@MASTERSTHESIS{ 2022:1497347517,
 	title = {Utilização do aprendizado de máquina no diagnóstico de lesões periapicais crônicas por meio de imagens tomográficas},
 	year = {2022},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/4615",
 	abstract = "Granuloma periapical (GP) e Cisto Radicular (CR) são lesões periapicais crônicas inflamatórias que se desenvolvem no ápice da raiz de um dente, com altas taxas de prevalência e similaridade entre suas características clínicas e imaginológicas. Estabelecer um diagnóstico diferencial do GP e do CR na Tomografia computadorizada de Feixe Cônico (TCFC) ainda permanece um desafio. Nesse contexto, a utilização do aprendizado de máquina, através de algoritmos, vem sendo utilizado com o intuito de melhorar a precisão do diagnóstico por imagens. Objetivo: Comparar a acurácia de diferentes classificadores, a partir do aprendizado de máquina em imagens tomográficas, na predição de GPs e CRs, diagnosticados, histopatologicamente. Materiais e Métodos: O estudo foi do tipo observacional, transversal e analítico através da análise de imagens de TCFC de GPs e CRs. A amostra foi constituída por 14 casos de GPs e 9 casos de CRs. As imagens de TCFC foram obtidas através do sistema CS 9000 3D (Carestream Dental) As reconstruções sagitais das tomografias foram avaliadas em 05 diferentes cortes no CS3D Imaging Software. No software GIMP, versão 2.10, a região de interesse (RoI) foi segmentada e exportada em imagem formato TIFF com 32 bits. Após a segmentação, 6 atributos de textura (contraste, dissimilaridade, correlação, energia, homogeneidade e segundo momento angular) foram extraídos das ROI com o auxílio de matrizes de co-ocorrência. Após a extração dos atributos, foi utilizada a análise por componentes principais para realizar a redução de dimensionalidade e selecionar os atributos mais significativos.  Por fim, utilizou-se algoritmo classificador de aprendizado de máquina (K- Means) para calcular a acurácia, sensibilidade e especificidade do método. Os dados foram analisados através da estatística Hopkins a fim de identificar a presença de clusters. Resultados: Em relação às características clínicas da amostra, 78,2% (n= 8) dos casos de GPs eram do sexo feminino, enquanto 100% dos casos de CRs eram do sexo masculino. A média de idade foi de 47,33 anos para CRs e 35,50 anos para GPs. Para o aprendizado de máquina foram avaliadas 105 imagens e observou-se 77,14% de acurácia, 47,06% de sensibilidade e 91,55% de especificidade no agrupamento das lesões. Conclusão: O uso da Inteligência Artificial pode apresentar resultados promissores para a diferenciação de lesões periapicais crônicas através de imagens tomográficas.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação em Odontologia - PPGO},
 	note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP}
}