Enhanced tooth segmentation algorithm for panoramic radiographs (2023)
- Authors:
- Autor USP: CARNEIRO, JOSÉ ANDERY - FFCLRP
- Unidade: FFCLRP
- Sigla do Departamento: 595
- DOI: 10.11606/D.59.2023.tde-20022024-073306
- Subjects: APRENDIZADO COMPUTACIONAL; DIAGNÓSTICO BUCAL; RADIOGRAFIA PANORÂMICA; VISÃO COMPUTACIONAL
- Keywords: Aprendizado profundo; Computer vision systems; Deep learning; Oral diagnosis; Panoramic radiography; Segmentação de dentes; Sistemas de visão computacional; Teeth segmentation
- Agências de fomento:
- Language: Inglês
- Abstract: A saúde bucal abrange uma ampla gama de condições, incluindo cáries dentárias, doenças periodontais, perda de dentes e câncer oral. Manter uma boa saúde bucal requer tanto a prevenção quanto o tratamento dessas condições. A detecção oportuna é crucial para evitar sua progressão. Embora as inspeções clínicas sejam eficazes em muitos casos, elas enfrentam limitações na identificação de problemas ocultos ou de difícil acesso. A radiografia dentária desempenha nestes casos um papel vital na garantia de diagnósticos precisos. Para aprimorar a velocidade e a precisão da análise de radiografias, os profissionais de saúde bucal estão cada vez mais adotando soluções que utilizam de Visão Computacional, com ênfase em Aprendizado Profundo para o processamento de imagens. Essas soluções deram origem a diversas ferramentas de diagnóstico, que vão desde a identificação de cáries até o auxílio em tratamentos de canal. Um passo inicial comum para essas ferramentas envolve a detecção dos dentes presentes nas imagens radiográficas. Para aprimorar essa fase crítica, apresentamos um sistema modular de segmentação de dentes. Esse sistema é composto por dois componentes-chave: (i) detecção da região bucal e (ii) segmentação de cada dente dentro da cavidade bucal identificada. Utilizamos a rede RetinaNet para a detecção da boca e a rede Cascade Mask R-CNN para a identificação dos dentes. Treinamos esses modelos com um conjunto de dados anotado por profissionais experientes, que inclui 935 radiografias panorâmicas com caixas delimitadoras da boca e, dentre elas, mais 605 com polígonos contornando os dentes, totalizando 14.582 dentes anotados. As tarefas propostas nesta pesquisa estão interligadas, com a saída de uma etapa sendo a entrada para a próxima. Nosso sistema obteve resultados excepcionais, com a detecção da bocaalcançando 92,446 mAP e 0,982 F1-score, e a segmentação de instância dos dentes atingindo 79,222 mAP e 0,9894 F1-score, superando os benchmarks estabelecidos por estudos similares. Nossa ferramenta modular permite futuras expansões, integrando diversas novas funcionalidades, como a numeração dos dentes ou análise de cáries. Além de servir como auxílio diagnóstico, oferecendo suporte aos dentistas como uma segunda opinião, nosso sistema tem o potencial de agilizar a geração de relatórios epidemiológicos para grandes amostras populacionais. Ele também encontra relevância na medicina forense, uma área especializada dedicada à identificação de indivíduos com base em suas características orais e dentárias
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2023
- Data da defesa: 21.11.2023
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
CARNEIRO, José Andery. Enhanced tooth segmentation algorithm for panoramic radiographs. 2023. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-20022024-073306/. Acesso em: 20 jan. 2026. -
APA
Carneiro, J. A. (2023). Enhanced tooth segmentation algorithm for panoramic radiographs (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/59/59143/tde-20022024-073306/ -
NLM
Carneiro JA. Enhanced tooth segmentation algorithm for panoramic radiographs [Internet]. 2023 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-20022024-073306/ -
Vancouver
Carneiro JA. Enhanced tooth segmentation algorithm for panoramic radiographs [Internet]. 2023 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-20022024-073306/
Informações sobre o DOI: 10.11606/D.59.2023.tde-20022024-073306 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
