Inteligência artificial aplicada aos exames de imagem odontológicos
dc.contributor.advisor | Arús, Nádia Assein | pt_BR |
dc.contributor.author | Jardim, Jerusa Jobim | pt_BR |
dc.date.accessioned | 2022-10-26T04:46:47Z | pt_BR |
dc.date.issued | 2021 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/250289 | pt_BR |
dc.description.abstract | A presente revisão da literatura teve por objetivo investigar a literatura relacionada à aplicação da Inteligência Artificial (IA) na análise de exames de imagem nas diversas especialidades odontológicas, seu desempenho nesta tarefa, possibilidades de aplicação na prática clínica, bem como suas vantagens e limitações. A busca bibliográfica realizada em uma fonte de dados resultou em inclusão de 58 artigos originais de texto completo, trabalhos experimentais e revisões sistemáticas da literatura, publicados em inglês, período de publicação entre 2018 e 2020, que analisaram a aplicabilidade clínica de modelos de IA para diagnóstico em imagens 2D e 3D de estruturas dentárias e do complexo maxilofacial de indivíduos adultos. Os estudos analisados tiveram como foco a avaliação de redes neurais convolucionais na detecção automática de pontos cefalométricos, de lesões de cárie, de lesões apicais, de perda óssea periodontal, de sistemas de implantes, de cistos odontogênicos e tumores em maxila e mandíbula, de osteoporose, de sinusite maxilar, de terceiros molares e canal mandibular, de ateromas em carótida, de fratura radicular vertical, de osteoartrite em ATM, avaliação de morfologia radicular e numeração de elementos dentários. O desempenho dos modelos variou entre os diferentes algoritmos. Observou-se que 65% dos trabalhos analisados mostrou acurácia diagnóstica dos modelos acima de 80%. Os modelos propostos nos estudos mostraram potencial para utilização como auxiliares de diagnóstico por imagem nas diversas propostas analisadas. Contudo, estudos adicionais são necessários a fim de melhor investigar a confiabilidade destes modelos e de minimizar ou contornar os limites apresentados nos estudos, de forma a possibilitar a generalização de sua aplicabilidade clínica. | pt_BR |
dc.description.abstract | The present literature review aimed to investigate the literature related to the application of Artificial Intelligence (AI) in the analysis of imaging exams in various dental specialties, their performance in this task, possibilities of application in clinical practice, as well as their advantages and limitations. The bibliographic search conducted in a data source resulted in the inclusion of 58 original full-text articles, experimental papers and systematic literature reviews, published in English, a period of publication between 2018 and 2020, which analyzed the clinical applicability of AI models for diagnosis on 2D and 3D images of dental structures and maxillofacial complex of adult individuals. The studies analyzed focused on the evaluation of convolutional neural networks in the automatic detection of cephalometric points, caries lesions, apical lesions, periodontal bone loss, implant systems, odontogenic cysts and tumors in the maxilla and mandible, osteoporosis in mandible, maxillary sinusitis, third molars and mandibular canal, atherosclerotic carotid plaque, of vertical root fracture, osteoarthritis in TMJ, evaluation of root morphology and numbering of dental elements. The performance of the models varied between the different algorithms. It was observed that 65% of the analyzed studies showed diagnostic accuracy of the models above 80%. The models proposed in the studies showed potential for use as diagnostic imaging aids in the various proposals analyzed. However, further studies are needed to better investigate the reliability of these models and to minimize or circumvent the limits presented in the studies, in order to enable the generalization of their clinical applicability. | en |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Aprendizado de máquina | pt_BR |
dc.subject | Machine learning | en |
dc.subject | Artificial intelligence | en |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Algorítmo | pt_BR |
dc.subject | Neural network | en |
dc.subject | Convolutional neural network | en |
dc.subject | Deep learning | en |
dc.title | Inteligência artificial aplicada aos exames de imagem odontológicos | pt_BR |
dc.title.alternative | Artificial intelligence applied to dental imaging exams | en |
dc.type | Trabalho de conclusão de especialização | pt_BR |
dc.identifier.nrb | 001152146 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Faculdade de Odontologia | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2021 | pt_BR |
dc.degree.level | especialização | pt_BR |
dc.degree.specialization | Curso de Especialização em Radiologia Odontológica | pt_BR |
Files in this item
This item is licensed under a Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)
-
Health Sciences (1456)