Please use this identifier to cite or link to this item:
https://repositorio.ufpe.br/handle/123456789/52258
Share on
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | ZANCHETTIN, Cleber | - |
| dc.contributor.author | SILVA NETTO, Antônio Barros da | - |
| dc.date.accessioned | 2023-09-14T15:40:42Z | - |
| dc.date.available | 2023-09-14T15:40:42Z | - |
| dc.date.issued | 2023-08-29 | - |
| dc.date.submitted | 2023-08-30 | - |
| dc.identifier.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. | pt_BR |
| dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/52258 | - |
| dc.description.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. | pt_BR |
| dc.format.extent | 27 p. | pt_BR |
| dc.language.iso | por | pt_BR |
| dc.rights | openAccess | pt_BR |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
| dc.subject | Aprendizagem Profunda | pt_BR |
| dc.subject | Inteligência Artificial explicável | pt_BR |
| dc.subject | DICOM | pt_BR |
| dc.subject | Deiscência | pt_BR |
| dc.subject | Classificação Multilabel | pt_BR |
| dc.subject | Segmentação | pt_BR |
| dc.subject | Redes Neurais Artificiais Profundas | pt_BR |
| dc.title | Classificação de defeitos de deiscência em implantes dentários de titânio e zircônio | pt_BR |
| dc.type | bachelorThesis | pt_BR |
| dc.contributor.advisor-co | OLIVEIRA, Willian Farias Carvalho | - |
| dc.contributor.authorLattes | http://lattes.cnpq.br/2911600170828933 | pt_BR |
| dc.degree.level | Graduacao | pt_BR |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/1244195230407619 | pt_BR |
| dc.description.abstractx | This article investigates approaches in the field of oral health in conjunction with Deep Learning. The goal is to develop methods for multilabel classification, identifying the presence or absence of periapical lesions or dehiscences caused by titanium and zirconia implants. The study employs an adapted EfficientNet-B0 model in conjunction with the loss function, achieving a 97% accuracy in overall label classification. Moreover, optimized selection and segmentation of cuts in ”DICOM” files, sourced from cone-beam computed tomographies, were carried out. This approach contributes to the creation of a new dataset that will aid in the diagnosis made by healthcare professionals. This new dataset attained an average Structural Similarity Index Measure (SSIM) of 0.6 when compared with images selected by expert radiologists, signifying substantial similarity between the generated images. Additionally, analyses on the model’s explainability and the treatment of files originating from CBCT (Cone Beam Computed Tomography), or Tomografia Computorizada de Feixe Cônico in Portuguese, are conducted. | pt_BR |
| dc.subject.cnpq | Áreas::Ciências Exatas e da Terra::Ciência da Computação | pt_BR |
| dc.degree.departament | ::(CIN-DCC) - Departamento de Ciência da Computação | pt_BR |
| dc.degree.graduation | ::CIn-Curso de Ciência da Computação | pt_BR |
| dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
| dc.degree.local | Recife | pt_BR |
| dc.contributor.advisor-coLattes | http://lattes.cnpq.br/5224587894683142 | pt_BR |
| Appears in Collections: | (TCC) - Ciência da Computação | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Tg_absn2.pdf | 6.83 MB | Adobe PDF | ![]() View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License

