ک تصاویر مقطعی بسیار خوبی بدست آمد، که متناظر با اطلاعات حاصل از جراحی های اکتشافی بود. دستگاه ها به سرعت توسعه و بسط پیدا کردند و تکنیک های استانداردی برای روش های مختلف مطرح شد.
انقلاب ها و تحولات در شیوه های تصویربرداری ادامه پیدا کرد. این تحولات نه تنها به بهبود ژرف روی سیستم های موجود منحصر شد، بلکه مطالعات پایه ای و اولیه ای برای شکل گیری مدالیته های تصویر برداری جدید صورت گرفت. این روش های جدید شامل استفاده از مایکرویو و پدیده رزونانس مغناطیسی هسته بودند.
بسیاری تولد رادیولوژی تشخیصی را به سال ۱۸۹۶ نسبت می‌دهند. در آن سال، نشریه لانست۱۳ خبر از یک عمل جراحی داد که در آن برای نخستین بار از اشعه ایکس جهت یافتن تکه آهنی داخل استخوان کمر یک ملوان استفاده شده بود. ملوان با در آورده شدن تکه آهن از بدنش از حالت فلج خارج گردید. روش استفاده از پرتو ایکس برای دیدن داخل بدن سپس سریعا در اروپا و آمریکا رواج پیدا کرد. ] ۶-۴[
مطالعه تصاویر دندانپزشکی میتواند به عنوان اصلی‌ترین روش برای تشخیص بیماری، طرح درمان و ارزیابی روند درمان توسّط دندانپزشکان بشمار آید. پردازش تصاویر دندانپزشکی به صورت جدی از دهه نهم قرن بیستم میلادی شروع شد و در این میان موضوعات متنوعی مانند تشخیص و جدا کردن بافت دندان ها در عکس، شبیه سازی سه بعدی دندان ها که به متخصصان ارتودنسی در روند درمان کمک قابل توجهی می کند، کاهش نویز تصاویر رادیو گرافی، تشخیص دندان های دچار پوسیدگی و کرم خوردگی و بسیاری از موارد دیگر بررسی شده که هنوز موضوعات بروز و قابل توجهی می‌باشند. همچنین، رادیوگرافی دندان، یکی از با ارزش ترین قطعات در مدارک و شواهد شناخته شده در حوادث و فاجعه های انسانی می‌باشد و می‌تواند در شناسایی قربانیان مورد استفاده قرار گیرد است.
مطالعات پیشین در حوزه تصاویر دندانپزشکی مرتبط با این رساله را می‌توان در دوگروه طبقه بندی کرد:
روش‌هایی که به فرآیند جداسازی و قسمت‌بندی تصاویر دندانپزشکی می‌پردازد. این روش‌ها که اکثرا بر روی تصاویر بایت وینگ اعمال شده‌اند، به منظور مرحله اولیه برای الگوریتم ‌های تشخیص هویت بر مبنای تصاویر دندانپزشکی محسوب می‌شوند.
روش‌هایی که به منظور تشخیص و یا بررسی ضایعات استخوانی اطراف ریشه طراحی شده‌اند.
در ادامه ابتدا روش‌های متفاوتی که با هدف جداسازی و قسمت‌بندی تصاویر دندانپزشکی ارائه شده‌اند، توضیح داده می‌شود. سپس روش‌هایی که به تشخیص و یا بررسی ضایعات استخوانی اطراف ریشه می‌پردازند تشریح می‌شوند.
۲-۲- روش‌های موجود برای جداسازی و قسمت‌بندی تصاویر دندانپزشکی
تکنیک‌های قسمت‌بندی و جداسازی دندان‌ها بر مبنای تصاویر رادیولوژی دندانها، طیف متنوعی از الگوریتم ها را در بر می‌گیرد.در ادامه به بررسی برخی از این روش‌ها می‌پردازیم.
۲-۲-۱ روش سعید و همکاران
سعید و همکاران در سال ۲۰۰۶ ]۷[ اجزای موجود در تصاویر رادیوگرافی دندانپزشکی به سه کلاس تقسیم کرده اند: دندان‌ها که بیشترین شدت روشنایی را دارا هستند و استخوانهای لثه که دارای شدت روشنایی میانه و متوسط می باشد و پس زمینه تصاویر که نواحی تاریک و دارای کمترین میزان روشنایی را در تصاویر تشکیل می دهند و هدف آنها این بوده است که ROI14 که بیانگر فقط یک دندان است را مشخص کنند.
به کمک پروفایل سطری شدت روشنایی تصاویر، خطوط بین دندانهای مجاور در فک بالا و پایین و با داشتن پروفایل ستونی شدت روشنایی تصویر، مرز بین دندانهای فک بالا و پایین را بدست آوردند. شکل ۲-۱ مراحل فوق را بصورت تصویر نشان می دهد.
آنها با انجام عملگر بالاکلاه۱۵ روی تصویر حاصل توانستند نویز موجود در تصاویر را کاهش دهند. عملگر بالاکلاه با تفریق تصویر اولیه از همان تصویر که روی آن عملگر ریخت شناسی closing اعمال شده است، یک ابزار عالی برای مشخص کردن فواصل بین دندانی فراهم می کند. شکل ۲-۲ نمونه تصویر رادیوگرافی که عملگر بالاکلاه روی آن اعمال شده به همراه پروفایل های سطری دندان های بالا و پایین و پروفایل ستونی آن و نقاط مشخص کننده فواصل بین دندان ها را نشان می دهد.
سعید و همکاران به منظور عملکرد بهتر از المان ساختاری مستطیل شکل به ابعاد[w/4,h/2] برای تصاویر بایت وینگ و [w/3,2h/3] برای تصاویر پری اپیکال که در آن w و h به ترتیب بیانگر تعداد پیکسل های موجود در عرض و ارتفاع تصویر می باشد، استفاده کردند.

هیستوگرام پروفایل سطری و ستونی تصویر و نشان دادن فواصل بین دندانی در آن

اعمال عملگر بالاکلاه روی تصویر ورودی به همراه پروفایل های سطری دندان های بالا و پایین و پروفایل ستونی آن و نقاط مشخص کننده فواصل بین دندان ها
پس از فرایند کاهش نویز تصاویر، به منظور جداسازی دندانها از پس زمینه، از تکنیک آستانه گذاری۱۶ استفاده کردند. تکنیک آستانه گذاری با در نظر گرفتن حدآستانه تصاویر رادیو گرافی با میزان شدت روشنایی خاکستری را به تصاویر باینری تبدیل می‌کند. آنها با رسم هیستوگرام انباره‌ای تصویر که شامل درصد پیکسل‌هایست که از یک مقدار معین شدت روشنایی کمتر است، سه حدآستانه را برای تصاویر در نظر گرفتند. شکل۲۳-۳ هیستوگرام انباره‌ای تصویر دی نویز شده را نمایش می‌دهد. اعداد موجود در سطر هیستوگرام بیانگر میزان شدت روشنایی و اعداد موجود در ستون هیستوگرام انباره ای میزان درصد پیکسل‌های کمتر از شدت روشنایی متناظر با اعداد موجود در سطر هیستوگرام را نشان می‌دهد.

هیستوگرام انباره‌ای تصویر دی نویز شده
با توجه به هیستوگرام انبارهای تصویر مشاهده می‌شود که حدود نیمی از پیکسل‌های موجود در تصویر دارای شدت روشنایی برابر با صفر می‌باشندو تقریبا نیمی از تصویر کاملا تاریک می‌باشد. آنها ادعا کرده‌اند که بر مبنای تصاویری که جمع آوری کرده اند سه حدآستانه زیر مناسبترین حد آستانه برای جداسازی دندانها از پس زمینه می‌باشد.

T1=mean(denoised image), T2-0.66T1,T3=0.33T1
با در نظر گرفتن حدود آستانه فوق، برای هر تصویر سه تصویر باینری آورده شده و اجزای متصل به هم در هر تصویر به کمک روش معرفی شده در ]۸[ محاسبه شده و پس از آن RO17I تصاویر مشخص می‌شود. شکل ۲-۴ مراحل باینری کردن تصویر برای هر سه حد آستانه و محاسبه اجزای متصل بهم را نشان می‌دهد.

مراحل باینری کردن تصویر به ازای هر سه حد آستانه (سطر اول از به ترتیب چپ به راست برای T1، T2 وT3 و محاسبه اجزای متصل بهم نظیر آنها در سطر دوم )
انها به کمک تحلیل نواحی و اجزای متصل بهم، اشیا نامربوط موجود در تصاویر باینری را حذف کردند. آنها بر مبنای دسته بندی تصاویر دندانپزشکی موجود در ]۹[ تصاویر را به دو نوع بایت وینگ و پری اپیکال تقسیم کردند. در این روش فرض شده است که به ازای هر تصویر اگر از مجموع سه حدآستانه دو یا سه ROI به درستی برای همان تصویر تولید شود، ROI نهایی آن تصویر، برابر با اجتماع ROI های محاسبه شدخ متناظر با هر یک از حدود آستانه می‌باشد. به عبارت دیگر، اگر مرکز ثقل هر ROI تولید شده متعلق به فضای ROIهای دیگری نیز باشد و ROIها باهم حداقل ۸۰% داشته باشند از عملگر اجتماع۱۸ به منظور داشتن یک ROI کلی استفاده می‌کنیم و نتایج نهایی به عنوان نتایج بخش بندی دندان محسوب می‌شود.
علاوه بر این در روش فوق برای عملکرد بهتر از متودهای بهبود کیفیت تصاویر استفاده شده است و یک مرحله پیش پردازش به مراحل فوق اضافه کرده‌اند. آنها تصویر ورودی g را به تابع سیگموید TEnh(g,α,β,gth) داده اند که معادله تابع تبدیل آن را نشان می‌دهد که در آن α و β به ترتیب فاکتورهای فشردگی و بسط را بیان کرده و gth یک حد آستانه بین شدت روشنایی نواحی فشرده شده و نواحی بسط داده شده می‌باشد.

اگر S1 بیانگر هیستوگرام انباره‌ای شدت روشنایی برای تصویر I باشد، پارامترهای α وβ از رابطه بدست امده است.
g_lo=min⁡{S_1 (g)≥ K_1}

g_ho=mi n⁡{S_1 (g)≥ K_2 }, 0k1k2۱

در روش فوق مقادیر k1 و k2 را به ترتیب ۰.۲۵ و۰.۷۵ در نظر گرفته شده است. و مقادیر glo و gho به صورت مجموعه های فازی تعریف و به کمک پایگاه قوانین تنظیم شده برای این مجموعه‌ها مقادیر α وβ محاسبه شده است. شکل ۲-۵ مجموعه های فازی تعریف شده و جدول ۲-۱ تصمیم‌گیری برای مقادیر فوق را نشان می‌دهد.

مجموعه های فازی تعریف شده

جدول تصمیم گیری بر اساس مجموعه‌های فازی

سعید و همکارانش یک روش بر اساس شمارش تعداد نواحی قسمت بندی شده به صورت صحیح در تصاویر، برای ارزیابی الگوریتم جداسازی تصاویر ارائه کردند. شکل۲-۶ نتایج بخش بندی تصاویر رادیوگرافی بایت وینگ و شکل۲-۷ نتایج بخش بندی همان تصاویر فوق با احتساب مرحله پیش پردازش و بهبود کیفیت را نشان می‌دهد. شکل۲-۸ بیانگر نتایج الگوریتم فوق بدون مرحله پیش پردازش و با احتساب مرحله پیش پردازش و بهبود کیفیت برای تصاویر پری اپیکال می‌باشد.

نتایج بخش بندی تصاویر رادیوگرافی بایت وینگ

نتایج بخش بندی تصاویر پیش پردازش شده رادیوگرافی بایت وینگ

نتایج بخش بندی تصاویر رادیوگرافی پری اپیکال الف) قبل از تکنیک های بهبود کیفیت ب) بعد از تکنیک های بهبود کیفیت

با استفاده از شکل معیارهای optimality و sub-optimality و failure تعریف می شود. هر خانه جداول Pji بیانگر تعداد تصاویریست که شامل i دندان می‌باشند و( j(j≤i دندان از آن به درستی قسمت بندی شده است.عملکرد الگوریتم به وسیله معیار های ریز ارزیابی می‌شود:

۲-۲-۲ روش انیل جین و هنگ چن
انیل جین(Anil K Jain) و هنگ چن (Hong Chen) در سال ۲۰۰۴ ]۱۰[ به به منظور بخش‌بندی تصاویر بایت وینگ به بلوک‌هایی که هر بلوک صرفا شامل یک دندان باشد، تلاش کردند که ابتدا دندان‌های موجود در آرواره‌های بالا و پایین تصویر را از هم جدا کنند. بر همین اساس ابتدا تصاویر را به نوارهای عمودی تقسیم کرده و در هر نوار، ردیفی که دارای کمترین مقدار در هیستوگرام نگاشت انباره‌ای افقی می‌باشند، انتخاب شد. سپس از تابع اسپیلاین۱۹ به منظور ایجاد یک منحنی بدون شکستگی و جداسازی نهایی دندان‌های واقع در فک بالا و پایین، به کار برده شد.
برای تشخیص محل خطوط جدا کننده بین هر دو دندان مجاور، هیستوگرام نگاشت انباره‌ای روی هر خط عمود بر منحنی جدا کننده آرواره ها محاسبه و خطوطی که دارای کمترین میزان هیستوگرام نگاشت انباره‌ای عمودی می‌باشند، به عنوان خطوط جداکننده بین دندانی انتخاب می‌شوند. شکل ۲-۹ هیستوگرام افقی تصویر و شکل۲-۱۰ جداسازی دندانهای فکین را به روش جین و چن نشان می‌دهد. شکل۲-۱۱ نیز بیانگر جداسازی دندان‌های مجاور در فک بالا به روش فوق می‌باشد.

تصویر

Leave a Comment