Campo DC | Valor | Idioma |
dc.contributor.advisor | Leite, André Ferreira | pt_BR |
dc.contributor.author | Lima, Mayra Cristina Ribeiro de | pt_BR |
dc.date.accessioned | 2024-09-25T17:54:06Z | - |
dc.date.available | 2024-09-25T17:54:06Z | - |
dc.date.issued | 2024-09-25 | - |
dc.date.submitted | 2024-05-29 | - |
dc.identifier.citation | LIMA, Mayra Cristina Ribeiro de. Uso da rede neural Transformer em diagnóstico por imagem na Odontologia: uma revisão de escopo. 2024. 62 f., il. Dissertação (Mestrado em Odontologia) — Universidade de Brasília, Brasília, 2024. | pt_BR |
dc.identifier.uri | http://repositorio.unb.br/handle/10482/50445 | - |
dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Artes, Departamento de Design, Programa de Pós-Graduação em Design, 2024.Dissertação (mestrado) — Universidade de Brasília, Faculdade de Ciências da Saúde, Programa de Pós-Graduação em em Odontologia, 2024. | pt_BR |
dc.description.abstract | Introdução: As ferramentas de inteligência artificial (IA) são utilizadas de forma
crescente na área da odontologia, com potencial de revolucionar a prática clínica.
Atualmente, as redes neurais convolucionais (CNNs) são muito utilizadas como
algoritmos de visão computacional para detecção e classificação de doenças em
imagens como a tomografia computadorizada e a radiografia panorâmica. Também
têm sido aplicadas para segmentação de estruturas nestas imagens e em modelos
preditivos. No entanto, mais recentemente as redes transformers, muito usadas para
processamento natural de linguagem, passaram a ser utilizadas também para tarefas
em imagens, com potencial de performance superior às CNNs. Objetivo: Esta revisão
de escopo tem como objetivo avaliar a aplicação da Rede neural Transformer para
diagnóstico de alterações dentárias e na região do complexo maxilofacial em exames
de imagem mais usados na odontologia. Metodologia: Foi realizada uma busca nas
bases de dados LILACS, Embase, PubMed/MEDLINE, SCOPUS, Web of Science e
IEEE Xplore. Também foi realizada pesquisa adicional na literatura cinzenta, incluindo
Google Scholar e Proquest Dissertation & These. Os termos de pesquisa incluíram
termos livres, descritores MeSH, além de termos controlados disponíveis nos
Descritores em Ciências da Saúde (DeCS). Para seleção e administração das
referências foram utilizados os aplicativos Mendeley e Rayyan. Os critérios de
inclusão foram: estudos que realizaram exames de pacientes com alterações
dentárias e na região do complexo maxilomandibular, que usaram Rede Neural
Transformer para diagnóstico e que tratavam de diagnóstico por imagem em
Odontologia. Ensaios clínicos, estudos observacionais e Revisões sistemáticas foram
elegíveis para o estudo. Resultados: Foram encontrados no total 5.182 estudos,
sendo incluídos 11 estudos ao final. Desses 11 artigos analisados, 8 empregaram a
arquitetura Transformer em tarefas de segmentação. O padrão de referência incluiu
avaliação de especialistas por meio da anotação manual. O número total do conjunto
de dados foi de 39.221, não sendo possível quantificar o total de dados utilizados para
teste, treinamento e validação pela falta de informação em alguns estudos. Os estudos
confirmaram, por meio dos resultados das métricas utilizadas, que o uso da rede
neural aqui discutida foi favorável em suas diferentes aplicações. Conclusão: O uso
da rede neural Transformer representa uma ferramenta potencial com excelentes
resultados para aplicação em diagnóstico por imagem em odontologia. Os dados
obtidos nesse estudo indicam que os modelos baseados em Transformer
frequentemente se beneficiam da combinação com outras arquiteturas, como as
Redes Neurais Convolucionais, resultando em maior sucesso nos resultados. É
fundamental mencionar que, embora haja espaço para melhorias, esta tecnologia já
representa um significativo avanço da IA na odontologia. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.title | Uso da rede neural Transformer em diagnóstico por imagem na Odontologia : uma revisão de escopo | pt_BR |
dc.type | Dissertação | pt_BR |
dc.subject.keyword | Redes neurais | pt_BR |
dc.subject.keyword | Diagnóstico por imagem | pt_BR |
dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
dc.description.abstract1 | Introduction: Artificial intelligence (AI) tools are increasingly being used in dentistry,
with the potential to revolutionize clinical practice. Currently, convolutional neural
networks (CNNs) are widely used as computer vision algorithms for detecting and
classifying diseases in images, such as computed tomography and panoramic
radiography. They have also been applied to segment structures in these images and
in predictive models. Recently, however, transformer networks, which are widely used
in natural language processing, have also been applied to image analysis tasks, with
the potential to outperform CNNs. Objective: The aim of this scoping review is to
assess the application of the Transformer neural network for diagnosing dental and
maxillofacial abnormalities in the most used dental imaging exams. Methodology: A
search was conducted in the LILACS, Embase, PubMed/MEDLINE, SCOPUS, Web of
Science, and IEEE Xplore databases. Additional research was also conducted in the
grey literature, including Google Scholar and Proquest Dissertation & These. The
search terms included free terms, (MeSH) descriptors, as well as controlled terms
available in the Health Sciences Descriptors (DeCS). The Mendeley and Rayyan
applications were used to select and manage the references. The Mendeley and
Rayyan applications were used to select and manage the references. The inclusion
criteria were: examinations of patients with hard tissue alterations in the jaws and face,
studies that used Neural Network Transformer for Diagnosis, and studies that dealt
with diagnostic imaging in Dentistry. Clinical trials, observational studies, and
systematic reviews were eligible for the study. Results: A total of 5,182 studies were
found, of which 11 studies were included at the end. Of these 11 articles analyzed, 8
employed the Transformer architecture in segmentation tasks. The reference standard
included expert evaluation through manual annotation. The total number of the dataset
was 39,221, and it was not possible to quantify the total data used for testing, training
and validation due to the lack of information in some studies. The studies confirmed,
through the results of the metrics used, that the use of the neural network discussed
here was favorable in its different applications. Conclusion: The use of the
Transformer neural network represents a potential tool with excellent results for
application in diagnostic imaging in dentistry. The data obtained in this study indicate
that Transformer-based models often benefit from combining with other architectures,
such as Convolutional Neural Networks, resulting in greater success in the results. It
is essential to mention that, although there is room for improvement, this technology
already represents a significant advancement of AI in dentistry. | pt_BR |
dc.description.unidade | Faculdade de Ciências da Saúde (FS) | pt_BR |
dc.description.unidade | Faculdade de Arquitetura e Urbanismo (FAU) | pt_BR |
dc.description.ppg | Programa de Pós-Graduação em Odontologia | pt_BR |
dc.description.ppg | Programa de Pós-Graduação em Arquitetura e Urbanismo | pt_BR |
Aparece nas coleções: | Teses, dissertações e produtos pós-doutorado
|