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 | Faculdade de Odontologia–Federal University of Rio Grande do Sul–UFRGS | - |
Autor(es): dc.contributor | University of Vale do Rio dos Sinos–UNISINOS | - |
Autor(es): dc.contributor | Federal University of Rio Grande do Sul | - |
Autor(es): dc.contributor | Hospital de Clínicas de Porto Alegre (HCPA) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Gomes, Rita Fabiane Teixeira | - |
Autor(es): dc.creator | Schmith, Jean | - |
Autor(es): dc.creator | de Figueiredo, Rodrigo Marques | - |
Autor(es): dc.creator | Freitas, Samuel Armbrust | - |
Autor(es): dc.creator | Machado, Giovanna Nunes | - |
Autor(es): dc.creator | Romanini, Juliana | - |
Autor(es): dc.creator | Almeida, Janete Dias | - |
Autor(es): dc.creator | Pereira, Cassius Torres | - |
Autor(es): dc.creator | Rodrigues, Jonas de Almeida | - |
Autor(es): dc.creator | Carrard, Vinicius Coelho | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:55:37Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:55:37Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-03-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.oooo.2023.10.003 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298258 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298258 | - |
Descrição: dc.description | Objective: This retrospective study analyzed the errors generated by a convolutional neural network (CNN) when performing automated classification of oral lesions according to their clinical characteristics, seeking to identify patterns in systemic errors in the intermediate layers of the CNN. Study Design: A cross-sectional analysis nested in a previous trial in which automated classification by a CNN model of elementary lesions from clinical images of oral lesions was performed. The resulting CNN classification errors formed the dataset for this study. A total of 116 real outputs were identified that diverged from the estimated outputs, representing 7.6% of the total images analyzed by the CNN. Results: The discrepancies between the real and estimated outputs were associated with problems relating to image sharpness, resolution, and focus; human errors; and the impact of data augmentation. Conclusions: From qualitative analysis of errors in the process of automated classification of clinical images, it was possible to confirm the impact of image quality, as well as identify the strong impact of the data augmentation process. Knowledge of the factors that models evaluate to make decisions can increase confidence in the high classification potential of CNNs. | - |
Descrição: dc.description | Department of Oral Pathology Faculdade de Odontologia–Federal University of Rio Grande do Sul–UFRGS | - |
Descrição: dc.description | Polytechnic School University of Vale do Rio dos Sinos–UNISINOS | - |
Descrição: dc.description | Technology in Automation and Electronics Laboratory–TECAE Lab University of Vale do Rio dos Sinos–UNISINOS | - |
Descrição: dc.description | Department of Applied Computing University of Vale do Rio dos Sinos–UNISINOS | - |
Descrição: dc.description | TelessaudeRS–UFRGS Federal University of Rio Grande do Sul, Rio Grande do Sul | - |
Descrição: dc.description | Oral Medicine Otorhynolaringology Service Hospital de Clínicas de Porto Alegre (HCPA), Rio Grande do Sul | - |
Descrição: dc.description | Department of Biosciences and Oral Diagnostics São Paulo State University Campus São José dos Campos | - |
Descrição: dc.description | Department of Stomatology. Federal University of Paraná | - |
Descrição: dc.description | Department of Surgery and Orthopaedics Faculdade de Odontologia–Federal University of Rio Grande do Sul–UFRGS | - |
Descrição: dc.description | Department of Biosciences and Oral Diagnostics São Paulo State University Campus São José dos Campos | - |
Formato: dc.format | 243-252 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Oral Surgery, Oral Medicine, Oral Pathology and Oral Radiology | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Convolutional neural network misclassification analysis in oral lesions: an error evaluation criterion by image characteristics | - |
Tipo de arquivo: dc.type | livro digital | - |
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: