بهبود دقت تشخیصی ضایعات پری آپیکال و مورفولوژی کانال ریشه با استفاده از شبکه‌های عصبی مصنوعی و شبکه‌های عصبی کانولوشنی با داده‌های CBCT

بهبود دقت تشخیصی ضایعات پری آپیکال و مورفولوژی کانال ریشه با استفاده از شبکه‌های عصبی مصنوعی و شبکه‌های عصبی کانولوشنی با داده‌های CBCT

زهرا محسن پور1 امیر محمد جمشیدی2 آرمان آبرومند غلامی3

1) دکتری دندانپزشکی، مرکز تامی اجتماعی پلی کلینیک سعدی، بلوار مرودشت، فارس، ایران
2) دانشجو دکتری دندانپزشکی، دانشگاه علوم پایه دندانپزشکی ژنگژو (SIE)
3) مرکز تحقیقات دندانپزشکی دانشگاه شهید بهشتی، تهران، ایران.

کد IOI مقاله : XKBA-AZHCZE
محل انتشار : سومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/3rd)
چکیده :
    استفاده از مدل‌های شبکه‌های عصبی مصنوعی (ANN) و شبکه‌های عصبی کانولوشنی (CNN) به‌طور فزاینده‌ای برای تحلیل تصاویر توموگرافی کامپیوتری با پرتو مخروطی (CBCT) رایج شده است. این مرور جامع به‌منظور ارزیابی دقت تشخیصی و پیش‌بینی کاربردهای ANN/CNN در تصویربرداری CBCT انجام شده و بر پتانسیل آن‌ها در بهبود شناسایی مورفولوژی کانال‌های ریشه و تشخیص دقیق ضایعات پری آپیکال تأکید دارد. یک مرور گسترده ادبیات با استفاده از پایگاه‌های داده الکترونیکی معتبر، از جمله Google Scholar، PubMed، Medline و Scopus انجام شد. جستجو شامل انتشارات از سال ۲۰۱۰ تا کنون بود و از کلیدواژه‌های هدفمند مانند ANN ، یادگیری ماشین ، یادگیری عمیق ، اندودنتیک ، CBCT ، CNN و مدل‌های یادگیری عمیق استفاده شد. ۳۰ مقاله معیارهای سخت‌گیرانه ورود به این مرور را برآورده کردند. تحلیل‌ها نشان داد که تمرکز قابل‌توجهی بر روی حوزه‌های کلیدی در اندودنتیک وجود دارد، از جمله شناسایی و تشخیص پاتولوژی‌های پری آپیکال و ارزیابی مورفولوژی کانال‌های ریشه. مطالعات اخیر بر اهمیت فزاینده بهبود دقت و کارایی تشخیص‌های اندودنتیک از طریق کاربردهای CBCT یکپارچه با ANN/CNN تأکید می‌کنند. یافته‌های این مرور نقش حیاتی تصویربرداری CBCT تقویت‌شده با ANN/CNN را در بهبود دقت تشخیصی و ارزیابی‌های پیش‌بینی در شناسایی مورفولوژی کانال‌های ریشه و تشخیص دقیق ضایعات پری آپیکال نشان می‌دهد. ادغام ANN با CBCT یک جهش تحول‌آفرین در مراقبت‌های اندودنتیک به‌حساب می‌آید که به تسهیل روندهای کارآمدتر و شیوه‌های تشخیصی استاندارد کمک می‌کند و در عین حال احتمال خطای انسانی را کاهش می‌دهد.

کلمات کلیدی : شبکه‌های عصبی مصنوعی شبکه‌های عصبی کانولوشنی توموگرافی کامپیوتری با پرتو مخروطی اندودنتیک