Науковий вісник НЛТУ України (Nov 2024)
Оцінювання ефективності застосування моделі U-Net 3+ у процесі сегментації анатомічних структур рентгенівських знімків зубів
Abstract
Автоматизація процесів аналізу цифрових зображень є важливим завданням сучасності. Особливо вона є актуальною для медичної сфери, де це сприяє підвищенню ефективності дослідження та зменшенню впливу людського чинника. Досліджено особливості застосування архітектури моделі U-Net 3+ для здійснення процедури автоматизованої сегментації цифрових стоматологічних рентгенівських зображень. Встановлено, що використання класичних методів сегментації зображень, таких як порогові методи та методи кластеризації, методи активних контурів і регіонального зростання, мають обмежену ефективність під час обробляння складних зображень, що зумовлено як складністю анатомічних структур, так і наявністю областей із подібним контрастом, що ускладнює точне виділення меж між об'єктами. Оцінено вплив застосування глибокого навчання архітектури типу U-Net та її модифікацій на якість сегментації складних стоматологічних структур. Охарактеризовано ефективність використання моделі U-Net 3+, яка завдяки своїм повношкальним зв'язкам забезпечує інтеграцію інформації з різних рівнів мережі та дає змогу зберігати як глобальний, так і локальний контексти. З'ясовано, що модель U-Net 3+ демонструє покращену здатність до сегментації структур зубів на рентгенівських зображеннях порівняно з класичною архітектурою типу U-Net завдяки її архітектурним удосконаленням, досягаючи значень Dice Coefficient та IoU на високому рівні. Оцінено точність сегментації на цифрових зображеннях дрібних анатомічних структур, таких як корені зубів і зони зі складною морфологією, що часто зумовлюють труднощі під час використання традиційних методів. Досліджено можливість безперервного навчання моделі U-Net 3+ на нових даних без втрати точності на попередніх вибірках, що є важливим для її довготривалого використання в динамічному середовищі. Встановлено, що модель U-Net 3+ має високу стійкість до перенавчання і до змін якості вхідних зображень, в т.ч. шуми та варіації освітлення, та демонструє стабільні результати на валідаційних вибірках, що підтверджує її ефективність для впровадження та використання у реальних умовах. Описано перспективи застосування моделі для автоматизованого аналізу стоматологічних знімків, в т.ч. інтеграцію у системи підтримки прийняття рішень, що дасть змогу значно підвищити швидкість і точність діагностики.
Keywords
