口腔全景片影像摆位错误分类模型训练方法及分类方法
摘要文本
本发明涉及一种口腔全景片影像摆位错误分类模型训练方法及分类方法。在训练方法中,在第一训练阶段,将训练数据集作为输入,经特征提取网络、全连接层和非线性激活函数得到分类结果,基于全连接处理的结果构建第一损失函数,将第一损失函数分别反馈至特征提取网络和全连接层进行训练直至收敛。在第二训练阶段,一方面将训练数据集作为输入得到全连接处理的结果,另一方面将训练数据集和多张示例图像作为输入得到标签增强处理结果,基于标签增强处理和全连接处理的结果构建第二损失函数,并分别反馈至特征提取网络和全连接层进行训练直至收敛。该方案可以更好地理解和区分不同类别之间的关系,使得训练得到的模型的学习能力更强,分类更准确。
申请人信息
- 申请人:四川大学
- 申请人地址:610000 四川省成都市一环路南一段24号
- 发明人: 四川大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 口腔全景片影像摆位错误分类模型训练方法及分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410187771.X |
| 申请日 | 2024/2/20 |
| 公告号 | CN117746167A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 四川大学 |
| 发明人 | 郭际香; 曾梦雨; 游梦; 石宇超; 叶泽林; 李响 |
| 地址 | 四川省成都市一环路南一段24号 |
专利主权项内容
1.一种口腔全景片影像摆位错误分类模型训练方法,其特征在于,包括:采集多张存在多类摆位错误的口腔全景图像;对所述口腔全景图像进行摆位错误标签的标定;对标定后的口腔全景图像进行数据预处理,得到训练数据集;将所述训练数据集作为输入,基于构建的基础网络框架进行第一训练阶段的训练,包括:对于输入的任意一张图像,经特征提取网络特征提取处理得到具有深度特征的第一一维特征向量;将多张所述第一一维特征向量经全连接层全连接处理后再进行非线性激活处理得到分类结果;基于全连接处理的结果构建第一损失函数,并将该第一损失函数分别反馈至特征提取网络和全连接层进行训练直至收敛;将所述训练数据集和多张示例图像作为输入,所述多张示例图像基于所述训练数据集选取,每张示例图像存在一类摆位错误,且与所述多类摆位错误一一对应,基于构建的基础网络框架进行第二训练阶段的训练,包括:对于输入的训练数据集的任意一张图像,经特征提取网络特征提取处理得到具有深度特征的第二一维特征向量;将多张所述第二一维特征向量经全连接层全连接处理后再进行非线性激活处理得到分类结果;对输入的多张示例图像的任意一张图像,经特征提取网络特征提取处理得到具有深度特征的第三一维特征向量;将所述第二一维特征向量和所述多张示例图像所一一对应的多个第三一维特征向量进行拼接后得到第四二维特征向量;将所述第四二维特征向量进行标签增强处理,基于标签增强处理后的结果和全连接处理的结果构建第二损失函数,并将第二损失函数分别反馈至特征提取网络和全连接层进行训练直至收敛,以得到口腔全景片影像摆位错误分类模型。。马 克 数 据 网