توسعه سامانه هوش مصنوعی تشخیص بیماری های دندان در دانشگاه تهران
پرتوبلاگ: محققان دانشگاه تهران، یک سامانه هوش مصنوعی توسعه دادند که می تواند با تحلیل تصاویر پانورامیک دندان، بیماری هایی مانند پوسیدگی، بیماری های لثه و نهفتگی دندان را با سرعت و دقت تشخیص دهد.
پژوهشگران دانشکدگان فنی دانشگاه تهران، موفق به توسعه یک سامانه هوش مصنوعی شدند که می تواند با تحلیل تصاویر پانورامیک دندان، بیماری های شایعی مانند پوسیدگی، بیماری های لثه و نهفتگی دندان را با سرعت و دقت بالا تشخیص داده و به عنوان دستیار متخصصان، تحولی بزرگ در فرایند تشخیص و برنامه ریزی درمانی ایجاد نماید.
به گزارش پرتوبلاگ به نقل از دانشگاه تهران، این مطالعه که در چارچوب یک مقاله از رساله دکتری مهدیه دهقانی و با سرپرستی رضا آقایی زاده ظروفی، استاد دانشکده مهندسی برق و کامپیوتر دانشکدگان در یک نشریه بین المللی انتشار یافته است، نشان داده است که این مدل، قادر می باشد به شکل خودکار، محل دقیق ضایعات و ناهنجاری ها را در تصویر شناسایی کرده و احتمال درستی تشخیص خویش را هم اعلام نماید.
ظروفی که این مطالعه را سرپرستی کرده است، در رابطه با اهمیت این مطالعه در بهداشت و درمان در حوزه دندانپزشکی اظهار داشت: دندان ها نقش اساسی در سلامت عمومی انسان دارند و پیشگیری و درمان بیماری های دهان و دندان بشدت به مهارتهای تصویربرداری وابسته است. تصاویر پانورامیک اشعه ایکس اطلاعات جامعی از تاج و ریشه دندان، وضعیت لثه و استخوان های فک عرضه می دهند و ابزار مؤثری جهت بررسی ناهنجاری های آناتومیک، ارزیابی شرایط ایمپلنت و برنامه ریزی درمان های ارتودنسی محسوب می شوند؛ با این وجود، تفسیر دستی این تصاویر فرآیندی زمان بر و مستعد خطای انسانی است که به تجربه و شرایط کاری پزشک وابسته است.
وی اضافه کرد: تعیین یافته های بالینی در تصاویر پانورامیک به تجربه و تخصص پزشک وابسته است و این امر، فرایند گزارش نویسی را زمان بر و وابسته به شرایط کاری می کند. افزایش حجم داده ها و خستگی ناشی از کار مداوم هم می تواند دقت تشخیص را کم کند. در چنین شرایطی، سودجستن از فناوری هوش مصنوعی می تواند به عنوان ابزاری کمکی در تفسیر تصاویر پزشکی به کار رود و روند گزارش نویسی و تشخیص را آسان کند.
استاد دانشکده مهندسی برق و کامپیوتر دانشگاه تهران، با اعلان اینکه در این مطالعه جدید محققان تلاش نموده اند تا این چالش را با کمک فناوری حل کنند، اضافه کرد: برای این منظور یک سامانه تشخیصی مبتنی بر هوش مصنوعی طراحی شده است که این سامانه، معماری پیشرفته شبکه عصبی به نام YOLOv11 است که آموزش آن بر روی یک مجموعه داده عمومی انجام شده است. این مدل قادر می باشد به شکل خودکار، محل دقیق ضایعات و ناهنجاری ها را در تصویر شناسایی کرده و احتمال درستی تشخیص خویش را هم اعلام نماید.
ظروفی یکی از نقاط قوت این مطالعه را کاربردی شدن پژوهش در چارچوب یک اپ وب، مطرح کرد و اظهار داشت: یکی از نقاط قوت این تحقیق، کاربردی بودن آن است. این مدل در چارچوب یک اپ تحت وب پیاده سازی شده تا دندان پزشکان و رادیولوژیست ها بتوانند بسادگی از آن بهره گیرند. این سامانه با مشخص کردن محل دقیق مشکلات، به پزشک در اولویت بندی و تصمیم گیری سریع تر کمک می نماید.
وی همینطور افزایش سرعت و اطمینان در تصمیم گیری بالینی را از دیگر مزیت های استفاده از این سامانه در تشخیص مشکلات دندانپزشکی برشمرد و اضافه کرد: به قول کارشناسان، سودجستن از چنین سیستمهایی نه تنها سرعت فرایند گزارش نویسی را زیاد می کند، بلکه به عنوان یک ناظر دوم، می تواند با کاهش خطاهای ناشی از خستگی یا حجم بالای کار، دقت تشخیص نهائی را ارتقا دهد و نقش مکملی مؤثر برای متخصصان فک و صورت ایفا کند.
بر اساس نتایج این پژوهش، مدل پیشنهادی در مقایسه با نسخه های قبلی، دقت بالاتری در شناسایی و طبقه بندی ناهنجاری ها از خود نشان داده است.
متن کامل این مطالعه از راه این لینک در دسترس محققان است.
منبع: پرتوبلاگ
این مطلب پرتوبلاگ را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب