ا استفاده از عملگر تشخیص لبه * موجود در تصاویر، ماسک زیر رابا تصویر کانوالو کردند.

Mask=[■(■(■(۰@۰)@۰)&■(۰@۱@۱)&■(■(۰@۱@۱)&■(■(۰@۱@۱)&■(۰@۰@۰)))@۰&۱&■(۱&■(۱&۰))@۰&۰&■(۰&۰&۰))]

ویجایاکوماری و همکاران به کار بردن تکنیک اجزای به هم پیوسته پیکسل‌های متصل موجود در تصویر را در یک ناحیه قرار می‌دهد و پیکسل‌های پیرامون هر دندان را مشخص می‌کند. شکل ۲-۱۹ هیستوگرام نگاشت انباره‌ای سطری و ستونی در روش فوق را نشان می‌دهد. شکل ۲-۲۰ نمونه موفقیت آمیز از یک تصویر بخش بندی شده به روش فوق می‌باشد.

هیستوگرام نگاشت انباره‌ای سطری و ستونی در روش فوق

نمونه موفقیت آمیز از یک تصویر بخش بندی شده به روش فوق

الگوریتمی که ویجایاکوماری و همکاران ارائه کردند نیز به صورت خودکار نمی‌باشند و فقط بر‌روی تصاویر بایت وینگ اعمال شده است. علاوه بر این مرز بین دندان‌های بالا و پایین به صورت یک خط کاملا مستقیم در نظر گرفته شده است در صورتی که در اکثر موارد مرز کاملا مستقیمی بین دندانهای آرواره‌های بالا و پایین وجود ندارد و خط جداکننده دارای انحنا می‌باشد.

۲-۳- روش‌های موجود برای بررسی و تشخیص ضایعات دندانی
۲-۳-۱- روش‌های بررسی ودرمان تحلیل ریشه دندان
از دیگر موضوعات مهم در زمینه پردازش تصاویر دندان‌پزشکی تشخیص تحلیل ریشه دندان می‌باشد. یکی از عوارض جانبی و شایع‌ترین مشکلات همراه با درمان ارتودونسی، تحلیل ریشه دندانها می‌باشد و محققین گزارش کرده‌اند که درمان روتین ارتودونسی با خطر تحلیل ریشه همراه می‌باشد. این مسئله از نقطه‌نظر پزشکی قانونی نیز بصورت یک مشکل بسیار جدی درآمده است . درتعدادی از بیماران، تحلیل شدید اپکسی دیده شده است که سبب کوتاه شدن دائمی ریشه دندان و مشکلات ناشی از آن گردیده است. به نظر می‌رسید که میزان تحلیل ریشه بسته به سن ، جنس و نوع دندان متغیر می‌باشد. در شکل ۲-۲۱ می‌توان تحلیل ریشه را به وضوح مشاهده کرد.

دندان دچار تحلیل ریشه
لوندرو همکارانش [۱۴] در سال ۱۹۹۸ با بیان این مطلب که تشخیص تحلیل ریشه به کمک تصاویر رادیوگرافی در طول اولین ماه پس از درمان غیرقطعی است، اظهار داشتند که فقط با گذشت ۵ تا ۶ ماه پس از درمان می‌توانیم به یک تشخیص قابل اطمینان برسیم.
یک تکنیک برای مشاهده میزان کاهش ریشه دندان رادیوگرافی دیجیتال تفریقی۲۲ می‌باشد. آنو و همکارانش [۱۵] در سال ۲۰۰۹ تحلیل ریشه روی ۴۹ دندان با اندازه‌های مختلف شبیه‌سازی کردند و سپس از این دندان‌ها در شرایط استاندارد تصاویر رادیوگرافی تهیه شده و به کمک یک نرم‌افزار، تصاویر رجیستر شده و پس از آن تکنیک رادیوگرافی دیجیتال تفریقی روی تصاویر اعمال شد. در این تحقیق سه متخصص رادیولوژی نتایج نهایی را ارزیابی کردند.ندتا
۲-۳-۲ روش‌های بررسی و تشخیص ضایعات دندانی اطراف انتهای ریشه
۲-۳-۲-۱ روش مول و ون
مول (A. Mol) و ون (F.van) [16] در سال ۱۹۹۱ به کمک این فرض که تصاویر رادیوگرافی کاهش توده های استخوانی از تواحی اطراف آن تیره تر به نظر می رسد و با استفاده از یک روش تشخیص لبه های تصاویر را بدست آورد و از انجا که ناحیه آسیب دیده به صورت یک ناحیه پیوسته می باشد با حذف لبه های مجازی و ناپیوسته و نگه داشتن لبه های بسته ناحیه دچار آسیب دیدگی استخوانی را تشخیص داد که این تحقیق نخستین گام در جهت تشخیص قسمتی از استخوان دندان که دچار تحلیل شده است می باشد. مول و ون روش خود را در هفت مرحله ارائه کردند.
ابتدا ناحیه هدف و ROI در تصویر ورودی را اسکن و به تصویر دیجیتالی تبدیل کردند. در مرحله دوم مشتق مرتبه اول تصویر محاسبه و تصویر حاصل از اعمال عملگر در مرحله سوم به تصویر باینری تبدیل می‌شود. در گام چهارم عملگر erosion بر روی تصویر اعمال شده و در مرحله پنجم تمام لبه های تصویر محاسبه می‌شود. در مرحله ششم طبق فرض و برای نزدیک شدن به تشخیص ناحیه دچار ضایعه تمام لبه های بسته ROI حفظ و ما بقی لبه‌ها حذف می‌شوند و نهایتا در مرحله آخر با توجه به موقعیت ضایعه محدوده دقیق ضایعه مشخص می‌شود. شکل ۲-۲۲ به صورت گرافیکی مراحل فوق را نشان می‌دهد.
روش فوق یک روش ساده و ابتدایی است که فقط ضایعات استخوانی را تشخیص می‌دهد و تشخیص ROI به صورت خودکار نمی‌باشد.

مراحل هفت گانه تشخیص ضایعه استخوانی: الف) مشخص سازی محدوده ROI و تبدیل آن به تصویر دیجیتالی ب) مشتق مرتبه اول تصویر (الف) پ) باینری شده تصویر( ب) ت) تصویر حاصل از اعمال عملگر erosion بر روی تصویر (پ) ج) تصویر حاصل از اعمال عملگر تشخیص لبه بر روی تصویر (ت) چ) نگه داشتن تمام لبه‌های بسته و حذف مابقی لبه‌ها ح) تشخیص ناحیه دچار ضایعه در تصویر
۲-۳-۲-۲ روش جانگ و لی
در سال ۲۰۰۹ جانگ و لی [۱۷] با استفاده از تصاویر رادیویی که از داخل دندان گرفته می شود تلاش کردند که میزان ضایعات استخوانی قبل و بعد از درمان را مقایسه کنند که برای این کار یک مدل کمی بر پایه تحلیل تصاویر رادیوگرافی برای ارزیابی درمان ارائه دادند و مدل خود را با استفاده از ۴۰ فرد مبتلا و ۴۳ فرد سالم ارزیابی کردند. در این مقاله فرض شده است که تغییر مدل استخوان دندان به افزایش چگالی استخوان (میزان سطح روشنایی۲۳) و همچنین پیچیدگی ساختار استخوان دندان (بافت۲۴) بستگی دارد. به کمک این شواهد و ویژگی های به دست آمده شامل میزان شدت روشنایی و بافت تصویر و همچنین ویژگی های مربوط به شکل استخوان قبل و بعد از درمان می‌توان میزان موثر بودن درمان را تشخیص داد.در این پروژه از تصاویر رادیوگرافی ۵۶ بیمار که دچار تحلیل توده استخوانی شده‌اند و در دانشکده دندانپزشکی وانک ونگ در شهر ایکسان کره تحت درمان قرار گرفته‌اند استفاده شده است.
به منظور نرمالایز کردن تصویر، ناحیه نمونه گیری را بخشی از تصویر که شامل عاج دندان و ناحیه نزدیک به قسمتی که دچار ضایعات استخوانی شده است در نظر گرفته می‌شود.این کار را با استفاده از ابزاری که ناحیه مورد تحقیق (ROI) را علامت‌گذاری می‌کنند، انجام می‌شود. شکل۲ -۲۳ فضای کلی ناحیه ROI را نشان می‌دهد.

شمای کلی ROI
از فرضیات این مطالعه این است که،کیفیت میزان شدت روشنایی ناحیه عاج دندان و نیز پس زمینه تصویر در طول درمان ثابت می‌ماند و از این رو می‌توان از این دو فاکتور به عنوان مرجع برای نرمال‌سازی تصاویر استفاده کرد. برای هر بیمار یک جفت تصویر که شامل تصاویر قبل و بعد از درمان می باشد و نواحی تحلیل رفته به کمک دندانپزشک و متخصص، مشخص و برچسب‌گذاری شده‌اند وجود دارد. نواحی تحلیل رفته به کمک عملگر ریخت شناسی بالاکلاه، مجزا و تشخیص داده می شوند. در این مقاله برای آموزش مدل از ویژگی های تصاویر دندانپزشکی نیز استفاده شده است و ویژگی های مختلفی را از تصویر بدست آورده‌اند که از جمله آنها می توان به ویژگی های مربوط به شدت روشنایی تصویر، مانند میانگین شدت روشنایی نقاط موجود درROI، ویژگی های مربوط به شکل تصویر مانند میانگین ضخامت استخوان میله ای در تصویر و ویژگی های بافتی تصویر مانند تباین۲۵، واریانس، همبستگی۲۶، آنتروپی۲۷ استفاده شده است ومدل طراحی شده بر مبنای این ویژگی ها میزان موثر بودن درمان را به کمک روش تحلیل رگرسیون منطقی۲۸ با دقت ۸۰.۷% ارزیابی می کند.
از معایب روش فوق این است که ROI محدوده ضایعه توسط متخصص و دندانپزشک برچسب گذاری شده و فقط به کمک ویژگی‌های بدست آمده از تصاویر قبل و بعد از درمان، روند درمان ارزیابی می‌شود و تشخیص ضایعه خودکار نمی‌باشد.
۲-۴- جمع بندی
روش‌های متفاوتی برای جداسازی و بخش بندی دندان‌ها از یکدیگر اراﺋﻪ شده است. تلاش همه روش‌های فوق بر این بوده که یک روش جداسازی دندان‌ها، به عنوان یک روش پایه‌ای و اولیه برای تشخیص هویت افراد بر مبنای تصاویر رادیولوژی داخل دندان طراحی شود. اکثر الگوریتم‌های فوق بر روی تصاویر بایت وینگ اجرا شده اند. مطالعات انجام شده در زمینه تشخیص ریشه و آشکار ضایعات استخوانی دندان نیز مطالعات جدی صورت نگرفته است و روش های موجود به منظور تشخیص ریشه با در نظر گرفتن فرض های ساده و ابتدایی ضایعات استخوانی و پوسیدگی‌های دندانی را تشخیص می دهند و یا صرفا به تحلیل و استخراج ویژگی‌های تصاویر قبل و بعد از درمان ریشه پرداخته‌اند.

فصل سوم

۳- روش تحقیق

مقدمه
روش‌های متفاوتی برای جداسازی و بخش بندی دندان‌ها از یکدیگر اراﺋﻪ شده است. تلاش همه روش‌های فوق بر این بوده که یک روش جداسازی دندان‌ها، به عنوان یک روش پایه‌ای و اولیه برای تشخیص هویت افراد بر مبنای تصاویر رادیولوژی داخل دندان طراحی شود. اکثر الگوریتم‌های فوق بر روی تصاویر بایت وینگ اجرا شده اند. از آنجایی که برای تشخیص ضایعات استخوانی بیشتر از تصاویر پری اپیکال استفاده می‌شود و اغلب ضایعات استخوانی در اطراف ریشه دندان رخ می‌دهد، روش را طراحی کردیم که دندانهای موجود در تصاویر پری اپیکال را قسمت بندی کند، سپس انتهای ریشه دندان را تشخیص و در نهایت پوسیدگی های ممکن در اطراف انتهای ریشه در افرادی در مدت زمان معین تحت درمان ریشه قرار گرفته‌اند را اشکار کند. در قسمت جداسازی دندان ها از یکدیگر، از ویژگی‌های تصویری دندان‌هایی که تحت درمان ریشه قرار گرفته‌اند استفاده شده و این مرحله مقدمه‌ای برای قسمت های بعدی الگوریتم می‌باشد. الگوریتم ارائه شده در این رساله می‌تواند بر روی تصاویری که دارای حداقل یک دندان عصب کشی شده باشند، اعمال شود. از آنجایی که اغلب افراد در طول حیات خود تحت درمان های ریشه قرار گرفته‌اند، بنابراین الگوریتم ارائه شده می‌تواند برای محدوده وسیعی از تصاویر رادیولوژی به کار رود و پوسیدگی های احتمالی را پیش‌بینی کند و روند درمان را ارزیابی کند.
روش کار در این پایان‌نامه این است که ابتدا در مرحله پیش پردازش تا حدامکان تصاویر را عاری از نویز می‌سازد. پس از آن با توجه به ویژگی های دندانی در تصاویر زاویه چرخش دندان‌ها را محاسبه و مرز بین دندان‌های مجاور را تشخیص می‌دهد و ROI را به گونه ای که فقط شامل یک دندان باشد محاسبه می کند. سپس به کمک روشی که برای تخمین انتهای ریشه بیان می‌شود، انتهای ریشه تخمین زده و ضایعات احتمالی اطراف آن مشخص می‌شود.

پیش پردازش و بهبود کیفیت تصاویر
در میان پیشرفتهایی که در علوم و تکنولوژی بخاطر کارایی بالای محاسبات انجام شد، ‌تصویربرداری پزشکی از همه برجسته‌تر است. علت آن جاذبه بالای آن برای نشان دادن ساختارهای درون بدن انسان است. همچنین تصاویر پزشکی،‌ منادی خودکار شدن در تمرینات مراقبتهای سلامتی، تحقیقات پزشکی و آموزش است. تصویربرداری پزشکی فرصتهای بسیاری برای بهبود مراقبت سلامتی از طریق

Leave a Comment