Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia (2024)
- Autores:
- Autor USP: ZANINI, LUIZ GUILHERME KASPUTIS - EP
- Unidade: EP
- Sigla do Departamento: PCS
- Assuntos: APRENDIZADO COMPUTACIONAL; CÁRIE DENTÁRIA; PROCESSAMENTO DE IMAGENS; TOMOGRAFIA
- Agências de fomento:
- Idioma: Português
- Resumo: Os exames de Tomografia Computadorizada de Feixe Cônico (TCFC) são essenciais na área de Odontologia, tanto para o diagnóstico preciso quanto para o planejamento de tratamentos dentários complexos. Um dos achados possíveis nas imagens de TCFC são as suspeitas de cáries, que constituem um desafio por ser difícil a sua diferenciação de artefatos, principalmente causados pela atenuação de materiais densos ou metálicos. Outra dificuldade se encontra na identificação de cáries em estágios iniciais, cujo tamanho dificulta a visualização na TCFC. A identificação e a classificação de cáries por meio desses exames possibilita intervenções precoces e tratamentos eficazes de lesões cariosas. No entanto, a abordagem tradicional para identificação dessas lesões depende fortemente de avaliações visuais e interpretações de imagens por especialistas, um processo que exige tempo e esforço. As metodologias de segmentação de imagens e as técnicas de Aprendizado de Máquina têm sido cada vez mais adotadas na Odontologia para aprimorar a identificação de cáries e outras doenças. A partir de uma revisão sistemática de métodos computacionais foi constatada uma notável ausência de métodos que diferenciem os estágios das cáries, importante para definir o tratamento da mesma. Considerando os avanços tecnológicos recentes na Odontologia e as tendências e limitações identificadas na literatura atual, o objetivo deste projeto é desenvolver um método para classificação e segmentação de cáries dentárias em imagens de TCFC, integrando técnicas de processamento de imagens com técnicas de Aprendizado de Máquina. Adicionalmente, o método incorpora o uso de Aprendizado Profundo em conjunto com tarefas de Self-supervised Learning, empregando a escala do International Caries Detection and Assessment System para aclassificação dos diferentes níveis de cáries. Na etapa de segmentação, foi atingido o objetivo de segmentar automaticamente a região lesionada, com precisão de 88,50%, sensibilidade de 87,33% e índice de Jaccard de 0,7037. Na classificação, foram utilizadas duas abordagens: Aprendizado de Máquina Clássico e Aprendizado Profundo com Self-supervised Learning (SSL). Na classificação com Aprendizado de Máquina Clássico, os modelos apresentaram acurácia e F1-Score macro acima de 86%. Utilizando Aprendizado Profundo com SSL, a F1-Score macro foi superior a 88%, representando uma melhoria significativa em relação aos modelos anteriores. Esses resultados mostram a eficácia da abordagem proposta ao apresentar uma análise de abordagens e técnicas para identificação e, consequentemente, a classificação da região afetada com base na pontuação do International Caries Detection and Assessment System.
- Imprenta:
- Data da defesa: 01.08.2024
-
ABNT
ZANINI, Luiz Guilherme Kasputis. Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php. Acesso em: 03 out. 2024. -
APA
Zanini, L. G. K. (2024). Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php -
NLM
Zanini LGK. Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia [Internet]. 2024 ;[citado 2024 out. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php -
Vancouver
Zanini LGK. Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia [Internet]. 2024 ;[citado 2024 out. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
