>
Fa   |   Ar   |   En
   طراحی و پیاده سازی نرم افزار تشخیص مکان کیست دهانی  
   
DOR 20.1001.2.9819073572.1399.3.1.46.2
نویسنده مقصودی سمیه ,چاله چاله عبداله ,فلاح کوشکی سپیده ,دوستمرادی علی
منبع كنفرانس ملي فناوريهاي نوين در مهندسي برق و كامپيوتر - 1399 - دوره : 3 - سومین کنفرانس ملی فناوریهای نوین در مهندسی برق و کامپیوتر - کد همایش: 98190-73572
چکیده    با توجه به رشد تجهیزات تصویرپردازی دیجیتالی پزشکی و کیفیت بالای این تصاویر، روش‌های شناسایی خودکار بیماری بسیار مورد توجه پژوهشگران قرار گرفته است. از طرف دیگر، تشخیص صحیح و به‌هنگام بیماری تاثیر بسیار زیادی در درمان بیماری و جلوگیری از هدر رفتن هزینه‌های مالی و وقت بیمار خواهد شد. یکی از بیماری‌های رایج دهان، کیست دندان است که در این مقاله به دنبال ارائۀ یک سامانه نرم‌افزاری هستیم که به‌صورت خودکار قادر به تشخیص مکان کیست با دقت بالایی باشد. روش پیشنهادی شامل 4 مرحله است در اولین مرحله کیفیت تصویر با الگوریتم‌های مبتنی بر هیستوگرام افزایش یافته، سپس استخراج نواحی کیست انجام می‌شود. در این مرحله یک الگوریتم جدید مبتنی بر تطابق الگو و آستانه‌گذاری پیشنهاد شده است. برای استخراج ویژگی، توصیفگرهای بافت پیشنهاد شده‌اند. توصیفگر ماتریس هم رخداد، توصیفگرگابور و توصیفگرموجک توصیفگرهای پیشنهادی هستند که در مرحلۀ ارزیابی تاثیر گذاری هر سه مورد بررسی شده است. برای کاهش ابعاد ویژگی و انتخاب ویژگی‌های مناسب الگوریتم کاهش بعد مبتنی بر pca یشنهاد شده است. در مرحلۀ پایانی دو طبقه‌بند k نزدیکترین همسایه وماشین بردار پشتیبان برای بررسی تصویر درنظر گرفته شده است. در مرحلۀ ارزیابی یک مجموعه‌داده جدید شامل 228 تصویر رادیوگرافی پانورامیک جمع‌آوری شده است که توسط دو دندان‌پزشک و با نظارت آنها تصاویر برچسب‌گذاری شده‌اند. برای ارزیابی کامل، بعد از بررسی دقت مرحلۀ آموزش روش پیشنهادی، تعدادی تصویر جداگانه به‌عنوان تصاویر آزمایش در نظرگرفته شده‌اند و توصیفگرهای مختلف برروی این مجموعه مجزا نیز بررسی شده‌اند. 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 طبقه‌بند بردارماشین پشتیبان به-دست آمده است. مقدار دقت به‌دست آمده برابر با 75/93% است. علاوه بر این روش پیشنهادی در مقایسه با کارهای پیشین نتایج دقیق‌تری از خود نشان داده است.
کلیدواژه تشخیص کیست دندان ,ماتریس هم رخداد سطح خاکستری (Glcm) ,ماشین بردار ماشین ((Svm
آدرس جهاد دانشگاهی، کرمانشاه, ایران, دانشگاه رازی، کرمانشاه, ایران, دانشگاه علوم پزشکی کرمانشاه, ایران, دانشگاه علوم پزشکی کرمانشاه, ایران
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved