bachelorThesis
Desenvolvimento de um aplicativo para o auxílio no diagnóstico de perda óssea radiográfica periodontal via aprendizagem profunda
Development of an application for assistance in diagnosing periodontal radiographic bone loss using deep learning
Registro en:
CASSIANO, Luanny de Brito Avelino. Desenvolvimento de um aplicativo para auxílio no diagnóstico de perda óssea radiográfica periodontal via aprendizagem profunda. Orientadora: Ana Rafaela Luz de Aquino Martins. 2023. 28 f. Trabalho de Conclusão de Curso (Graduação em Odontologia) - Departamento de Odontologia, Universidade Federal do Rio Grande do Norte, Natal, 2023.
Autor
Cassiano, Luanny de Brito Avelino
Resumen
Periodontitis is a multifactorial chronic inflammatory disease associated with an accumulation of
dysbiotic biofilm and characterized by progressive bone loss, which can be measured
by the distance between the Cemento-Enamel Junction (CEJ) and the alveolar bone
crest (ABC) on radiographs, known as radiographic bone loss (RBL). The use of
Convolutional Neural Networks (CNNs) has shown promise in the analysis and
interpretation of dental radiograph images, making it faster and more objective.
Therefore, the study aimed to develop an application for the detection and
measurement of periodontal RBL using CNN. This study included 595 digital
radiographic images of interproximal type, which underwent keypoint annotations
using the CVAT platform. Out of these, 565 images were trained using the
YOLOv8-pose architecture, resulting in a model for detecting keypoints related to the
CEJ and ABC. Based on the obtained model, a web application was developed using
the Streamlit tool, capable of detecting and measuring RBL by calculating the
Euclidean distance between the points. The model achieved promising results, with a
precision of 0.611, a recall of 0,739, and an mAP of 73,8%. The application
demonstrated good functionality and performance, accessible on both computers and
smartphones. In conclusion, the specific model and application for identifying and
measuring radiographic bone loss showed remarkable performance and robust
average accuracy in diagnosing this periodontal indicator. Therefore, the potential for
automating the diagnostic process through this innovative web application is
significant. A periodontite é uma doença inflamatória crônica multifatorial associada a um acúmulo de biofilme disbiótico e caracterizada pela progressiva perda óssea, a qual pode ser medida pela distância entre a Junção Cemento-esmalte (JCE) e a crista óssea alveolar (COA) em radiografias, chamada de perda óssea radiográfica (POR). O uso de Redes Neurais Convolucionais (CNNs) tem sido promissor na realização de análise e interpretação de imagens de radiografias dentárias, tornando-a mais rápida e objetiva. Logo, o estudo objetivou construir uma aplicação de detecção e mensuração de POR periodontal usando CNN. Este estudo incluiu 595 imagens radiográficas digitais do tipo interproximais, submetidas à etapa de anotações do tipo keypoints usando a plataforma CVAT. Destas, 565 imagens foram treinadas usando a arquitetura YOLOv8-pose, resultando em um modelo de detecção de keypoints referentes à JCE e à COA. Com base no modelo obtido, desenvolveu-se uma aplicação web, usando a ferramenta Streamlit, capaz de detectar e mensurar a POR através do cálculo da distância euclidiana entre os pontos. O modelo alcançou resultados promissores, com uma precisão de 0,611, um recall de 0,739 e mAP de 73,8%. A aplicação demonstrou bom funcionamento e desempenho, podendo ser acessada em computadores e smartphones. Conclui-se, portanto, que o modelo e a aplicação específicos para a identificação e mensuração de perda óssea radiográfica revelaram um desempenho notável e uma precisão média robusta no diagnóstico desse indicador periodontal. Logo, o potencial para a automação do processo diagnóstico através desta aplicação web inovadora é expressivo.