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

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

کلیدواژه‌ها

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

�اجدی، پانته آ و یوسفی، علی و ملکی، سعید،1403،بهبود تشخیص پوسیدگی دندان با استفاده از شبکه عصبی مصنوعی مدل Dense-Net،اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش ملی علوم و مهندسی دفاعی سپاه3 اردیبهشت 1403 · تهران