عنوان طرح :  شناسایی لندمارک های آناتومیک در تصاویر توموگرافی کامپیوتری با اشعه مخروطی با استفاده از یادگیری عمیق                                     

مجری/ مجریان : دکتر عباس شکری مرنی/ محمدمهدی ملکی            همکار/ همکاران :  دکتر علیرضا فلاحی/دکتر فوزیه زاهدی            تاریخ انتشار: خرداد 1404                     

عنوان خبر: تشخیص خودکار سینوس فکی در تصاویر CBCT با استفاده از مدل ترکیبی یادگیری عمیق

متن خبر: در یک پژوهش نوین، محققان موفق به توسعه یک مدل هوش مصنوعی پیشرفته مبتنی بر یادگیری عمیق شدند که می‌تواند به‌صورت دقیق و خودکار سینوس‌های فکی را در تصاویر CBCT شناسایی و بخش‌بندی کند. این مدل، با استفاده از معماری ترکیبی U-Net که شامل شاخه‌ای برای segmentation و شاخه‌ای برای classification است، توانسته است دقت بالایی در تفکیک ساختارهای سینوسی از سایر بافت‌های اطراف به دست آورد. در این مطالعه، ۳۰۰ نمونه CBCT شامل حدود ۷۹٬۰۰۰ برش توسط پژوهشگران خبره با استفاده از نرم‌افزار ITK-SNAP به‌صورت دستی برچسب‌گذاری شد تا داده‌های مرجع با دقت بالا تأمین شود. عملکرد مدل با معیارهایی مانند Dice Score، دقت (Accuracy)، یادآوری (Recall) و ویژگی (Specificity) ارزیابی شد. نتایج نشان داد Dice Score برای سینوس چپ و راست به ترتیب ۹۸.۶۳٪ و ۹۸.۴۲٪ بوده است، که حاکی از انطباق بالا با برچسب‌های انسانی است. علاوه بر دقت چشمگیر، سرعت پردازش ۲۰ تا ۳۰ ثانیه‌ای برای هر اسکن سه‌بعدی نیز استفاده بالینی این سیستم در زمان واقعی را ممکن می‌سازد. حذف خودکار اسلایس‌های غیرمرتبط نیز باعث کاهش محاسبات غیرضروری و افزایش کارایی مدل شده است. این مدل می‌تواند گامی مؤثر در کاهش وابستگی به اپراتور و ارتقاء دقت در برنامه‌ریزی‌های پیش‌جراحی و تشخیص‌های دندان‌پزشکی و فک و صورت باشد. اعتبارسنجی چندمرکزی و توسعه برای تشخیص پاتولوژی‌های پیچیده در آینده در دستور کار قرار دارد.

گروه مخاطب

پیام پژوهش

دندانپزشکان

به‌کارگیری مدل ترکیبی بخش‌بندی و طبقه‌بندی مبتنی بر معماری U-Net، امکان تعیین خودکار و دقیق مرزهای سینوس فکی در تصاویر CBCT را فراهم می‌کند؛ این روش با کاهش وابستگی به اپراتور، افزایش دقت، و حذف اسلایس‌های نامرتبط، می‌تواند به‌عنوان ابزاری کارآمد در برنامه‌ریزی پیش از جراحی و ارزیابی‌های تشخیصی در دندان‌پزشکی و جراحی فک و صورت مورد استفاده قرار گیرد.

محل بکارگیری نتایج تحقیق( صنعت، جامعه)

پیشنهاد نحوه کاربست

مطب های دندانپزشکی

مدل طراحی‌شده می‌تواند به‌عنوان یک ابزار کمکی هوشمند در مراکز تصویربرداری فک و صورت برای بخش‌بندی خودکار سینوس فکی در تصاویر CBCT به کار رود و با کاهش زمان تحلیل و خطای انسانی، به تصمیم‌گیری بالینی سریع‌تر و دقیق‌تر کمک کند

لینک مقاله :

ایمیل ارتباطی و تلفن مجری اصلی طرح: Dr.A.Shokri@gmail.com