DEFESA Nº 134

Discente: Maria Alice Andrade Calazans

Título: “TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA ARTIFICIAL APLICADAS AO DIAGNÓSTICO ODONTOLÓGICO”

Orientador: Prof. Dr. Francisco Madeiro Bernardino Junior.

Coorientadora: Profa. Dra. Maria de Lourdes Melo Guedes Alcoforado.

Examinador Interno: Prof. Dr. Carmelo José Albanez Bastos Filho(UPE) 

Examinador Externo: Prof. Dr. Juliano Bandeira Lima (UFPE)  

Data-hora: 15/02/2022, às 08h

Local: Formato Remoto

CÓDIGO DA SALA - Google meet: RESTRITO

Resumo do Projeto:

Os exames de imagem são de notória importância no auxílio ao diagnóstico no âmbito das ciências da saúde. Na odontologia, técnicas de imageamento são solicitadas de maneira corriqueira, pois, por meio das imagens, é possível verificar tecidos e ossos faciais inacessíveis no exame clínico e, a partir disso, é viável diagnosticar patologias e alterações, além de apoiar a realização de planejamento do tratamento, se necessário. Diante desse cenário, alguns dos problemas encontrados estão relacionados à sobreposição de estruturas, presença de ruídos e distorção, nos exames em duas dimensões, como o caso das radiografias panorâmicas. Além disso, a análise das imagens não é trivial, sendo muitas vezes realizada por especialistas em radiologia. A elevada demanda por imagens é motivação para o desenvolvimento de um sistema de classificação automática que possa ser usado para apoio ao diagnóstico, permitindo, por exemplo, classificar entre uma imagem com patologia ou não. Nesta dissertação é avaliada a utilização da versão modificada do algoritmo K-Means, para fins de segmentação de imagens de radiografias panorâmicas. É apresentada uma comparação com os algoritmos K-Means, Fuzzy K-Means e Morphological Chan Vese, sobre 1.500 imagens de radiografias panorâmicas, as quais são uma classe de exame solicitado rotineiramente por dentistas. Além disso, é proposto um sistema de classificação automática para detecção de lesões em dentes molares na região da maxila, utilizando 1.000 imagens de tomografias computadorizadas de feixe cônico, as quais são parte da base de dados da UFPE (Universidade Federal de Pernambuco), construída por especialistas do Departamento de Clínica e Odontologia Preventiva da UFPE, especificamente para a aplicação inédita apresentada neste trabalho para a área de odontologia. Observa-se que o algoritmo K-Means Modificado apresentou superioridade sobre as demais técnicas de segmentação consideradas. Com relação ao sistema de classificação, os resultados foram satisfatórios, atingindo valores de acurácia de cerca de 70%.

Palavras-chave: Segmentação de radiografias panorâmicas, K-Means Modificado, sistema de classificação automática, lesão endodôntica, deep learning.