پژوهشگران دانشکدگان فنی دانشگاه تهران موفق به توسعه یک سامانه هوش مصنوعی پیشرفته شدند که قادر است با تحلیل تصاویر پانورامیک دندان، بیماریهای شایعی همچون پوسیدگی، بیماریهای لثه و نهفتگی دندان را با سرعت و دقت بسیار بالا تشخیص دهد. این دستاورد جدید میتواند به عنوان یک دستیار توانمند برای متخصصان دندانپزشکی، تحولی مهم در فرآیند تشخیص و برنامهریزی درمان ایجاد کند.
به گزارش روابطعمومی دانشگاه تهران، این پژوهش در قالب مقالهای از رساله دکتری مهدیه دهقانی و با سرپرستی دکتر رضا آقاییزاده ظروفی در یک نشریه بینالمللی منتشر شده است. نتایج نشان میدهد مدل توسعهیافته میتواند بهصورت خودکار محل دقیق ضایعات و ناهنجاریها را شناسایی کرده و احتمال درستی تشخیص را نیز اعلام کند.
اهمیت تشخیص هوشمند در دندانپزشکی
دکتر ظروفی با تأکید بر اهمیت این پژوهش، توضیح داد که تصاویر پانورامیک اشعه ایکس نقش مهمی در بررسی تاج و ریشه دندان، وضعیت لثه، استخوان فک و برنامهریزی درمانهای ارتودنسی و ایمپلنت دارند. با این حال، تفسیر دستی آنها فرآیندی زمانبر و وابسته به تجربه پزشک است و میتواند در شرایط کاری سنگین، خطاپذیر باشد. استفاده از سامانههای مبتنی بر هوش مصنوعی میتواند این چالشها را برطرف کرده و سرعت و دقت تشخیص را افزایش دهد.
معماری پیشرفته YOLOv11
در این پژوهش، محققان یک سامانه تشخیصی مبتنی بر شبکه عصبی YOLOv11 طراحی کردهاند که روی مجموعهداده عمومی آموزش دیده و قادر است به صورت دقیق ناهنجاریها را شناسایی کند. این مدل نه تنها محل مشکل را مشخص میکند، بلکه احتمال صحت تشخیص را نیز ارائه میدهد.
تبدیل پژوهش به ابزار کاربردی
یکی از نقاط قوت این طرح، پیادهسازی مدل در قالب یک اپلیکیشن تحت وب است که استفاده از آن را برای دندانپزشکان و رادیولوژیستها ساده و قابل دسترس میکند. این سامانه با مشخصکردن محل دقیق آسیبها، در اولویتبندی و تصمیمگیری سریعتر پزشکان نقش مؤثری ایفا میکند.
دکتر ظروفی همچنین افزایش سرعت گزارشنویسی، کاهش خطاهای ناشی از خستگی و ایجاد یک ناظر دوم هوشمند را از مزیتهای این سیستم برشمرد. نتایج تحقیق نشان میدهد مدل پیشنهادی نسبت به نسخههای قبلی، دقت بالاتری در شناسایی و طبقهبندی ناهنجاریها دارد.
متن کامل این پژوهش از طریق پیوند DOI ارائهشده در منبع رسمی قابل دسترسی است.