تشخیص پوسیدگی های بین‌دندانی به کمک روش‌های پردازش تصویر در تصاویر رادیوگرافی نمونه جمعیت ایران

مقدمه و هدف: با توجه به مشکلات مربوط به تشخیص پوسیدگی مینایی و ارزیابی عمق پوسیدگی‌های بین‌دندانی، تشخیص این قبیل پوسیدگی‌ها با دشواری‌های زیادی همراه است. در این پژوهش روشی برای حل این مشکل با استفاده از تصاویر رادیوگرافی و راهکارهای پردازش تصویر ارائه شده است. هدف از این روش، شناسایی و قطعه بندی نواحی پوسیده دندان‌ها به شکل خودکار است.مواد و روش ها: به این منظور از تعدادی تصویر دندان خلفی انسانی مربوط به استان همدان در ایران با 158 سطح بین‌دندانی استفاده شده است. در این بخش‌ها 60 پوسیدگی محدود به عاج، 31 پوسیدگی محدود به مینا، 11 پوسیدگی محدود به ناحیه اتصال مینا به عاج و 56 سطح بدون پوسیدگی، مشاهده شدند. دندان‌ها درون بلوک‌های آکریلی آماده سازی شده قرار گرفته و تماس‌های بین‌دندانی و اکلوزالی دندان‌ها بازسازی شد. سپس تصویربرداری دیجیتال انجام شده و نتایج به عنوان ورودی روش پردازش تصویر پیشنهادی در نظر گرفته شده است. در این روش پس از پیش پردازش تصاویر، با اعمال عملگرهای ریخت شناسی و به کمک روش خوشه بندی میانگین k، پوسیدگی‌ها به شکل خودکار تشخیص داده شده اند. نتایج و اطلاعات نهایی توسط نرم‌افزار spss مورد تجزیه و تحلیل قرار گرفت.نتایج: میزان حساسیت روش پیشنهادی برای پوسیدگی‌های عاجی86.7%، پوسیدگی‌های مینایی67.7% و پوسیدگی‌های محدود بهdej  63.6%  اندازه گیری شد. در این مطالعه اختصاصیت روش پیشنهادی100%، حساسیت کلی 78.4% ،مثبت کاذب 0% ، منفی کاذب 21.6% و دقت روش 86% محاسبه شد.نتیجه‌گیری: یافته‌های مطالعه حاضر نشان می‌دهد که نرم افزار طراحی شده برای تشخیص پوسیدگی پروگزیمال از دقت تشخیصی قابل قبولی برخوردار است. در روش پیشنهادی، بر اساس مشاهدات با افزایش عمق پوسیدگی، حساسیت تشخیص افزایش می‌یابد؛ بنابراین، تشخیص پوسیدگی عاجی بهتر از پوسیدگی مینا و dej است.

A study of image processing techniques application for detection of proximal caries in Iran

Background and Objective: Diagnosis of enamel caries and evaluation of proximal caries depth are some of the main problems in caries detection. In this study, a new method based on image processing techniques proposed that applied to radiographic images. The purpose of this method was to automatically identify and segment decayed areas of the teeth.Materials and Methods: For this study which was done in Hamedan province of Iran, several molar and premolar teeth images with 158 interproximal surfaces were selected. Sixty teeth with dentinal caries, 31 enamel restricted caries, 11 DEJ limited caries, and finally 56 surfaces without any caries were detected. The teeth were placed inside the prepared acrylic blocks, and the intraproximal and occlusal contacts of the teeth were reconstructed. Then digital imaging was performed, and the results considered as the input of the proposed image processing method. In the proposed method, after preprocessing of images, by applying morphological operators, and with the help of the Kmeans clustering, caries were automatically detected. The final results and information were analyzed by SPSS software.Results: The sensitivity of the proposed method was 86.7% for dentinal caries, 67.7% for enamel caries, and 63.6% of caries that limited to DEJ. The specificity was 100%, and the overall sensitivity reported as 78.4%. There was no false positive, the false negative and the accuracy of the method were 21.6% and 86% respectively.Conclusions: The findings of the present study show that the software designed to detect proximal caries has acceptable diagnostic accuracy. In the proposed method, based on observations, the sensitivity of caries detection improves with an increase in depth of decay. Therefore, it qualifies better in detecting dentinal caries than enamel and DEJ caries.