Campo DC | Valor | Idioma |
dc.contributor.advisor | Rebello, Iêda Margarida Crusoé Rocha | - |
dc.contributor.author | Bispo, Mayara Simões | - |
dc.creator | Bispo, Mayara Simões | - |
dc.date.accessioned | 2021-06-30T20:17:33Z | - |
dc.date.available | 2021-06-30T20:17:33Z | - |
dc.date.issued | 2021-06-30 | - |
dc.date.submitted | 2020 | - |
dc.identifier.uri | http://repositorio.ufba.br/ri/handle/ri/33688 | - |
dc.description.abstract | Introdução: Dentre as várias entidades patológicas do grupo lesões
intraósseas odontogênicas benignas, confere-se destaque ao queratocisto
odontogênico e ao ameloblastoma em razão de suas altas taxas de prevalência e
similaridade nas características radiográficas, que tornam desafiador o diagnóstico
diferencial entre elas. Nesse contexto, as Redes Neurais Convolucionais
(Convolutional Neural Networks - CNNs), uma das vertentes da Inteligência Artificial,
podem sugerir diagnóstico de lesões com alta precisão e rapidez ao aprender com
padrões reconhecidos nas imagens de maneira supervisionada. Objetivo: analisar o
desempenho da classificação automática de queratocistos odontogênicos e
ameloblastomas, a partir de imagens de Tomografia Computadorizada de
Multidetectores (TCMD) através do uso de um modelo de CNN. Metodologia: Para a
construção do dataset foram selecionados exames por TCMD de pacientes portadores
de ameloblastomas convencionais (n=22) e queratocistos odontogênicos (n=18) com
laudo anatomopatológico conclusivo. As imagens tomográficas axiais foram
segmentadas manualmente por um examinador experiente e submetidas a algoritmos
de incremento de base, totalizando 2000 imagens. Para estimativa de acurácia do
modelo CNN GooglLe Inception v.3 como classificador binário foi utilizado o método
de validação cruzada k-fold, com k = 5. Resultados: Os valores de acurácia e desvio
padrão (%) da validação cruzada para as cinco iterações realizadas foram de
90,16±0,95, 91,37±0,57, 91,62±0,19, 92,48±0,16 e 91,21±0,87, respectivamente.
Conclusão: O modelo de CNN GoogLe Inception v.3 demonstrou resultados positivos para classificação de imagens tomográficas de queratocistos odontogênicos e
ameloblastomas. | pt_BR |
dc.description.abstract | Introduction: Among the various pathological entities in the group benign odontogenic
intraosseous lesions, odontogenic keratocyst and ameloblastoma are highlighted due
to their high prevalence rates and similarity in radiographic characteristics, which make
the differential diagnosis between them challenging. In this context, the Convolutional
Neural Networks (CNNs), one of the strands of Artificial Intelligence, can suggest
diagnosis of injuries with high precision and speed when learning from patterns
recognized in the images in a supervised manner. Objective: to analyze the
performance of the automatic classification of odontogenic keratocysts and
ameloblastomas, using Multidetector Computed Tomography (MDCT) images using a
CNN model. Methodology: For the construction of the dataset, MDCT examinations
of patients with conventional ameloblastomas (n = 22) and odontogenic keratocysts (n
= 18) with conclusive anatomopathological report were selected. The axial
tomographic images were manually segmented by an experienced examiner and
subjected to basic incremental algorithms, totaling 2000 images. To estimate the
accuracy of the CNN GooglLe Inception v.3 model as a binary classifier, the k-fold
cross-validation method was used, with k = 5. Results: The values of accuracy and
standard deviation (%) of the cross-validation for the five iterations performed were
90.16 ± 0.95, 91.37 ± 0.57, 91.62 ± 0.19, 92.48 ± 0.16 and 91.21 ± 0.87, respectively.
Conclusion: The CNN GoogLe Inception v.3 model showed positive results for the
classification of odontogenic keratocysts and ameloblastomas tomographic images. | pt_BR |
dc.description.sponsorship | CAPES | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Ameloblastoma | pt_BR |
dc.subject | Cistos Odontogênicos | pt_BR |
dc.subject | Inteligência Artificial | pt_BR |
dc.subject | Tomografia Computadorizada por Raios-X | pt_BR |
dc.title | Análise do desempenho de rede neural convolucional na classificação automática de imagens tomográficas de queratocistos odontogênicos e ameloblastomas | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.referees | Rebello, Iêda Margarida Crusoé Rocha | - |
dc.contributor.referees | Campos, Paulo Sérgio Flores | - |
dc.contributor.referees | Martins, Gabriela Botelho | - |
dc.publisher.departament | Faculdade de Odontologia | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Odontologia e Saúde | pt_BR |
dc.publisher.initials | UFBA | pt_BR |
dc.publisher.country | brasil | pt_BR |
Aparece nas coleções: | Dissertação (POSDONTO)
|