Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Sandre, Lorena Batista
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:
Inteligência artificial
Osteoporose
Radiologia
Tomografia computadorizada
Link de acesso: http://repositorio.unb.br/handle/10482/50072
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Ciências da Saúde, Departamento de Odontologia, Programa de Pós-Graduação em em Odontologia, 2023.
id UNB_d311df5db4652d4f118bf2d331955532
oai_identifier_str oai:repositorio.unb.br:10482/50072
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporoseInteligência artificialOsteoporoseRadiologiaTomografia computadorizadaDissertação (mestrado) — Universidade de Brasília, Faculdade de Ciências da Saúde, Departamento de Odontologia, Programa de Pós-Graduação em em Odontologia, 2023.A osteoporose é uma doença esquelética relacionada à perda da resistência óssea, predispondo a fraturas por trauma mínimo. Fraturas relacionadas à doença diminuem a qualidade de vida dos indivíduos afetados, aumentam o número de internações hospitalares e podem levar ao aumento da mortalidade. Idosos e mulheres na pósmenopausa representam os grupos de maiores riscos. Assintomática, a osteoporose é frequentemente detectada somente após ocorrer fraturas. São necessários, portanto, métodos de rastreamento de pessoas com risco aumentado de fraturas, o que poderia diminuir o impacto socioeconômico. Na odontologia, a tomografia computadorizada de feixe cônico (TCFC) é muito utilizada na população idosa, principalmente na implantodontia. Visto que alterações mandibulares já foram relatadas em pacientes com osteoporose, é importante verificar este exame como instrumento auxiliar no rastreamento da doença. Ferramentas de Inteligência Artificial baseados em recursos radiômicos são aplicadas no diagnóstico automatizado de patologias, e oferecerem bom desempenho na detecção de alterações teciduais. Entretanto, essa ferramenta não foi validada para detecção de osteoporose em análise quantitativa óssea da mandíbula por TCFC. Este estudo teve como objetivo determinar a assinatura radiômica de um padrão patológico em TCFC de mulheres na pós menopausa com osteoporose, desenvolver e testar modelos preditivos. Foram retrospectivamente selecionadas, segundo critérios, 100 mulheres em pósmenopausa, que apresentavam TCFC e exame de densitometria por dupla emissão de fótons (DXA), com e sem diagnóstico de osteoporose. Após determinar a região de interesse na TCFC, selecionou-se manualmente 5 sítios de segmentação por exame: 2 de osso cortical da mandíbula, 2 de osso trabecular da mandíbula e 1 de osso trabecular da segunda vértebra cervical (C2). Segundo o exame de DXA, 49 pacientes tiveram diagnóstico de osteoporose e 51 sem osteoporose. Foram extraídos 535 recursos radiômicos por TCFC, distribuídos em classes de forma, primeira ordem e textura. Os recursos extraídos foram reduzidos aos mais relevantes em relação a osteoporose, e correlacionados com dados clínicos e densitométricos. Essa combinação de informações mais relevantes subsidiaram a construção de modelos de classificação, por árvore de decisão aleatória. Foram treinados modelos com todos os recursos radiômicos e dados clínicos, e modelos de subgrupos conforme a segmentação. Todos os modelos apresentaram precisão >0.86, recall>0.79, f1score>0.82 e acurácia>0.84. Modelos com subgrupos de segmentação do osso trabeculado e cortical da mandíbula apresentaram melhor desempenho quando comparado a segmentação do osso trabecular de C2 (AUC 0.89-0.95). Tal achado sinaliza a importância de avaliação da qualidade óssea da mandíbula pelos recursos radiômicos em TCFC, ainda pouco estudada na literatura. Todos os modelos avaliados apresentaram capacidade de distinguir mulheres em pós menopausa, com e sem osteoporose. A radiômica é um recurso sofisticado de análise de imagens, oferecendo características únicas para a construção de modelos diagnósticos, prognósticos e/ou preditivos. Estratégias deverão ser aplicadas para validação de modelos radiômicos preditivos, que requerem reprodutibilidade e generalização dos recursos radiômicos.Osteoporosis is a skeletal disease related to loss of bone strength, predisposing to fractures with minimal trauma. Fractures reduce quality of life of affected individuals, increase number of hospitalizations, and can lead to increased mortality, especially in elderly and postmenopausal women, who represent the highest-risk group. In addition, fractures caused by osteoporosis are generally asymptomatic, making the disease silent. Therefore, screening methods are needed for individuals at an increased risk of fractures, which could decrease the socio-economic impact. In dentistry, cone-beam computed tomography (CBCT) is a commonly used examination in elderly population, especially for implant planning. Since mandibular alterations have been reported in patients with osteoporosis, it becomes necessary to investigate this examination as an auxiliary tool in diagnosis of disease. Artificial Intelligence tools based on radiomic features have been applied in diagnosis of pathologies due to their good performance in detecting tissue changes. However, this tool has not yet been validated for detection of osteoporosis in quantitative bone analysis of the mandible by CBCT. This study aimed to determine radiomic signature of a pathological pattern in CBCT of postmenopausal women with osteoporosis. According to criteria, 100 postmenopausal women with CBCT and dual-energy X-ray absorptiometry (DXA) examination, with and without a diagnosis of osteoporosis, were retrospectively selected. After determining region of interest in CBCT, five segmentation sites per examination were manually selected: two for mandibular cortical bone, two for mandibular trabecular bone, and one for trabecular boné of second cervical vertebra (C2). According to the DXA examination, 49 patients are diagnosed with osteoporosis, and 51 without osteoporosis. A total of 535 radiomic features per patient are extracted, distributed in classes of shape, first-order and texture. After data reduction and combination with clinical and densitometric data, classification models were constructed using random forest decision trees, and their performances were analyzed. Models trained with all radiomic features and clinical data, as well as models for subgroups according to segmented volumes of interest (VOI), were evaluated. All models showed precision >0.86, recall >0.79, f1-score >0.82, and accuracy >0.84. Models with subgroups focusing on segmentation of trabecular and cortical bone in mandible, performed better when compared to the segmentation of trabecular bone in C2, based on the Area under the Curve (0.89-0.95). This finding highlights the importance of assessing mandibular bone quality using radiomic features in CBCT, an area still underexplored in literature. All evaluated models demonstrated the ability to distinguish postmenopausal women with and without osteoporosis. Radiomics is a sophisticated image analysis tool, showing unique characteristics that become variables for construction of diagnostic, prognostic, and/or predictive models. Strategies should be applied for validation of predictive radiomic models, which require reproducibility and generalization of radiomic features.Faculdade de Ciências da Saúde (FS)Programa de Pós-Graduação em OdontologiaMelo, Nilce Santos deLeite, André FerreiraSandre, Lorena Batista2024-08-21T15:16:05Z2024-08-21T15:16:05Z2024-08-212023-12-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSANDRE, Lorena Batista. Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose. 2023. 72 f., il. Dissertação (Mestrado em Odontologia) — Universidade de Brasília, Brasília, 2023.http://repositorio.unb.br/handle/10482/50072porA 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.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, 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:UNB2025-02-27T18:14:24Zoai:repositorio.unb.br:10482/50072Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-02-27T18:14:24Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
title Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
spellingShingle Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
Sandre, Lorena Batista
Inteligência artificial
Osteoporose
Radiologia
Tomografia computadorizada
title_short Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
title_full Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
title_fullStr Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
title_full_unstemmed Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
title_sort Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose
author Sandre, Lorena Batista
author_facet Sandre, Lorena Batista
author_role author
dc.contributor.none.fl_str_mv Melo, Nilce Santos de
Leite, André Ferreira
dc.contributor.author.fl_str_mv Sandre, Lorena Batista
dc.subject.por.fl_str_mv Inteligência artificial
Osteoporose
Radiologia
Tomografia computadorizada
topic Inteligência artificial
Osteoporose
Radiologia
Tomografia computadorizada
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Ciências da Saúde, Departamento de Odontologia, Programa de Pós-Graduação em em Odontologia, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-12-15
2024-08-21T15:16:05Z
2024-08-21T15:16:05Z
2024-08-21
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 SANDRE, Lorena Batista. Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose. 2023. 72 f., il. Dissertação (Mestrado em Odontologia) — Universidade de Brasília, Brasília, 2023.
http://repositorio.unb.br/handle/10482/50072
identifier_str_mv SANDRE, Lorena Batista. Assinatura radiômica baseada em imagens de tomografia computadorizada de feixe cônico na avaliação de osteoporose. 2023. 72 f., il. Dissertação (Mestrado em Odontologia) — Universidade de Brasília, Brasília, 2023.
url http://repositorio.unb.br/handle/10482/50072
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_ 1839083884652789760

Registros relacionados