@MASTERSTHESIS{ 2025:1440135103,
 	title = {Detecção de dentes e classificação de patologias dentárias em imagens de radiografias panorâmicas utilizando aprendizado profundo},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6219",
 	abstract = "A radiografia panorâmica desempenha um papel fundamental no diagnóstico e planeja
 mento odontológico. No entanto, sua interpretação está sujeita a erros devido a fatores
  como fadiga, estresse e experiência do profissional. Este trabalho propõe um método
  baseado em aprendizado profundo para a detecção automática de dentes e classificação
  de anomalias dentárias em imagens de radiografias panorâmicas. Diferentes arquiteturas
  de redes neurais convolucionais foram avaliadas para ambas as tarefas. Na detecção de
  dentes, a arquitetura YOLOv8x apresentou os melhores resultados, com mAP50 de 0,945
  e mAP50-95 de 0,578. Na classificação de patologias, a DenseNet121 obteve um F1 Score
  de 0,854, demonstrando uma boa relação entre identificação correta e redução de falsos
  positivos. Os resultados obtidos sugerem que o método proposto, que divide o processo
  em duas etapas utilizando a YOLOv8x para a detecção de dentes e a DenseNet121 para a
  classificação de patologias, apresenta desempenho superior em relação à abordagem em que
  a própria YOLOv8x é utilizada para realizar as duas tarefas. Enquanto o método proposto
  alcançou um F1 Score de 0,6014, a abordagem única baseada apenas na YOLOv8x obteve
  um F1 Score de 0,433. O método foi treinado e avaliado utilizando o conjunto de dados
  DENTEX, composto por radiografias panorâmicas anotadas por especialistas, incluindo
  informações sobre a numeração dos dentes e a presença de patologias como dentes im
 pactados, cáries e lesões periapicais. Esses resultados reforçam o potencial da abordagem
  proposta como ferramenta de apoio ao diagnóstico odontológico, contribuindo para a
  redução de erros e para a melhoria da eficiência na análise de radiografias panorâmicas.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}