Avaliação do Uso Redes Neurais Convolucionais para Identificação de Lesões Cariosas Dentárias
Resumo
Este trabalho avalia a utilização de redes neurais convolucionais para identificar diferentes níveis de lesões cariosas dentária, uma doença comum que afeta diferentes faixas etárias. Foram avaliadas sete redes neurais e a ResNet50 foi o modelo que obteve melhores resultados, com acurácia de 92,10%, sensibilidade 0,972 e especificidade 0,874 na classificação do problema proposto.
Referências
AWAD, M; KHANNA, R. Machine Learning. In: Efficient Learning Machines: Theories, Concepts and Applications for Engineers and System Designers. 1ª ed. Apress Open, 2015. p-1-18.
DARTORA, A. Reconhecimento Automático De Padrões Radiológicos Utilizando Aprendizado Profundo. 2018. 73 p. Universidade Federal do Paraná, Curitiba, 2018. Disponível em: [link].
KATEGARU, Swapna. Convolutional Neural Network | Deep Learning. Developers Breach. 2020. Disponível em: [link].
LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Deep Learning. Nature. v. 521, p.436–444, mai. 2015. Disponível em: [link].
LITJENS, Geert et al. A survey on deep learning in medical image analysis. Medical Image Analysis. v. 42. p.60-88, jul. 2017. Disponível em: [link].
MINISTÉRIO DA SAÚDE. Pesquisa Nacional de Saúde Bucal: Resultados Principais. Brasília, DF: Ministério da Saúde, 2012.
MONARD, M.C; BARANAUSKAS; J.A. Conceitos sobre Aprendizado de Máquina. In: Sistemas inteligentes: Fundamentos e Aplicações. Editora Manole, 2003. p-39-56.
MONSHI, M et al. CovidXrayNet: Optimizing data augmentation and CNN hyperparameters for improved COVID-19 detection from CXR. Science Direct. v.133, jun 2021. Disponível em: [link].
NIGEL, B.P. et al. Dental Caries. Nature Reviews Disease Primers. v.3, no. 17030, Mai. 2017. Disponível em: [link].
ORGANIZAÇÃO MUNDIAL DA SAÚDE (OMS). Oral health surveys: basics methods. 5th ed. Geneva: Word Health Organization, 2013.
PITTS, N. B. et al. Early Childhood Caries: IAPD Bangkok Declaration. Journal of dentistry for children, Chicago, v.86, n.2, p. 72, 2019.
PITTS, N.B et al. Dental Caries. Nature Reviews Disease Primers. v.3, no. 17030, Mai. 2017. Disponível em: [link].
SILVA, C.L.F. (2021) Análise Comparativa de Modelos de Redes Neurais Convolucionais YOLO na Detecção e Classificação de Lesões Cariosas Dentárias. (Monografia de Graduação). Universidade Federal do Paraná. Curitiba.
DARTORA, A. Reconhecimento Automático De Padrões Radiológicos Utilizando Aprendizado Profundo. 2018. 73 p. Universidade Federal do Paraná, Curitiba, 2018. Disponível em: [link].
KATEGARU, Swapna. Convolutional Neural Network | Deep Learning. Developers Breach. 2020. Disponível em: [link].
LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Deep Learning. Nature. v. 521, p.436–444, mai. 2015. Disponível em: [link].
LITJENS, Geert et al. A survey on deep learning in medical image analysis. Medical Image Analysis. v. 42. p.60-88, jul. 2017. Disponível em: [link].
MINISTÉRIO DA SAÚDE. Pesquisa Nacional de Saúde Bucal: Resultados Principais. Brasília, DF: Ministério da Saúde, 2012.
MONARD, M.C; BARANAUSKAS; J.A. Conceitos sobre Aprendizado de Máquina. In: Sistemas inteligentes: Fundamentos e Aplicações. Editora Manole, 2003. p-39-56.
MONSHI, M et al. CovidXrayNet: Optimizing data augmentation and CNN hyperparameters for improved COVID-19 detection from CXR. Science Direct. v.133, jun 2021. Disponível em: [link].
NIGEL, B.P. et al. Dental Caries. Nature Reviews Disease Primers. v.3, no. 17030, Mai. 2017. Disponível em: [link].
ORGANIZAÇÃO MUNDIAL DA SAÚDE (OMS). Oral health surveys: basics methods. 5th ed. Geneva: Word Health Organization, 2013.
PITTS, N. B. et al. Early Childhood Caries: IAPD Bangkok Declaration. Journal of dentistry for children, Chicago, v.86, n.2, p. 72, 2019.
PITTS, N.B et al. Dental Caries. Nature Reviews Disease Primers. v.3, no. 17030, Mai. 2017. Disponível em: [link].
SILVA, C.L.F. (2021) Análise Comparativa de Modelos de Redes Neurais Convolucionais YOLO na Detecção e Classificação de Lesões Cariosas Dentárias. (Monografia de Graduação). Universidade Federal do Paraná. Curitiba.
Publicado
27/06/2023
Como Citar
FERREIRA, Mateus F. de C.; PORTELLA, Paula D.; SOUZA, Juliana F. de; DIAS, Bruna C.; ASSUNÇÃO, Luciana R. da S.; OLIVEIRA, Lucas F. de.
Avaliação do Uso Redes Neurais Convolucionais para Identificação de Lesões Cariosas Dentárias. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 23. , 2023, São Paulo/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 473-478.
ISSN 2763-8952.
DOI: https://doi.org/10.5753/sbcas.2023.229626.
