Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/52258

Share on

Title: Classificação de defeitos de deiscência em implantes dentários de titânio e zircônio
Authors: SILVA NETTO, Antônio Barros da
Keywords: Aprendizagem Profunda; Inteligência Artificial explicável; DICOM; Deiscência; Classificação Multilabel; Segmentação; Redes Neurais Artificiais Profundas
Issue Date: 29-Aug-2023
Citation: SILVA NETTO, Antônio Barros da. Classificação de defeitos de deiscência em implantes dentários de titânio e zircônio. 2023. Trabalho de Conclusão de Curso (Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2023.
Abstract: Este artigo investiga abordagens na área de saúde bucal em conjunto com Aprendizagem Profunda. O objetivo é desenvolver métodos para a classificação multilabel, identificando a presença ou ausência de lesões periapicais, ou deiscências ocasionadas por implantes de titânio e zircônio. O estudo utiliza um modelo adaptado do EfficientNet-B0 combinado com a função de perda, alcançando uma acurácia de 97% na classificação geral dos rótulos. Além disso, foi realizada a seleção e segmentação otimizada de recortes nos arquivos ”DICOM”, provenientes de tomografias computadorizadas de feixe cônico. Essa abordagem contribui para a criação de um novo conjunto de dados que auxiliará no diagnóstico realizado por profissionais da saúde. Esse novo conjunto de dados obteve uma média de ”SSIM” (Structural Similarity Index Measure) de 0,6, uma vez comparada com imagens selecionadas por radiologistas especialistas, indicando uma ótima semelhança entre as imagens geradas. Adicionalmente, são conduzidas análises de explicabilidade do modelo e do tratamento dos arquivos oriundos do CBCT (Cone Beam Computed Tomography), ou Tomografia Computorizada de Feixe Cônico em português.
URI: https://repositorio.ufpe.br/handle/123456789/52258
Appears in Collections:(TCC) - Ciência da Computação

Files in This Item:
File Description SizeFormat 
Tg_absn2.pdf6.83 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons