Resultado da busca [Siglas PN0762 a PN0913 ]
 142 Resumo encontrados. Mostrando de 141 a 142

• 1
• ...
• 16
• 17
• 18

Este estudo avaliou a colonização, atividade de exoenzimas e resistência antifúngica de espécies Candida isoladas da cavidade oral de pacientes com e sem tuberculose (TB). Amostras de enxaguado bucal foram coletadas de 147 pacientes. As espécies de Candida foram identificadas por PCR e a carga fúngica foi determinada por unidades formadoras de colônias. A atividade das exoenzimas fosfolipase, protease e hemolisina foram obtidas em meios de cultura enriquecidos. A atividade da coagulase foi determinada em plasma de coelho com EDTA. A resistência antifúngica foi determinada pela concentração inibitória mínima de fluconazol e anfotericina B em tiras de E-test. C. albicans foi mais isoladas em pacientes com TB (OR: 2; p=0,04). Maior carga fúngica foi observada em pacientes com TB, em comparação com indivíduos sem TB (p<0,001). As atividades das exoenzimas e a resistência aos antifúngicos não foram diferentes entre as espécies de Candida isoladas de pacientes com e sem TB. C. albicans apresentou maior atividade de fosfolipase, coagulase e maior taxa de resistência ao fluconazol do que a C. tropicalis e a C. dubliniensis (p<0,001). Todas as espécies de Candida apresentaram alta prevalência de resistência ao fluconazol.

O uso dos algoritmos de Deep Learning (DL), uma subdivisão da Inteligência Artificial (IA) vem demonstrando e sugerindo a sua eficiência e confiabilidade no processo de automação de diagnósticos utilizando os exames das Radiografias Panorâmicas Digitais (PRs). Para tarefas repetitivas como os laudos de tratamentos dentários presentes em RPs, os algoritmos de DL podem ser utilizados para auxiliar os profissionais oferecendo a maior eficiência diagnóstica, redução do tempo de laudo e de erros. Este estudo piloto utilizou 100 exames RPs de origem multicêntrica para testar a acurácia do algoritmo de classificação de EfficientDet-D3, que tem a vantagem de ter a capacidade de classificação em camadas de multiníveis. Os tratamentos dentários foram categorizados em 9 categorias: coroa sobre dente; coroa sobre implante; prótese fixa com pôntico sobre dente; prótese fixa com pôntico sobre implante; restauração metálica; restauração não-metálica; retentor intrarradicular; implante e raiz residual. A acurácia maior obtida foi de 66,4%. O algoritmo testado demonstrou boa sensibilidade de distinção das categorias que tem metais, no entanto o algoritmo teve dificuldade em classificar as restaurações não-metálicas. Baseado na avaliação qualitativa por meio de bounding box, o algoritmo demonstrou pouca sensibilidade em distinção entre o dente natural e restauração não-metálica como a restauração de resina.

• 1
• ...
• 16
• 17
• 18