O uso de Deep Learning para o rastreamento de osteoporose em radiografias panorâmicas
Rastreamento de Osteoporose, Radiografia Panorâmica, Inteligência Artificial, CNN, Grad-CAM
“Este estudo apresenta um método avançado para a triagem de osteoporose usando radiografias panorâmicas (RPs) através de modelos de rede neural convolucional (CNN) baseados na arquitetura EfficientNet. Explora dois métodos: análise de imagens completas de RP e análise de imagens recortadas focando na região cortical mandibular. Uma base de dados de imagens cuidadosamente selecionada, composta por 19.295 RPs, foi avaliada por um examinador calibrado, selecionando 750 para o estudo—579 classificadas como C1 e 171 como C3. Esta criação de base de dados aborda uma lacuna significativa nos recursos disponíveis. O processo envolveu processamento de imagem detalhado e seleção utilizando ferramentas de visão computacional e técnicas de pré-processamento de dados. Os modelos EfficientNet B5, B6 e B7 foram otimizados usando aprendizado por transferência para classificação. A análise estatística mostrou que o método de imagem recortada alcançou aproximadamente 98% de precisão, ligeiramente superior à precisão de 95% do método de imagem completa. O uso de Grad-CAM permitiu uma análise visual detalhada, destacando a importância da borda cortical mandibular nas previsões, mesmo quando se utilizou o método de imagem completa. Esta descoberta é significativa, sugerindo potencial para aplicações mais amplas de imagens completas de RP. O estudo contribui notavelmente para o diagnóstico odontológico assistido por computador ao tornar os códigos de treinamento e teste públicos, proporcionando assim uma ferramenta eficiente e não invasiva para a triagem rotineira de osteoporose em RPs.