Banca de DEFESA: LAÍS BASTOS PINHEIRO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LAÍS BASTOS PINHEIRO
DATA : 07/10/2022
HORA: 15:00
LOCAL: meet.google.com/snh-ctsk-vij
TÍTULO:

Análise de desempenho da rede Mask R-CNN para a numeração e segmentação de dentes em radiografias panorâmicas

PALAVRAS-CHAVES:

Aprendizado Profundo,
Visão Computacional,
Radiografia Panorâmica,
Redes Neurais Convolucionais,
Aprendizado Supervisionado.

PÁGINAS: 55
RESUMO:

Na odontologia, a radiografia panorâmica é uma ferramenta importante para auxiliar os dentistas em seus diagnósticos, monitorar a saúde bucal e planejar ou acompanhar o tratamento do paciente. O grande número de indicações de uso e suas vantagens de utilização impulsionou os estudos sobre a aplicação de técnicas de aprendizado profundo neste tipo de exame de imagem. Para a análise automática da radiografia panorâmica, a identificação individual dos dentes é uma etapa indispensável, pois, detectar, numerar e segmentar dentes são tarefas essenciais para etapas posteriores de diagnóstico automático destas radiografias e geração de relatórios automatizados. Nesse sentido, este projeto propõe automatizar a tarefa de identificação (detecção, numeração e segmentação) de dentes, a partir da avaliação de redes neurais baseadas em aprendizado profundo, que delimitam, rotulam e segmentam cada dente detectado na radiografia panorâmica. Para a avaliação do desempenho geral das redes neurais, um conjunto abrangente de dados de radiografias panorâmicas com anotações consistentes na imagem de dentes permanentes e decíduos não era encontrado na literatura. Para preencher essa lacuna, este trabalho contribui com um conjunto de dados anotados, consistindo no contorno de cada dente e rotulação manual de cada dente com base na notação dentária FDI. Tal conjunto de dados é formato por 450 imagens de radiografias panorâmicas. As anotações foram realizadas por estudantes de odontologia e ciência da computação, com o auxílio e a supervisão de profissionais da área de odontologia. A partir da base de dados criada, a proposta deste projeto é também avaliar duas arquiteturas de rede neural baseadas na Mask R-CNN: a rede padrão e outra que adiciona o módulo PointRend no ramo de segmentação. O melhor desempenho foi alcançado com a adição do módulo PointRend, que atingiu 75,3% e 77,3% de mean average precision (mAP), nas tarefas de numeração e segmentação, respectivamente, superando a Mask R-CNN padrão em 1,2 e 2 pontos percentuais. O objetivo da investigação foi encontrar um método que melhorasse a segmentação por instância nos limites dos dentes, porque este é o principal obstáculo dos métodos de segmentação, o que foi obtido com a Mask R-CNN mais o módulo PointRend. Espera-se que este estudo e o novo conjunto de dados públicos representem um avanço em processamento automático de exames de imagem em radiografias panorâmicas, incentivando a proposição de novos algoritmos para a solução do problema proposto.

MEMBROS DA BANCA:
Presidente - 1914064 - LUCIANO REBOUCAS DE OLIVEIRA
Externo ao Programa - ***.855.755-** - EDUARDO MANUEL DE FREITAS JORGE - UNEB
Externo ao Programa - 6286135 - PAULO SERGIO FLORES CAMPOS - UFBA