کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

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

نویسندگان :

نسیم رضائی محجوب¹ محسن فلاح راد²

1- دانشگاه آزاد اسلامی واحد لاهیجان 2- دانشگاه آزاد اسلامی واحد لاهیجان

کلمات کلیدی :

افزایش دقت،پردازش تصویر،شبکه‌های عصبی،پوسیدگی دندان،کاهش خطا،یادگیری عمیق،هوش‌مصنوعی

چکیده :

بهداشت دهان و دندان به‌عنوان یکی از جنبه‌های اصلی سلامت محسوب‌می‌شود؛ بنابراین، تشخیص بیماری‌های دندان و درمان بسیار مهم است. پوسیدگی و ضایعات دندانی یکی از شایع‌ترین بیماری‌های دندانی در سراسر جهان محسوب‌می‌شود که درصد بالایی از جمعیت جهان را درگیر کرده است. تحقیقات نشان داده است که بیش از 90 درصد بزرگسالان پوسیدگی دندان را تجربه کرده‌اند. این مسئله منجر به استفاده از فناوری‌هایی می‌شود که به تشخیص بیماری‌ها کمک می‌کند، یکی از روش‌هایی که کارایی خود را در کاهش هزینه و بهبود عملکرد در این حوزه نشان داده است استفاده از پردازش تصویر برای کمک به‌دقت تشخیص با هدف افزایش کیفیت تصویر می‌باشد. در این تحقیق، به بررسی روش‌های کاهش خطای تشخیص پوسیدگی دندان در تصاویر دندانی با استفاده از رویکردهای یادگیری عمیق مبتنی بر شبکه‌های عصبی مصنوعی پرداخته می‌شود و هدف اصلی آن، بهبود دقت تشخیص پوسیدگی دندان از طریق اعمال تغییرات هدفمند و هوشمندانه در داده‌های تصاویر دندانی است که با ترکیب پنج روش نوآورانه آموزش دو مرحله‌ای با آنفریز تدریجی، کال‌بک هوشمند سه‌گانه، خط لوله‌ی بهینه‌ی، پایش همزمان دقت و نرخ خطا، نمایش تصویری نمونه‌های با کمترین / بیشترین احتمال پوسیدگی صورت می‌پذیرد. این ترکیب از تکنیک‌های پیشرفته باعث شده مدل پیشنهادی نه‌تنها به‌دقت بالایی (95٪) دست یابد، بلکه فرآیند آموزش و تحلیل نتایج برای کاربر نهایی کاملاً شفاف و قابل کنترل باشد و همه تکنیک‌ها به‌صورت توأم اجرا شود. نتایج بر روی مجموعه تست نهایی (٪۱5 داده‌ها) گزارش شده‌است و در نهایت مدل پیشنهادی دقت تشخیص را به 67/95% و خطا را به 33/4% رسانده‌است.