بخش بندی تصاویر پانورکس دندان با رویکرد یادگیری عمیق
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 239
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CELCONF02_016
تاریخ نمایه سازی: 26 اسفند 1402
چکیده مقاله:
رادیوگرافی پانورامیک میتواند به دندانپزشک کمک کند تا وضعیت سلامت کلی دهان بیمار را ارزیابی کند. تشخیص دقیق دندانها در رادیوگرافی پانورامیک اولین قدم برای شناسایی آسیب و بیماری دندان است. با این حال، ارزیابی رادیوگرافی پانورامیک به تجربه بالینی و دانش دندانپزشک بستگی دارد، در حالی که تفسیر رادیوگرافی پانورامیک ممکن است منجر به تشخیص اشتباه شود. با توجه به اینکه تشخیص دقیق دندانها نیاز به تجربه زیاد دارد و در عین حال کار زمانبری است؛ یک ابزار که این کار را در زمان کم و با دقت مناسب انجام دهد، نیاز ضروری دندانپزشکان میباشد. امروزه استفاده از هوش مصنوعی در بیشتر زمینه ها از جمله پزشکی رونق یافته است که دلیل این امر اجرای سریع و دقت بالای این ابزار در حیطه پزشکی است. بنابراین، استفاده از هوش مصنوعی برای بخشبندی دندانها در رادیوگرافی پانورامیک از اهمیت بالایی برخوردار است. روش پیشنهادی در این مقاله، شامل دو فاز اصلی است: فاز اول، برچسب زنی تصاویر و فاز دوم، بخشبندی تصاویر است. برای انجام بخشبندی تصاویر پانورامیک دندان از شبکه عصبی عمیق YOLOv۸ استفاده شد. برای ارزیابی عملکرد مدل پیشنهادی، از تصاویر مجموعه داده Jader استفاده شده است. عملکردروش پیشنهادی با روشهای SWin-Unet، FPN، FUSegNet و MiT-b۲ Unet در معیارهای Precision، IoU، Recallو Dice Score مقایسه شدهاست. نتایج شبیهسازی نشان داد که روش پیشنهادی در مقایسه با سایر روشها عملکرد بهتری دارد.
کلیدواژه ها:
نویسندگان
میلاد محمدی
دانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، ایران
رضا آقایی زاده ظروفی
استاد، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، ایران