عنوان طرح: بررسی ارتباط میان مورفولوژی تاج کلینیکی دندان های مولر اول ماگزیلا با وجود و یا عدم وجود کانال مزیوباکال دوم از طریق آنالیز فوتوگرافی های داخل دهانی با استفاده از مدل مبتنی بر یادگیری عمیق

مجری(ان): حامد کرکه آبادی/ الهام خوشبین                   

همکار(ان): حسن ختن لو/ فاطمه یوسفی فخر/ امل مهاوی/ عباس شکری/ لیلی تاپاک/ پریسا رنجبر

تاریخ انتشار: مهر 1404                                                                 

نوع طرح: طرح تحقیقاتی هیأت علمی

عنوان خبر: استفاده از مدل‌های یادگیری عمیق (EfficientNet ,ResNet) روی تصاویر داخل دهانی می‌تواند وجود کانال MB2 را با دقت بالا پیش‌بینی کند.

متن خبر:

محققان دندانپزشکی با استفاده از مدل‌های یادگیری عمیق موفق به شناسایی دقیق کانال مزیوباکال دوم (MB2) در دندان‌های مولر اول فک بالا شدند. این روش امکان تشخیص غیرتهاجمی و سریع کانال‌های پنهان را فراهم کرده و نیاز به CBCT و تابش اشعه را کاهش می‌دهد. در این مطالعه، بیش از ۲۰۰ دندان با تصاویر داخل دهانی ثبت و با الگوریتم‌های EfficientNet و ResNet تحلیل شدند. برای غلبه بر این محدودیت‌ها، رویکردهای جدید مانند استفاده از الگوریتم‌های یادگیری عمیق روی رادیوگرافی‌ها و تصاویر داخل دهانی نیاز است تا تشخیص کانال MB2 بهبود یابد. نتایج نشان داد حتی با داده‌های محدود، دقت بالایی در پیش‌بینی کانال‌ها وجود دارد. این فناوری می‌تواند در نرم‌افزارهای هوشمند کلینیکی برای راهنمایی بلادرنگ دندانپزشکان به‌کار گرفته شود.

گروه مخاطب

پیام پژوهش

گروه رادیولوژی/ گروه اندودونتیکس

مدل‌های یادگیری عمیق می‌توانند تنها بر پایه‌ی تصاویر داخل‌ دهانی، وجود کانال مزیوباکال دوم را با دقت بالا پیش‌بینی کنند و جایگزینی غیرتهاجمی برای CBCT فراهم آورند.

محل بکارگیری نتایج تحقیق

( صنعت، جامعه)

پیشنهاد نحوه کاربست

حوزه بالینی دندان‌پزشکی

تشخیص دقیق و زودهنگام کانال MB2 و راهنمایی دندانپزشک حین درمان اندودانتیک با تحلیل هوشمند تصاویر داخل دهانی

صنعت تجهیزات هوش مصنوعی پزشکی

توسعه و به‌کارگیری سامانه‌های هوشمند مبتنی بر یادگیری عمیق برای تحلیل بلادرنگ تصاویر داخل دهانی، آموزش مدل‌ها با داده‌های استاندارد و تجاری‌سازی آن در تشخیص خودکار کانال MB2

لینک مقاله:

ایمیل ارتباطی و تلفن مجری اصلی طرح: Hamed_karkehabadi@yahoo.com