@PHDTHESIS{ 2024:1080725118,
 	title = {Abordagem híbrida com rede neural convolucional e modelos de regressão para estimação de idade em radiografias panorâmicas},
 	year = {2024},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/5229",
 	abstract = "Determinar a idade é um aspecto relevante de interesse penal e civil para identificação de cadáveres e refugiados, fundamental em situações de indivíduos que buscam por asilo, trabalho, escola, acesso a serviços sociais, casos de estupro, sequestro e tráfico de humanos. A estimativa da idade pode ser realizada utilizando a análise dentária por meio da secção do dente ou por meio de exames de imagem. Os exames radiográficos odontológicos apresentam grande vantagem na estimativa da idade cronológica, por ser um método não destrutível. No entanto, a interpretação dos exames de imagem está inerente as limitações humanas. Para minimizar esses vieses estudos propõem o uso da Inteligência Artificial (IA) para otimizar a estimativa da idade cronológica. Nesse contexto, o presente estudo objetivou estimar a idade cronológica por meio de um modelo híbrido utilizando rede neural convolucional (RNC) e modelos de regressão em imagens panorâmicas. Para isso foi realizado um estudo observacional, retrospectivo, do tipo transversal, que foi aprovado pelo Comitê de Ética em Pesquisa da Universidade Estadual da Paraíba (n° do parecer 6.700.058). Foram selecionadas 2.546 radiografias panorâmicas de pacientes provenientes do banco de dados de uma clínica radiológica privada localizada no nordeste brasileiro, realizadas no aparelho panorâmico da Carestream® CS 9000 3D. Foram incluídas radiografias panorâmicas de pacientes acima de 18 anos, de ambos os sexos, apresentando primeiros ou segundos pré-molares inferiores hígidos e irrompidos. Para a segmentação das imagens foi realizada a delimitação dos pré-molares existentes em cada radiografia panorâmica utilizando o software GNU Image Manipulation Program (GIMP® 2.10.36). A amostra foi particionada em três conjuntos de dados: treinamento do modelo (70% da amostra total); validação do método (15% da amostra total); e testes (15% da amostra total). Para extração de características radiômicas foi desenvolvido um modelo de RNC baseado em arquitetura MobileNetV2. A tarefa de estimativa da idade foi realizada por meio de um modelo híbrido que combinou uma RNC usada para extração dos atributos de imagem, e um modelo de regressão baseado em árvores de decisão para estimativa da idade usando os atributos extraídos de cada imagem. A RNC realizou a extração de 576 atributos de cada imagem. Para analisar o desempenho do modelo proposto dos algoritmos foi aplicada uma métrica difundida para avaliação de sistemas para estimativa da idade, o Erro Percentual Absoluto Médio ou Mean Absolute Percentage Error (MAPE). Além de métricas complementares, como o Erro médio absoluto ou Mean Absolute Error (MAE); Coeficiente de determinação ou R2 Score; e Erro médio ao quadrado ou Mean Squared Error (MSE). A verificação do desempenho da RNC utilizando o módulo metrics da biblioteca scikitlearn (versão 1.0.2). Ao total foram analisados 3.423 dentes pré-molares mandibulares, e a média de idade dos participantes foi de 32,65 anos (DP ± 9,71), variando entre 20 e 55 anos de idade. O desempenho do modelo proposto, analisando toda a base de dados, evidenciou um MAE de 6.52 anos de idade. Porém, ao analisar a amostra por faixa-etárias, o modelo proposto estimou um menor MAE em indivíduos com idade entre 31 e 35 anos, correspondendo a um erro de 0.29 anos. Na análise por sexo, para imagens de indivíduos do sexo masculino na faixa etária de 31-35 anos, o modelo proposto obteve maior precisão com um MAE de apenas 0.16 anos. Portanto, conclui-se que o modelo híbrido proposto demonstrou estimativa precisa e robusta para pacientes com 31 a 35 anos de idade. Com isso, espera-se que esse modelo possa auxiliar no trabalho de investigação forense e estimar a idade de pessoas sem identificação social oficial.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação em Odontologia - PPGO},
 	note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP}
}