یادگیری عمیق برای ترسیم نمودارهای تشخیصی در رادیوگرافی پانورامیک کودکان

عنوان یادگیری عمیق برای ترسیم نمودارهای تشخیصی در رادیوگرافی پانورامیک کودکان
نویسنده فهمی، حسن، آیدین، ک.س.، ارقامز، ه.ص.، جنس، ا. جی.، کیا، ای.
تاریخ انتشار: 2024-10-15
محل انتشار - Quintessenz Verlags-GmbH
موضوع تشخیص دهان، رادیوگرافی پانورامیک، دندانپزشکی کودکان، یادگیری عمیق، هوش مصنوعی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 1463-4201
شماره ثبت 2bb0cd54-d614-4037-8488-e5e77b93051c
محل کتابخانه علوم کامپیوتر
تاریخ 2024-10-15
متن نمونه هدف: سیستم‌های مبتنی بر هوش مصنوعی (AI) در دندانپزشکی برای اطمینان از فرآیند تشخیص دقیق‌تر و کارآمدتر استفاده می‌شوند. هدف از مطالعه حاضر ارزیابی عملکرد یک برنامه یادگیری عمیق (DL) برای تشخیص و طبقه‌بندی ساختارها و درمان‌های دندانی در رادیوگرافی پانورامیک بیماران اطفال بود. مواد و روش‌ها: در مجموع، 4821 رادیوگرافی پانورامیک دیجیتالی ناشناس از کودکان بین 5 تا 13 سال توسط YOLOv4، یک مدل تشخیص شی مبتنی بر CNN (شبکه‌های عصبی کانولوشنال) تجزیه و تحلیل شد. توانایی تشخیص صحیح بر روی نمونه‌هایی از بیماران اطفال که در محدوده مطالعه مورد بررسی قرار گرفتند، آزمایش شد. تمامی تجزیه و تحلیل های آماری با استفاده از نرم افزار SPSS نسخه 26.0 انجام شد. یافته‌ها: مدل YOLOv4 دندان‌های شیری، میکروب‌های دندان دائمی و براکت‌ها را با موفقیت به‌ترتیب با نمرات F1 بالای 0.95، 0.90 و 0.76 تشخیص داد. اگرچه این مدل به نتایج امیدوارکننده‌ای دست یافت، اما محدودیت‌های خاصی برای برخی ساختارها و درمان‌های دندانی از جمله پرکردن، درمان‌های ریشه و دندان‌های اضافی وجود داشت. معماری مطالعه حاضر به نتایج قابل اعتمادی با برخی محدودیت‌های خاص برای تشخیص ساختارها و درمان‌های دندانی دست یافت. نتیجه‌گیری: تشخیص برخی ساختارهای دندانی و درمان‌های دندانی قبلی در رادیوگرافی پانورامیک کودکان با استفاده از رویکرد مبتنی بر DL ممکن است تشخیص زودهنگام برخی ناهنجاری‌های دندانی را فراهم کند و به دندانپزشکان کمک کند تا با صرفه‌جویی در زمان و تلاش، گزینه‌های درمانی دقیق‌تری پیدا کنند.
DOI 10.3290/picd.b4200863
Cilt 27
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

یادگیری عمیق برای ترسیم نمودارهای تشخیصی در رادیوگرافی پانورامیک کودکان

نویسنده فهمی، حسن، آیدین، ک.س.، ارقامز، ه.ص.، جنس، ا. جی.، کیا، ای.
تاریخ انتشار 2024-10-15
محل انتشار - Quintessenz Verlags-GmbH
موضوع تشخیص دهان، رادیوگرافی پانورامیک، دندانپزشکی کودکان، یادگیری عمیق، هوش مصنوعی
نوع دوره ای
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 1463-4201
شماره ثبت 2bb0cd54-d614-4037-8488-e5e77b93051c
محل کتابخانه علوم کامپیوتر
تاریخ 2024-10-15
متن نمونه هدف: سیستم‌های مبتنی بر هوش مصنوعی (AI) در دندانپزشکی برای اطمینان از فرآیند تشخیص دقیق‌تر و کارآمدتر استفاده می‌شوند. هدف از مطالعه حاضر ارزیابی عملکرد یک برنامه یادگیری عمیق (DL) برای تشخیص و طبقه‌بندی ساختارها و درمان‌های دندانی در رادیوگرافی پانورامیک بیماران اطفال بود. مواد و روش‌ها: در مجموع، 4821 رادیوگرافی پانورامیک دیجیتالی ناشناس از کودکان بین 5 تا 13 سال توسط YOLOv4، یک مدل تشخیص شی مبتنی بر CNN (شبکه‌های عصبی کانولوشنال) تجزیه و تحلیل شد. توانایی تشخیص صحیح بر روی نمونه‌هایی از بیماران اطفال که در محدوده مطالعه مورد بررسی قرار گرفتند، آزمایش شد. تمامی تجزیه و تحلیل های آماری با استفاده از نرم افزار SPSS نسخه 26.0 انجام شد. یافته‌ها: مدل YOLOv4 دندان‌های شیری، میکروب‌های دندان دائمی و براکت‌ها را با موفقیت به‌ترتیب با نمرات F1 بالای 0.95، 0.90 و 0.76 تشخیص داد. اگرچه این مدل به نتایج امیدوارکننده‌ای دست یافت، اما محدودیت‌های خاصی برای برخی ساختارها و درمان‌های دندانی از جمله پرکردن، درمان‌های ریشه و دندان‌های اضافی وجود داشت. معماری مطالعه حاضر به نتایج قابل اعتمادی با برخی محدودیت‌های خاص برای تشخیص ساختارها و درمان‌های دندانی دست یافت. نتیجه‌گیری: تشخیص برخی ساختارهای دندانی و درمان‌های دندانی قبلی در رادیوگرافی پانورامیک کودکان با استفاده از رویکرد مبتنی بر DL ممکن است تشخیص زودهنگام برخی ناهنجاری‌های دندانی را فراهم کند و به دندانپزشکان کمک کند تا با صرفه‌جویی در زمان و تلاش، گزینه‌های درمانی دقیق‌تری پیدا کنند.
DOI 10.3290/picd.b4200863
Cilt 27
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید