Programação

Modalidade:
Área:
Autores:
Palavra-Chave:


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


PN0890 - Painel Efetivo
Área: 7 - Imaginologia

Apresentação: 05/09 - Horário: 13h30 às 17h00 - Sala: Área dos Painéis

Avaliação da acurácia do algoritmo de Deep Learning para classificar os tratamentos dentários em Radiografias Panorâmicas: Estudo Piloto
Kim JH, Silva RLB, Kim H, Alcantara AR, Laurino FAR, Cabral CCG, Romano MM, Costa C
UNIVERSIDADE DE SÃO PAULO - SÃO PAULO
Conflito de interesse: Não há conflito de interesse

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.

Diante das limitações deste estudo, o algoritmo EfficientDet-D3 proveu acurácia de 66,4% para a tarefa de distinção entre 9 categorias de tratamentos dentários.