[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بانک‌ها و نمایه‌ها::
ثبت کد ارکید::
::
(CC-BY 4.0)

AWT IMAGE

Journal of Research in Dental Sciences is licensed under a "Creative Commons Attribution 4.0 International (CC-BY 4.0)"

..
مجله تحقیق در علوم دندانپزشکی دارای رتبه علمی-پژوهشی از وزارت بهداشت بوده و در پایگاه chemical abstract به عنوان نمایه سطح دو جهت ارتقای اعضای هیات علمی علوم پزشکی نمایه میگردد.
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
مجله تحقیق در علوم دندانپزشکی در آخرین گزارش پایگاه ISC دارای میانگین ضریب تاثیر0.223 در رشته دندانپزشکی می باشد.
..
:: دوره 22، شماره 3 - ( فصلنامه تحقیق در علوم دندانپزشکی پاییز 1404 ) ::
جلد 22 شماره 3 صفحات 283-266 برگشت به فهرست نسخه ها
کاربرد هوش مصنوعی در تشخیص پوسیدگی دندان: مرور پیشرفت‌ها و چالش‌ها
میترا منتظرلطف ، مهرداد حسینی شکیب* ، رضا رادفر ، مینا خیام زاده
، mehrdad.shakib@kiau.ac.ir
چکیده:   (15 مشاهده)
سابقه و هدف: پوسیدگی دندان شایع‌ترین بیماری مزمن جهانی است که نیازمند تشخیص زودهنگام برای پیشگیری از درمان‌های تهاجمی است. روش‌های سنتی تشخیص محدودیت‌هایی دارند، به‌ویژه در تشخیص ضایعات اولیه. هدف این مطالعه بررسی پیشرفت‌ها و چالش‌های کاربرد هوش مصنوعی در تشخیص پوسیدگی دندان است.
 مواد و روش ها: مرور روایی مقالات منتشر شده بین سال‌های 2015-2025 در پایگاه‌های داده معتبر علمی شامل PubMed، Scopus، Science Direct، IEEE Xplore، Web of Science و Google Scholar انجام شد. کیفیت مطالعات با ابزار QUADAS-2 ارزیابی و داده‌ها بر اساس روش‌های هوش مصنوعی، نوع تصویربرداری و معیارهای عملکرد تحلیل شدند.
یافته‌ها: شبکه‌های عصبی کانولوشن (CNN) و مشتقات آن مانند U-Net، Mask R-CNN و DenseNet، پرکاربردترین الگوریتم‌ها در تشخیص پوسیدگی هستند. دقت تشخیصی این سیستم‌ها در بسیاری موارد برابر یا بهتر از متخصصان دندانپزشکی بوده، به‌ویژه در تشخیص ضایعات اولیه. عملکرد هوش مصنوعی در انواع مختلف تصویربرداری دندانی از 71 درصد تا 99/2درصد متغیر بود.
نتیجه‌گیری: هوش مصنوعی پتانسیل قابل توجهی برای تحول در تشخیص پوسیدگی دندان دارد، به‌ویژه در شناسایی ضایعات اولیه که برای مداخلات پیشگیرانه غیرتهاجمی حیاتی است. بهترین رویکرد، "هوش مصنوعی کمکی" است که به عنوان مکمل قضاوت بالینی انسان عمل می‌کند و نه جایگزین آن. چالش‌های اصلی شامل محدودیت‌های مجموعه داده، عدم استانداردسازی روش‌ها و گزارش‌دهی، مشکلات ادغام در گردش کار بالینی، نیاز به شفافیت و قابلیت توضیح، و مسائل اخلاقی-قانونی است. جهت‌گیری‌های آینده شامل توسعه مجموعه داده‌های بزرگتر و متنوع‌تر، رویکردهای چندمدلی، بهبود روش‌های توضیح مدل‌ها، انجام مطالعات بالینی طولی و توسعه استانداردهای مناسب است
واژه‌های کلیدی: هوش مصنوعی، پوسیدگی دندان، یادگیری عمیق، رادیوگرافی دندان، شبکه عصبی کانولوشن
متن کامل [PDF 714 kb]   (7 دریافت)    
نوع مطالعه: مروری | موضوع مقاله: بیماری دهان
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

montazerlotf M, Hosseini Shakib M, radfar R, khayamzadeh M. Application of Artificial Intelligence in Dental Caries Detection: Advances and Challenges. J Res Dent Sci 2025; 22 (3) :266-283
URL: http://jrds.ir/article-1-1587-fa.html

منتظرلطف میترا، حسینی شکیب مهرداد، رادفر رضا، خیام زاده مینا. کاربرد هوش مصنوعی در تشخیص پوسیدگی دندان: مرور پیشرفت‌ها و چالش‌ها. مجله تحقیق در علوم دندانپزشکی. 1404; 22 (3) :266-283

URL: http://jrds.ir/article-1-1587-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 22، شماره 3 - ( فصلنامه تحقیق در علوم دندانپزشکی پاییز 1404 ) برگشت به فهرست نسخه ها
مجله تحقیق در علوم دندانپزشکی Res Dent Sci
Persian site map - English site map - Created in 0.07 seconds with 41 queries by YEKTAWEB 4718