Desenvolvimento e avaliação de sistema de inteligência artificial para reconhecimento do canal mandibular em ortopantomografias
Carregando...
Arquivos
Data
2024-09-27
Autores
Orientador
Takeshita, Wilton Mitsunari 
Coorientador
Pós-graduação
Curso de graduação
Araçatuba - FOA - Odontologia
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
Introdução: O canal da mandíbula (CM) é um importante reparo anatômico e marco clínico para uma série de procedimentos odontológicos, desde injeções para anestesia local dentomaxilofacial e em cirurgia plástica. A principal função do nervo alveolar inferior (NAI) é dar sensibilidade à região inferior do terço cervical da face. Injúrias a este nervo causam alterações neurossensoriais desconfortáveis para o paciente, que se manifestam através de parestesia do lábio inferior e pele do mento, podendo ser temporária ou permanente. Uma proposta é fazer uso da inteligência artificial (IA) para localizar essa estrutura. Até o presente momento, nenhum método automatizado foi proposto para identificar o CM em radiografias panorâmicas. Objetivo: desenvolver e avaliar um sistema de IA por redes neurais convolucionais profundas (CNNs) capaz de reconhecer e localizar, a partir de ortopantomografias, o
canal da mandíbula. Metodologia: Foram selecionadas duzentas radiografias de pacientes do arquivo da disciplina de Radiologia Odontológica e Imaginologia. A pesquisa foi realizada na Clínica de Radiologia da FOA-UNESP. A elaboração do conteúdo e a rotulação dos bancos de dados foram realizadas pelos pesquisadores da área de Odontologia. O diagnóstico de referência foi confeccionado por meio da análise do profissional especialista em Radiologia Odontológica com mais de 15 anos de experiência. Foi realizada a partir da seleção poligonal englobando o elemento dentário e o segmento do canal da mandíbula envolvido, a partir do rotulador desenvolvido e disponibilizado pela ferramenta Roboflow. A aplicação foi proposto o
desenvolvimento inicialmente em linguagem Python e foi utilizado o YOLO v8, um algoritmo de detecção de objetos baseado em CNNs, Resultados: A análise dos dados obtidos revelou que a aplicação de algoritmos avançados de inteligência artificial (IA) para a identificação do canal da mandíbula (CM) em radiografias panorâmicas apresenta uma precisão geral de 70.8%. Conclusão: a IA pode facilitar a prática odontológica ao fornecer uma ferramenta auxiliar de análise automatizada das radiografias, melhorando a precisão no reconhecimento da proximidade com o canal da mandíbula e auxiliando na prevenção de lesões ao NAI durante procedimentos clínicos.
Resumo (inglês)
Introduction: The mandibular canal (MC) is an important anatomical repair and clinical landmark for a range of dental procedures, from injections for dentomaxillofacial local anesthesia to plastic surgery. The main function of the inferior alveolar nerve (IAN) is to provide sensitivity to the lower third of the face. Injury to this nerve causes uncomfortable neurosensory alterations for the patient, which are manifested through paresthesia of the lower lip and chin skin, and can be temporary or permanent. A proposed approach is to use artificial intelligence (AI) to locate this structure. To date, no automated method has been proposed to identify MC in panoramic radiographs. Objective: To develop and evaluate an AI system using deep
convolutional neural networks (CNNs) capable of recognizing and locating the mandibular canal from orthopantomograms. Methodology: 200 radiographs of patients from the Dental Radiology and Imaging archives were selected. The research was carried out in the Radiology Clinic at FOA-UNESP. The content and labeling of the databases was carried out by dental researchers. The reference diagnosis was made through the analysis of a professional specialist in dental radiology with more than 15 years' experience. It was carried out using a polygonal selection encompassing the dental element and the segment of the mandibular canal involved, using the rotator developed and made available by the Roboflow tool. The application was initially developed in Python and used YOLO v8, an object detection algorithm based on CNNs. Results: Analysis of the data obtained revealed that the application of
advanced AI algorithms for the identification of the MC in panoramic radiographs shows an overall accuracy of 70.8%. Conclusion: AI can facilitate dental practice by providing an auxiliary tool for automated analysis of radiographs, improving accuracy in recognizing proximity to the mandibular canal and helping to prevent injuries to the NAI during clinical procedures.
Descrição
Idioma
Português
Como citar
SANTELLI, Julia Ogata. Desenvolvimento e avaliação de sistema de inteligência artificial (ia) para reconhecimento do canal mandibular em ortopantomografias. 2024. 25 f. Trabalho de Conclusão de Curso (Graduação em Odontologia) – Faculdade de Odontologia, Universidade Estadual Paulista (UNESP), Araçatuba, 2024.