بهبود تشخیص پوسیدگی دندان با استفاده از شبکه عصبی مصنوعی مدل Dense-Net
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 22
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DSAI01_060
تاریخ نمایه سازی: 4 تیر 1403
چکیده مقاله:
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:
نویسندگان
پانته آ ساجدی
دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
علی یوسفی
عضو هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
سعید ملکی
عضو هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران