تشخیص محل پوسیدگی دندان در عکس های بایت وینگ به وسیله شبکه عصبی

چکیده مقاله

تشخیص زودهنگام پوسیدگی مینای دندان از طریق تصاویر رادیوگرافی Bitewing می تواند تاثیر بسزایی در پیشگیری از آسیب های عمیق تر دندانی و نیاز به درمان های تهاجمی تر داشته باشد در این پژوهش، یک مدل یادگیری عمیق مبتنی بر YOLOv۸ برای شناسایی پوسیدگی مینای دندان در تصاویر X ray دندانپزشکی ارائه شده است مجموعه داده مورد استفاده شامل ۲۰۰۰ تصویر رادیوگرافی Bitewing است که از بیماران مختلف جمع آوری و برچسب گذاری دقیق پوسیدگی ها توسط متخصصان دندانپزشکی بر روی آن ها انجام شده است مدل YOLOv۸ پس از افزایش داده Data Augmentation و تنظیم پارامترهای بهینه سازی، توانست دقت بالایی در تشخیص پوسیدگی های سطحی مینای دندان به دست آورد برای ارزیابی مدل، از معیارهای Mean Average Precision mAP@۵۰ ، Accuracy، و Recall استفاده شده است که نتایج نشان دادند مدل پیشنهادی با دقت ۹۲ ۴٪ و میانگین دقت ۹۳ ۱٪ نسبت به روش های سنتی مانند Faster R CNN و EfficientDet عملکرد بهتری دارد

کلیدواژه‌ها

نویسندگان

محمد قنبری صباغ

استادیار دانشگاه آزاد اسلامی واحد تهران شمال دانشکده هوش مصنوعی و فناوری های اجتماعی و پیشرفته

علی زرین جوی الوار

کارشناسی ارشد مهندسی پزشکی گرایش بیوالکتریک دانشگاه آزاد اسلامی واحد تهران شمال، دانشکده هوش مصنوعی و فناوری های اجتماعی و پیشرفته گروه آموزشی علوم و فناوری های نوین پزشکی

قنبری صباغ، محمد و زرین جوی الوار، علی،1403،تشخیص محل پوسیدگی دندان در عکس های بایت وینگ به وسیله شبکه عصبی،بیست و پنجمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان

ارائه‌شده در

کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک7 مهر 1405 · شیروان