تشخیص پوسیدگی دندان از روی تصاویر پزشکی با رویکرد یادگیری ماشین
پایان نامه
- دانشگاه الزهراء علیها السلام - دانشکده فنی
- نویسنده میترا حسینی جعفری
- استاد راهنما بهروز قلی زاده رضا عزمی
- سال انتشار 1393
چکیده
تشخیص پوسیدگی دندان یکی از مبنایی ترین مهارت هایی است که متخصصان حوزه ی بهداشت دهان و دندان باید یاد بگیرند و در عین حال، یکی از سخت ترین مهارت هایی است که این متخصصان کسب می کنند، چرا که فرد خبره باید بتواند با اطمینان بالا مکان و مقدار پوسیدگی را تشخیص دهد. بهره گیری از تکنولوژی روز و ابزارهای گوناگون، خصوصاً سیستم های کامپیوتری که در زمان نسبتاً کوتاهی، جای خود را در همه ی علوم به وضوح باز کرده اند، در اینجا نیز همانند سایر حوزه های پزشکی، کارگشا بوده و امری اجتناب ناپذیر است. در همین راستا، یک سیستم پیشنهادی برای تشخیص پوسیدگی دندان از روی تصاویر رادیوگرافی پری اپیکال ارائه شده است که در پیدا کردن مکان پوسیدگی به دندانپزشک کمک خواهد کرد. در سیستم پیشنهادی، ابتدا تصاویر رادیوگرافی پری اپیکال به منظور کاهش نویز پیش پردازش می شوند، سپس طی دو مرحله استفاده از روش قطعه بندی اکتیوکانتور بدون لبه که زیرمجموعه ای از روش های level set است، تک دندان ها از تصویر استخراج شده و پس زمینه ی آنها حذف می گردد. در نهایت تعدادی ویژگی از تصاویر استخراج می گردد و مبتنی بر این ویژگی ها، دندان هایی که دارای پوسیدگی هستند، از دندان های فاقد پوسیدگی جدا می گردند. با توجه به تفاوت های انواع مختلف تصاویر دندانپزشکی که نیاز به استفاده از روش های مختلف پردازش را ایجاد می کند، سیستم پیشنهادی این پژوهش، نخستین سیستم یکپارچه ی ارائه شده به منظور پردازش تصاویر رادیوگرافی پری اپیکال است و می تواند به عنوان پایه ی پژوهش های آتی در این زمینه قرار گیرد.
منابع مشابه
تشخیص نفوذ شبکه با استفاده از رویکرد ترکیبی مدل مخفی مارکوف و یادگیری ماشین مفرط
با رشد فناوری اطلاعات، امنیت شبکه بهعنوان یکی از مباحث چالشبرانگیز مطرح است. تکنیکهای تشخیص نفوذ مبتنی بر ناهنجاری یک فناوری ارزشمند برای حفاظت از شبکهها در برابر فعالیتهای مخرب است. در این مقاله رویکردی جدید مبتنی بر مدل مخفی مارکوف (HMM) و ماشین یادگیری مفرط (ELM) جهت تشخیص نفوذ ارائه شده است. در مدل پیشنهادی، دادههایی که از ترافیک شبکه جمعآوری شدهاند، ابتدا پیشپردازش میشوند. سپس دن...
متن کاملطراحی سیستم تشخیص ندول های ریوی از روی تصاویر سیتیاسکن ریه با استفاده از طبقهبندی کننده ماشین بردار پشتیبان
مقدمه: تشخیص ندولهای ریوی به کمک رادیولوژی یکی از روشهای تشخیص زودرس سرطان در تصاویر سیتیاسکن است. یکی از چالشهای اصلی برای تشخیص ندولهای ریوی ، مشکل شناسایی و تفکیک ندولهای ریوی از اجزا ریه میباشد. در این پژوهش یک سیستم تشخیص به کمک کامپیوتر جهت شناسایی این ندول ها معرفی شده است. روش: این پژوهش مطالعهای توصیفی، تحلیلی بوده که به روی 97 تصویر سیتی اسکن انجام شده است. جهت تشخیص ندولها...
متن کاملطراحی سیستم تشخیص ندول های ریوی از روی تصاویر سیتیاسکن ریه با استفاده از طبقهبندی کننده ماشین بردار پشتیبان
مقدمه: تشخیص ندولهای ریوی به کمک رادیولوژی یکی از روشهای تشخیص زودرس سرطان در تصاویر سیتیاسکن است. یکی از چالشهای اصلی برای تشخیص ندولهای ریوی ، مشکل شناسایی و تفکیک ندولهای ریوی از اجزا ریه میباشد. در این پژوهش یک سیستم تشخیص به کمک کامپیوتر جهت شناسایی این ندول ها معرفی شده است. روش: این پژوهش مطالعهای توصیفی، تحلیلی بوده که به روی 97 تصویر سیتی اسکن انجام شده است. جهت تشخیص ندولها...
متن کاملکاربرد الگوریتمهای یادگیری ماشین در متنکاوی با رویکرد آنالیز احساس
تخصیص نظرها و متنهای منتشر شدۀ کاربران در فضای مجازی به طبقاتی با احساسات مثبت یا منفی، در تحقیقهای مربوط به متنکاوی اهمیت بسیار زیادی دارد. هدف این مقاله، استفاده و مقایسۀ روشهای یادگیری ماشین در طبقهبندی متنهای فارسی بر اساس احساسات کاربران فعال در فضای مجازی است. دادههای پژوهش، مجموعه نظرهای منتشرشده دربارۀ فیلمهای ایرانی و خارجی در بازۀ زمانی 1392 تا 1395 در سایتهای سینمایی و نقد ف...
متن کاملانتخاب ویژگیهای موثر در تشخیص سرطان پستان با استفاده از مدلهای پارامتریک یادگیری ماشین
چکیده مقدمه: آزمایش آسپیراسیون سوزنی روشی کم هزینه، آسان و سریع برای تشخیص دقیق و زود هنگام سرطان پستان است. با استفاده از خصوصیات استخراج شده از آزمایش آسپیراسیون سوزنی و با کمک تکنیکهای یادگیری ماشین میتوان سیستمی کارآمد را برای تشخیص سرطان پستان طراحی نمود که با دقت بالایی خوشخیم یا بدخیم بودن تومورهای پستان را تشخیص دهند. هدف از انجام این مطالعه، انتخاب ویژگیهای موثر در تشخیص سرطان پس...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
دانشگاه الزهراء علیها السلام - دانشکده فنی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023