تشخیص و شماره گذاری دندان در تصاویر رادیوگرافی پانورامیک با استفاده از شبکه های عصبی عمیق

Abstract

اهداف: تصاویر پانورامیک به عنوان رایج ترین شیوه ارزیابی اولیه بیماران دندانپزشکی مورد استفاده قرار میگیرد. امروزه با پیشرفت روش های هوش مصنوعی امکان ارزیابی خودکار این تصاویر به منظور صرفه جویی در زمان کلینیسین وجود دارد. بدین منظور، هدف از این مطالعه طراحی شبکه های عصبی کانولوشن برای بخش بندی و شماره گذاری دندان ها در تصاویر رادیوگرافی پانورامیک میباشد. مواد و روش ها:مجموعه داده ها شامل ۵۳۷ تصویر پانورامیک از آرشیو بخش رادیولوژی دانشکده دندانپزشکی تبریز انتخاب شدند. بعد از آن تصاویر توسط متخصص رادیولوژی دهان، فک و صورت با استفاده از جعبه محدودکننده برای هر ناحیه دندانی برچسب گذاری شده و شماره هر ناحیه دندانی توسط یک عدد برحسب سیستم شماره گذاری یونیورسال مشخص شد.سپس اندازه تصاویر را به 512×512 تغییر دادیم. برای بخش بندی و شماره گذاری دندان ها از شبکه های عصبی کانولوشنی استفاده کردیم. بخش بندی با استفاده از معماری U-Net انجام گرفته و خروجی آن پس از پس پردازش وارد شبکه VGG-16 برای شماره گذاری شد. 80 ٪ داده ها برای آموزش شبکه و ۱۰٪ برای اعتبار سنجی و ۱۰٪ دیگر برای آزمون شبکه استفاده شدند. داده های تست در طول هیچ یک از مراحل آموزش به شبکه نشان داده نشده بودند. نتایج: نتایج بدست آمده از شبکه U-Net برای بخش بندی دندان ها، بر روی داده های اصلی بترتیب حساسیت، ویژگی و Dice برابر با 98.9 ، 4/98 و 4/95 میباشد. و همچنین برای شماره گذاری دندانها با استفاده از معماری شبکه VGG-16 حساسیت ،ویژگی و دقت به ترتیب برابر با 58/98، 93/99 و8/96 بدست آوردیم. در بررسی وتشخیص ایمپلنت، ریشه باقی مانده و دندان های کشیده نیز دقتی بترتیب برابر با 45/98، 1/97 و 2/98 بدست آمد. نتیجه گیری: نتایج بدست آمده با توجه به محدودیت در تعداد تصاویر در مقایسه با مطالعات مشابه مطلوب بوده و در آینده با توسعه این روش ها میتواند کمک مفیدی در آنالیز خودکار تصاویر پانورامیک و سایر تصاویر دندانپزشکی باشد.