口腔医院集团有限公司申请的专利腺样体大小评估的CBCT三维图像识别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：CN119941738B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510431600.1，技术领域涉及：G16H30/00；该发明授权腺样体大小评估的CBCT三维图像识别方法是由郭泾;沈薇;陈特欢;金晨曦;李潇旋;侯奕阳;顾赫泽设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本腺样体大小评估的CBCT三维图像识别方法在说明书摘要公布了：本发明公开了腺样体大小评估的CBCT三维图像识别方法，涉及医学实践技术领域，包括：基于CBCT图像设定边界后计算腺样体的体积，基于条形卷积对腺样体及鼻咽气道边界的强化以及修正，多尺度特征融合模块输出体积和腺样体的评估大小。本发明具备了通过自动化系统实现从图像数据输入到腺样体体积计算的一站式处理，基于正弦条形卷积模型精准识别三维腺样体边界并自动修正，结合多尺度融合算法输出体积比值，且本方法可消除传统方法中人工标定误差与多软件协同的问题，确保跨患者数据一致性，显著提升效率，统一平台简化操作流程，将传统数小时人工操作压缩为全自动分钟级处理，为临床提供标准化、高精度诊断工具。

本发明授权腺样体大小评估的CBCT三维图像识别方法在权利要求书中公布了：1.腺样体大小评估的CBCT三维图像识别方法，其特征在于，包括以下步骤： 步骤S1、基于CBCT图像设定边界后，计算腺样体的体积，步骤S1包括：CBCT影像数据的获取与预处理、校正头位，确定FH平面和腺样体及鼻咽气道边界确定； 步骤S2、基于条形卷积对腺样体及鼻咽气道边界的强化以及修正，步骤S2包括：使用正弦函数的形式来构建条形卷积、腺样体及鼻咽气道分割、腺样体及鼻咽气道边界框的提取、腺样体及鼻咽气道边缘修正和腺样体及鼻咽气道体积计算； 步骤S3、多尺度特征融合模块输出体积，步骤S3包括：输入图像预处理，低分辨率图像输入适配、轻量化多尺度特征提取、分支处理模块，低计算量特化、动态卷积模块，快速特征整合量化动态卷积和注意力融合模块； 步骤S4、腺样体的评估大小； 所述步骤S1中CBCT影像数据的获取与预处理具体过程为： 通过CBCT扫描设备，获取患者的三维影像数据，然后对三维影像数据进行清洗去噪和三维重建，生成可视化的三维模型； 所述步骤S1中校正头位，确定FH平面具体过程为： 基于CBCT影像数据的获取与预处理输出的可视化的三维模型，使冠状面上的左右侧眶点连接线与水平线平行，矢状面上的眶耳平面与水平面平行； 所述步骤S1中腺样体及鼻咽气道边界确定的具体过程为： 在三维模型中确定腺样体及鼻咽气道的边界，包括矢状位的前界、矢状位的后界、矢状位的上界、矢状位的下界、冠状位的前界、冠状位的侧界、冠状位的后界，轴状位的前界、轴状位的后界和轴状位的侧界，通过对冠状位、矢状位以及轴状位的腺样体及鼻咽气道边界的标注，在三维空间中构建出长方体模型； 所述步骤S2中使用正弦函数的形式来构建条形卷积的具体过程为： 条形卷积是通过一维正弦条形卷积核沿着图像的一个方向进行滑动的操作，以提取具有线性和周期性特征的边缘，正弦条形卷积结合了正弦函数的周期性，通过正弦波的周期性特征来增强图像中的边缘、纹理和周期性结构； 正弦条形卷积核可以用正弦函数来表示，计算公式如下： Wx＝Asin2πfx+φ； 其中： Wx指代正弦条形卷积核； A指代振幅，决定正弦波的强度； f指代频率，控制正弦波的周期性，影响检测的图像特征尺度； φ指代相位，控制正弦波的起始位置； x指代空间变量，表示图像中沿某一方向的位置坐标； 在输入的图像进行卷积时，正弦条形卷积核Wx将沿着图像的一个方向滑动，对图像进行局部加权和，从而提取图像中的边缘、纹理和周期性结构信息； 正弦条形卷积的计算公式为： 其中： Sx，y指代图像在位置x，y的卷积结果； Ix+i，y指代图像在位置x+i，y的像素值； Asin2πfi+φ指代沿多方向滑动的正弦条形卷积核； k指代正弦条形卷积核的长度，决定了卷积操作； 正弦条形卷积核Wx＝Asin2πfx+φ具有周期性，能帮助突出图像中具有周期性变化的部分，增强边缘检测效果； 进行正弦条形卷积时，正弦条形卷积核会在三维CBCT图像中滑动，计算图像每个位置的加权和，具体步骤如下： 对于每个三维像素点Ix，y，z，用正弦条形卷积核与该点的周围像素进行加权计算； 输出的结果Sx，y，z是图像中的一个三维像素值，表示该位置的边缘强度； 三维正弦条形卷积的计算公式为： 其中： Sx，y，z指代三维图像像素值，表示x，y，z位置的边缘强度； Ix，y，z指代图像在位置x，y，z处的像素值； Wi，j，l指代三维正弦条形卷积核； 所述步骤S2中腺样体及鼻咽气道边缘修正包括图像输入、扩展边缘、扩展后的图像的正弦条形卷积核和边缘修正； 图像输入： 将输入原图像像素值指代为Ix，y，其尺寸为M×N，边缘处理需要对边缘像素进行扩展： 扩展边缘： 在原图像像素值Ix，y周围进行镜像扩展，扩展的宽度为w，w为滤波器半径，以得到扩展后的图像像素值Iextx，y； 扩展后的图像像素值计算公式为： 其中： Iextx，y指代扩展后的图像像素值； Ix，y指代原图像像素值； M指代图像的宽度； N指代图像的高度； Ix，y，0≤x＜M指代当Ix，y在图像的有效范围之内时，也就是处于0≤x＜M时，直接使用Ix，y的原始强度值； Iw－x，y，x＜0指代处理原图像左侧的边界像素，通过镜像扩展使用图像右侧的对应像素点w－x，y的强度值来替代，在边缘修正时保持图像边缘的连续性和平滑性； I2M－x－1，y，x≥M指代处理图像右侧的边界像素，通过镜像扩展使用图像左侧的对应像素点2M－x－1，y的强度值来替代，在边缘修正时保持图像边缘的连续性和平滑性； 扩展后的图像的正弦条形卷积核的计算公式如下： Kx,y＝sin2fx·Gx,y； 其中： Kx，y指代扩展后的图像像素值Iextx，y的正弦条形卷积核； Gx，y指代高斯加权函数； σ指代高斯核标准差，用于控制平滑程度； 所述步骤S2中的腺样体及鼻咽气道体积计算的具体过程如下： 基于三维重建的模型，计算腺样体及鼻咽气道区域内的体素数量，体素Vvoxel是三维图像中的基本单位，每个体素代表图像的一个空间位置； 腺样体及鼻咽气道体积的计算公式如下： Vvoxel＝dx×dy×dz； 其中： V指代腺样体及鼻咽气道的总体积，通过对所有腺样体及鼻咽气道区域内的体素进行累加，得到腺样体的总体积； Vvoxel指代每个体素的体积； dx×dy×dz指代每个体素的体积，体素体积通常由图像的分辨率，也就是每个体素的实际尺寸决定，如果图像的分辨率为dx×dy×dz，则每个体素的体积为Vvoxel； 所述步骤S3多尺度特征融合模块输出体积中的具体流程如下： 所述步骤S3中的输入图像预处理，低分辨率图像输入适配的具体过程下： 通过下采样操作降低输入图像的分辨率，从源头减少计算体积，使用步幅卷积或双线性插值完成，计算公式如下： I'＝DownSampleIx,y,scale＝s； 其中： I、指代下采样后的低分辨率图像； Ix，y指代原图像； s指代缩小比例； 所述步骤S3中的轻量化多尺度特征提取的具体过程下： 多尺度特征融合模块的设计核心是减少特征图体积，同时提取丰富得多尺度信息，具体包括多尺度并行路径和压缩操作； 多尺度并行路径具体为： 提取不同感受野特征时，通过共享特征图基础计算并附加轻量卷积核减少冗余； 压缩操作具体为： 在多尺度特征融合后，使用1×1卷积对通道进行压缩； 其中： 指代压缩后的特征图； FMSFMx，y指代输入到多尺度特征融合模块的原始特征图； Conv1×1指代1×1卷积，用于降低通道数； 所述步骤S3中的分支处理模块，低计算量特化的具体过程下： 通过分支处理针对细节增强、上下文捕获和全局信息，特化的轻量化处理方法来进一步优化计算量，包括：细节增强分支、上下文捕获分支和全局信息分支； 细节增强分支： 使用高通滤波器，通过卷积模拟梯度运算，提取边缘细节信息，对体积进行压缩； 细节增强分支的计算公式如下： 其中： 指代增强后的细节特征图； HighPass指代高通滤波器，用于提取边缘细节； 上下文捕获分支： 使用空洞卷积扩展感受野，避免特征图分辨率降低； 上下文捕获分支的计算公式如下： 其中： 指代上下文捕获后的细节特征图； DilatedConv指代空洞卷积； rate指代扩张率，用于控制感受野大小； rate＝2指代卷积核间隔为2像素； 全局信息分支： 使用全局平均池化直接提取全局特征，计算量低，每个分支输出经过轻量化操作后，计算体积进一步降低； 全局信息分支的计算公式如下： 其中： 指代全局信息分支后的细节特征图； GlobalAvgPooling指代全局平均池化，用于将每个通道的特征图压缩为单值。

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宁波口腔医院集团有限公司，其通讯地址为：315000 浙江省宁波市海曙区望春街道新星路435号壹都文化广场3号楼；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”。