.png){kind=small}
تشخیص پوسیدگی های ثانویه اینترپروگزیمال در رادیوگرافی بایت وینگ با استفاده از هوش مصنوعی بر پایه یادگیری عمیق
خلاصه ضرورت اجرای طرح
پوسیدگی ثانویه یک نگرانی شایع برای سلامت دهان و دندان است که افراد را در سراسر جهان تحت تاثیر قرار می دهد. علیرغم پیشرفت در دندانپزشکی پیشگیرانه، پوسیدگی ثانویه همچنان بروز بالایی دارد و از طرفی تشخیص پوسیدگی های ثانویه (secondary caries)، به ویژه در نواحی اینترپروگزیمال، یک چالش بالینی باقی مانده است. رادیوگرافی بایت وینگ به طور معمول در دندانپزشکی برای تشخیص پوسیدگی استفاده می شود، اما دقت تفسیر بصری در بین دندانپزشکان متفاوت است و این عدم توافق نظر در میان دندانپزشکان می تواند باعث عدم تشخیص بسیاری از پوسیدگی های ثانویه (secondary caries) شود یا برآورد بیش از اندازه پوسدگی ها هزینه های زیادی به بیماران تحمیل شود. تشخیص زودهنگام پوسیدگی ثانویه برای جلوگیری از پوسیدگی بیشتر دندان و ایجاد پیش آگهی مطلوب اساسی است. در سال‌های اخیر، هوش مصنوعی (AI) به عنوان ابزاری امیدوارکننده برای خودکارسازی آنالیز تصاویر پزشکی، ارائه راه‌حل‌های بالقوه برای افزایش دقت و کارایی تشخیصی ظاهر شده است اما مطالعات اندکی توانایی تشخیص پوسیدگی ثانویه را توسط هوش مصنوعی بررسی کرده اند. آخرین مطالعه انجام شده در حوزه تشخیص پوسیدگی ثانویه از مدل YOLOv۵ استفاده کرده است که ۶ نسل از YOLOv۱۱ قدیمی تر است و YOLOv۱۱ دقت تشخیصی بالاتری خواهد داشت هدف این پژوهش توسعه و اعتبارسنجی یکی جدیدترین الگوریتم های مبتنی بر هوش مصنوعی برای تشخیص پوسیدگی های ثانویه (secondary caries) اینترپروگزیمال در رادیوگرافی بایت وینگ، با هدف بهبود تشخیص زودهنگام و برنامه ریزی درمان در مدیریت پوسیدگی دندان است تا به دندانپزشکان در تشخیص درست کمک کرده و از عدم تشخیص یا تشخیص بیش از حد جلوگیری کند.
مجری طرح: دکتر فرزانه مساوات
سال شروع: 1404
ارسال به دوستان