Banca de QUALIFICAÇÃO: MARIA EDUARDA ARRUDA DE LUCENA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARIA EDUARDA ARRUDA DE LUCENA
DATA : 12/02/2026
LOCAL: GOOGLE MEET
TÍTULO:

Desempenho de uma Rede Neural Profunda na Detecção de Alterações em Radiografias Panorâmicas

PALAVRAS-CHAVES:

Inteligência Artificial; Aprendizado Profundo; Radiografia Panorâmica.

PÁGINAS: 62
RESUMO:

Radiografias panorâmicas são amplamente utilizadas na detecção de alterações no complexo bucomaxilofacial. Entretanto, a interpretação humana é suscetível a vieses que podem comprometer a acurácia diagnóstica. Nesse contexto, ferramentas computacionais emergem como estratégia de suporte promissora à análise radiográfica. Este estudo teve como objetivo desenvolver e avaliar o desempenho de um modelo de rede neural convolucional profunda (RNCP) na detecção de alterações nos maxilares em radiografias panorâmicas. A amostra foi composta por 10.036 radiografias panorâmicas, sem restrição de sexo ou idade, adquiridas através do Instrumentarium OP200® (KaVo Kerr, Charlotte, EUA), em um serviço público de radiologia odontológica do nordeste do Brasil. Todas as imagens foram inicialmente anonimizadas e, em seguida, carregadas no software CVAT, divididas em conjuntos de treinamento (8.028), validação (1.004) e teste (1.004), onde foram avaliadas simultaneamente por três radiologistas. No CVAT, a ferramenta “bounding box” foi utilizada para demarcar as áreas correspondentes às alterações, que foram codificadas quanto à densidade como radiolúcidas, radiopacas e mistas. Para a detecção automática, foi desenvolvida e treinada uma RNCP ConvNext-Tiny, fusionada com uma Feature Pyramid Network, baseada em aprendizado profundo, previamente ajustada com pesos pré-treinados e refinada com as radiografias do estudo. A análise de dados incluiu a avaliação descritiva da prevalência bem como sua relação com as variáveis sexo, idade e localização. O desempenho do modelo foi mensurado por métricas de aprendizado de máquina como recall, precisão, average precision (AP) e mean average precision (mAP). Das 10036 radiografias panorâmicas avaliadas, 37,8% apresentaram pelo menos uma alteração, com predominância de alterações radiolúcidas (61,9%). O padrão de densidade radiográfica das alterações variou conforme a localização anatômica e a idade dos indivíduos (p < 0,001). A rede alcançou recall médio de 72,8%, mAP de 54,3%, precisão média de 30,5% e AP de 51,98% para lesões radiolúcidas e 56,68% para radiopacas. O modelo de RNCP desenvolvido nesse estudo é eficaz na detecção de alterações em radiografias panorâmicas de uma população do nordeste do Brasil, demonstrando potencial para acelerar o processo diagnóstico e apoiar a tomada de decisão clínica.

MEMBROS DA BANCA:
Interno - 1774390 - DANYEL ELIAS DA CRUZ PEREZ
Interna - 1171208 - ELAINE JUDITE DE AMORIM CARVALHO
Interna - 1802101 - FLAVIA MARIA DE MORAES RAMOS PEREZ
Externa à Instituição - MARCIA MARIA FONSECA DA SILVEIRA - UPE
Presidente - 1552665 - MARIA LUIZA DOS ANJOS PONTUAL