بهبود تشخیص پوسیدگی دندان با استفاده از شبکه ی عصبی مدل dense_net

پوسیدگی دندان یکی از بیماری های شایع دهان و دندان می باشد. در جوامع امروزی تشخیص زودهنگام و درمان به موقع بسیار مهم است. در این پژوهش از شبکه عصبی مصنوعی مدل dense-net بهبود یافته که نوعی شبکه عصبی مبتنی بر یادگیری ژرف می باشد، برای تشخیص پوسیدگی استفاده شده است. نتایج حاصل از آزمایش های انجام شده روی600 نمونه تصویر با مدل dense-net پیشنهادی و اندازه گیری معیارهای دقت، صحت، یادآوری و میانگین هارمونیک، درمقایسه با مدل های پایه، موید بهبود تشخیص با استفاره از روش پیشنهادی است. در آزمایش های انجام شده، معیارهای دقت ، صحت ، یادآوری و میانگین هارمونیک به ترتیب به مقدار های 58/7%، 11%، 44/12% و 7/8 % نسبت به مدل های پایه افزایش داشته است.

improving tooth decay detection using artificial neural network dense-net model

tooth decay is one of the most common oral diseases. in today s society, early diagnosis and timely treatment are very important. in this research, the artificial neural network of the improved dense-net model, which is a type of neural network based on deep learning, has been used to detect caries. the results of the experiments conducted on 600 image samples with the proposed dense-net model and measuring the criteria of precision, accuracy, recall and harmonic mean, in comparison with the basic models, confirm the improvement of detection by using the proposed method. in the conducted experiments, the criteria of precision, accuracy, recall and harmonic mean have increased by 7.58%, 11%, 12.44% and 8.7%, respectively, compared to the basic models.