تشخیص خرابی دندان توسط ویژگی بافت و سیستم نروفازی

پیشرفت های اخیر در زمینه تصویربرداری پزشکی، پردازش تصویر مانند یک ابزار حیاتی برای تشخیص مشکلات دندانی از جمله پوسیدگی های پنهان و تومورها شناخته شده است. این روش، با وجود کارایی اش، با چالش هایی نظیر نویز و کنتراست پایین مواجه است. در حوزه دندانپزشکی، مشکلاتی مانند تشخیص دندان های نهفته و وجود مصنوعات دائمی و موقتی نیز بر پیچیدگی این فرایند می افزاید. این مقاله یک روش جدید برای شناسایی خرابی دندان ها با استفاده از فیلتر ترکیبی مبتنی بر سیستم نروفازی (ANFIS) ارائه می دهد. آموزش سیستم نروفازی با تنظیم میزان تاثیر پذیری پارامترهای مرتبط با الگوریتم های یادگیری نظارتی انجام می شود. این سیستم می تواند با ارزیابی داده های ورودی-خروجی، کارایی خود را بهبود بخشد. مقاله به بررسی هشت نوع تابع عضویت مختلف پرداخته که شامل توابع مثلثی، گاوسی و ذوزنقه ای می شود. شبیه سازی ها با استفاده از نرم افزار MATLAB انجام و نتایج حاکی از دقت بالا در تشخیص خرابی دندان ها می باشد. نتایج الگوریتم پیشنهادی با دیگر روش ها مقایسه شده و نشان دهنده عملکرد بهتر در معیارهایی مانند حساسیت و دقت است. این تحقیق نمایانگر اهمیت و کاربرد تکنیک های نوین در پردازش تصویر و یادگیری ماشین در دندانپزشکی است و می تواند به عنوان مبنایی برای تحقیقات آینده در این حوزه محسوب شود.

کلیدواژه ها:

خرابی دندان ، ویژگی بافت ، سیستم نروفازی