Modelo basado en deep learning para detección de caries en imágenes radiográficas en una clínica especializada, Trujillo 2023

• Autor: Pizan Macedo, Yoshiro
• Formato: tesis de maestría
• Fecha de Publicación: 2023
• Institución: Universidad Privada del Norte
• Repositorio: UPN-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upn.edu.pe:11537/35097
• Enlace del recurso: https://hdl.handle.net/11537/35097
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Procesamiento de datos; Diseño de sistemas; Redes neuronales; Imágenes radiográficas; Servicios odontológicos; Deep learning; https://purl.org/pe-repo/ocde/ford#2.02.04

El fin de la presente investigación es la elaboración de un modelo de aprendizaje profundo para la detección de carie dental en imágenes radiográficas panorámicas. Para ello, el autor empleó el framework YOLO versión 8 para la clasificación de imágenes y la creación del modelo. Para la recopilación de datos se hizo uso de los registros de imágenes radiográficas panorámicas dentales, pertenecientes a pacientes mayore de 14 años de edad de una clínica odontológica. La ausencia y presencia de carie dental fue la característica por las que las imágenes fueron cuidadosamente etiquetadas por un especialista. Para entrenamiento y etapa de validación, fueron empleadas 1160 imágenes; y para la fase de prueba, se emplearon 290 imágenes que no fueron empleadas en las fases previas. Con lo anterior, la detección de carie dental alcanza un 80% de precisión. Finalmente, se puede corroborar que el grado de precisión del diagnóstico de carie basada en imágenes radiográficas mediante el uso de Deep Learning es óptimo y cercano al nivel de precisión de un especialista. El autor espera que el presente trabajo pueda contribuir con más investigaciones para clasificar imágenes radiográficas dentales que buscan detectar problemas de carie y que son llevados a cabo en consultorios odontológicos, generando de esta manera un medio de soporte para las decisiones de los casos clínicos de los pacientes.