Detecção e classificação automática de lesões intraósseas dos maxilares em radiografias panorâmicas através de redes neurais convolucionais (2024)
- Authors:
- Autor USP: SILVA, RENAN LUCIO BERBEL DA - FO
- Unidade: FO
- Sigla do Departamento: ODE
- DOI: 10.11606/T.23.2024.tde-06122024-174639
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Keywords: Artificial intelligence; Convolutional neural networks; Inteligência artificial; Lesões osteolíticas; Osteolytic lesions; Redes neurais convolucionais
- Language: Português
- Abstract: Objetivo: Este estudo avalia o desempenho de uma Rede Neural Convolucional (RNC) de aprendizado profundo na detecção e classificação das lesões intraósseas mais prevalentes do complexo estomatognático em radiografias panorâmicas. A análise concentra-se em lesões osteolíticas, incluindo cistos, tumores e outras condições, utilizando a radiografia digital para aprimorar a precisão diagnóstica. Materiais e Métodos: A pesquisa utilizou 825 radiografias panorâmicas digitais anonimizadas da Faculdade de Odontologia da Universidade de São Paulo, abrangendo de 2010 a 2020. As imagens foram selecionadas com base em critérios específicos de inclusão: radiografia panorâmica digital com boa qualidade técnica, dentição permanente e pelo menos uma lesão osteolítica presente. O modelo RNC, YOLOv8, foi treinado e validado neste conjunto de dados, aplicando técnicas de pré-processamento como CLAHE para aprimoramento da imagem e métodos de aumento de dados para robustez do modelo. Resultados: A RNC demonstrou precisão variada em diferentes categorias de lesões, com uma precisão notável na detecção de 'Cisto Ósseo Simples' e 'Cisto Dentígero'. O desempenho do modelo foi avaliado usando métricas como precisão da caixa delimitadora (Box(P)), recall (R), Precisão Média (mAP50 e mAP50-95), em diferentes classes de lesões. Os resultados destacaram um Box(P) de 0.823 e um R de 0.655 para 'Lesões Osteolíticas', com um mAP50 de 0.757. No entanto, o modelo exibiu desafios na distinção entrecertas condições, como 'Ameloblastoma' e 'Lesão Apical', indicando uma necessidade de aprimoramento na capacidade de classificação específica. Esses valores sugerem uma capacidade promissora da RNC em identificar e classificar lesões osteolíticas com alta precisão, embora com limitações evidentes em distinguir entre tipos de lesões similares. Conclusão: A implementação de RNCs, especificamente o modelo YOLOv8, na análise de radiografias panorâmicas para detecção e classificação de lesões osteolíticas, provou ser eficaz. Apesar dos desafios na distinção entre tipos de lesões estreitamente relacionados, as altas taxas de precisão e recall do modelo para lesões específicas sublinham seu potencial como ferramenta diagnóstica na odontologia. Recomenda-se treinamento adicional com conjuntos de dados maiores e mais diversos para aprimorar o desempenho do modelo e a aplicabilidade clínica
- Imprenta:
- Data da defesa: 21.06.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SILVA, Renan Lucio Berbel da. Detecção e classificação automática de lesões intraósseas dos maxilares em radiografias panorâmicas através de redes neurais convolucionais. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/23/23164/tde-06122024-174639/. Acesso em: 02 abr. 2026. -
APA
Silva, R. L. B. da. (2024). Detecção e classificação automática de lesões intraósseas dos maxilares em radiografias panorâmicas através de redes neurais convolucionais (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/23/23164/tde-06122024-174639/ -
NLM
Silva RLB da. Detecção e classificação automática de lesões intraósseas dos maxilares em radiografias panorâmicas através de redes neurais convolucionais [Internet]. 2024 ;[citado 2026 abr. 02 ] Available from: https://teses.usp.br/teses/disponiveis/23/23164/tde-06122024-174639/ -
Vancouver
Silva RLB da. Detecção e classificação automática de lesões intraósseas dos maxilares em radiografias panorâmicas através de redes neurais convolucionais [Internet]. 2024 ;[citado 2026 abr. 02 ] Available from: https://teses.usp.br/teses/disponiveis/23/23164/tde-06122024-174639/ - Avaliação da densidade ótica peri-implantar cervical em controle longitudinal de implantes na região anterior de maxila
- Deep learning for sex determination: analyzing over 200,000 panoramic radiographs
- Evaluation of cervical peri-implant optical density in longitudinal control of immediate implants in the anterior maxilla region
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
