Notícias

Banca de QUALIFICAÇÃO: MARCOS ANTONIO SIMEAO CAVALCANTE

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARCOS ANTONIO SIMEAO CAVALCANTE
DATA: 30/09/2024
HORA: 10:00
LOCAL: Sala de Pós Graduação Biotecnologia e via Google Meet
TÍTULO: RECONHECIMENTO DE IMPLANTES DENTÁRIOS EM RADIOGRAFIAS POR REDES NEURAIS E MARCADORES DE REFERÊNCIA.
PALAVRAS-CHAVES: Implante Dentário; Radiografia Dentária; IA (Inteligência Artificial); Aprendizado Supervisionado de Máquina.
PÁGINAS: 82
GRANDE ÁREA: Ciências da Saúde
ÁREA: Odontologia
SUBÁREA: Periodontia
RESUMO:

Este estudo tem como objetivo validar uma metodologia baseada em redes neurais para identificar implantes dentários a partir de imagens radiográficas periapicais, utilizando marcadores de referência para estimar modelos e dimensões de implantes desconhecidos. A pesquisa foi motivada pela dificuldade enfrentada por profissionais de odontologia na identificação precisa de implantes, devido à diversidade de marcas e modelos disponíveis e à ausência de um padrão universal nos sistemas de implantes. A metodologia proposta envolve o uso de redes neurais convolucionais (RNCs) para o reconhecimento e classificação de implantes dentários, com base em características visuais extraídas das imagens radiográficas. O estudo foi estruturado em etapas, incluindo a criação de um banco de dados com 2210 imagens radiográficas realizado a partir de 254 implantes dentários de 05 marcas diferentes, que abrangiam 03 diferentes tipos de implantes dentários. Foram utilizadas técnicas de segmentação de imagens para destacar os implantes e desenvolvido um sistema de aprendizado de máquina capaz de identificar e classificar os mesmos. Além disso, um marcador de referência com dimensões conhecidas (uma esfera de 3,175 mm) foi inserido nas imagens radiográficas para auxiliar na estimativa das dimensões dos implantes, e que demonstrou um erro menor que 1,0 mm em 99,41% das estimativas para largura e 81,31% para altura quando comparado aos valores reais. Os resultados ainda mostraram que a metodologia desenvolvida foi eficaz na identificação dos implantes dentários, alcançando 95% de precisão na classificação dos tipos e modelos de implantes. Este trabalho oferece uma solução prática para a identificação de implantes dentários em ambientes clínicos, contribuindo para a melhoria dos diagnósticos e dos tratamentos odontológicos.


MEMBROS DA BANCA:
Presidente - 1750086 - DANIEL FERNANDO PEREIRA VASCONCELOS
Interno - 015.753.933-44 - ARIEL SOARES TELES - IFMA
Externo ao Programa - 3375434 - MANOEL DIAS DE SOUZA FILHO
Externo à Instituição - DARKLILSON PEREIRA SANTOS - UESPI
Notícia cadastrada em: 28/08/2024 15:04
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb04.ufpi.br.instancia1 12/12/2024 20:22