ПІДВИЩЕННЯ ЯКОСТІ ДЕНТАЛЬНИХ РЕНТГЕНІВСЬКИХ ЗОБРАЖЕНЬ ДЛЯ ЗАДАЧ МАШИННОГО НАВЧАННЯ: МЕТОДИ ПОПЕРЕДНЬОЇ ОБРОБКИ ТА АУГМЕНТАЦІЇ ДАНИХ
Таврійський науковий вісник. Серія: Технічні науки · 21.05.2026 · 1 (2) · 40-47
DOI: 10.32782/tnv-tech.2026.2.1.4 ↗Kurz gefasst
Fachartikel in der Zeitschrift Таврійський науковий вісник. Серія: Технічні науки, online erschienen am 21.05.2026. Verfasst von О. Ф. Вах. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Стаття присвячена актуальній проблемі автоматизованої діагностики стоматологічних захворювань засобами машинного навчання, а саме підвищенню якості дентальних рентгенівських зображень як ключовому чиннику ефективності діагностичних систем. Рентгенографія посідає центральне місце у стоматологічній діагностиці, оскільки дозволяє виявляти ураження, недоступні для візуального огляду: міжзубний карієс, ураження пульпи, резорбцію кісткової тканини. Водночас автоматичний аналіз дентальних знімків стикається з низкою специфічних проблем: вузьким динамічним діапазоном яскравості, залежністю від технічних параметрів обладнання, наявністю шумових артефактів та обмеженим обсягом анотованих клінічних датасетів. Особливу складність становить виявлення ранніх стадій карієсу, коли ураження емалі відрізняється від здорової тканини лише на кілька одиниць яскравості, що унеможливлює їхнє надійне автоматичне розпізнавання без попередньої якісної обробки зображень. У роботі систематизовано та проаналізовано сучасні методи попередньої обробки дентальних рентгенограм. Детально розглянуто адаптивне вирівнювання гістограми з обмеженим контрастом (CLAHE) як ключовий інструмент локального підвищення контрасту в ділянках демінералізованої емалі. Описано принцип дії білатерального фільтра, який забезпечує шумоподавлення без втрати різкості анатомічних меж між емаллю, дентином та кортикальною кісткою. Розглянуто також wavelet-деноізинг як альтернативний підхід до придушення шуму. Також проаналізовано методи аугментації навчальних даних: традиційні геометричні трансформації (горизонтальне відображення, обертання, масштабування), фотометричні зміни (гамма-корекція, варіації інтенсивності, додавання гаусівського шуму), а також передові генеративні методи – синтез зображень за допомогою генеративно-змагальних мереж (GAN) та дифузійних моделей. Окрему увагу приділено практичним обмеженням геометричних трансформацій для дентальних знімків: надмірне обертання або перспективні спотворення здатні сформувати анатомічно нереалістичні конфігурації і негативно вплинути на якість навчання. Усі методи продемонстровано практично на реальному ортопантомографічному знімку з покроковою візуалізацією та збільшеним відображенням ділянок ймовірних уражень. Запропоновано уніфікований п’ятикроковий модульний конвеєр обробки: нормалізація розміру, підвищення контрасту методом CLAHE, шумоподавлення білатеральним фільтром, аугментація навчальної вибірки та стандартизація вхідного тензора до формату float32 діапазону [0;1]. Перспективи подальших досліджень пов’язані з розробкою адаптивного алгоритму автоматичного вибору параметрів CLAHE та порівняльним тестуванням дифузійних моделей і GAN для синтезу патологічно специфічних ортопантомограм.
Zitieren
APA
Вах, О. Ф. (2026). ПІДВИЩЕННЯ ЯКОСТІ ДЕНТАЛЬНИХ РЕНТГЕНІВСЬКИХ ЗОБРАЖЕНЬ ДЛЯ ЗАДАЧ МАШИННОГО НАВЧАННЯ: МЕТОДИ ПОПЕРЕДНЬОЇ ОБРОБКИ ТА АУГМЕНТАЦІЇ ДАНИХ. Таврійський науковий вісник. Серія: Технічні науки, 1(2), 40-47. https://doi.org/10.32782/tnv-tech.2026.2.1.4
Vancouver
Вах ОФ. ПІДВИЩЕННЯ ЯКОСТІ ДЕНТАЛЬНИХ РЕНТГЕНІВСЬКИХ ЗОБРАЖЕНЬ ДЛЯ ЗАДАЧ МАШИННОГО НАВЧАННЯ: МЕТОДИ ПОПЕРЕДНЬОЇ ОБРОБКИ ТА АУГМЕНТАЦІЇ ДАНИХ. Таврійський науковий вісник. Серія: Технічні науки. 2026;1(2):40-47. doi:10.32782/tnv-tech.2026.2.1.4
BibTeX
@article{2026,
author = {Вах, О. Ф.},
title = {ПІДВИЩЕННЯ ЯКОСТІ ДЕНТАЛЬНИХ РЕНТГЕНІВСЬКИХ ЗОБРАЖЕНЬ ДЛЯ ЗАДАЧ МАШИННОГО НАВЧАННЯ: МЕТОДИ ПОПЕРЕДНЬОЇ ОБРОБКИ ТА АУГМЕНТАЦІЇ ДАНИХ},
journal = {Таврійський науковий вісник. Серія: Технічні науки},
year = {2026},
volume = {1},
number = {2},
pages = {40--47},
doi = {10.32782/tnv-tech.2026.2.1.4}
}
EUVIMED