جستجو
(یادگیری عمیق برای تحلیل تصاویر دندانپزشکی: چگونگی تأثیر روش تصویربرداری بر هوش مصنوعی و تشخیص پزشک)
افسانه جلالیان1 الهه مومنی پاکدهی2
چکیده :
سلامت دهان و دندان یکی از ارکان مهم سلامت عمومی است و نقش آن تنها به جویدن و هضم غذا محدود نمیشود. مطالعات متعددی نشان دادهاند که مشکلات دهان و دندان میتوانند باعث بروز یا تشدید بیماریهای سیستمیک مانند بیماریهای قلبی، دیابت و عفونتهای سیستمیک شوند. پوسیدگی دندان، بیماریهای لثه، از دست دادن دندان و تحلیل استخوان فک از شایعترین بیماریهای دندانی در سراسر جهان هستند و سالانه میلیونها نفر را تحت تأثیر قرار میدهند.پیشرفت فناوریهای نوین پزشکی، به ویژه در حوزه هوش مصنوعی (AI)، امکان تشخیص زودهنگام و درمان مؤثرتر بیماریهای دهان و دندان را فراهم کرده است. هوش مصنوعی با بهرهگیری از الگوریتمهای یادگیری ماشین و یادگیری عمیق، قابلیت تحلیل حجم وسیعی از دادههای بالینی و تصویری را دارد و میتواند الگوهای پنهان بیماری را شناسایی کند. این فناوری میتواند به عنوان یک دستیار قدرتمند در کنار دندانپزشک عمل کرده و دقت تشخیص را به میزان قابلتوجهی افزایش دهد. هدف این مقاله ارائه مروری بر تحقیقات اخیر در مورد کاربردهای یادگیری عمیق در دندانپزشکی، با تمرکز بر تصویربرداری دندان است. ادغام یادگیری عمیق با سایر دادههای سلامت دهان، درک جامعی از رابطه بین سلامت دهان و دندان و سیستمیک ارائه میدهد. با این حال، هنوز چالشهای زیادی وجود دارد که باید به آنها پرداخته شود.
کلمات کلیدی : یادگیری عمیق تصاویر دندانی دندانپزشکی
زبان مقاله : فارسی
محور مقاله : محورهای نظری هوش مصنوعی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABHFAH
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABHFAH
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems