(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211219952.3 (22)申请日 2022.10.08 (65)同一申请的已公布的文献号 申请公布号 CN 115281709 A (43)申请公布日 2022.11.04 (73)专利权人 太原理工大 学 地址 030024 山西省太原市迎泽西大街79 号 (72)发明人 王彬　徐峰　相洁　李颖　 (74)专利代理 机构 太原高欣科创专利代理事务 所(普通合伙) 14109 专利代理师 孟肖阳　冷锦超 (51)Int.Cl. A61B 6/14(2006.01) G06T 7/11(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 111627014 A,2020.09.04 CN 115272359 A,202 2.11.01 US 2021217170 A1,2021.07.15CN 111340770 A,2020.0 6.26 CN 113516639 A,2021.10.19 CN 111656408 A,2020.09.1 1 CN 115131778 A,202 2.09.30 WO 201915 3245 A1,2019.08.15 US 2021082184 A1,2021.0 3.18 Lijuan Zhang等.A l ightweight convolutional neural netw ork model w ith receptive field bl ock for C -shaped ro ot canal detecti on in mandibular seco nd molars. 《Scientific reports》 .202 2,(第12 期), Su-jin Jeon等.Deep-learn ing for predicti ng C-shaped canals i n mandibular second molars on panoramic radi ographs. 《Dentomaxi llofacial Radi ology》 .2021,第5 0 卷(第5期), 陈燕琳.口腔CBCT图像牙齿自动分割方法研 究. 《中国优秀硕士学位 论文全文数据库医药卫 生科技辑》 .2021,(第1期), (续) 审查员 宗欣 (54)发明名称 一种下颌第二磨牙C形根管检测装置及方法 (57)摘要 本发明提供了一种下颌第二磨牙C形根管检 测装置及方法， 属于牙齿检测技术领域； 解决了 由于牙齿影像中根管结构在影像上欠缺清晰表 达、 结构复杂直接通过牙齿影像难以全方位判断 牙齿根管形态的问题； 包括如下步骤： 获取下颌 第二磨牙牙齿数据集； 利用非对称卷积组装分支 结构， 在每个 分支上串行添加参数可调的多比率 空洞卷积， 将二者结合得到轻量化特征增强模 块， 同时设计靠近输入层的基础特征提取模块； 将基础特征提取模块、 轻量化特征增强模块分别 进行块间级联得到特征提取单元； 设计主干网络， 将特征提取单元嵌入到主干网络中， 将得到 的融合特征通过一个全局平均池化层； 本发明应 用于下颌第二磨牙C形根管检测。 [转续页] 权利要求书3页 说明书9页 附图6页 CN 115281709 B 2022.12.27 CN 115281709 B (56)对比文件 Seung-Hwan Kim等.L ightweight De ep Learning Model for Automatic Modulati on Classificati on in Cognitive Radi o Networks. 《IE EE Access》 .2020,第1 1卷(第2 期), 涂维娟.基 于机器学习的雷达辐射源识别关 键技术研究. 《中国优秀硕士学位 论文全文数据库》 .2022,(第4期), Xiu-Ling Zhang等.L ightweight and efficient asym metric netw ork design for real-time semantic segmentati on. 《Applied Intelligence》 .2021,第52卷 丁凡.基于语义卷积神经网络和生成对抗学 习的SAR图像 变化检测方法. 《中国优秀硕士学位 论文全文数据库信息科技 辑》 .2022,(第4期),2/2 页 2[接上页] CN 115281709 B1.一种下颌第二磨牙C形根管牙齿检测装置， 其特 征在于， 所述装置包括： 口腔全景 X线机， 用于获取患者口腔全景影 像； 处理器， 所述处理器通过导线与口腔全景X线机相连， 所述处理器包括获取模块、 分析 模块、 检测模块， 所述 获取模块用于将口腔全景X线机获取的患者口腔全景图像进 行图像预 处理， 将预处 理后的全景影 像进行牙齿区域裁切处 理得到下颌第二磨牙 牙齿图像集； 所述分析模块用于将图像集进行张量转化， 形成下颌第二磨牙图像张量， 输入到神经 网络结构中， 并通过网络反馈训练得到 C形根管和非C形根管牙齿的特 征； 所述检测模块用于根据提取的特征， 生成牙齿根管的分析模型， 进行下颌第 二磨牙C形 根管的自动检测， 输出的结果在并在显示屏上进行显示； 所述神经网络结构如下： 第一层卷积层conv1， 采用3 ×3卷积核， 步长为2， 并使用BN和ReLU； 第二层卷积层 conv2， 采用3 ×3卷积核， 步长为1， 并使用BN和ReLU； 第一层池化层pool1， 采用最大池化， 窗 口大小为2， 步长为2； 添加一层基础特征提取单元结构； 第三层卷积层conv3， 采用3 ×3卷积 核， 步长为1， 并使用BN和ReLU； 第二层池化层pool2， 采用最大池化， 窗口大小为2， 步长为2； 添加一层轻量化特征增强单元； 第四层卷积层conv4， 采用3 ×3卷积核， 步长为1， 并使用BN 和ReLU； 第三层池化层pool3， 采用最大池化， 窗口大小为2， 步长为2； 添加一层轻量化特征 增强单元； 然后使用全局平均池化把每个通道feature  map输出均值结果作为一个神经元； 最后通过最后一层全连接层和L ogSoftmax函数进行分类； 以基础特征增强模块和轻量化特征增强模块为单元内部模块分别级联成密集连接结 构的基础特征提取单元和轻量化特征增强单元， 通过特征在维度上的连接来实现特征重 用； 轻量化特征增强模块使用非对称的卷积核的卷积层构 成的多分支结构， 并在之后引入 了空洞卷积层， 在特征增强结构 中用不同 比率表示空洞卷积层的参数， 轻量化特征增强模 块结构中最后会将不同尺寸和比率的卷积层输出进行拼接， 融合不同特征， 在轻量化特征 增强模块内部添加了1 ×1的卷积层来降低特 征数量。 2.一种下颌第二磨牙C形根管检测方法， 其特 征在于： 包括如下步骤： S1： 获取牙齿全景图像数据集， 从全景图像 中裁切出下颌第二磨牙牙齿图像， 并对下颌 第二磨牙牙齿图像进 行预处理， 将预 处理后的下颌第二磨牙牙齿图像数据集划分为训练集 和测试集； S2： 构建轻量化特征增强模块： 利用非对称卷积组装分支结构， 在每个分支上串行添加 参数可调的多比率空洞卷积， 将二者结合得到轻量化特征增强模块， 同时设计靠近输入层 的基础特 征提取模块； S3： 将步骤S2中设计的基础特征提取模块进行块间级联得到基础特征提取单元， 将轻 量化特征增强模块进行块间级联 得到轻量 化特征增强单 元； S4： 搭建总体网络结构： 设计主干网络， 将步骤S3中的基础特征提取单元、 轻量化特征 增强单元嵌入到主干网络中， 将得到的融合特征通过一个全局平均池化层， 对整个网络从 结构上做正则化处 理； S5： 将步骤S4中的全局平均池化层得到的特征向量与全连接层连接， 通过计算转换得 到牙齿根管图像 类别概率；权　利　要　求　书 1/3 页 2 CN 115281709 B 3