بهبود دقت تشخیص پوسیدگی دندان با استفاده از پردازش تصویر و روشهای یادگیری عمیق مبتنی بر شبکه عصبی مصنوعی

بهداشت دهان و دندان به عنوان یکی از جنبه های اصلی سلامت محسوب می شود؛ بنابراین تشخیص بیماری های دندان و درمان بسیار مهم است. پوسیدگی و ضایعات دندانی یکی از شایع ترین بیماری های دندانی در سراسر جهان محسوب می شود که درصد بالایی از جمعیت جهان را درگیر کرده است. تحقیقات نشان داده است که بیش از ۹۰ درصد بزرگسالان پوسیدگی دندان را تجربه کرده اند. این مسئله منجر به استفاده از فناوری هایی می شود که به تشخیص بیماری ها کمک می کند. یکی از روش هایی که کارایی خود را در کاهش هزینه و بهبود عملکرد در این حوزه نشان داده است استفاده از پردازش تصویر برای کمک به دقت تشخیص با هدف افزایش کیفیت تصویر می باشد. در این تحقیق به بررسی روش های کاهش خطای تشخیص پوسیدگی دندان در تصاویر دندانی با استفاده از رویکردهای یادگیری عمیق مبتنی بر شبکه های عصبی مصنوعی پرداخته می شود و هدف اصلی، آن بهبود دقت تشخیص پوسیدگی دندان از طریق اعمال تغییرات هدفمند و هوشمندانه در داده های تصاویر دندانی است که با ترکیب پنج روش نوآورانه آموزش دو مرحله ای با آنفریز تدریجی کال بک هوشمند سه گانه خط لوله ای، بهینه سازی پایش همزمان دقت و نرخ خطا، نمایش تصویری نمونه های با کمترین و بیشترین احتمال پوسیدگی صورت می پذیرد. این ترکیب از تکنیک های پیشرفته باعث شده مدل پیشنهادی نه تنها به دقت بالایی (۹۵٪) دست یابد، بلکه فرآیند آموزش و تحلیل نتایج برای کاربر نهایی کاملا شفاف و قابل کنترل باشد و همه تکنیک ها به صورت توام اجرا شود. نتایج بر روی مجموعه تست نهایی (۱۵ داده ها) گزارش شده است و در نهایت مدل پیشنهادی دقت تشخیص را به ۹۵.۶۷٪ و خطا را به ۴.۳۳٪ رسانده است.

کلیدواژه ها:

افزایش دقت ، شبکه های عصبی ، کاهش خطا ، هوش مصنوعی ، یادگیری عمیق ، پردازش تصویر ، پوسیدگی دندان