Banca de DEFESA: MARIA EDUARDA ARRUDA DE LUCENA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARIA EDUARDA ARRUDA DE LUCENA
DATA : 26/02/2026
HORA: 14:00
LOCAL: Google Meet
TÍTULO:

DESEMPENHO DE UMA REDE NEURAL PROFUNDA NA DETECÇÃO DE VARIAÇÕES NA DENSIDADE EM RADIOGRAFIAS PANORÂMICAS

PALAVRAS-CHAVES:

Inteligência Artificial; Aprendizado Profundo; Radiografia Panorâmica.

PÁGINAS: 55
RESUMO:

Radiografias panorâmicas são amplamente utilizadas na detecção de alterações da densidade óssea no complexo bucomaxilofacial. Entretanto, essas alterações geralmente são descobertas incidentalmente por meio de exames imaginológicos de rotina. 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 da densidade óssea 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 anonimizadas e, em seguida, importadas no CVAT (Computer Vision Annotation Tool), onde foram avaliadas simultaneamente por três radiologistas. Durante a avaliação, os examinadores utilizaram a ferramenta “bounding box” na demarcação das áreas correspondentes às alterações, de acordo com o tipo de densidade (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%). 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:
Externa à Instituição - ANA PAULA VERAS
Presidente - 1774390 - DANYEL ELIAS DA CRUZ PEREZ
Externa à Instituição - DEBORAH QUEIROZ DE FREITAS FRANCA