Segmentasyon için yuvalanmış genişletilmiş tabanlı trans-r2unet ve bölge dikkat mekanizması ile uyarlanabilir effıcıentnet'in cbct görüntüleri

Diş çürükleri oldukça yaygın bir ağız rahatsızlığıdır ve büyük popülasyonlardaki çürükleri RGB görüntüleri kullanarak teşhis etmek için derin öğrenme stratejileri kullanılmıştır. Geleneksel dikkat destekli görüntü kategorizasyon yaklaşımları, özellik yetersizliği ve alakasız ve arka plandaki verilerle basit etkileşim sorunlarına sahiptir. Diş çürüklerinin zamanında tanınması, tedavilerin gerçekleştirilmesi için önemlidir. Bu amaçla, çürüklerin ilk tespitini sağlamak için bitewing radyografi kullanılır. Sinir ağı yaklaşımlarıyla derin yapılandırılmış modellerin kullanımı, günümüzde denenmiş çok sayıda görüntünün işlenmesine yardımcı olur ve umut verici işlevler sunar. Bu dezavantajları ortadan kaldırmak için görüntü işleme ve makine öğrenmesi mekanizmaları tarafından uygulanan bilgisayar destekli akıllı görme yaklaşımlarına ihtiyaç vardır. Dolayısıyla, derin öğrenme mekanizmaları radyoloji sektöründe dikkate değer bir teşhis etkinliği elde etmiştir. Bu nedenle, bu çalışmada yeni bir derin öğrenme tabanlı diş çürüğü tespit ve sınıflandırma çerçevesi tasarlanmıştır. İlk olarak, diş çürüklerinin tespiti ve sınıflandırılması için kullanılan Konik Işınlı Bilgisayarlı Tomografi (CBCT) görüntüleri referans kaynaklardan toplanmıştır. Ayrıca, toplanan görüntüler görüntü segmentasyon aşaması için sağlanır.