ارزيابي مدل‌ قطعه‌بندي معنايي به‌منظور ارائه يك سيستم هوشمند كمك تشخيصي ساختارهاي فك و دندان در تصاوير پانوراميك

دانشكده دندانپزشكي

زمينه و هدف: يكي از مهمترين كاربردهاي بينايي ماشين بخش كننده‌هاي معنايي هستند كه مي‌تواند اشيا بادقت بالايي شناسايي كند و مي‌تواند حدود اشيا را در حد پيكسل براي ما نمايش دهند؛ اما چيزي كه شايد كمتر به آن توجه شده باشد اينكه دقت آن در قياس با دقت تشخيص انسان‌ها چقدر هست و تا چه ميزان مي‌توان به آن‌ها در امر تشخيص اتكا كرد؟ ما تلاش خواهيم‌ كرد با ارزيابي نمونه‌اي از شبكه هوش مصنوعي يادشده و تعيين ارزش تشخيصي آن به كمك شاخص‌هاي ارزيابي مناسب به اين سوال در يكي از حيطه‌هاي دندانپزشكي پاسخ دهيم. مواد و روش‌ها: 352 تصاوير پانوراميك در شبكه‌ي هوش مصنوعي قطعه‌بندي معنايي با كد ثبت اختراع 109015 بارگذاري شد تا حدود اجزاء تصاوير پانوراميك را شناسايي كرده و نمايان سازد، نتايج به دست آمده ثبت شد. سپس همان داده‌ها را 1 نفر از دانشجويان ارشد دندانپزشكي ليبل زده و به عنوان منبعي براي سنجش دقت تشخيصي شبكه در نظر گرفته شد. جهت ارزيابي دقت عملكرد اين برنامه ويژگي، صحت، دقت، ياد آوري، شاخصF1 و ضريب دايس محاسبه شد. محاسبات با كمك برنامه‌اي كه به زبان برنامه نويسي پايتون نوشته شد محاسبه شد. نتايج: سيستم دقت %98.73 ، ويژگي %98.86، ميزان IoU %78.76، صحت %86.97، فراخواني %86.97 و امتياز f1 %84.54 را در شناسايي ساختارها از خود نشان داد. نتيجه‌گيري: مدل شبكه عصبي عميق ارائه شده در اين مطالعه كه براي قطعه‌بندي معنايي طراحي شده است، مي‌تواند ساختار‌هاي دنداني را در راديوگرافي پانوراميك در حد قابل‌قبول تشخيص داده وقطعه‌بندي كند.

232701

علوم پزشكي گيلان