Oral Lesion Classification Using Deep Learning with ConvNeXt-Base
Resumo
O câncer bucal apresenta alta mortalidade quando diagnosticado tardiamente, e a similaridade visual entre lesões saudáveis, benignas, potencialmente malignas (OPMD) e malignas (OCA) torna o diagnóstico diferencial um desafio clínico significativo. Este trabalho propõe um modelo ConvNeXt-Base com transferência de aprendizado para classificar imagens da cavidade oral nessas quatro categorias, utilizando 3.000 imagens de 714 pacientes com recorte de lesões, estratificação por paciente e aumento de dados. O modelo alcançou 77,69% de acurácia, MCC de 0,662 e AUC-ROC macro de 0,918, com AUC de 0,994 para Saudável e 0,943 para OCA. O modelo foi ainda avaliado na base de dados SMART-OM [Madan Kumar et al. 2026], obtendo 45,65% de acurácia, expondo o domain shift como desafio central para implantação em cenários reais. O código fonte está disponível em (https://github.com/gabrielbisso/Oral-Lesion-Classification-Using-Deep-Learning-with-ConvNeXt-Base)
Referências
Albino, I. L. S., Mendonça, M. B. d., Vieira, C. E. S., Silva, N. F., Silva, D. K. C. d., and Rocha, A. M. (2025). Implicações do uso do cigarro eletrônico na saúde bucal. Brazilian Journal of Oral and Systemic Health, 1(2):452–463.
Amaral, R. C. d., Andrade, R. A. R., Couto, G. R., Herrera-Serna, B. Y., Rezende-Silva, E., and Cardoso, M. C. A. C. (2022). Tendências de mortalidade por câncer bucal no Brasil por regiões e principais fatores de risco. Revista Brasileira de Cancerologia, 68(2):e081877.
Amien, F. M., Kurniawan, D., Junaidi, A., and Hermanto, B. (2025). A Comparative Study of CNN Architectures: ConvNeXt, MobileNetV3, and EfficientNet for Oral Disease Diagnosis. Jurnal Pepadun, 6(1):81–91.
Aparna, M., Sibi, A. L., Kumari, P., Ram, G., Kumar, S. T., Somasundaram, K., and Savithri, V. (2025). Interpretable Analysis of Oral Mucosal Lesions Using U-Net and Quantum Approaches. In International Conference on Inventive Computation Technologies, pages 1019–1024. IEEE.
Burman, P. (1989). A comparative study of ordinary cross-validation, v-fold cross-validation and the repeated learning-testing methods. Biometrika, 76(3):503–514.
Catarino, J., Garcia, N. C., Silva, S., and Santinha, J. (2025). The impact of pre-processing techniques on deep learning breast image segmentation. Scientific Reports, 16:1095.
Chollet, F. (2021). Deep Learning with Python. Manning Publications, New York.
Dai, G., Tian, Z., Xin, C., Dai, D., Wang, C., Zhang, Y., Chen, H., and Hamilton, M. (2026). Prompt-Level Contrastive Learning for Context-Aware Multi-Modal Image Representation in Medical Diagnosis. Pattern Recognition, 174:113027.
Dehbozorgi, P., Ryabchykov, O., and Bocklitz, T. (2024). A Systematic Investigation of Image Pre-Processing on Image Classification. IEEE Access, 12:64913–64926.
Devindi, G. A. I., Dissanayake, D. M. D. R., Liyanage, S. N., Francis, F. B. A. H., Pavithya, M. B. D., Piyarathne, N. S., Hettiarachchi, P. V. K. S., Rasnayaka, R. M. S. G. K., Jayasinghe, R. D., Ragel, R. G., and Nawinne, I. (2024). Multimodal Deep Convolutional Neural Network Pipeline for AI-Assisted Early Detection of Oral Cancer. IEEE Access, 12:124375–124390.
Dhanuthai, K., Rojanawatsirivej, S., Thosaporn, W., Kintarak, S., Subarnbhesaj, A., Darling, M., Kryshtalskyj, E., Chiang, C. P., Shin, H. I., Choi, S. Y., Lee, S. S., and Aminishakib, P. (2018). Oral cancer: A multicenter study. Medicina Oral, Patologia Oral y Cirugia Bucal, 23(1):e23–e29.
Dores, L. R. M. d., Neves, A. F. d. S., Oliveira, V. S. F. d., and Dias, A. C. S. (2023). Câncer bucal no Brasil: desafios, prevenção e papel dos profissionais de odontologia para um diagnóstico efetivo. Libertas Saúde, 2(2).
Instituto Nacional de Câncer – INCA (2025). Câncer de boca.
Instituto Nacional de Câncer – INCA (2026). Atlas On-line de Mortalidade.
Joshi, N., Baweja, S., Kumar, S., Shokeen, V., Sharma, A., and Gahlawat, V. (2025). A Comparative Study of Classical and Quantum Support Vector Machines for Multimodal Oral Cancer Detection. In IEEE International Conference on Data Mining Workshops, pages 493–499. IEEE.
Madan Kumar, P. D., Ranganathan, K., Lavanya, C., Rajeshwari, S., Nayak, A., Kestur, R., Diddigi, R. B., and Behera, S. S. (2026). A Smartphone-based Comprehensive Dataset of Annotated Oral Cavity Images for Enhanced Oral Disease Diagnosis. Scientific Data, 13(1):676.
Marzouk, R., Alabdulkreem, E., Dhahbi, S., Nour, M. K., Duhayyim, M. A., Othman, M., Hamza, M. A., Motwakel, A., Yaseen, I., and Rizwanullah, M. (2022). Deep Transfer Learning Driven Oral Cancer Detection and Classification Model. Computers, Materials & Continua, 73(2):3905–3920.
Masoudi, S., Harmon, S. A., Mehralivand, S., Walker, S. M., Raviprakash, H., Bagci, U., Choyke, P. L., and Turkbey, B. (2021). Quick guide on radiology image pre-processing for deep learning applications in prostate cancer research. Journal of Medical Imaging, 8(1):010901.
Mukherjee, R., Daniel, R., Hazra, S., Dasgupta, S., and Mandal, S. (2026). Patient-Aware Multimodal RGB-HSI Fusion via Incremental Heuristic Meta-Learning for Oral Lesion Classification. arXiv preprint arXiv:2511.12268.
Pinheiro, A. B. L., Sousa, G. A., Gonçalves, K. M. A., Vieira, K. d. S., Sousa, L. J. d., Cunha, F. N. d. L., and Lustosa, K. O. (2026). Desordens orais potencialmente malignas e câncer bucal. Brazilian Journal of Implantology and Health Sciences, 8(3):05–22.
Piyarathne, N. S., Liyanage, S. N., Rasnayaka, R. M. S. G. K., Hettiarachchi, P. V. K. S., Devindi, G. A. I., Francis, F. B. A. H., Dissanayake, D. M. D. R., Ranasinghe, R. A. N. S., Pavithya, M. B. D., Nawinne, I. B., Ragel, R. G., and Jayasinghe, R. D. (2024). A Comprehensive Dataset of Annotated Oral Cavity Images for Diagnosis of Oral Cancer and Oral Potentially Malignant Disorders. Oral Oncology, 156:106946.
Ribani, R. and Marengoni, M. (2019). A Survey of Transfer Learning for Convolutional Neural Networks. In SIBGRAPI Conference on Graphics, Patterns and Images Tutorials, pages 47–57. IEEE.
Schiavon, D., Becker, C., Botelho, V., and Pianoski, T. (2023). Interpreting convolutional neural networks for brain tumor classification: An explainable artificial intelligence approach. In Anais da XII Brazilian Conference on Intelligent Systems, pages 77–91, Porto Alegre, RS, Brasil. SBC.
Shin, H.-C., Roth, H. R., Gao, M., Lu, L., Xu, Z., Nogues, I., Yao, J., Mollura, D., and Summers, R. M. (2016). Deep Convolutional Neural Networks for Computer-Aided Detection: CNN Architectures, Dataset Characteristics and Transfer Learning. IEEE Transactions on Medical Imaging, 35(5):1285–1298.
Silva, D. S. d., Santos, A. O. d., and Costa, L. V. (2026). Desordens orais potencialmente malignas (DOPMs). Facit Business and Technology Journal, 1(70).
Silva, M. V. I. d., Lima, R. O. d., Monteiro, V. M. d. C., Santos, S. E. N. d., Gaines, A. P. L., Rocha, L. M. B. M., and Santos, E. K. N. d. (2023). Câncer bucal e o papel do Ciru rgião-Dentista no diagnóstico precoce: Revisão integrativa. Research, Society and Development, 12(13):e75121344156–e75121344156.
Sousa, A. C. C. d., França, A. A. M. d. S. d., Rodrigues, A. G. L., Ericeira, F. T., Rodrigues, T. A., Silva, V. G. S., and Cunha, L. D. d. (2023). Impactos do uso de cigarro eletrônico na prevalência do câncer bucal: revisão de literatura. Revista de Estudos Multidisciplinares UNDB, 3(1).
Tejani, A. S., Klontzas, M. E., Gatti, A. A., Mongan, J. T., Moy, L., Park, S. H., Kahn, C. E., and for the CLAIM 2024 Update Panel (2024). Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update. Radiology: Artificial Intelligence, 6(4):e240300.
Vissamsetti, N. V. S. S. and Shivakanth, G. (2026). A Deep Learning-Based Image Processing Framework for Oral Lesion Classification. Engineering, Technology & Applied Science Research, 16(2):33266–33271.
Wijethunga, M. W. C. J. and Chandrasena, M. (2025). Leveraging Multimodal AI and Explainable AI for Early Detection of Oral Cancer. In International Conference on Advances in Technology and Computing, pages 1–6. IEEE.
Amaral, R. C. d., Andrade, R. A. R., Couto, G. R., Herrera-Serna, B. Y., Rezende-Silva, E., and Cardoso, M. C. A. C. (2022). Tendências de mortalidade por câncer bucal no Brasil por regiões e principais fatores de risco. Revista Brasileira de Cancerologia, 68(2):e081877.
Amien, F. M., Kurniawan, D., Junaidi, A., and Hermanto, B. (2025). A Comparative Study of CNN Architectures: ConvNeXt, MobileNetV3, and EfficientNet for Oral Disease Diagnosis. Jurnal Pepadun, 6(1):81–91.
Aparna, M., Sibi, A. L., Kumari, P., Ram, G., Kumar, S. T., Somasundaram, K., and Savithri, V. (2025). Interpretable Analysis of Oral Mucosal Lesions Using U-Net and Quantum Approaches. In International Conference on Inventive Computation Technologies, pages 1019–1024. IEEE.
Burman, P. (1989). A comparative study of ordinary cross-validation, v-fold cross-validation and the repeated learning-testing methods. Biometrika, 76(3):503–514.
Catarino, J., Garcia, N. C., Silva, S., and Santinha, J. (2025). The impact of pre-processing techniques on deep learning breast image segmentation. Scientific Reports, 16:1095.
Chollet, F. (2021). Deep Learning with Python. Manning Publications, New York.
Dai, G., Tian, Z., Xin, C., Dai, D., Wang, C., Zhang, Y., Chen, H., and Hamilton, M. (2026). Prompt-Level Contrastive Learning for Context-Aware Multi-Modal Image Representation in Medical Diagnosis. Pattern Recognition, 174:113027.
Dehbozorgi, P., Ryabchykov, O., and Bocklitz, T. (2024). A Systematic Investigation of Image Pre-Processing on Image Classification. IEEE Access, 12:64913–64926.
Devindi, G. A. I., Dissanayake, D. M. D. R., Liyanage, S. N., Francis, F. B. A. H., Pavithya, M. B. D., Piyarathne, N. S., Hettiarachchi, P. V. K. S., Rasnayaka, R. M. S. G. K., Jayasinghe, R. D., Ragel, R. G., and Nawinne, I. (2024). Multimodal Deep Convolutional Neural Network Pipeline for AI-Assisted Early Detection of Oral Cancer. IEEE Access, 12:124375–124390.
Dhanuthai, K., Rojanawatsirivej, S., Thosaporn, W., Kintarak, S., Subarnbhesaj, A., Darling, M., Kryshtalskyj, E., Chiang, C. P., Shin, H. I., Choi, S. Y., Lee, S. S., and Aminishakib, P. (2018). Oral cancer: A multicenter study. Medicina Oral, Patologia Oral y Cirugia Bucal, 23(1):e23–e29.
Dores, L. R. M. d., Neves, A. F. d. S., Oliveira, V. S. F. d., and Dias, A. C. S. (2023). Câncer bucal no Brasil: desafios, prevenção e papel dos profissionais de odontologia para um diagnóstico efetivo. Libertas Saúde, 2(2).
Instituto Nacional de Câncer – INCA (2025). Câncer de boca.
Instituto Nacional de Câncer – INCA (2026). Atlas On-line de Mortalidade.
Joshi, N., Baweja, S., Kumar, S., Shokeen, V., Sharma, A., and Gahlawat, V. (2025). A Comparative Study of Classical and Quantum Support Vector Machines for Multimodal Oral Cancer Detection. In IEEE International Conference on Data Mining Workshops, pages 493–499. IEEE.
Madan Kumar, P. D., Ranganathan, K., Lavanya, C., Rajeshwari, S., Nayak, A., Kestur, R., Diddigi, R. B., and Behera, S. S. (2026). A Smartphone-based Comprehensive Dataset of Annotated Oral Cavity Images for Enhanced Oral Disease Diagnosis. Scientific Data, 13(1):676.
Marzouk, R., Alabdulkreem, E., Dhahbi, S., Nour, M. K., Duhayyim, M. A., Othman, M., Hamza, M. A., Motwakel, A., Yaseen, I., and Rizwanullah, M. (2022). Deep Transfer Learning Driven Oral Cancer Detection and Classification Model. Computers, Materials & Continua, 73(2):3905–3920.
Masoudi, S., Harmon, S. A., Mehralivand, S., Walker, S. M., Raviprakash, H., Bagci, U., Choyke, P. L., and Turkbey, B. (2021). Quick guide on radiology image pre-processing for deep learning applications in prostate cancer research. Journal of Medical Imaging, 8(1):010901.
Mukherjee, R., Daniel, R., Hazra, S., Dasgupta, S., and Mandal, S. (2026). Patient-Aware Multimodal RGB-HSI Fusion via Incremental Heuristic Meta-Learning for Oral Lesion Classification. arXiv preprint arXiv:2511.12268.
Pinheiro, A. B. L., Sousa, G. A., Gonçalves, K. M. A., Vieira, K. d. S., Sousa, L. J. d., Cunha, F. N. d. L., and Lustosa, K. O. (2026). Desordens orais potencialmente malignas e câncer bucal. Brazilian Journal of Implantology and Health Sciences, 8(3):05–22.
Piyarathne, N. S., Liyanage, S. N., Rasnayaka, R. M. S. G. K., Hettiarachchi, P. V. K. S., Devindi, G. A. I., Francis, F. B. A. H., Dissanayake, D. M. D. R., Ranasinghe, R. A. N. S., Pavithya, M. B. D., Nawinne, I. B., Ragel, R. G., and Jayasinghe, R. D. (2024). A Comprehensive Dataset of Annotated Oral Cavity Images for Diagnosis of Oral Cancer and Oral Potentially Malignant Disorders. Oral Oncology, 156:106946.
Ribani, R. and Marengoni, M. (2019). A Survey of Transfer Learning for Convolutional Neural Networks. In SIBGRAPI Conference on Graphics, Patterns and Images Tutorials, pages 47–57. IEEE.
Schiavon, D., Becker, C., Botelho, V., and Pianoski, T. (2023). Interpreting convolutional neural networks for brain tumor classification: An explainable artificial intelligence approach. In Anais da XII Brazilian Conference on Intelligent Systems, pages 77–91, Porto Alegre, RS, Brasil. SBC.
Shin, H.-C., Roth, H. R., Gao, M., Lu, L., Xu, Z., Nogues, I., Yao, J., Mollura, D., and Summers, R. M. (2016). Deep Convolutional Neural Networks for Computer-Aided Detection: CNN Architectures, Dataset Characteristics and Transfer Learning. IEEE Transactions on Medical Imaging, 35(5):1285–1298.
Silva, D. S. d., Santos, A. O. d., and Costa, L. V. (2026). Desordens orais potencialmente malignas (DOPMs). Facit Business and Technology Journal, 1(70).
Silva, M. V. I. d., Lima, R. O. d., Monteiro, V. M. d. C., Santos, S. E. N. d., Gaines, A. P. L., Rocha, L. M. B. M., and Santos, E. K. N. d. (2023). Câncer bucal e o papel do Ciru rgião-Dentista no diagnóstico precoce: Revisão integrativa. Research, Society and Development, 12(13):e75121344156–e75121344156.
Sousa, A. C. C. d., França, A. A. M. d. S. d., Rodrigues, A. G. L., Ericeira, F. T., Rodrigues, T. A., Silva, V. G. S., and Cunha, L. D. d. (2023). Impactos do uso de cigarro eletrônico na prevalência do câncer bucal: revisão de literatura. Revista de Estudos Multidisciplinares UNDB, 3(1).
Tejani, A. S., Klontzas, M. E., Gatti, A. A., Mongan, J. T., Moy, L., Park, S. H., Kahn, C. E., and for the CLAIM 2024 Update Panel (2024). Checklist for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update. Radiology: Artificial Intelligence, 6(4):e240300.
Vissamsetti, N. V. S. S. and Shivakanth, G. (2026). A Deep Learning-Based Image Processing Framework for Oral Lesion Classification. Engineering, Technology & Applied Science Research, 16(2):33266–33271.
Wijethunga, M. W. C. J. and Chandrasena, M. (2025). Leveraging Multimodal AI and Explainable AI for Early Detection of Oral Cancer. In International Conference on Advances in Technology and Computing, pages 1–6. IEEE.
Publicado
19/10/2026
Como Citar
FAGUNDES, Gabriel Bisso; SCHIAVON, Dieine E. B.; BECKER, Carla D. L..
Oral Lesion Classification Using Deep Learning with ConvNeXt-Base. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 23. , 2026, Cuiabá/MT.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 3511-3522.
ISSN 2763-9061.
DOI: https://doi.org/10.5753/eniac.2026.31447.
