Aprendizado de máquina para o diagnóstico da hipersensibilidade dentinária utilizando espectroscopia no infravermelho por transformada de Fourier

• Paulo Diego S. Souza UFU
• Robinson S. Silva UFU
• Murillo G. Carneiro UFU

DOI: https://doi.org/10.5753/sbcas_estendido.2024.2243

Resumo

A hipersensibilidade dentinária pode afetar a qualidade de vida dos pacientes. A falta de métodos de diagnóstico não-invasivos torna o problema ainda pior. Como alternativa, nós desenvolvemos uma solução fim-a-fim composta de dois componentes principais. No primeiro, amostras do fluido crevicular gengival de pacientes passaram por espectroscopia de infravermelho por transformada de Fourier (FTIR), seguidas por etapas de pré-processamento incluindo métodos de normalização e suavização. No segundo, vários modelos de aprendizado de máquina foram desenvolvidos e avaliados. Nossos resultados evidenciaram a viabilidade dos modelos de XGBoost e BiLSTM e a importância da adequada seleção de parâmetros e preparação dos dados de FTIR.

Referências

Filho, A. C. M., Fernandes, J. M., Sabino-Silva, R., and Carneiro, M. G. (2023). OCANSpectra: an oral cancer detection system from salivary ATR-FTIR spectroscopy. In Anais do XX Encontro Nacional de Inteligência Artificial e Computacional, pages 984–996, Porto Alegre, RS, Brasil. SBC.

Filho, R. B. L. and Carneiro, M. G. (2023). Diagnóstico do câncer oral através da classificação de alto nível. In Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde, pages 54–59, Porto Alegre, RS, Brasil. SBC.

Lima, J. B., Nascimento, A. R. F., Nascimento, V. R. P., and Oliveira, I. L. M. (2021). Hipersensibilidade dentinária: etiologia, diagnóstico e tratamento. Odontol. Clín.Cient, 20(2):46–51.

Souza, P. G. (2018). Análise da composição química do fluido crevicular gengival em dentes com hipersensibilidade dentinária através das espectroscopias ATR-FTIR e Raman. Dissertação de mestrado, Universidade Federal de Uberlândia, Uberlândia.

Vilone, G. and Longo, L. (2021). Notions of explainability and evaluation approaches for explainable artificial intelligence. Information Fusion, 76.

Zlotogorski-Hurvitz, A., Dekel, B. Z., Malonek, D., Yahalom, R., and Vered, M. (2019). FTIR-based spectrum of salivary exosomes coupled with computational-aided discriminating analysis in the diagnosis of oral cancer. J Cancer Res Clin Oncol, 145(3):685–694.