Detecção automática do canal mandibular em tomografias computadorizadas de feixe cônico

• Ano de defesa: 2022
• Autor(a) principal: Oliveira, Larissa Aparecida Vaz
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro Biomédico::Instituto de Biologia Roberto Alcantara Gomes; Brasil; UERJ; Programa de Pós-Graduação em Saúde, Medicina Laboratorial e Tecnologia Forense
• Palavras-chave em Português: Tomografia computadorizada de feixe cônico – Métodos; Canal mandibular – Anatomia & histologia; Automatização; Inteligência artificial – Aplicações médicas; Computed Tomography; Mandibular canal; Automation; Artificial intelligence; CIENCIAS DA SAUDE::ODONTOLOGIA::RADIOLOGIA ODONTOLOGICA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/23655

O canal mandibular é um conduto ósseo localizado no interior da mandíbula que transporta o feixe neurovascular alveolar inferior. Vários métodos disponíveis na literatura implementam a segmentação do canal, sendo estes métodos manuais ou baseados em aprendizado profundo, que são demorados ou demandam uma grande quantidade de dados, respectivamente. Neste trabalho, apresentamos um método computacional semiautomático para segmentação do canal mandibular em tomografias computadorizadas baseado em processamento de sinal. O método inicia-se com o corte axial localizado 10 mm acima da base da mandíbula, onde a mandíbula é bem delimitada, sendo possível definir um arco que a descreva. São obtidos cortes parassagitais, no qual o canal mandibular pode ser detectado como uma estrutura circular usando a transformação de Hough. Como o canal não é a única estrutura circular em tais planos, o usuário seleciona a estrutura referente ao canal, e a partir desta semente, a estrutura tridimensional do canal é definida, usando o algoritmo de crescimento de região em cada um dos cortes oblíquos. Neste estudo, o método proposto foi aplicado a 25 Tomografias computadorizadas de feixe conico (TCFCs) de diferentes pacientes (21 mulheres e 4 homens com idades entre 11 e 75 anos). Os volumes resultantes foram avaliados visualmente por especialistas, que observaram como apropriado é o volume obtido. Além disso, uma avaliação estatística também apontou a proximidade dos volumes obtidos pelos métodos e os definidos por especialistas (IoU médio: 0.79). A avaliação visual dos especialistas e a avaliação estatística demonstraram a precisão dos resultados alcançados pelo método. A segmentação apresentada neste trabalho consiste numa solução robusta, no sentido que os volumes obtidos são próximos estatisticamente dos volumes reais, além de inovar ao superar os principais desafios dos métodos anteriores: tempo, tamanho do banco de dados e experiência do operador.