Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Galli, Yuri Barcellos
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Osteoporose
Osteoporose - diagnóstico
Redes neurais convolucionais
Aprendizagem de máquina
Inteligência artificial
Link de acesso: http://repositorio.unb.br/handle/10482/49839
Resumo: Dissertação (Mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
id UNB_2edf6d85e55a159d1f54a1d5d47a42d0
oai_identifier_str oai:repositorio.unb.br:10482/49839
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucaisOsteoporoseOsteoporose - diagnósticoRedes neurais convolucionaisAprendizagem de máquinaInteligência artificialDissertação (Mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.A osteoporose é sinônimo de fragilidade óssea, e é uma doença silenciosa que muitas vezes só é detectada após já ter causado danos à pessoa que a possui. Essa doença de fragilidade óssea torna a fratura mais comum e mais danosa aos seus portadores, e por isso é uma questão de saúde pública. Identificar a doença em estágio inicial é essencial para ajudar a evitar seus danos, e nessa tarefa a inteligência artificial e o aprendizado de máquina têm demonstrado grande ajuda nos últimos anos. Os algoritmos de aprendizado de máquina podem prever o risco de osteoporose analisando as imagens do paciente provenientes de exames de rotina, como radiografias panorâmicas, que são exames frequentemente solicitados em Odontologia. A metodologia proposta conta com um processo de dois passos, que é composto por preprocessamento de imagens e aprendizado de máquina. O preprocessamento de imagens consistiu em transformar as imagens panorâmicas dentais originais em regiões de interesse reduzidas, mais específicas para a classificação. A etapa de aprendizado de máquina consistiu em fornecer essas imagens preprocessadas para algoritmos computacionais as classificarem. Este trabalho propõe uma arquitetura de Rede Neural Convolucional (CNN), comparada com Support Vector Machine (SVM) e Random Forest (RF), que visa identificar sinais de osteoporose nesse tipo de imagem, com objetivo de melhorar os resultados de uma técnica de referência, a CNN do artigo [1], ao utilizar a estrutra CNN modificada para realizar uma detecção semi-automática de osteoporose com alta sensibilidade e utilizar o método RF para complementá-la com uma técnica com especificidade alta. Na sensibilidade, a CNN customizada proposta obteve 77,19%, enquanto que a CNN de referência obteve 70,18%. Na especificidade, a Random Forest proposta obteve 75,95%, enquanto que a CNN de referência obteve 22,78%. Combinando esses resultados, conseguimos melhorar o que é obtido pela técnica de referência para o conjunto de dados apresentado, que é bastante desafiador, de pacientes idosos de comunidades carentes, em imagens analógicas com diversos artefatos e características que dificultam a classificação. O presente estudo pode ser um importante passo inicial para desenvolver uma forma de classificação semi-automática da osteoporose em exames de rotina de forma oportunística.Osteoporosis is synonymous with bone fragility, and it is a silent disease that is only commonly detected after it has already caused damage to the person who has it. This disease of bone fragility makes fractures more common and more harmful to patients, and therefore it is a public health issue. Identifying the disease at an early stage is essential to help prevent its damage, and in this task artificial intelligence and machine learning have shown great help in recent years. Machine learning algorithms can predict osteoporosis risk by analyzing patient images from routine exams such as panoramic radiographs, which are exams frequently requested in Odontology. The proposed methodology has a two-step process, which consists of image preprocessing and machine learning. Image preprocessing consisted of transforming the raw original dental panoramic images into reduced, more specific, and clearer regions of interest for classification. The machine learning step consisted of providing these preprocessed images for computational algorithms to classify them. This work proposes a Convolutional Neural Network (CNN) architecture, compared with Support Vector Machine (SVM) and Random Forest (RF), which aims to identify signs of osteoporosis in this type of image, with the aim of improving the results of the reference technique, the CNN from the article [1], using the modified CNN structure to perform a semi-automatic detection of osteoporosis with high sensitivity and using the RF as a complementary method with high specificity. In sensitivity, the proposed customized CNN obtained 77.19%, while the reference CNN obtained 70.18%. In specificity, the proposed Random Forest obtained 75.95%, while the reference CNN obtained 22.78%. Combining these results, we were able to improve what is obtained by the reference technique for the presented data set, which is quite challenging, from elderly patients from poor communities, in analog images with several artifacts and characteristics that make classification difficult. The present study may be an important initial step to develop a form of semi-automatic classification of osteoporosis in routine exams in an opportunistic way.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em InformáticaEspinoza, Bruno Luiggi MacchiavelloGalli, Yuri Barcellos2024-08-13T21:09:23Z2024-08-13T21:09:23Z2024-08-132023-02-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfGALLI, Yuri Barcellos. Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais. 2023. 72 f., il. Dissertação (Mestrado em Informática) — Universidade de Brasília, Brasília, 2023.http://repositorio.unb.br/handle/10482/49839porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-02-27T18:14:22Zoai:repositorio.unb.br:10482/49839Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-02-27T18:14:22Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
title Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
spellingShingle Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
Galli, Yuri Barcellos
Osteoporose
Osteoporose - diagnóstico
Redes neurais convolucionais
Aprendizagem de máquina
Inteligência artificial
title_short Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
title_full Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
title_fullStr Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
title_full_unstemmed Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
title_sort Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais
author Galli, Yuri Barcellos
author_facet Galli, Yuri Barcellos
author_role author
dc.contributor.none.fl_str_mv Espinoza, Bruno Luiggi Macchiavello
dc.contributor.author.fl_str_mv Galli, Yuri Barcellos
dc.subject.por.fl_str_mv Osteoporose
Osteoporose - diagnóstico
Redes neurais convolucionais
Aprendizagem de máquina
Inteligência artificial
topic Osteoporose
Osteoporose - diagnóstico
Redes neurais convolucionais
Aprendizagem de máquina
Inteligência artificial
description Dissertação (Mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-02-08
2024-08-13T21:09:23Z
2024-08-13T21:09:23Z
2024-08-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv GALLI, Yuri Barcellos. Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais. 2023. 72 f., il. Dissertação (Mestrado em Informática) — Universidade de Brasília, Brasília, 2023.
http://repositorio.unb.br/handle/10482/49839
identifier_str_mv GALLI, Yuri Barcellos. Aprendizado de máquina como auxílio na detecção de sinais de osteoporose analisando radiografias panorâmicas bucais. 2023. 72 f., il. Dissertação (Mestrado em Informática) — Universidade de Brasília, Brasília, 2023.
url http://repositorio.unb.br/handle/10482/49839
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083857388765184

Registros relacionados