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

Share on

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorZANCHETTIN, Cleber-
dc.contributor.authorSILVA NETTO, Antônio Barros da-
dc.date.accessioned2023-09-14T15:40:42Z-
dc.date.available2023-09-14T15:40:42Z-
dc.date.issued2023-08-29-
dc.date.submitted2023-08-30-
dc.identifier.citationSILVA 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.urihttps://repositorio.ufpe.br/handle/123456789/52258-
dc.description.abstractEste 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.extent27 p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectAprendizagem Profundapt_BR
dc.subjectInteligência Artificial explicávelpt_BR
dc.subjectDICOMpt_BR
dc.subjectDeiscênciapt_BR
dc.subjectClassificação Multilabelpt_BR
dc.subjectSegmentaçãopt_BR
dc.subjectRedes Neurais Artificiais Profundaspt_BR
dc.titleClassificação de defeitos de deiscência em implantes dentários de titânio e zircôniopt_BR
dc.typebachelorThesispt_BR
dc.contributor.advisor-coOLIVEIRA, Willian Farias Carvalho-
dc.contributor.authorLatteshttp://lattes.cnpq.br/2911600170828933pt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1244195230407619pt_BR
dc.description.abstractxThis 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.cnpqÁreas::Ciências Exatas e da Terra::Ciência da Computaçãopt_BR
dc.degree.departament::(CIN-DCC) - Departamento de Ciência da Computaçãopt_BR
dc.degree.graduation::CIn-Curso de Ciência da Computaçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/5224587894683142pt_BR
Appears in Collections:(TCC) - Ciência da Computação

Files in This Item:
File Description SizeFormat 
Tg_absn2.pdf6.83 MBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons