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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
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://www.teses.usp.br/teses/disponiveis/23/23164/tde-06122024-174639/. Acesso em: 29 dez. 2025. -
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://www.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 2025 dez. 29 ] Available from: https://www.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 2025 dez. 29 ] Available from: https://www.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 o DOI: 10.11606/T.23.2024.tde-06122024-174639 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
