ترجمه فارسی مقاله قطعه‌بندی سوراخ چانه‌ای در تصاویر ارتوپانتوموگرافی: رویکرد یادگیری عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Segmentation of Mental Foramen in Orthopantomographs: A Deep Learning Approach
عنوان مقاله به فارسی قطعه‌بندی سوراخ چانه‌ای در تصاویر ارتوپانتوموگرافی: رویکرد یادگیری عمیق
نویسندگان Haider Raza, Mohsin Ali, Vishal Krishna Singh, Agustin Wahjuningrum, Rachel Sarig, Akhilanand Chaurasia
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
دسته بندی موضوعات Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش تصویر و فیلم , دید رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 8 August, 2024; originally announced August 2024. , Comments: 9 pages , MSC Class: 14J60 ACM Class: I.4.6
توضیحات به فارسی ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 9 صفحه ، کلاس MSC: کلاس 14J60 ACM کلاس: I.4.6

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 360,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Precise identification and detection of the Mental Foramen are crucial in dentistry, impacting procedures such as impacted tooth removal, cyst surgeries, and implants. Accurately identifying this anatomical feature facilitates post-surgery issues and improves patient outcomes. Moreover, this study aims to accelerate dental procedures, elevating patient care and healthcare efficiency in dentistry. This research used Deep Learning methods to accurately detect and segment the Mental Foramen from panoramic radiograph images. Two mask types, circular and square, were used during model training. Multiple segmentation models were employed to identify and segment the Mental Foramen, and their effectiveness was evaluated using diverse metrics. An in-house dataset comprising 1000 panoramic radiographs was created for this study. Our experiments demonstrated that the Classical UNet model performed exceptionally well on the test data, achieving a Dice Coefficient of 0.79 and an Intersection over Union (IoU) of 0.67. Moreover, ResUNet++ and UNet Attention models showed competitive performance, with Dice scores of 0.675 and 0.676, and IoU values of 0.683 and 0.671, respectively. We also investigated transfer learning models with varied backbone architectures, finding LinkNet to produce the best outcomes. In conclusion, our research highlights the efficacy of the classical Unet model in accurately identifying and outlining the Mental Foramen in panoramic radiographs. While vital, this task is comparatively simpler than segmenting complex medical datasets such as brain tumours or skin cancer, given their diverse sizes and shapes. This research also holds value in optimizing dental practice, benefiting practitioners and patients.

چکیده به فارسی (ترجمه ماشینی)

شناسایی دقیق و تشخیص فورامنهای ذهنی در دندانپزشکی بسیار مهم است و بر رویه هایی مانند برداشتن دندان تحت تأثیر ، جراحی کیست و ایمپلنت تأثیر می گذارد.شناسایی دقیق این ویژگی آناتومیکی مسائل بعد از عمل را تسهیل می کند و نتایج بیمار را بهبود می بخشد.علاوه بر این ، این مطالعه با هدف تسریع در روشهای دندانپزشکی ، بالا بردن مراقبت از بیمار و بهره وری مراقبت های بهداشتی در دندانپزشکی انجام می شود.در این تحقیق از روشهای یادگیری عمیق برای تشخیص دقیق و تقسیم فورامن ذهنی از تصاویر رادیوگرافی پانوراما استفاده شده است.دو نوع ماسک ، دایره ای و مربع ، در طول آموزش مدل استفاده شد.از مدل های تقسیم بندی چندگانه برای شناسایی و تقسیم بندی فورامن ذهنی استفاده شد و اثربخشی آنها با استفاده از معیارهای متنوع مورد بررسی قرار گرفت.یک مجموعه داده داخلی شامل 1000 رادیوگرافی پانوراما برای این مطالعه ایجاد شد.آزمایشات ما نشان داد که مدل Unet کلاسیک فوق العاده به خوبی بر روی داده های آزمون انجام می شود و به ضریب تاس 0.79 و تقاطع بیش از اتحادیه (IOU) 0.67 رسیده است.علاوه بر این ، مدل های توجه Resunet ++ و Unet عملکرد رقابتی را نشان دادند ، با نمرات تاس های 0.675 و 0.676 و مقادیر IOU به ترتیب 0.683 و 0.671.ما همچنین مدل های یادگیری انتقال را با معماری های ستون فقرات متنوع بررسی کردیم و LinkNet را برای تولید بهترین نتایج پیدا کردیم.در نتیجه ، تحقیقات ما اثربخشی مدل Unet کلاسیک را در شناسایی دقیق و تشریح فورامن ذهنی در رادیوگرافی پانوراما برجسته می کند.در حالی که حیاتی است ، این کار با توجه به اندازه ها و شکل های متنوع آنها ، نسبتاً ساده تر از تقسیم مجموعه داده های پزشکی پیچیده مانند تومورهای مغزی یا سرطان پوست است.این تحقیق همچنین در بهینه سازی عمل دندانپزشکی ، به نفع پزشکان و بیماران ارزش دارد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.