Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Campos, Leonardo S. [UNESP] | - |
Autor(es): dc.creator | Salvadeo, Denis H. P. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:44:53Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:44:53Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2019-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-030-64556-4_27 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/205639 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/205639 | - |
Descrição: dc.description | Dentistry is one of the areas which mostly present potential for application of machine learning techniques, such as convolutional neural networks (CNNs). This potential derives from the fact that several of the typical diagnosis methods on dentistry are based on image analysis, such as diverse types of X-ray images. Typically, these analyses require an empiric and specialized assessment by the professional. In this sense, machine learning can contribute with tools to aid the professionals in dentistry, such as image classification, whose objective is to classify and identify patterns and classes on a set of images. The objective of this current study is to develop an algorithm based on a convolutional neural network with the skill to identify independently six specific classes on the images and classify them accordingly on panoramic X-ray images, also known as orthopantomography. The six independent classes are: Presence of all 28 teeth, restoration, braces, dental prosthesis, images with more than 32 teeth and images with missing teeth. The workflow was based on a DOE (Design of experiments) study, considering the neural network architecture variables as factors, in order to identify the most significant ones, which ones mostly contribute to improve the fitness of the network, and the interactions between these in order to optimize the network architecture, based on the F1 and recall scores. Obtained results are promising, considering that for the optimal network architecture, F1 and Recall scores of 87% and 86%, respectively, were obtained. | - |
Descrição: dc.description | São Paulo State University (UNESP) | - |
Descrição: dc.description | São Paulo State University (UNESP) | - |
Formato: dc.format | 346-358 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Convolutional neural network | - |
Palavras-chave: dc.subject | Dentistry images | - |
Palavras-chave: dc.subject | Image classification | - |
Palavras-chave: dc.subject | Panoramic radiography | - |
Título: dc.title | Multi-label Classification of Panoramic Radiographic Images Using a Convolutional Neural Network | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: