Avaliação do Uso Redes Neurais Convolucionais para Identificação de Lesões Cariosas Dentárias

• Mateus F. de C. Ferreira UFPR
• Paula D. Portella UFPR
• Juliana F. de Souza UFPR
• Bruna C. Dias UFPR
• Luciana R. da S. Assunção UFPR
• Lucas F. de Oliveira UFPR

DOI: https://doi.org/10.5753/sbcas.2023.229626

Abstract

This study evaluates the use of convolutional neural networks to identify diferent levels of dental caries, a common disease that affects different age groups. Seven neural networks were evaluated and, the ResNet50 was the model that obtained the best results, with an accuracy of 92.10%, sensitivity 0.972 and specificity 0.874 in the classification of the proposed problem.

References

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.