اطلاعات پایان نامه
شماره شناسایی : 39206068
نام و نام خانوادگی : هاجر نريماني
عنوان پایان نامه : روشی برای آشکارسازی ناحیه پوسیدگی دندان با استفاده از تصاویر رادیوگرافی
رشته تحصیلی : مهندسي كامپيوتر-معماري سيستمهاي كامپيوتري
مقطع تحصیلی : كارشناسي ارشد
استاد راهنما : سعيد نصري
استاد مشاور :
چکیده : پوسیدگی‌های دندانی یکی از شایع‌ترین بیماری‌های مزمن جهان می‌باشد. دندانپزشکان با استفاده از تصویربرداری و توسعه آشکارساز پوسیدگی به کمک کامپیوتر و الگوریتم‌های تشخیص می‌توانند ارزیابی‌های دقیق‌تری از دندان‌ها و لثه‌ها داشته و در تشخیص و درمان تصمیم‌‌گیری بهتر و سریع‌تری داشته باشند. در حقیقت این سیستم‌ها می‌توانند به عنوان ابزار کمکی برای طرح تشخیص و درمان پوسیدگی استفاده شود. با وجود اینکه آشکارسازی پوسیدگی بر روی تصاویر رادیوگرافی به طور گسترده‌ای مورد بررسی قرار گرفته است، اما صحت و کارایی آن همچنان نیاز به بهبود دارد. اگرچه این روش‏ها توانسته‌اند مشکلات روش‌های بصری را تا حدی بهبود دهند، اما روش‌های ارائه شده نتوانسته‌اند مشکل اصلی این حوزه، که آشکارساری نواحی سالم و پوسیده با صحت بالا می‌باشد را به خوبی حل کنند. برای حل این مشکل در این پژوهش با در نظر گرفتن ویژگی‌های مبتنی بر آنالیز فراکتال و ماتریس هم‌رویدادی و ارائه یک رویکرد طبقه‌بندی گروهی مبتنی بر درخت تصمیم صحت و کارایی آشکارسازی پوسیدگی بر روی تصاویر بایت‌وینگ دندان افزایش یافته است. روش کار بدین گونه است که پس از انجام پیش‌پردازش‌های لازم، دندان‌ها با استفاده از نگاشت انتگرال افقی از پس‌زمینه و با استفاده از نگاشت انتگرال عمودی از یکدیگر جدا می‌شود. سپس با ترکیب ویژگی‌های مبتنی بر آنالیز فراکتال و ماتریس هم‌رویدادی و با استفاده از طبقه‌بند گروهی مبتنی بر درخت تصمیم نواحی سالم و پوسیده طبقه‌بندی می‌شود. از آنجا که ویژگی‌های نواحی سالم و پوسیده در طول فرآیند آشکارسازی پوسیدگی دندان به خوبی در نظر گرفته می‌شود و همچنین استفاده از طبقه‌بند گروهی جهت طبقه‌بندی این ویژگی‌ها صحت آشکارسازی پوسیدگی دندان افزایش می‌یابد. نتایج نهایی بر روی پایگاه داده تهیه شده از رادیولوژی تخصصی دهان، فک و صورت که شامل 500 تصویر بایت‌وینگ دندان می‌باشد، حاکی از آن است که روش پیشنهادی با دستیابی به صحت 7/91% در آشکارسازی ناحیه سالم و پوسیده صحت بالاتری نسبت به روش‌های مطرح در این حوزه را داراست.
کلمات کلیدی : آشکارسازی, پوسیدگی دندان, تصاویر اشعه X دندان, ماتریس هم‌رویدادی, آنالیز فراکتال بافت, درخت تصمیم
تاریخ دفاع : 1397/11/02
دانلود فایل چکیده

About Proposal
Title : The method for the detection of dental caries area using X-ray images
Abstract : Dental caries is one of the most common chronic diseases in the world. Computer assisted imaging and detection algorithms allow dentists to make more accurate and faster assessments and decisions. In fact, such systems may be employed to diagnose and treat carries. Although detection of dental caries has been widely studied on radiographic images, its accuracy and effectiveness should still be improved. Although these methods have been able to fulfill the problems of visual methods to some extent, the proposed methods have not been able to properly solve the major problems including the detection of healthy and rotten areas with high accuracy. To solve this problem, the present study tries to increase the accuracy and effectiveness of detection of dental caries on bitewing images regarding the features of fractal analysis and co-occurrence Matrix, and providing decision tree ensemble classifier approach. First, the necessary pre-processing methods were carried out, and then the teeth were separated from each other by using a vertical integral projection and from the background by using a horizontal integral projection. Then, healthy and rotten areas were classified by combining features of fractal analysis and co-occurrence matrix as well as by using decision tree ensemble classifier approach. Since the features of healthy and rotten areas were considered during the detection process of dental caries, and Ensemble classifier was used to classify the features, the accuracy of the detection of dental caries increases. The final results of the database of oral and maxillofacial radiology, including 500 images of bitewing images, indicate that the proposed method with the accuracy of 91.7% in detection of healthy and rotten areas has a higher accuracy than other proposed methods of this field.
Keywords : detection, dental caries, dental x-ray images, co-occurrence matrix, fractal analysis of textures, decision tree
Download Abstract File