Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/56452

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorPONTUAL, Maria Luiza dos Anjos-
dc.contributor.authorOLIVEIRA, Julyana de Araújo-
dc.date.accessioned2024-06-10T14:52:13Z-
dc.date.available2024-06-10T14:52:13Z-
dc.date.issued2023-10-18-
dc.identifier.citationOLIVEIRA, Julyana de Araújo. Estimativa do sexo a partir do seio frontal em humanos através de uma fórmula preditiva e um sistema de rede neural artificial: uma análise comparativa. 2023. Tese (Doutorado em Odontologia) – Universidade Federal de Pernambuco, Recife, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/56452-
dc.description.abstractO objetivo do presente trabalho foi avaliar, através de exames de Tomografias Computadorizadas de Feixe Cônico (TCFC’s), a estimativa do sexo em humanos a partir de características morfológicas e métricas do seio frontal (SF). Dois métodos de predição foram adotados: uma fórmula de regressão logística multivariada fundamentada em avaliações humanas e uma Rede Neural Artificial (RNA) de três camadas, cada uma com cinco neurônios, utilizando-se a função de ativação Rectified Linear Unit (ReLU). Dois examinadores previamente calibrados realizaram a avaliação morfológica e métrica de 1000 TCFC’s de indivíduos com idade superior ou igual a 20 anos, balanceadas em relação ao sexo. Adotou-se, como parâmetros de avaliação morfológica, a presença dos seios frontais, septo interseio, quantidade de septos intrasseios e número de festonamentos. Para a avaliação métrica, foram mensuradas a altura e largura de cada seio, largura total, comprimento anteroposterior (CPA) e cálculo do Índice do Seio Frontal. 80,0% da amostra utilizada foi submetida aos testes Shapiro-Wilk, Qui-quadrado de Pearson e Mann- Whitney e foi realizado modelo de regressão logística multivariada (p ≤ 0,05). As validações foram realizadas utilizando a amostra restante (200) para análise de curva ROC (Receiver Operating Characteristic) e matriz de confusão. O sistema de classificação baseado em aprendizagem de máquina consistiu em uma RNA treinada com 80,0% do banco de dados, e os 20,0% restantes foram utilizados como conjunto de teste. Para os dois métodos, foram obtidos valores de especificidade, sensibilidade, acurácia, recall, precisão, F1-Score e valores preditivos positivo e negativo. As medidas utilizadas nas fórmulas de regressão e redes neurais foram altura frontal, comprimento AP e largura total. Em relação à análise morfológica, o sexo masculino apresentou maior quantidade de reparos anatômicos quando comparado ao feminino. Quanto à avaliação métrica, o sexo masculino apresentou maiores valores, em ambos os seios frontais. Para o sexo masculino, a largura total em milímetros obteve média de 61,49 (DP=±15,51), enquanto no sexo feminino, a média foi de 52,47 (DP=±16,57). No SF direito, a média do CPA para o sexo masculino foi de 10,52 (DP=±3,31), enquanto no sexo feminino foi de 7,01 (DP=±2,46). Resultados semelhantes do CPA foram encontrados no SF esquerdo, com média de CPA de 10,79 (DP=±3,44) para o sexo masculino e 7,51 (DP=±2,46) para o sexo feminino (p<0,001). Ambos os métodos exibiram dimorfismo sexual. A RNA revelou especificidade (78,64), sensibilidade (78,85), acurácia (81,5%), recall (53,31%), precisão (84,54%), escore F1 (63,08%), preditivo positivo (84,54%) e preditivo negativo (78,64%) superior à fórmula preditiva (73%, 73%, 73%, 50%, 73%, 59,35, 73% e 73%, respectivamente). Portanto, ambos os métodos, particularmente a RNA, podem potencialmente apoiar a tomada de decisão na prática clínica odontológica no cenário forense brasileiro.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectRedes Neurais de Computaçãopt_BR
dc.subjectSeio Frontalpt_BR
dc.subjectCaracteres Sexuaispt_BR
dc.subjectOdontologia Legalpt_BR
dc.titleEstimativa do sexo a partir do seio frontal em humanos através de uma fórmula preditiva e um sistema de rede neural artificial : uma análise comparativapt_BR
dc.typedoctoralThesispt_BR
dc.contributor.advisor-coPONTUAL, Andrea dos Anjos-
dc.contributor.authorLatteshttp://lattes.cnpq.br/2493058269899828pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.leveldoutoradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/7334588229394825pt_BR
dc.publisher.programPrograma de Pos Graduacao em Odontologiapt_BR
dc.description.abstractxThe objective of the present work was to evaluate, through Cone Beam Computed Tomography (CBCT) examinations, the estimation of sex in humans based on morphological and metric characteristics of the frontal sinus (SF). Two prediction methods were adopted: a multivariate logistic regression formula based on human assessments and a three-layer Artificial Neural Network (ANN), each with five neurons, using the Rectified Linear Unit (ReLU) activation function. Two previously calibrated examiners carried out the morphological and metric evaluation of 1000 CBCT scans of individuals aged 20 years or older, balanced according to sex. The presence of frontal sinus, intersinus septum, number of intrasinus septum and number of scalloping were adopted as morphological evaluation parameters. For metric evaluation, the height and width of each breast, total width, anteroposterior length (CPA) and calculation of the Frontal Sinus Index were measured. 80.0% of the sample used was subjected to the Shapiro-Wilk, Pearson Chi-square and Mann- Whitney tests and a multivariate logistic regression model was performed (p ≤ 0.05). Validations were performed using the remaining sample (200) for ROC (Receiver Operating Characteristic) curve analysis and confusion matrix. The machine learning- based classification system consisted of an ANN trained with 80.0% of the database, and the remaining 20.0% was used as a test set. For both methods, specificity, sensitivity, accuracy, recall, precision, F1-Score and positive and negative predictive values were obtained. The measurements used in the regression formulas and neural networks were frontal height, AP length and total width. Regarding morphological analysis, males showed a greater number of anatomical repairs when compared to females. Regarding the metric evaluation, males presented higher values in both frontal sinuses. For males, the total width in millimeters had an average of 61.49 (SD=±15.51), while for females, the average was 52.47 (SD=±16.57). In the right SF, the mean CPA for males was 10.52 (SD=±3.31), while for females it was 7.01 (SD=±2.46). Similar CPA results were found in the left SF, with a mean CPA of 10.79 (SD=±3.44) for males and 7.51 (SD=±2.46) for females (p<0.001 ). Both methods exhibited sexual dimorphism. The ANN revealed specificity (78.64), sensitivity (78.85), accuracy (81.5%), recall (53.31%), precision (84.54%), F1 score (63.08%), positive predictive (84.54%) and negative predictive (78.64%) higher than the predictive formula (73%, 73%, 73%, 50%, 73%, 59.35, 73% and 73%, respectively). Therefore, both methods, particularly ANN, can potentially support decision-making in clinical dental practice in the Brazilian forensic setting.pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/4637614054000198pt_BR
Aparece nas coleções:Teses de Doutorado - Odontologia

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE Julyana de Araujo Oliveira.pdf2,14 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons