طراحی و پیاده سازی نرم افزار تشخیص مکان کیست دهانی

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 545

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTI03_065

تاریخ نمایه سازی: 26 تیر 1399

چکیده مقاله:

با توجه به رشد تجهیزات تصویر پردازی دیجیتالی پزشکی و کیفیت بالای این تصاویر، روش های شناسایی خودکار بیماری بسیار مورد توجه پژوهشگران قرار گرفته است. از طرف دیگر، تشخیص صحیح و به هنگام بیماری تأثیر بسیار زیادی در درمان بیماری و جلوگیری از هدر رفتن هزینه های مالی و وقت بیمار خواهد شد. یکی از بیماری های رایج دهان، کیست دندان است که در این مقاله به دنبال ارائه یک سامانه نرم افزاری هستیم که به صورت خودکار قادر به تشخیص مکان کیست با دقت بالایی باشد. روش پیشنهادی شامل 4 مرحله است در اولین مرحله کیفیت تصویر با الگوریتم های مبتنی بر هیستوگرام افزایش یافته، سپس استخراج نواحی کیست انجام می شود. در این مرحله یک الگوریتم جدید مبتنی بر تطابق الگو و آستانه گذاری پیشنهاد شده است. برای استخراج ویژگی، توصیفگرهای بافت پیشنهاد شده اند. توصیفگر ماتریس هم رخداد، توصیفگر گابور و توصیفگر موجک توصیفگرهای پیشنهادی هستند که در مرحله ارزیابی تأثیرگذاری هر سه مورد بررسی شده است. برای کاهش ابعاد ویژگی و انتخاب ویژگی های مناسب الگوریتم کاهش بعد مبتنی بر PCA پیشنهاد شده است. در مرحله پایانی دو طبقه بند K نزدیکترین همسایه و ماشین بردار پشتیبان برای بررسی تصویر در نظر گرفته شده است. در مرحله ارزیابی یک مجموعه داده جدید شامل 228 تصویر رادیوگرافی پانورامیک جمع آوری شده است که توسط دو دندان پزشک و با نظارت آنها تصاویر برچسب گذاری شده اند. برای ارزیابی کامل، بعد از بررسی دقت مرحله آموزش روش پیشنهادی، تعدادی تصویر جداگانه به عنوان تصاویر آزمایش در نظر گرفته شده اند و توصیفگرهای مختلف بر روی این مجموعه مجزا نیز بررسی شده اند. بهترین نتیجه با توصیفگر ماتریس هم رخداد همراه با 6 ویژگی های آماری میانگین، انحراف معیار، چولگی، کشیدگی، مد و میانه از شدت رنگ تصاویر و طبقه بند بردار ماشین پشتیبان به دست آمده است. مقدار دقت به دست آمده برابر با 93/75٪است. علاوه بر این روش پیشنهادی در مقایسه با کارهای پیشین نتایج دقیق تری از خود نشان داده است.

کلیدواژه ها:

تشخیص کیست دندان ، ماتریس هم رخداد سطح خاکستری (GLCM) ، ماشین بردار ماشین (SVM).

نویسندگان

سمیه مقصودی

کارشناسی ارشد، دانشجو گروه مهندسی کامپیوتر، جهاد دانشگاهی، کرمانشاه، ایران.

عبداله چاله چاله

دکتری کامپیوتر، استادیار گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه، ایران

سپیده فلاح کوشکی

دندانپزشک، استادیار دانشگاه علوم پزشکی، دانشکده دندانپزشکی، کرمانشاه، ایران.

علی دوستمرادی

دندانپزشک، دانشگاه علوم پزشکی اهواز، دانشکده دندانپزشکی، اهواز، ایران.