Inteligência artificial na identificação de calcificações cervicais em radiografias panorâmicas [recurso eletrônico]/Guilherme Augusto Alves de Oliveira ; orientador: Flávio Ricardo Manzi

Tese (Doutorado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Odontologia. Bibliografia: f. 85-89 A região inferior da radiografia panorâmica pode apresentar calcificações cervicais comoconsequência da deposição atípica de sais de cálcio em estruturas anatômicas ou processos patológicos. O diagnóstico destas condições pode possibilitar a prevenção de condições clínicas relevantes. Foi analisado no presente estudo a acurácia no diagnóstico de calcificações cervicais em radiografia panorâmica pela inteligência artificial, através da deep learning. De um banco de dados de clínicas odontológicas privadas foi obtido 14526 radiografias panorâmicas, sendo selecionados 1416 exames que apresentavam calcificações cervicais e 1288 exames que não apresentavam calcificações cervicais. As imagens foram recortadas em dimensões padronizadas de 378 x 214 pixels, sendo os cortes realizados nas extremidades inferiores direita e esquerda do exame. Foram selecionados 1896 lados que apresentavam alguma calcificação cervical e 1640 lados que não apresentavam calcificação. Foi executado o treinamento e teste da rede neural convolucional, apresentando acurácia de 74%. Foi verificada também a influência da formação profissional na capacidade diagnósticade calcificações cervicais em radiografia panorâmica, estabelecendo um comparativo com software desenvolvido através da inteligência artificial. Cem radiografias panorâmicas foram selecionadas na base de dados de 14526 radiografias e enviadas para 03 grupos de profissionais: Graduandos em odontologia (G1), dentistas não especialistas em radiologia odontológica (G2) e especialistas em radiologia odontológica (G3). Cada grupo foi composto por 05 indivíduos, executando a análise de 200 lados (direito e esquerdo) de 100 radiografias panorâmicas, totalizando 1000 análises por grupo. Todos os grupos foram treinados através de vídeo instrutivo sobre a região de análise radiográfica, estruturas anatômicas que compõe esta região e possíveis calcificações cervicais que poderiam ser diagnosticadas. Foi determinada a acurácia de cada grupo e do software desenvolvido através da inteligência artificial (IA), e comparação entre os grupos. A acurácia dos grupos G1, G2, G3 e IA foram, 70, 71, 81 e 74%, respectivamente. Houve diferença estatística significante entre especialistas e graduandos; especialistas e dentistas; especialistas e inteligência artificial; inteligência artificial e graduandos; inteligência artificial e dentistas. Não houve diferença estatística significante entre graduandos e dentistas. As experiências práticas e teóricas associadas a um curso de especialização permitem uma melhor capacidade diagnóstica de calcificações cervicais. O software desenvolvido através da inteligência artificial representa uma ferramenta adicional para o diagnóstico automatizado de calcificações cervicais. Palavras-chave: Inteligência artificial. Deep learning. Radiografia panorâmica. The inferior region of the panoramic radiograph may show cervical calcifications as a result of the atypical deposits of calcium salts in anatomic structures, or pathological processes. The diagnosis of these conditions may make it possible to prevent relevant clinical conditions. In the present study, accuracy in the diagnosis of cervical calcifications in panoramic radiographs was analyzed by artificial intelligence by means of deep learning. In total 14526 panoramic radiographs were obtained from the databases of private dental offices. A selection was made of exams that showed cervical calcifications, and an equal number of similar exams that did not show cervical calcifications. The images were sectioned in order to obtain standardized dimensions of 378 x 214 pixels, and the cuts were made in the right and left bottom (inferior) extremities of the exams. In total 1896 sides that showed some type of cervical calcification, and 1640 sides that did not show calcification were selected. Training and the convolutional neural network test were performed, showing an accuracy of 75%. In addition, the influence was verified of the professionals educational formation on the diagnosis of cervical calcifications in panoramic radiographs, to establish a comparison with software developed by means of artificial intelligence. One hundred panoramic radiographs were selected in the database with 14526 radiographs, and these were sent to 03 Groups of professionals: Dentistry undergraduates (G1), dentists not specialized in dental radiology (G2) and specialists in dental radiology (G3). Each Group was composed of 05 individuals, who analyzed 200 sides (right and left) of 100 panoramic radiographs, totaling the analysis of 1000 sides per Group. All the Groups were trained by means of the instructive video about the region of radiographic analysis, anatomic structures of which the region is composed, and possible cervical calcifications that may be diagnosed. The accuracy of each group and of the software developed by means of artificial intelligence (AI) was checked, and comparison was made between the groups. The accuracy values of Groups G1, G2, G3 and AI were, 70, 71, 81 and 74%, respectively. There was statistically significant difference between specialists and undergraduates; specialists and dentists; specialists and artificial intelligence; artificial intelligence and undergraduates; artificial intelligence and dentists. There was not statistically significant difference between undergraduates and dentists. The practical and theoretical experience associated with a course of specialization allowed an enhanced diagnostic capacity of cervical calcifications. The software developed by artificial intelligence represented an additional tool for the automated diagnosis of cervical calcifications. Keywords: Artificial intelligence. Deep learning. Panoramic radiography.