Banca de DEFESA: WILLIAN FARIAS CARVALHO OLIVEIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: WILLIAN FARIAS CARVALHO OLIVEIRA
DATA : 10/12/2024
HORA: 13:00
LOCAL: Virtual
TÍTULO:

Estimating Human Age Using Machine Learning on Panoramic 
Radiographs for Multi-Regional Brazilian Patients

PALAVRAS-CHAVES:

Ciências Forenses, Estimativa de Idade, Rede Neural 
Profunda, Métodos Radiológicos.

PÁGINAS: 67
RESUMO:

Este estudo aborda o desafio de desenvolver modelos de aprendizado de 
máquina para estimativa de idade a partir de radiografias panorâmicas de 
pacientes de diferentes regiões do Brasil. Utilizando dois conjuntos de 
dados geograficamente diversos — um da UFPE (Nordeste) e outro da Unicamp 
(Sudeste) — investigamos as limitações dos modelos de IA quanto à predição 
de idade em contextos regionais distintos. Construímos um protocolo 
experimental para avaliar o comportamento dos modelos de aprendizagem de 
máquina em diferentes cenários. O primeiro experimento evidenciou vieses 
significativos ao aplicar modelos pré-treinados em um contexto a dados de 
outras regiões, destacando a necessidade de ajustes regionais. No segundo 
experimento, foram exploradas abordagens de fine-tuning, que, embora tenham 
melhorado o desempenho do modelo em dados regionais, não eliminaram 
totalmente os vieses. O terceiro experimento, treinando o modelo do zero em 
um conjunto de dados misto, resultou no melhor equilíbrio entre precisão 
preditiva e generalização. O quarto experimento introduziu técnicas de 
aumento de dados para aprimorar a robustez do modelo contra outliers e 
casos extremos. Apesar de melhorias marginais, erros de alta magnitude 
persistiram, sugerindo a necessidade de estratégias adicionais, como 
técnicas mais avançadas de aumento de dados e arquiteturas mais complexas. 
Os resultados deste estudo destacam a importância de dados de treinamento 
abrangentes e diversificados para melhorar a adaptabilidade dos modelos, 
bem como a necessidade de refinamentos arquiteturais e a inclusão de 
conjuntos de dados em larga escala para potencializar a aplicabilidade dos 
modelos em contextos forenses e clínicos.

MEMBROS DA BANCA:
Interno - 1675582 - CLEBER ZANCHETTIN
Externa à Instituição - DEBORAH QUEIROZ DE FREITAS FRANCA - UNICAMP
Presidente - 1511095 - TSANG ING REN