عنوان طرح :  ارزیابی کاربرد هوش مصنوعی در تشخیص ، سگمنتاسیون و اندازه گیری حجم راه هوایی حلقی در تصاویر توموگرافی کامپیوتری با اشعه مخروطی                                     

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

عنوان خبر: کاربرد هوش مصنوعی در تشخیص ، سگمنتاسیون و اندازه گیری حجم راه هوایی حلقی در تصاویر توموگرافی کامپیوتری با اشعه مخروطی                                    

متن خبر: در یک مطالعه نوین، پژوهشگران موفق به توسعه یک مدل یادگیری عمیق مبتنی بر معماری تغییر یافته‌ی U-Net شدند که می‌تواند به‌صورت خودکار و دقیق ناحیه حلقی راه هوایی فوقانی را در تصاویر توموگرافی کامپیوتری با اشعه مخروطی (CBCT) تشخیص داده، سگمنت کرده و حجم آن را اندازه‌گیری کند. این تحقیق با هدف بهبود تشخیص و درمان اختلالاتی نظیر آپنه انسدادی خواب (OSA) انجام شد؛ اختلالی که به ارزیابی دقیق ساختار راه هوایی نیاز دارد. در این مطالعه، ۳۰۰ تصویر با کیفیت بالا توسط متخصصین برچسب‌گذاری شد و پس از اعمال تکنیک‌های پردازش تصویر و افزایش داده، به مدل آموزش داده شدند. نتایج حاصل نشان‌دهنده عملکرد بسیار دقیق مدل بود؛ به‌طوری‌که مدل پیشنهادی توانست به دقت ۹۹.۹۷٪، حساسیت ۹۸.۰۴٪، ویژگی ۹۹.۹۸٪ و ضریب شباهت دایس ۹۶.۵۵٪ دست یابد. مقایسه خروجی مدل با برچسب‌های دستی نیز نشان داد که عملکرد مدل تقریباً هم‌سطح با استاندارد طلایی است. این دستاورد می‌تواند کاربرد گسترده‌ای در محیط‌های بالینی، به‌ویژه در غربالگری بیماران مشکوک به آپنه خواب داشته باشد. با وجود موفقیت چشمگیر، پژوهشگران بر لزوم بررسی عملکرد مدل در شرایط متنوع‌تر و دستگاه‌های مختلف CBCT برای افزایش قابلیت تعمیم آن تأکید دارند.

گروه مخاطب

پیام پژوهش

دندانپزشکان

به‌کارگیری مدل ترکیبی بخش‌بندی و طبقه‌بندی مبتنی بر معماری U-Net، امکان تعیین خودکار و دقیق مسیر راه هوایی 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 مسیر راه هوایی 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