بهبود تشخیص پوسیدگی دندان با استفاده از شبکه عصبی مصنوعی مدل Dense-Net

پوسیدگی دندان یکی از بیماری های شایع دهان و دندان می باشد. در جوامع امروزی تشخیص زودهنگام و درمان به موقع بسیار مهم است. در اینپژوهش از شبکه عصبی مصنوعی مدل Dense-Net بهبود یافته که نوعی شبکه عصبی مبتنی بر یادگیری ژرف می باشد، برای تشخیص پوسیدگی استفاده شده است. نتایج حاصل از آزمایش های انجام شده روی ۶۰۰ نمونه تصویر با مدل Dense-Net پیشنهادی و اندازه گیری معیارهای دقت، صحت، یادآوری و میانگین هارمونیک، درمقایسه با مدل های پایه، موید بهبود تشخیص با استفاره از روش پیشنهادی است. در آزمایش های انجام شده، معیارهای دقت، صحت، یادآوری و میانگین هارمونیک به ترتیب به مقدار های ۵۸ / ۷% ،۱۱% ،۴۴ / ۱۲% و ۷ / ۸ % نسبت به مدل های پایه افزایش داشته است.

کلیدواژه ها:

شبکه عصبی مصنوعی کانولوشنال ، تکنیک های یادگیری ماشین ، مدل Dense-Net ، پوسیدگی دندان