Algoritmo orientado por inteligência artificial para segmentação automática de estruturas endodônticas em imagens de tomografia computadorizada de feixe cônico

• Processo: 22/13774-3
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 01 de março de 2023
• Data de Término da vigência: 30 de setembro de 2023
• Área de conhecimento: Ciências da Saúde - Odontologia - Endodontia
• Pesquisador responsável: Mario Tanomaru Filho
• Beneficiário: Airton Oliveira Santos Junior
• Supervisor: Reinhilde Jacobs
• Instituição Sede: Faculdade de Odontologia (FOAr). Universidade Estadual Paulista (UNESP). Campus de Araraquara. Araraquara , SP, Brasil
• Instituição Anfitriã: University of Leuven, Leuven (KU Leuven), Bélgica
• Vinculado à bolsa: 20/11012-3 - Avaliação comparativa entre micro-CT e TCFC empregando o software e-Vol DX na análise de obturação em canais ovais e espessura dentinária em canais MV1 e MV2 de molares superiores após preparo e retratamento, BP.DR
• Assunto(s): Inteligência artificial Redes neurais (computação) Redes neurais convolucionais Aprendizagem profunda Tomografia computadorizada de feixe cônico
• Palavra(s)-Chave do Pesquisador: artificial intelligence | Artificial Neural Networks | Cone-Beam Computed Tomography | Convolutional Neural Network | Deep Learning | Endodontics | Endodontia

Resumo

A segmentação de estruturas dentomaxilofaciais em imagens de tomografia computadorizada de feixe cônico (TCFC) é uma tarefa desafiadora, especialmente pela resolução limitada de contraste, presença de vários tipos de artefatos, bem como pelo efeito de volume parcial nas imagens de TCFC. Assim, algoritmos orientados por inteligência artificial (IA) têm sido propostos para segmentação automática de estruturas anatômicas e dentes. O objetivo deste estudo será treinar um algoritmo orientado por IA, composto por duas redes neurais convolucionais treinadas em aprendizado profundo e específico, para segmentação automática de estruturas endodônticas (canal radicular e câmara pulpar) utilizando exames de TCFC adquiridos em protocolo de alta resolução; e, em seguida, validar a precisão desse algoritmo orientado por IA comparando-o com o desempenho humano. Um total de 175 exames de TCFC de dentes uni e bi radiculares serão selecionados anonimamente e divididos aleatoriamente nas etapas de treinamento (140 exames) e validação (35 exames). As imagens serão segmentadas manualmente por um especialista em Endodontia usando o software MeVisLab (MeVis Research, Bremen, Alemanha), e o conjunto de dados será importado virtualmente para o treinamento do algoritmo de IA. A segmentação das estruturas endodônticas será realizada utilizando três diferentes protocolos: segmentação manual realizada por especialistas, segmentação automática orientada pelo algoritmo de IA e segmentação automatizada realizada por IA e refinada manualmente por Especialistas. O tempo necessário para executar cada um dos protocolos também será avaliado. Todas as etapas deste projeto serão realizadas em parceria proposta com a University of Leuven, KU Leuven, Bélgica (OMFS IMPATH Research Grupo). Os resultados obtidos serão submetidos aos testes estatísticos adequados com nível de significância de 5%. (AU)