نمایان ساختن خودکار کانال دندانی تحتانی در تصاویر Cone Beam Computed Tomography با استفاده از یک شبکه عمیق عصبی پیچشی

Abstract

اهداف: عملی بودن روش‌‌های یادگیری عمیق با اجرای موفقیت‌‌آمیز آن‌‌ها در زمینه‌‌های مختلف از جمله تصویربرداری تشخیصی برای پزشکان، نشان داده شده است. مطابق با تقاضای روزافزون در صنعت مراقبت‌‌های بهداشتی، روش‌‌هایی برای تشخیص و پیش‌‌بینی خودکار، به‌‌صورت گسترده در حال تحقیق هستند. به‌‌طور خاص در دندان‌‌پزشکی، به دلایل مختلف، تشخیص خودکار کانال دندانی تحتانی بسیار مورد توجه قرار گرفته است. قرارگیری عصب دندانی تحتانی (IAN) که یکی از ساختارهای اصلی در دندانی تحتانی است، برای جلوگیری از آسیب عصبی در طی مراحل جراحی بسیار مهم است. هدف از این مطالعه بررسی بخش¬بندی خودکار کانال دندانی تحتانی در تصاویر CBCT و با استفاده از شبکه عصبی عمیق پیچشی بود. مواد و روش‌‌ها: با استفاده از شبکه¬های عصبی کانولوشنی عمیق، بخش¬بندی کانال دندانی تحتانی انجام شد. بدین منظور با توجه به هزینه¬های بالای برچسب¬گذاری توسط متخصص، مسائل مربوط به اخذ رضایت آگاهانه از بیماران و همچنین به منظور استفاده از شبکه مورد نظر در همه دستگاه¬های CBCT که در مطالعات پیشین مورد توجه قرار نگرفته است، از روش بخش¬بندی چند شات استفاده شد. در این روش از شبکه¬ عصبی عمیق ResNet استفاده شد که نوع خاصی از شبکه کانولوشنی است. این شبکه متشکل از دو شبکه فرعی و ResNet به¬عنوان شبکه اصلی است. برای آموزش شبکه اصلی از وظایف از پیش تعیین¬شده استفاده شد و تصاویر بدون برچسب وارد مدل بخش¬بندی همه¬چیز شدند تا ویژگی¬های تصاویر استخراج شود. برای آموزش شبکه اصلی، از تعداد ده نمونه برچسب استفاده شد. همچنین برای جلوگیری از بیش¬برازش شبکه، از تجزیه مقادیر تکین استفاده شد تا با توجه به نمونه¬های کم، فرآیند یادگیری به درستی انجام شود. علاوه¬براین، برای یادگیری نیز از یادگیری خودنظارتی استفاده شد. نتایج: نتایج حاصل از آزمایش¬ها، هم به¬صورت بصری و هم به¬صورت کمّی مورد ارزیابی قرار گرفت. در حالت مقایسه کمّی از معیار IoU استفاده شده است که مقدار 6331/0 حاصل شد. این روش همچنین با روش¬های پایه تنظیم دقیق مقایسه شده و نتایج بهتری حاصل شد. روش پیشنهادی به¬طور قابل توجهی، عملکرد تشخیص کانال دندانی تحتانی چند شات را در تصاویر CBCT بهبود داد. در بین مطالعات مرتبط نیز، نتایج پیشرفت قابل توجهی داشت. نتیجه‌‌گیری: با توجه به نتایج حاصل از آزمایش¬ها، سیستم تشخیص خودکار کانال از طریق یادگیری عمیق، کمک قابل توجهی به برنامه‌‌ریزی درمان کارامد و کاهش ناراحتی بیماران توسط دندانپزشک خواهد کرد.