تحسين عملية تحديد مواقع وتوجهات أدوات طبيب الأسنان باستخدام خوارزميات العزل والتعلم العميق: دراسة حالة باستخدام YOLOv5 وGrabCut معPCA

الملخص

تتطلب عملية مناولة أدوات طبيب الأسنان أثناء العمليات الجراحية تحديدًا دقيقًا لموضعها وتوجهها على طاولة العمل مع الاختيار الصحيح للأداة وفق صنفها تبعاً لمتطلبات الطبيب. تشمل التحديات التي يواجهها مساعدو طبيب الأسنان البشريون الخطأ في التعرف على الأداة، احتمالية التعرض للأذية بسبب الأطراف الحادة، والتعرض المحتمل للعدوى. يقترح هذا البحث حلولاً عملية لاكتشاف وتصنيف وعزل وتحديد مواضع أدوات طبيب الأسنان وفق الصنف المرغوب والمحدد بناءً على احتياجات طبيب الأسنان لتكون خطوة بداية في عملية المناولة الروبوتية لأدوات الطبيب.

يساهم تطبيق خوارزمية التعلم العميق YOLOv5 باكتشاف الأدوات وتصنيفها، باستخدام فئات محددة مسبقًا ليقوم بإنشاء أطر محيطة لها Bounding Boxes (BBs).  يتم بعد ذلك استخدام خوارزمية Grabcut لإتمام عزل الأداة عن الخلفية ضمن الإطار المحيط السابق وإنشاء قناع عزل خاص بها. ونهايةً، يتم استخدام تحليل المكونات الرئيسية Principle Component Analysis (PCA)  لتحديد موضع مركز الأداة وتوجهها الدقيق للأدوات على مساحة العمل.

يستفيد نهجنا من خوارزميات التعلم العميق لتسريع اكتشاف أدوات طب الأسنان وتصنيفها، ودمجها مع خوارزميات عزل الخلفية للحصول على قناع أداة مثالي. بالإضافة إلى ذلك، نحدد اتجاه الأداة باستخدام المتجهات الذاتية للحصول على الاتجاه العام عبر PCA. ويهدف النموذج المقترح إلى ضمان أقل خطأ موضعي وأقل وقت حسابي، حتى مع تغير البيئة.