Panoramali dental radiografiyalar yagona tasvirda yuqori va pastki jag‘ni, tishlarni hamda atrofdagi anatomik tuzilmalarni keng qamrovda ko‘rsata olgani sababli, ortodontik rejalashtirish, implantlarni baholash va stomatologik skrining jarayonlarida keng qo‘llaniladi[cite: 13]. Biroq bu tasvirlarda tish ildizi va alveolyar suyak, periodontal boylam oralig‘i va qo‘shni tishlar o‘rtasidagi chegaralar ko‘pincha past kontrastga ega bo‘ladi[cite: 13]. Metall restavratsiyalar, nafas yo‘llari soyalari, geometrik ustma-ust tushishlar va tasvir artefaktlari ham avtomatik chegaralashni qiyinlashtiradi[cite: 13].

Ushbu tadqiqotda olimlar panoramali radiografiyalarda tishlarning tashqi chegaralarini aniqroq belgilash uchun EGA-SAM2-UNet deb nomlangan sun’iy intellekt arxitekturasini ishlab chiqdilar[cite: 13]. Tizim umumiy tasvirlar ustida oldindan o‘qitilgan SAM 2 asosiy modelini panoramik radiografiyaga xos kulrang tus va to‘qima taqsimotiga moslashtiradi[cite: 13].

Modelning asosiy yangiligi — bu Edge-Guided Attention, ya’ni Chetga Yo‘naltirilgan Diqqat (EGA) modulidir[cite: 13]. Oldingi usullarning aksariyatida chetga oid ma’lumot modelga oxirida qo‘shiladigan yordamchi xususiyat yoki alohida chegara yo‘qotish funksiyasi (boundary loss) sifatida ishlatilgan[cite: 13]. Ushbu ishlashda esa Laplasyan chet operatoridan olingan tuzilmaviy ma’lumotlar to‘g‘ridan-to‘g‘ri kanal va fazoviy diqqat vaznlarini (attention weights) hisoblash tarkibiga kiritilgan[cite: 13]. Bu orqali model nafaqat “tish qayerda?” degan savolga, balki “tish va uni o‘rab turgan suyak qayerda aynan ajraladi?” degan savolga ham diqqat qilishga majbur etiladi[cite: 13].

SAM 2 koderining barcha parametrlarini boshqatdan o‘qitish o‘rniga, Past darajali moslashuv (Low-Rank Adaptation), ya’ni LoRA qo‘llanilgan[cite: 13]. Ushbu usul orqali model parametrlarining 99,5% dan ortig‘i muzlatilgan va atigi 0,43–0,47% lik kichik bir qismigina o‘qitilgan[cite: 13]. Ko‘p o‘lchamli RFB bloklari turli o‘lchamdagi anatomik naqshlarni to‘plasa, yuqoridan pastga kesishgan diqqat mexanizmi (cross-attention) yuqori darajadagi tish ma’lumotlarini quyi darajadagi to‘qima detallari bilan birlashtiradi[cite: 13].

Model ikkita ochiq panoramali radiografiya ma’lumotlar to‘plamida: MICCAI STS 2024 va DENTEX da sinovdan o‘tkazilgan[cite: 13]. MICCAI STS 2024 tasdiqlash to‘plamida EGA-SAM2-UNet uchun Dice o‘xshashlik koeffitsiyenti 93,9%, birlashish-kesishish nisbati (IoU) 88,5%, o‘rtacha simmetrik chegara masofasi (ASD) 0,18 mm va HD95 chegara xatosi 0,79 mm deb qayd etilgan[cite: 13].

MedSAM modelining HD95 qiymati 1,02 mm bo‘lgan bir vaqtda, taklif qilingan usulda bu qiymatning 0,79 mm ga tushishi tadqiqotchilar tomonidan chegarani aniqlashda nisbiy 22,6% lik yaxshilanish sifatida baholangan[cite: 13]. Bu ko‘rsatkich Dice natijasida 22,6 punktlik o‘sishni anglatmaydi; u faqat 95-persentil chegara masofasidagi nisbiy pasayishni ifodalaydi[cite: 13].

Model MICCAI STS 2024 to‘plamida o‘qitilib, hech qanday qo‘shimcha DENTEX moslashuvisiz DENTEX tasdiqlash to‘plamida sinalganda, Dice 91,2% va HD95 0,95 mm darajasida saqlanib qolgan[cite: 13]. Natijalar turli xil tasvirlash qurilmalari va markazlar o‘rtasida ma’lum darajada o‘tkazuvchanlik (transferability) mavjudligini ko‘rsatmoqda[cite: 13]. Biroq, ma’lumotlar domeni (sohasi) o‘zgarganda Dice 2,7 foiz punktga pasaygan va HD95 0,16 mm ga oshgan[cite: 13].

Ablyatsiya (qisqartirish) tajribalari samaradorlikning oshishi faqat bitta komponentga bog‘liq emasligini ko‘rsatgan[cite: 13]. LoRA moslashuvi, ko‘p o‘lchamli RFB bloklari, kesishgan diqqat (cross-attention), EGA va yarim nazorat ostida o‘qitish navbatma-navbat qo‘shib borilganda, Dice 89,7% dan 93,9% ga ko‘tarilgan; HD95 1,49 mm dan 0,79 mm ga tushgan[cite: 13]. Eng sezilarli yagona modul hissasi chetga oid ma’lumotning diqqat hisobiga qo‘shilishi bilan chegara xatosida olingan[cite: 13].

Tadqiqot klinik jihatdan umid baxsh etuvchi tasvir segmentatsiyasi usulini taqdim etadi; ammo u diagnostika tizimi emas[cite: 13]. U karies (tish chirishi), periapikal yallig‘lanishlar, periodontal suyak yo‘qotilishi yoki implant mosligini aniqlamaydi[cite: 13]. Natijalar faqat ochiq ma’lumotlar to‘plamlaridagi hisoblash tajribalariga tayanadi[cite: 13]. Inson mutaxassislar o‘rtasidagi chegara chizish farqlari bilan to‘g‘ridan-to‘g‘ri taqqoslash o‘tkazilmagan, shuningdek uning haqiqiy klinik qarorlarni yoki bemor natijalarini yaxshilagani isbotlanmagan[cite: 13].

Batafsil tushuntirish

Tadqiqotning asosiy muammosi nima?

Tasvir segmentatsiyasi tizimi tasvirdagi har bir piksel qaysi tuzilmaga tegishli ekanligini aniqlashga harakat qiladi[cite: 13]. Tish segmentatsiyasida maqsad har bir tishni atrofdagi alveolyar suyakdan, yumshoq to‘qima soyalaridan va qo‘shni tishlardan ajratib turuvchi aniq maska yaratishdir[cite: 13].

Panoramali radiografiyalarda bu jarayon bir necha sabablarga ko‘ra qiyin kechadi[cite: 13]:

• Tish ildizi va alveolyar suyakning rentgenologik zichligi bir-biriga yaqinlashishi mumkin[cite: 13].
• Periodontal boylam oralig‘i juda nozik va past kontrastga ega bo‘lishi mumkin[cite: 13].
• Qo‘shni tishlar, ayniqsa tishlar jipslashib (qisilib) qolganda ustma-ust tushishi mumkin[cite: 13].
• Ildiz uchlari atrofdagi suyak to‘qimasi ichida xiralashishi (silliqlashishi) mumkin[cite: 13].
• Metall plombalar, koronka va kanal davolash ishlari yuqori zichlikdagi artefaktlarni yaratishi mumkin[cite: 13].
• Yuqori jag‘dagi nafas olish yo‘llari va boshqa anatomik soyalar tishlarga o‘xshash soxta chetlarni hosil qilishi mumkin[cite: 13].
• Panoramik tasvirlash uch o‘lchamli anatomiyani ikki o‘lchamli tekislikka ko‘chirgani uchun kattalashish va geometrik buzilishlarni (distorsiya) o‘z ichiga oladi[cite: 13].

Bitta model tishning umumiy maydonini to‘g‘ri topsa-da, chegarani bir necha piksel tashqariga olib chiqishi mumkin[cite: 13]. Bu holat ayniqsa ikkita qo‘shni tishning yaxlit bo‘lib birlashib ketishiga, ildiz chegarasining suyakka o‘tib ketishiga yoki tish yuzasining bir qismi yo‘qolishiga sabab bo‘lishi mumkin[cite: 13].

Shu sababli, faqatgina yuqori Dice qiymatining o‘zi yetarli emas[cite: 13]. Tishning katta qismi to‘g‘ri tasniflangan taqdirda ham, klinik ahamiyatga ega bo‘lgan chegara hududlarida xatolik yuz berishi mumkin[cite: 13]. Tadqiqot aynan shuning uchun ham hududiy qoplanishni (overlap), ham chegara masofasini o‘lchaydigan metrikalardan foydalangan[cite: 13].

Nima uchun qo‘lda (manuel) segmentatsiya yetarli deb hisoblanmaydi?

Panoramali radiografiyada barcha tishlarni qo‘lda belgilab chiqish ko‘p vaqt talab etadi[cite: 13]. Ayni bir mutaxassis turli vaqtlarda bitta tasvirni bir oz farqli chizishi mumkin; ikkita mutaxassis o‘rtasida ham chegarani tanlash farq qilishi mumkin[cite: 13]. Katta tasvirlar bazalarida har bir tishni alohida belgilash klinik ish yukini sezilarli darajada oshiradi[cite: 13].

Avtomatik segmentatsiya quyidagi jarayonlar uchun asosiy dastlabki qadam bo‘lishi mumkin[cite: 13]:

• Tishlarni avtomatik raqamlash[cite: 13],
• Tushib qolgan (mavjud bo‘lmagan) tishlarni aniqlash[cite: 13],
• Ortodontik yoy va tishlar o‘rnini tahlil qilish[cite: 13],
• Ildiz atrofidagi anatomik masofalarni hisoblash[cite: 13],
• Implantni rejalashtirish dasturlarida tish sohalarini ajratish[cite: 13],
• Dental tasvirlarni sun’iy intellekt yordamida skanerlash[cite: 13],
• Patologiyani tahlil qilishdan oldin normal anatomik tuzilmalarni ajratib olish[cite: 13].

Biroq, avtomatik segmentatsiya ishonchli bo‘lishi uchun u faqat tishning umumiy o‘rnini emas, balki servikal (bo‘yin) qismini, ildiz uchini va qo‘shni tishlar o‘rtasidagi nozik chegaralarni ham to‘g‘ri belgilashi kerak[cite: 13].

Ilmiy adabiyotdagi asosiy bo‘shliq nimada?

Tadqiqotga ko‘ra, oldingi tizimlar chetga (chegaraga) oid ma’lumotlarni odatda ikki usulda ishlatishgan[cite: 13]:

1. Modelning taxmini va haqiqiy chegara o‘rtasidagi farqni jazolovchi qo‘shimcha chegara yo‘qotish funksiyasini (boundary loss) qo‘shish[cite: 13],
2. Sobel, Canny yoki Laplasyan yordamida olingan chet xaritasini kirish tasviriga yoxud oraliq xususiyatlarga qo‘shimcha kanal sifatida birlashtirish[cite: 13].

Ushbu yondashuvlarda chet haqidagi ma’lumot diqqat mexanizmidan tashqarida qoladi[cite: 13]. Model dastlab o‘zining diqqat vaznlarini hisoblab chiqadi, chet xaritasi esa faqatgina modelga taqdim etiladigan qo‘shimcha ma’lumot yoki natijani nazorat qiluvchi jazo vositasi sifatida ishlatiladi[cite: 13].

EGA-SAM2-UNet ning taklif etgan asosiy o‘zgarishi chet ma’lumotini bevosita diqqat vaznlarini (attention weights) hisoblash jarayoniga kiritishdir[cite: 13]. Shu orqali chet xaritasi modelga berilgan shunchaki yana bir ma’lumot bo‘lib qolmasdan, balki qaysi xususiyat kanali va qaysi tasvir hududi muhimligini hal qiluvchi mexanizmning bir qismiga aylanadi[cite: 13].

Nega SAM 2 dan to‘g‘ridan-to‘g‘ri foydalanib bo‘lmadi?

SAM 2 keng va umumiy tasvirlar to‘plamlaridan o‘rganilgan fundamental vizual modeldir[cite: 13]. Tabiiy fotosuratlardagi odamlar, mashinalar yoki buyumlar bilan panoramali dental radiografiyalar bir xil to‘qima va kontrast xususiyatlariga ega emas[cite: 13].

Panoramik tasvirlarda[cite: 13]:

• Rang ma’lumotlari bo‘lmaydi[cite: 13],
• Kulrang rang tusidagi farqlar juda kichik bo‘ladi[cite: 13],
• Anatomik tuzilmalar bir-birining ustiga tushadi[cite: 13],
• Tish bilan suyak chegarasi tabiiy fotosuratlardagi obyekt chegaralariga nisbatan xiraroqdir[cite: 13],
• Artefaktlar haqiqiy anatomik chetlarga o‘xshab ko‘rinishi mumkin[cite: 13].

Ana shu sohalardagi farq tufayli SAM ning mutlaqo moslashtirilmagan tayyor versiyasi (zero-shot) tadqiqotda atigi 83,6% Dice va 1,87 mm HD95 natijasi bilan cheklanib qolgan[cite: 13]. Bu natija kuchli umumiy vizual modelning tibbiy tasvirlarda to‘g‘ridan-to‘g‘ri ishonchli natija bermasligi mumkinligini ko‘rsatadi[cite: 13].

LoRA yordamida tejamkor parametrik moslashuv

SAM 2 ning barcha vaznlarini (weights) boshqatdan o‘qitish yuqori xotira, hisoblash kuchi va ma’lumotni talab qiladi[cite: 13]. Buning o‘rniga tadqiqotchilar LoRA usulidan foydalanishdi[cite: 13].

Tadqiqotda oldindan o‘qitilgan vaznlar matritsasi \(W_0\) uchun yangilanish quyi darajali quyidagi ko‘paytma bilan cheklangan[cite: 13]:

\[ \Delta W=BA \]

Oldinga o‘tish tenglamasi (forward pass equation) quyidagicha[cite: 13]:

\[ h=W_0x+\Delta Wx=W_0x+BAx \]

Bu yerda[cite: 13]:

• \(W_0\) — SAM 2 dan olingan va katta qismi muzlatilgan (o‘zgartirilmaydigan), oldindan o‘qitilgan vazn matritsasi[cite: 13].
• \(x\) — qatlamga uzatiladigan kirish xususiyati[cite: 13].
• \(\Delta W\) — dental radiografiya sohasiga moslashish uchun o‘rganiladigan kichik yangilanish[cite: 13].
• \(A\) va \(B\) — past darajali o‘qitiladigan matritsalar[cite: 13].
• \(r\) — past darajani ko‘rsatadi va asosiy matritsa o‘lchamlaridan ancha kichikdir[cite: 13].
• \(h\) — moslashtirilgan qatlamning natijasi (chiqishi)[cite: 13].

Oddiy til bilan aytganda, modelning butun bilimi qayta yozilmaydi, balki panoramik radiografiyalar uchun kichik bir “to‘g‘rilash yamog‘i” o‘rganiladi[cite: 13]. Shu orqali umumiy vizual ma’lumotlar saqlab qolingan holda, tish to‘qimalarining zichlik naqshlariga moslashiladi[cite: 13].

Tajribalarda LoRA darajasi (rank) \(r=16\), masshtab koeffitsiyenti \(\alpha=32\) qilib belgilangan va Transformer bloklaridagi so‘rov (query), kalit (key) hamda qiymat (value) proyeksiyalariga tatbiq etilgan[cite: 13].

LoRA parametrlari taxminan 0,42 millionni tashkil etgani bildirilgan[cite: 13]. Bu modelning umumiy parametrlarining qariyb 0,43 foizini tashkil qiladi[cite: 13]. Matnning ba’zi qismlarida 0,47% qiymati ham ishlatilgan; ikkala nisbat ham modelning juda kichik bir qismigina o‘qitilganini bildiradi[cite: 13].

Ko‘p o‘lchamli RFB bloklari nima vazifani bajaradi?

Tish chegaralari faqat bitta o‘lcham masshtabida bo‘lmaydi[cite: 13]. Oldingi tishlarning ingichka ildizlari, oziq tishlarning ko‘p ildizli anatomiyasi, keng koronka qismi va juda yupqa periodontal bo‘shliqlar turlicha vizual miqyosdagi ma’lumotlarni talab qiladi[cite: 13].

RFB (Receptive Field Block) bloklari har xil kengayish nisbatlariga (dilation rates) ega bo‘lgan parallel konvolyutsiyalardan foydalanadi[cite: 13]. Tadqiqotda kengayish nisbatlari quyidagicha keltirilgan[cite: 13]:

\[ r=\{1,3,5\} \]

Kichik qamrov maydonlari nozik mahalliy tafsilotlarni ilib olsa, kattaroq qamrov maydonlari tishning umumiy shaklini va atrof-muhit bilan bog‘liqligini (kontekstni) tutishga yordam beradi[cite: 13]. Shu tariqa model nafaqat bitta piksel atrofiga, balki har xil o‘lchamdagi anatomik sohalarga e’tibor qarata oladi[cite: 13].

Yuqoridan pastga kesishgan diqqat (cross-attention) nega ishlatildi?

Koderning dastlabki qatlamlari nozik to‘qima va chegara ma’lumotlarini o‘zida saqlasa, chuqur qatlamlari “bu tuzilma — tish” degan umumiyroq semantik (ma’noviy) ma’lumotni tashiydi[cite: 13]. Dastlabki xususiyatlar batafsil bo‘ladi, ammo ularga artefaktlar ta’sir qilishi mumkin; chuqur xususiyatlar ma’noga ega, lekin vizual aniqligi qo‘polroq bo‘ladi[cite: 13].

Tadqiqotda yuqoridagi dekoder (shifrdan yechuvchi) qatlamidan kelgan xususiyatlar so‘rov (query) sifatida, koderdan kelgan chetlab o‘tuvchi (skip connection) xususiyatlar esa kalit (key) va qiymat (value) sifatida qo‘llanilgan[cite: 13]:

\[ F_{\mathrm{fused}}= \operatorname{Attention} \left( Q=F_{\mathrm{up}}, K=F_{\mathrm{enc}}, V=F_{\mathrm{enc}} \right) \]

Bu yerda[cite: 13]:

• \(F_{\mathrm{up}}\) — oldingi dekoder qatlamidan kattalashtirilib kelgan yuqori darajadagi xususiyat[cite: 13].
• \(F_{\mathrm{enc}}\) — koderning mos darajasidagi tafsilotlarga ega bo‘lgan xususiyat[cite: 13].
• \(Q\) so‘rovni, \(K\) kalitni, \(V\) qiymatni ifodalaydi[cite: 13].
• \(F_{\mathrm{fused}}\) — semantik ma’lumot bilan filtrlangan birlashtirilgan xususiyat[cite: 13].

Buning maqsadi EGA moduliga yetib borguniga qadar tishga aloqador bo‘lmagan soyalar va artefaktlarning bir qismini chiqarib tashlash va past darajadagi detallarni yuqori darajadagi tish haqidagi bilim bilan moslashtirishdir[cite: 13].

Laplasyan operatori nega tanlandi?

Laplasyan (Laplacian) — tasvirning zichligidagi ikkinchi darajali o‘zgarishlarni o‘rganuvchi chegara operatoridir[cite: 13]. Tadqiqotda aytilishicha, uning asosiy afzalligi izotropik ekanligidir[cite: 13]. Bu shuni anglatadiki, u chegaraning yo‘nalishi qanday bo‘lishidan qat’i nazar bir xilda ishlaydi[cite: 13].

Tish chegaralari bitta yo‘nalishda bo‘lmaydi[cite: 13]:

• Qo‘shni tishlar orasida ko‘proq vertikal (tik)[cite: 13],
• Emal-sement tutashuvi atrofida asosan gorizontal (yotiq)[cite: 13],
• Ildiz uchlarida qiyshiq va aylanma chegaralar kuzatilishi mumkin[cite: 13].

Sobel kabi birinchi darajali operatorlar ko‘proq muayyan yo‘nalishlarga ta’sirchan bo‘ladi va barcha yo‘nalishlarni qamrab olish uchun turli filtrlarni (kernels) talab etadi[cite: 13]. Laplasyan esa barcha yo‘nalishdagi zichlik o‘zgarishlariga munosabat bildira oladi[cite: 13].

Tadqiqotda chastota sohasidagi Laplasyan harakati quyidagicha berilgan[cite: 13]:

\[ H(u,v)=-(u^2+v^2) \]

Bu yerda[cite: 13]:

• \(u\) va \(v\) — tasvirning ikkita fazoviy chastota yo‘nalishi[cite: 13],
• \(H(u,v)\) — Laplasyan filtrining chastota reaksiyasini ifodalaydi[cite: 13].

Chastota ortib borgach, \((u^2+v^2)\) qismi ham kattalashadi[cite: 13]. Shu sababli Laplasyan keskin zichlik o‘tishlarini, ya’ni chetlarni (chegaralarni) kuchaytiradigan yuqori chastota filtri (high-pass filter) kabi ishlaydi[cite: 13]. Keng va bir xil tusdagi dentin yoki pulpa sohalari pastroq chastotaga ega bo‘lsa, tish va suyak o‘tish joyi kabi chegaralar yuqori chastotali qismlarni o‘z ichiga oladi[cite: 13].

Chegara haqidagi ma’lumot qaysi tasvirga qo‘llaniladi?

EGA moduli Laplasyan operatorini to‘g‘ridan-to‘g‘ri xom panoramik tasvirga qo‘llash bilan cheklanib qolmaydi[cite: 13]. Operator tarmoqning oraliq xususiyat xaritasiga har bir kanal bo‘yicha alohida qo‘llaniladi[cite: 13].

Tadqiqotda chegara aniqlovchi (descriptor) quyidagi tenglama yordamida yaratilgan[cite: 13]:

\[ E= \operatorname{ReLU} \left( \mathcal{B} \left( \operatorname{Conv}_{dw}(F,K_{\mathrm{Lap}}) \right) \right) \]

Bu yerda[cite: 13]:

• \(F\in\mathbb{R}^{C\times H\times W}\) — oraliq xususiyat xaritasi[cite: 13].
• \(C\) — kanallar soni; \(H\) va \(W\) — fazoviy o‘lchamlar[cite: 13].
• \(K_{\mathrm{Lap}}\) — doimiy 3×3 Laplasyan filtri (kernel)[cite: 13].
• \(\operatorname{Conv}_{dw}\) — har bir xususiyat kanalini alohida ishlovchi chuqurlikdagi (depthwise) konvolyutsiya[cite: 13].
• \(\mathcal{B}\) — Batch Normalization (to‘dani normallashtirish) amali[cite: 13].
• ReLU — manfiy qiymatlarni olib tashlovchi faollashtirish funksiyasi[cite: 13].
• \(E\) — diqqatni hisoblashda qo‘llaniladigan tuzilmaviy chegara aniqlovchi[cite: 13].

Laplasyan filtrining namunasi quyidagicha[cite: 13]:

\[ K_{\mathrm{Lap}}= \begin{bmatrix} 0 & 1 & 0\\ 1 & -4 & 1\\ 0 & 1 & 0 \end{bmatrix} \]

Ushbu doimiy filtrni tarmoq qaytadan o‘rganib chiqmaydi[cite: 13]. Tadqiqotchilarning ta’kidlashicha, chegara piksellari butun tasvirning 5 foizidan ham kam qismini egallagani sababli, to‘liq o‘rganuvchi chegara filtrlarida chegara gradientlari orqa fon piksellarining ko‘pligi ostida yo‘qolib ketishi mumkin[cite: 13]. Sabit (doimiy) Laplasyan filtri esa o‘qitish jarayonidan mustaqil ravishda mustahkam chegara tayanchini ta’minlaydi[cite: 13].

Kanal bo‘yicha diqqat qanday hisoblanadi?

Kanal diqqati “chegaralar uchun qaysi xususiyat xaritalari (feature maps) ko‘proq ahamiyatga ega?” degan savolga javob beradi[cite: 13]. Chegara xaritasi dastlab global o‘rtacha hovuzlash (GAP) yordamida har bir kanal bo‘yicha jamlanadi, so‘ngra ko‘p qatlamli pertseptron (MLP) orqali o‘tkaziladi[cite: 13]:

\[ M_c(E)= \sigma \left( \operatorname{MLP} \left( \operatorname{GAP}(E) \right) \right) \]

Bu yerda[cite: 13]:

• \(\operatorname{GAP}\) — global o‘rtacha hovuzlash (global average pooling)[cite: 13].
• MLP — ko‘p qatlamli pertseptron[cite: 13].
• \(\sigma\) — qiymatlarni 0 dan 1 gacha bo‘lgan oraliqqa keltiruvchi sigmoid funksiyasi[cite: 13].
• \(M_c(E)\) — har bir xususiyat kanalining muhimlik vaznini bildiradi[cite: 13].

Fazoviy diqqat qanday hisoblanadi?

Fazoviy diqqat esa “tasvirning aynan qaysi hududlariga ko‘proq diqqat qaratish kerak?” degan savolga javob beradi[cite: 13]. Chegara xaritasi 7×7 konvolyutsiya va sigmoid funksiyasidan o‘tkaziladi[cite: 13]:

\[ M_s(E)= \sigma \left( \operatorname{Conv}_{7\times7}(E) \right) \]

Bu yerda \(M_s(E)\) tasvir balandligi va kengligi bo‘ylab har bir joylashuv (koordinata) uchun ajratilgan fazoviy diqqat vaznini ifodalaydi[cite: 13].

Kanal diqqati qaysi turdagi xususiyatlar muhimligini, fazoviy diqqat esa chegaralar tasvirning aynan qayerida ekanligini aniqlashga yordam beradi[cite: 13].

EGA modulining yakuniy birlashishi

Kanal va fazoviy diqqat dastlabki xususiyat xaritasiga (feature map) parallel ravishda qo‘llanilgan va qoldiq ulanish (residual connection) yordamida birlashtirilgan[cite: 13]:

\[ F_{\mathrm{EGA}} = F+ \left(F\otimes M_c(E)\right) + \left(F\otimes M_s(E)\right) \]

Bu yerda[cite: 13]:

• \(F\) — EGA moduliga kiruvchi asosiy xususiyat xaritasi[cite: 13].
• \(\otimes\) — elementma-element (element-wise) ko‘paytirish amalini anglatadi[cite: 13].
• \(F\otimes M_c(E)\) — kanal bo‘yicha qayta o‘lchangan (baholangan) xususiyatlar[cite: 13],
• \(F\otimes M_s(E)\) — fazoviy jihatdan qayta o‘lchangan xususiyatlar[cite: 13],
• \(F_{\mathrm{EGA}}\) — chegaraga nisbatan sezgirligi oshirilgan yakuniy natijani (output) bildiradi[cite: 13].

Osil (boshlang‘ich) \(F\) xususiyatining saqlab qolinishi bu qoldiq ulanish (residual connection) deyiladi[cite: 13]. Bu ulanish chegara moduliga mavjud ma’noviy ma’lumotlarni mutlaqo o‘zgartirib yuborishiga yo‘l qo‘ymaydi va u faqat chegaraga tegishli xususiyatlarni kuchaytirishga xizmat qiladi[cite: 13].

1-rasm arxitekturaning qaysi oqimini ko‘rsatadi?

Tadqiqotning arxitektura chizmasida panoramali radiografiya avvalo LoRA adapterlari o‘rnatilgan SAM 2 koderidan (kodlovchi qismidan) o‘tadi[cite: 13]. Koderning to‘rt xil darajasidan xususiyat xaritalari olinadi[cite: 13].

Har bir darajada[cite: 13]:

1. RFB bloklari turli masshtablarda atrof-muhitga oid (kontekst) ma’lumotlarni to‘playdi[cite: 13].
2. Yuqori darajadan kelgan axborot kesishgan diqqat (cross-attention) mexanizmi yordamida quyi darajani sozlaydi (kalibrlaydi)[cite: 13].
3. EGA moduli Laplasyan chegara elementini kanal va fazoviy diqqatga yo‘naltiradi[cite: 13].
4. Dekoder (shifrdan yechuvchi) bloklari tasvirning aniqligini (rezolyutsiyasini) qadamma-qadam yana oshirib boradi[cite: 13].
5. So‘nggi bosqichda barcha tishlarni o‘z ichiga olgan segmentatsiya niqobi (maskasi) ishlab chiqariladi[cite: 13].

Solishtirish shuni ko‘rsatadiki, model nafaqat eng chuqur SAM 2 xususiyatidan foydalanadi, balki yuqori aniqlikdagi yuzaki detallarni va past aniqlikdagi semantik (ma’noviy) ma’lumotlarni ierarxik tarzda biriktiradi[cite: 13].

2-rasm EGA modulini qanday tushuntiradi?

EGA ish tartibi sxemasida oraliq xususiyat dastlab Laplasyan yadro konvolyutsiyasidan, so‘ng Batch Normalization va ReLU dan o‘tkazilib, \(E\) chegara xaritasiga aylantiriladi[cite: 13].

Ushbu xarita keyinchalik ikkita parallel shoxobchaga bo‘linadi[cite: 13]:

• Kanal shoxobchasida GAP (Global Average Pooling), MLP va sigmoid amallari bajariladi[cite: 13].
• Fazoviy shoxobchada esa 7×7 konvolyutsiya va sigmoid funksiyasi qo‘llaniladi[cite: 13].

Ikki shoxobcha yaratgan diqqat vaznlari asl (orijinal) xususiyatga ko‘paytiriladi va qoldiq qo‘shish moduli orqali asosiy xususiyat bilan birlashtiriladi[cite: 13]. Bu tasvir shuni yaqqol ko‘rsatadiki, chegara bu faqat yon tarmoq sifatida ajratib qoldirilmagan, balki u aynan diqqat vaznlarini hosil qiluvchi markaziy ma’lumot manbaidir[cite: 13].

Yo‘qotish funksiyasi qanday tartibga solindi?

Model Dice yo‘qotilishi (Dice loss) va binar kesishgan entropiya (Binary Cross-Entropy - BCE) yo‘qotilishining o‘zaro mutanosib yig‘indisi yordamida o‘qitilgan[cite: 13]:

\[ \mathcal{L} = \lambda_{\mathrm{Dice}}\mathcal{L}_{\mathrm{Dice}} + \lambda_{\mathrm{BCE}}\mathcal{L}_{\mathrm{BCE}} \]

Tadqiqotda quyidagi qiymatlar ishlatilgan[cite: 13]:

\[ \lambda_{\mathrm{Dice}}=0.7, \qquad \lambda_{\mathrm{BCE}}=0.3 \]

Dice yo‘qotilishi quyidagicha aniqlanadi[cite: 13]:

\[ \mathcal{L}_{\mathrm{Dice}} = 1- \frac{ 2\sum_i y_ip_i+\epsilon }{ \sum_i y_i+\sum_i p_i+\epsilon } \]

Bu yerda[cite: 13]:

• \(y_i\) — \(i\)-pikselning haqiqiy klassi (sinfi)[cite: 13],
• \(p_i\) — model shu piksel tish deb topganining ehtimolligi[cite: 13],
• \(\epsilon\) — nolga bo‘lishni oldini oluvchi kichik qo‘shimcha (tuzatish) miqdor[cite: 13].

Dice yo‘qotilishi tish piksellari va orqa fon o‘rtasidagi nomutanosiblik sharoitida (imbalance) hududiy qoplanishni yaxshilashga yordam beradi[cite: 13].

Binar kesishgan entropiya (BCE) yo‘qotilishi esa quyidagicha[cite: 13]:

\[ \mathcal{L}_{\mathrm{BCE}} = -\frac{1}{N} \sum_i \left[ y_i\log(p_i) + (1-y_i)\log(1-p_i) \right] \]

Bunda \(N\) baholanayotgan jami piksellar sonidir[cite: 13]. BCE har bir pikselning tish yoki fon sifatida to‘g‘ri ajratilishini rag‘batlantiradi[cite: 13].

Keltirilgan formulalarda alohida chegara yo‘qotish (boundary loss) funksiyasi ko‘zga tashlanmaydi[cite: 13]. Tadqiqotning asosiy dizayn iddaolaridan biri ham shundadir: chegaraga sezgirlik qandaydir qo‘shimcha yo‘qotish funksiyasidan emas, balki EGA modulidagi diqqat hisoblashidan olinmoqda[cite: 13].

Yarim nazorat ostidagi (Semi-supervised) o‘qitishdan nega foydalanildi?

MICCAI STS 2024 ma’lumotlar to‘plamida atigi 30 ta tasvir batafsil belgilanib (etiketlanib) berilgan bo‘lsa, qolgan 2 350 tasi yorliqsiz (etiketsiz) edi[cite: 13]. Tadqiqotchilar yorliqsiz katta qismni butunlay chiqarib tashlash o‘rniga, o‘qituvchi-o‘quvchi (teacher-student) arxitekturasida yarim nazorat ostida o‘qitish usulini qolladilar[cite: 13].

Yorliqli (belgilangan) tasvirlarda haqiqiy segmentatsiya maskalari (qoplamalari) orqali Dice va BCE yo‘qotishlari hisoblangan[cite: 13]. Yorliqsiz tasvirlarda esa eksponensial harakatlanuvchi o‘rtacha (exponential moving average) yordamida yangilanib turadigan o‘qituvchi model “soxta yorliqlar” (pseudo-labels) yaratgan va o‘quvchi model bu yorliqlarga mos bashoratlar shakllantirishi ko‘zlangan[cite: 13].

Har bir GPU dagi (Videokartadagi) sakkizta tasvirdan iborat bo‘lgan mini-partiyada[cite: 13]:

• 1 ta yorliqli tasvir[cite: 13],
• 7 ta yorliqsiz tasvir olingan[cite: 13].

To‘rtta GPU orqali samarali mini-partiya hajmi (batch size) jami 32 ni tashkil qilgan[cite: 13].

Bu yondashuv ma’lumotlarni etiketlash xarajatlarini kamaytirishi mumkin; ammo o‘qituvchi modelning xatoli soxta yorliqlari, ayniqsa metall plombali yoki qattiq tish qiyshiqliklariga ega bo‘lgan tasvirlarda o‘quvchi modelga o‘tib qolishi ham mumkin[cite: 13]. Tadqiqot bu soxta yorliqlar alohida mustaqil mutaxassis nazoratidan o‘tmaganligini cheklov (limitatsiya) sifatida e’tirof etadi[cite: 13].

MICCAI STS 2024 ma’lumotlar to‘plami

Tasvirlarning aniqligi 1932×1050 dan 2560×1440 pikselgacha o‘zgaradi[cite: 13]. Asosiy taqqoslash jadvalidagi natijalar 20 ta tasdiqlash (validation) tasvirining beshta mustaqil o‘qitish yugurishidagi (run) baholariga asoslanadi[cite: 13]. PDF hujjatida 100 ta yashirin test tasvirlari uchun alohida ko‘rsatkichlar jadvali taqdim etilmagan[cite: 13].

DENTEX ma’lumotlar to‘plami

DENTEX uch xil klinik sharoitlardan olingan 1 005 ta panoramali radiografiyalarni o‘z ichiga oladi[cite: 13]. Tasvirlar turlicha asbob-uskunalar va tasvir olish bayonnomalaridan (protokollaridan) olingani sababli, u tibbiyotdagi haqiqiy klinik xilma-xillikka yaqinroq bo‘lgan muhit (domain) o‘zgarishini ko‘rsatadi[cite: 13].

Belgilar bir yillik tajribaga ega bo‘lgan stomatologiya fakulteti talabasi tomonidan yaratilgan bo‘lib, u keyinchalik 15 yildan ortiq klinik tajribaga ega bo‘lgan stomatolog tomonidan tekshirilgan va tahrirlangan[cite: 13].

Tadqiqotda DENTEX to‘plamining tishlarni raqamlash qismiga oid bo‘lgan piksel-darajali tish segmentatsiya teglari ishlatilgan[cite: 13]. Karies (tish chirishi), chuqur karies, periapikal o‘zgarishlar (ildiz uchi yaralari) va tiqilib chiqa olmay qolgan tish (impaсted tooth) kabi tashxis teglari ushbu izlanishning asosiy qiziqish markazida bo‘lmagan[cite: 13].

Tasvirlarga oldindan ishlov berish

Barcha tasvirlarga standartlashtirilgan dastlabki ishlov berish bosqichlari qo‘llanilgan[cite: 13]:

1. Piksel zichliklari min-maks shkalalash orqali 0 dan 1 gacha diapazonga keltirilgan[cite: 13].
2. Tasvirlar bikubik interpolyatsiya yordamida o‘lchami 1024×1024 pikselga o‘zgartirilgan[cite: 13].
3. Tasodifiy ravishda gorizontal o‘girish (flip) kiritilgan[cite: 13].
4. Tasodifiy ±15 darajaga aylantirish (rotation) qo‘llanilgan[cite: 13].
5. Yorug‘lik (yorqinlik) va kontrast ±10% gacha o‘zgartirilgan[cite: 13].

Bu harakatlar modelni turli xil suratga olish sharoitlariga bardoshliroq qilish uchun qaratilgan[cite: 13]. Shunga qaramay, hajmni qayta o‘lchash orqali anatomik chegaralarning piksel ifodasi deformatsiyaga uchrashi mumkin[cite: 13]. Shuningdek, hujjatda o‘lchami o‘zgartirilgan tasvirlardagi piksellar masofasi qanday qilib millimetrga o‘tkazilganligi tushuntirilmagan[cite: 13].

O‘qitish protokoli

Ishlashni baholash metrikalari nimani anglatadi?

Dice o‘xshashlik koeffitsiyenti (Dice coefficient)

Model taxmin qilgan tish maskasi ekspertning asl belgilariga qanchalik mos tushishini ko‘rsatadi[cite: 13]. 100% ga yaqinlashgan sari muvofiqlik yaxshilanadi[cite: 13]. Biroq ichki maydoni keng bo‘lgan tishlarning to‘g‘ri topilishi ingichka chegara xatolarining yomon ta’sirini yashirishi (kamaytirib ko‘rsatishi) mumkin[cite: 13].

IoU (Kesisishish va Birlashish nisbati)

Taxmin qilingan va haqiqiy maskalarning ustma-ust tushish maydonining ularning umumiy maydoniga bo‘lgan nisbati[cite: 13]. U ham Dice kabi maydonga asoslangan (hududiy) aniqlikni o‘lchaydi, ammo matematik hisoblashda uning shkalasi qattiqroq hisoblanadi[cite: 13].

ASD (O‘rtacha simmetrik sirt masofasi)

Taxmin qilingan chegara va haqiqiy chegara o‘rtasidagi har ikkala tomonga bo‘lgan o‘rtacha uzoqlikni o‘lchaydi[cite: 13]. Bu qiymatning pastroq bo‘lishi aniqlikning yuqori ekanligidan dalolat[cite: 13].

HD95 (Hausdorff masofasi 95%)

Ikkita chegara orasidagi masofalarning 95 foizlik nuqtasini hisoblaydi[cite: 13]. Eng yomon xatoliklarning 5 foizini istisno qilgan holda, chegaraning asosiy qismida qancha uzoqlikdagi eng yomon (maksimal) xatolik mavjudligini ko‘rsatadi[cite: 13].

HD95 = 0,79 mm degani barcha chegara nuqtalaridagi eng ko‘p xatolik qiymati 0,79 mm degani emas[cite: 13]. U chegara masofalarining 95 foizi ushbu raqamdan kam ekanligini ifodalovchi ishonchli o‘lchovdir; qolgan 5 foizlik qismda esa bundan ko‘ra jiddiyroq xatoliklar yuzaga kelgan bo‘lishi mumkin[cite: 13].

Statistik tahlillar qanday o‘tkazildi?

Barcha tajribalar besh marta, tasodifiy boshlang‘ich shartlar bilan takrorlangan[cite: 13]. Har bir ko‘rsatkich bo‘yicha o‘rtacha qiymat va standart chetlanish e’lon qilingan[cite: 13].

Tizimlar o‘rtasidagi farqlar quyidagicha tahlil qilingan[cite: 13]:

• Tasvir darajasidagi taqqoslashlarda Wilcoxon (Vilkokson) belgili ranjlar testi[cite: 13],
• To‘rtta metrika uchun Bonferroni to‘g‘rilash (correction) usuli[cite: 13],
• Oilaviy xatolik darajasi \(\alpha=0,05\) etib olinganligi[cite: 13],
• 1 000 ta qayta namuna olingan butstrap orqali 95 foizlik ishonch oraliqlarining hisoblanishi[cite: 13].

Asosiy tahlilda beshta o‘qitish natijasi 20 tasdiqlovchi tasvir bilan baholanib, jami \(n=100\) ko‘rsatkich olingan[cite: 13]. Xuddi bir rasmni besh xil natijalardagi qaytarilishi ularning bir-biriga bog‘liq bo‘lib qolish strukturasi sifatida statistik jihatdan qo‘shimcha tarzda qanday ko‘rilgani PDF da batafsil keltirilmagan[cite: 13].

Asosiy modellarni solishtirish

Taklif etilgan model to‘rtala ko‘rsatkichning barchasida o‘z raqobatchilarini ortda qoldirgan[cite: 13]. MedSAM, nnUNet, UNet++ va Swin-UNet kabi tarmoqlar bilan o‘zaro juft-juft bo‘lib o‘tkazilgan taqqoslashlarda to‘g‘rilangan p qiymatlari 0,05 dan past bo‘lgani xabar qilingan[cite: 13].

22,6% lik chegara yaxshilanishi qanday aniqlandi?

MedSAM da HD95 qiymati 1,02 mm, ishlab chiqilgan modelda esa 0,79 mm ekan[cite: 13]. Nisbiy pasayish shunday hisoblanadi[cite: 13]:

\[ \frac{1.02-0.79}{1.02}\times100 \approx22.6\% \]

Bu foiz chegara izlashdagi nisbiy yaxshilanish (pasayish) xolos[cite: 13]. Modelning umumiy yaroqlilik miqdori to‘liq 22,6 foiz o‘sdi yoxud xatolar tibbiyotda aynan 22,6 foiz qisqardi degani emas[cite: 13].

Chegara (chet) operatorlarini qiyoslash

Laplasyan, undan keyingi o‘rinda turuvchi Canny usulidan HD95 ko‘rsatkichini 0,88 millimetrdan 0,79 millimetrga pasaytirgan[cite: 13]. Bu 10,2% atrofidagi nisbiy farq shundan dalolat beradiki, Laplasyan har tomonga qarab yo‘nalish ishlata oladi (yo‘nalishga bog‘liq emas), noldan kesishib o‘tish orqali aniq chetlarni topadi va o‘qitishdan xoli ravishda turli vaziyatlarda sobit poydevor hisoblanadi[cite: 13].

O‘rgatiladigan 3×3 konvolyutsiya esa Laplasyandan pastroq natija bergan bo‘lib, u juda oz miqdorda tasvirlanadigan qirralarning, o‘rganish chog‘ida ko‘payib ketuvchi orqa fon gradientlari oldida yutqazib qo‘ygan bo‘lishi mumkinligini tajribada isbotlagan xulosa tariqasida tushuniladi[cite: 13].

Har bir modulning hissasi qanchalik bo‘lgan?

LoRA texnologiyasining qo‘shilishi Dice hisobini 2,1 foiz punktga tepaga, HD95 ni esa 0,34 millimetrga pastga olib tushdi[cite: 13]. Bu, aslida, oddiy odatdagi (fotografiyadagi) manzaralardan rentgen xaritasiga modelning tezkor va muhim moslashuv bosqichini ko‘rsatib bera oldi[cite: 13].

EGA orqali atigi 30 tagina rasm foydalanilganda ham HD95 ko‘rsatkichi 0,95 dan 0,86 millimetrga deklayn (qisqarish) bo‘lgan[cite: 13]. Qolgan qo‘shimcha yorliqsiz fotosuratlari orqasida ushbu baho 0,79 millimetrga tushirildi[cite: 13].

Kanal va fazoviy diqqat sababi nimada?

Fazoviy e’tibor bevosita aniq qirra chegaralarini tushuntira oladigan vizual nuqtani ko‘proq mo‘ljal qiladi; va shuning evaziga u oddiygina kanal diqqatiga nisbatan HD95 holatida yutuqliroq ko‘tarilish bera olgan[cite: 13]. Birga parallel ishlab chiqarish jarayonlari xususiyat kanal turlarining kimsi muhimligi va ushbu tur tushayotgan chiziqlarning aynan vizual zonalar qaeriga borib taqalganligini birdan hal qildi[cite: 13].

Boshqa ma’lumotlar bazasiga o‘tkazib sinalish

Tizim DENTEX bazasi atrofida endi noldan ta’lim olmagan, yoxud unga qo‘shimcha chora moslashtirilmay qarab ko‘rildi[cite: 13]. Bu esa bevosita mutlaqo ayrim bo‘lgan tashkilot va tibbiyot texnikalarini qanday ushlay bilishi tomondan ajoyib xulosaga ega bo‘ldi[cite: 13]. Mann-U-Whitney testi ikkala baza ustidan yasalgan Dice lar ro‘yxati qiyosiga asosan muhim ravishda ayrilish mavjudligini ko‘rsatdi[cite: 13]:

\[ p=0.003 \]

Sodda so‘zlar-la uqsak asbob uzkunalarning o‘zgargani real ko‘rinish sifatida baholarni haqiqatan o‘pirib yuborgan; bir so‘z bilan tizim mutlaqo doim barcha hudud stansiyalarida bir xil mukammallik chiqaravermaydi[cite: 13].

Murakkab bo‘lgan hollarda uning ko‘rsatkichi

O‘ta qiyin turiga g‘ajir-bujirlangan holatlar, o‘ta kuchli oq tushib qolgan metal plombalar izi, yoxud kanallari ichi o‘lgan hollarga qadar kirib ketadi[cite: 13]. O‘zgarish bo‘lib, ko‘rsatkich oddiylarga qiyosan pasayganligi tayin, lekin shunday guruhning ustidan HD95 yana xuddi oldingi 0,95 milli miqyoslarida joylashdi[cite: 13].

Bu kichik guruhi namunasi hajmlari rosa ozgina[cite: 13]. Aynan juda mushkul atalmish guruh ichidan cepi bilan torta (4) surat tanlangan. Endilikda bunday topilmani juda obdan barcha insoniy populyatsiya shaxobchalari tomon tarqata olish juda teran nazorat etilishi daxldor[cite: 13].

Tish guruhlari nuqtai nazarida yutuq ko‘lamlari

Eng kam ulush ko‘p qanotli yoxud tarmoqli chuqur ildiz anatomiyali so‘yloq (katta) tishga keldi[cite: 13]. Shunday esa-da ega ning eng yirik uzib qolgan Dice ochig‘i nnUNet uzoqligida qarab ham faqat Molyar da kuzatilgan[cite: 13]. Mutaxassislar buning ma’nosiga aynan qiyin ko‘plab jipslashgan, ildiz koronka chatishuv bo‘rtig‘ida, qattiq turib ajratish ustozi bo‘lgan EGA ning chetlar uqdiriluvchan diqqati eng ko‘p joniga aro kirgani sababini tiqadilar[cite: 13].

3-Tasvirlar bizga ne ishora yo‘llaydi?

Vizual surat qatorida originil shunchaki olib berilgan og‘iz radyiografiyasi, uning qo‘pol va hali EGA tiqilmagan yopiq modeli shakli hamda EGA o‘tgandan kning sirtqi holati yonma yon tizilgan[cite: 13].

Hali EGA bilib bormay oldingi chizmalar faolligi mo‘ljal tishlarning hududlariga har joylaridan sachrab oqib ko‘ringan[cite: 13]. Bir-biridan o‘tish va tiralib ketish sohalarida bu ma’lumotlar bir turga o‘ralib aralashib turgan manzara topildi[cite: 13].

EGA o‘z o‘rniga to‘g‘rilanganda javob qatlamlari ingichka hamda diqqatni mutlaq o‘zida aks etgancha jamlangani payqalib chiqqan[cite: 13]. Buni mualliflar tizish tilida "murakkab yotishlar orasidan adashib niqobni urib yuborishi yoxud sochilib chiqishini tortib oldi" degan ma’no orqali baholaydilar[cite: 13].

Buning kuchi sub’yektiv tomoshaviy kuch-quvvat ekanligi aniq, ammo ular tekis yolg‘iz tibbiy xatolar sinov kafolati o‘rnini bermaydi[cite: 13]. Obiektiv izlar aynan yuzasidan beringan Dice, ASD, hamda HD95 grafalari orqali isbotlanib sanaldi[cite: 13].

Infratuzilma kompyuter kuchi taqozosi

EGA qoshilgach sistema boshqalarga nisbatan ortiq 0,28 miqdor million xossalari ulanishi orqasidan, 3,7 Gigalik GFLOPs lar, hamda taxmin ko‘rib chiqish daqiqasida o‘rtacha yana 2 ms yuk ortgani anglanadi[cite: 13]. Biroq u jami sig‘im masshtabi e’tiboridan shunchaki taxminan %2 sarf evaziga baholanib uqildi[cite: 13].

Aynan ko‘rilgan 124 ms oraliq NVIDIA RTX 3090 stansiyasi ostida o‘qilgan yozuvdi[cite: 13]. Tibbiyot joylari (klinikalar) oddiy past-quvvat sistemalari, kompyuterni o‘z asosiy be-video moslamalari yoki umuman boshqa muhit ostida qancha cho‘zilib kechikishi xaqqida hozir e’lon yorqin tarzda uqdirilmagan[cite: 13].

Davo maqsadlarida 0,79 millimetr atamasi nimalarni hal qila oladi?

Tadqiqot yozuvchilarining gipotezasiga doir bo‘lib turib ular shuni iligari surdiki: joylashtirish tish implantlarini va tel taqib bog‘lash (ortodontiya) davrini o‘ylab chiqish ishida har safar 1 milli metrgacha aniqlanishi hal qiluvchidir[cite: 13]. Ko‘rsatma yo‘li kabi yoniga kelgan yadrosi orasiga kam deganda 1,5 dan 2,0 milimetr atrofidagi oraliq o‘rinlar kafolati talab bo‘linishligi; shunga raddan kelib bu kengaytirilgan rasm usulida naqd taminlanishi 10% distorsiyaviy aldanib kattalashishi mavjud ham buni ham tan olganlar[cite: 13].

Agar yirik nnUNet ishidan chiqqan 0,97 HD95 natijasidan, ushbu modeldagi eng pas natijaga tushirilganida – shunday bo‘ladi: oradagi atigi 0,18 mm xafv noaniqligi farqi olindi deyiladi[cite: 13]. Shu asnosida, olimlar bu mikrokichik darzli kamayish imkoniyati inshootda o‘sha eng nozik darz suyak joylarida yana kichik muhofaza joyini tortiq etishi mukin deb xulosa chiqardi[cite: 13].

Aslida biling-ki, mazkur tajribali sinov to‘ppa-to‘g‘ri olib borilgan implant o‘rnatib uni o‘tqazish xodisasi deyila olmasdi[cite: 13]. Avtomobil orqali chiqqan xaritaning xisob-kitobi ustida bevosita qurilgan model, o‘ta sifatli saqlangan asboblarga asos buldi, deb xato kamayib uni bemalol 3 o‘lchamli rentgen (CBCT) dan foriq etdi degan fikr ustiga xam yetaklamaydi[cite: 13].

O‘zi boshdan bu asbob ustma-ust chiqqan, hamda kengaytmalardan azob ko‘rgan shisha ustiga chiqqan panoramik rentgendan tashkil topgani bilanoq, uning atiga ajratib olinadigan tushuvchi kamchiligi hech qachon shuni aniq fizika xatolar qolipiga bosolmaydi[cite: 13].

Tadqiqotning eng muvaffaqiyatli asoslari qanday?

• Chet xatti kabi informatsiyalar birikmani tushirmay shunchaki jarimaga solmasdan o‘z-o‘zini qiziqadigan hudud bo‘ylab qaror oluvchining mag‘zidan joylagan bo‘lishligi[cite: 13],
• Qaysi filtr maqulini – Laplasyanmi, yo‘ki Sobel, kanni yohud yangidan qo‘shilgan narsami degan raqobat o‘rtasida qiyoslab chetlantirganligi[cite: 13],
• RFB usuli, Kesib o‘tgan ko‘rish va yarim nazorat ostiga dars va LoRA modullarini ham alohida xissasini abalyatsiya yechimida tekshirganligi[cite: 13],
• Tasodifan ochib kelinadigan ko‘rib ketishlar sonini turli taraflama 5 ta ustidan tasdiqlash uchun bajarishi[cite: 13],
• Sifat faqat yopib qolish bilan uylanmay naq uzoq masofali og‘ishlarga HD va ASD xatolari ishini birlashtirilgani[cite: 13],
• Vilkokson testi, Bonferroni hisobati hamdada butstrap ishlatib turib 95 shkalali bahosi ustidan ilmiy ishni uzib chiqilgani[cite: 13],
• Chetga qarab yo‘l tutilgan DENTEX atrofida tajriba usulini ko‘rganligi[cite: 13],
• Norma atrofidagilarni, mashaqqatliklarni o‘ta tishlari g‘ovlab ketgan turlarni bo‘lak holatda tahlil qilingani[cite: 13],
• Kichik va og‘ir yirik tishlarga nisbatini bahoga kiritilganligi[cite: 13],
• Vazn miqdori, Flop tezligi hamda muddatiga ham qisqacha ma’lumoti berib utganligi[cite: 13],
• Ma’lumotlari hammaga taqdim etiluvchan ommaviy ko‘lamlari tekshiruv qilinganligi[cite: 13].

Loyiha atrofidagi nuqsonliklar

• Ushbu tadqiqot tengdosh ekspertiza tekshiruvchi mutaxassislari oldidan ko‘rikdan otilmagan (preprint) asari dir[cite: 13].
• Jiddiy asos qilib kiritilgan belgilanish o‘quvi ham bor-yog‘i 30 tagina shaxsan ochiq xaritasiga taalluqli xolos[cite: 13].
• Qolgan yuzlab-minglab (2350ta) soxta ishlab kiritilgan feyk maskalari butun tibbiyot oq qishloqlari qattiq qaralmagani ochiq ko‘rinib yotibdi[cite: 13].
• Yakuniy solishtiruv darsi atigi 20 dona tasdiq xaritasini o‘rtasida ulab topilgani yozilganda bazi joyda 100 guruhcha tahlili grafadan umuman yashirin yotipti[cite: 13].
• Boshqa markazlarni yoritgan DENTEX atigi 50 tadan ortmas sinov tasdiqiga yuz tutdi ammo unga aloqador to‘liq maxfiy list taqdimotiga tushurilmagan[cite: 13].
• Turli doktor kishi ko‘zida chegaraning ayni bitta xili bittadan kelmagan xolat ko‘zdan xech tushurulmadi[cite: 13].
• Mutaxassis qo‘li oldida ham uning shu chiqib turgan xato nisbati 0,79 milliga naqadar kelajagini ham aytish hozirda notaniq[cite: 13].
• Uzunasiga ko‘ringan kattalik rasm uzunasidan-uzunasiga pikselli 1024 ga siqildi degani endilikda real odam kallasiga aylantirib qanday millimetrlangani siri ochilmadi[cite: 13].
• Bir-biriga aloqador ayni ulanib ishlaydigan rasm bitta emas bir nechta usullarda turli xil hisoblangan deb qayd tushdi; bunda uni bog‘liqlik tuzilmasi isbotlab izohlanmadi[cite: 13].
• Ablyatsiya xisobi doim alohidalab ust-ma ust olindi faktoryal holda u birlashgandagi natijasini taxlilga surilmagan[cite: 13].
• Mazkur qurilma faqat inshoot va imorat xususiyatiga monand vizual chizmalardir[cite: 13].
• Tish kassaliklarida suyak erroziyasi, xavfli moddalar singari diagnostikalarni belgilamadi[cite: 13].
• Tirik rejalashtirish davosida bemorni qutqarish oldinda proksimativ davolab chiqilmadi[cite: 13].
• Tushib qo‘yish usuli orqali doktor davosining ishi sezilarli samara bermog‘ini yana hech bir tibbiy tasdiqlab quymagandir[cite: 13].
• DENTEX dan foydalangan maxali darajasi o‘z kuchidan ancha xatoga yuz tutdi, xuddi tengi ish ko‘rmagandek bo‘lib natija yo‘qoldi[cite: 13].
• O‘ta nozik soha e’tibor qilinganlar garchi bir xil og‘irlikdagi toifa atalganda ichidan ham bor-yo‘g‘i bittada 4 bo‘lak tasvir aralashgani muammoga boydir[cite: 13].
• Uning ega bo‘lgan modeli garchand uning mustaqil boshqalarga birdek taqdim eta olinadi deyilganu xozir faqat ayni bitta SAM ko‘lamida cheklangan isboti keltirildi xolos[cite: 13].
• Deylik, ResNet xuddi yoxud shunga qarindosh ko‘pchilik kodlovchi tarmoqda yorib chiqilmagan[cite: 13].
• Dasturlar kutubxonasi kodi yoxud buni takrorlovchi link izoh ichida ko‘rsatilmadi[cite: 13].
• Tahlil tezligi atigi boy grafik asbobdan o‘xshatildi va holos.[cite: 13]

Loyiha qanday hisobotlarni bo‘yintiriqqa tortadi, qay biri so‘roq ostida?

Bugungi va kechagi-uzoq taassurot nazariyalari borasida nima topiladi?

Eski maktab va jarayon holati tish tasviri bilan kurashish klassik yo‘l ya’ni chegara filtr, cheklanish nuqtalari bilan bir qatorda yig‘im-terim hisoboti bo‘lgan edi[cite: 13]. CNN erasi u yerga ulanib obyektdan kelib chiquvchi bilim tasvirini anglashgacha bordi ammo xiralashgan uzok chiziqchalar yoki bo‘lmasam a’zolar shakli muammoga tushub ketdi[cite: 13].

Asosli hamda Transformatorlarning global asari kelib unda yuksak o‘rgatilgan narsalar kirib keldi[cite: 13]. Shunisi yomonki fotografik odatiy turmush tasviri uning haqiqiy og‘iz tuzilmasi ostida yo‘li tish tishlangan to‘siqlarida baribir g‘am-alam ula oldi[cite: 13].

Bugungi hol ushbu izlanish eski turg‘un ko‘z filtrasi Laplasni eng innovatsion e’tibor mashinasi ichiga uyg‘un holatda yetaklaydi[cite: 13]. Bu yerda o‘rganishlar asosiga o‘tilmay eski geometriyalik ishonch u bilan qayta uylanishiga ruxsat solingan[cite: 13].

Istiqbol dagi huddi shunaqangi chegara qoldiruvchi qism kelajakda quyidagilar uchun maxsus olinishi tayindir[cite: 13]:

• To‘r pardasiga ulangan qon yo‘llarini tahlilini yasadiganlarga[cite: 13],
• Gistologiyada to‘qima sitologik qoplami chiziqlarigacha[cite: 13],
• Ko‘kraksimon tushuvchi ultratovush osti o‘sma chetlarida[cite: 13],
• Stomatologiyada tish toshlari balandligiga[cite: 13],
• Yaralar ochiq ko‘rinishi shakliga[cite: 13],
• Buzilayotgan yuzalar bilan tikuv ashyolar o‘rnini ajratuvida[cite: 13],
• Va shuningdek asosiysi CBCT orqali ham bino qilingan qattiq tish uch o‘lcham qismini terilishiga imkon tutadi[cite: 13].

Tadqiqotning aytilgan umumlashtirish doiralari bir asno fanda to‘liq kafilligiga tasdiq aytilmadi[cite: 13]. Bu narsalar klinik ko‘p xujjat, va davolash apparatlari ustidan tahlillar kutmoqda[cite: 13].

Tadqiqot uslubi va natijalari

Texnik xulosa bayoni ustidagi mexanizm

Muhim ilmiy formulalar

Baza stansiyasi darsi jamlanmasi

Raqam ko‘rsatkich yutug‘lari asosi

Tibbiyot tadqiq va unga ilinish nishonlari isboti talqini

Tadqiqotchilar uqtirish bilan ishlangan bu yechim faqat Dice nishonini sal surib bormagani emas[cite: 13]. Ya’ni sistema eng zo‘ri chiqqan nuqtasi shundaki izlanuvchan va chet daxshatida og‘ir deb ko‘rgan xatosida — HD95 atalmish baho qo‘yadigan joyida yorug‘ qildi[cite: 13].

Asosli ravishda uqish mumkinki panoram rasmida juda a’lo darajada ichki xona hajmlarini odatda bo‘shashmas model ham bemalol idrok ayladi[cite: 13]; Lekin gap uldizlarga va oraliqdagi jips qisimlarga hamda ildiz tizzalaridagi kichik dog‘-iz chekkasini urib bermoqqa kelgandi shundan asosiy diqqat joy ajralib qoldi[cite: 13].

Turg‘un filtr (Laplasyan) uzi butun ishni tugatib yasamadi[cite: 13]. Tizim faqat uning bilganlarini aqlli dars bilan aralashtirgan xolda qaysi tomonga qarash yuksakligini tayyorlatish qulida etib qolganini tushuntirdi[cite: 13]. Ya’ni qadim zamonda rasmdan topadigan eskilik bilan xozirgi aqlli mashina chizikligini orasiga shunchaki yangidan kelishuv bitimi qo‘shilganining ideal timsolidir[cite: 13].

Baribir shu izlanish yutuqlari klinikalardagi stolingiz ustiga tayyor joylashtirilishi kutilsa ularga chet el uzoq uskunalar va apparatlari nazorati orqasida u nima kiloladi[cite: 13]; Yoki meditsina ishchilari rasmlar oraligidagi inson qadriyatlaridagi xatosining foizi, yohud ana bitta jarrohiyalikka yo klinikalik aniq diagnozlarni nima yigib tushirishini aytishni mutaxasislikka turg‘un sinovi lozim deb uqish zarurati qolur[cite: 13].

Manba va uslubiy izoh

Mazkur sharhning g‘oya va bayoni Yukkun Du (Yukun Du), Ruy Chjan (Rui Zhang), Yud Tsi (Yude Ji), Syaqan Song (Jiaqian Song) yoxud Bo Ma (Bo Ma) larning birgalikdagi izlanish matni deb topilmish: “Hierarchical Refinement of SAM 2 via Edge-Guided Attention for High-Fidelity Dental Segmentation in Panoramic Radiography” deb kelinayotgan ishlari asnosida vujudga oldi[cite: 13].

Mualliflarning mutaxassis doiralari Shinhezi darsgohlaridagi Bilish informatsiyalari hamda Texnologik ishlari va uning Stomatologiya darsgohi kasalxonasi uylariga birlashtirildi[cite: 13].

Loyiha panoram olingan rasm atalmish tish surati tahlil qiluvchi alohida suniy ong chizmasi ustidan chiqqan hisoblash modellashtirish va uskunalar yutug‘ida bir xil ustun ko‘rsatmalari tadqiqot ko‘lamidagi jurnal taqrizlaridan otilmagan izlanishdir (preprint)[cite: 13].

PDF ichra “This preprint research paper has not been peer reviewed” matni muqaddimaga to‘g‘ridan to‘g‘ri surilib isbot o‘rnida berib qo‘yilib keldiki: hech bitta chet olimlari izlanib ekspert qo‘ymagan holat tasdiqi demakdir[cite: 13]. Ruxsat olgan ilmiy matbuot ishi tasdigi yoki aynan o‘zinigina isboti DOI orqasida manbai ulanib qayd asar topilmaydi[cite: 13].

Ishga mutlaq umum e’londagi MICCAI STS (2024 yillik) yoki DENTEX rasm-qog‘oz arxividan ilova-asos tariqasida berildi. Ushbu matn ijodkorilari hech bitta bemordan yangi material asar yoki tashxis klinik dars uchun bemor uskunaga yuz ko‘rsatmadi[cite: 13].

Izlanishlarning jami Shinhezi Universitet (CXFZ202309) kodi yordamida innovatsiya grant iqtisod yelkalashiga olindi[cite: 13]. Xech kim shaxsiy biznes tish manfaat dorlik maqomi kiritmaganligini radd etganlar[cite: 13].

Haqiqiy muvaffaqiyat hisob natijalari 20 tagina dars (tasdiqlash) rasmini 5 ta dars-o‘qitish sinfiga yo‘naltilgan xulosalarda mujassamlangan[cite: 13]. Arxiv rasm ichidan qariyb 100 maxsus saqlanganlari bazasi ekanligiga e’tibor tortilsa-da xozir ularni ko‘rsatib ajratilib tasvirlanadigan listlar rasmi berilmadi[cite: 13].

DENTEX ishlari ham o‘z navbatida yana ham chetdan test o‘tkazilgan 50 tasining natijasi ro‘yiga o‘z dars tasdigi e’tibor qilingan xolos. Cheklovda 2.7 o‘rtachada uzilib yomon ko‘rsatish orqasida ular baribir “sharoitlari har turli domenda to‘liq qoldirdi” degan to‘liq so‘z isboti qotib berolmaydi, oz-muncha bo‘shliq e’tibor uylatadigan xolat kiritadi[cite: 13].

Olimlar birgina shunday deyilishdan yiroq xolos: Tish xastalik jaroxati yoki chiroyli kelishgan yonoqlardagi o‘zgarish bo‘lish yohud unga aynan ushbu mashina davo bo‘lishdek xulosalar mutlaqo izlanish emas[cite: 13].

Xam tishlar a’zosi uzil kesil o‘rinda joyiga segment xaritasini tashlab qo‘ya qolish bilangina yetaklandi. Infeksiya yoki shishi, ichdan zarbi chiqqani atrofida yoki implantat tekis kirdi deguvchi hujjat bu yerda uchrashi yopilgan[cite: 13].

Datchik natijasi qanday tushsa tushsun unda olinayotgan uzoqlik, uste tushishlar kabi nozik muammolar o‘ta mukammallashmay qoladigan rentgen optika jismoniya sabablari o‘z holi baribir bino asoratiga yo‘yilib ketaverishi aniq etiladi[cite: 13].

Tizim EGA xam aslo qaysi kod xusussidan yiroqlashgani aytilsa-da u faqat ayni yopiq turlargagina maxsus ulab ko‘rilgani dars orqasida bayon berdi. Lekin ConvNeXt guruhlari atrofida yana-da to‘la ushlasa shu daraja yuqori bulishi test tariqasi o‘z kuchidan otganicha ko‘rsatilmadi[cite: 13].

Bu mazkur tahrir tilida aynan o‘zlashtirilib hujjat (PDF) larda bitib qoldirilgan izlar, rasm, jadvallar-u tajribaning ma’no talqinidan suyanilib xozirlangan ma’lumotdur. Lekin qo‘yib tashlanib, klinika qutqaruvi deb odam tasdiq qilgan ko‘rsatma-yu odatiy insoniylik aqli darajasidan butunlay baland deb tasdiqlamasligimiz uqdirib eslatiladi[cite: 13].