| Texto completo | |
| Autor(es): |
Caramel-Juvino, Amanda
;
Farooq, Sajid
;
Romano, Mariana
;
Zezell, Denise Maria
;
IEEE
Número total de Autores: 5
|
| Tipo de documento: | Artigo Científico |
| Fonte: | 2022 SBFOTON INTERNATIONAL OPTICS AND PHOTONICS CONFERENCE (SBFOTON IOPC); v. N/A, p. 3-pg., 2022-01-01. |
| Resumo | |
Here, we traces use segmentation and convolutional neural network (CNN) to trace, diagnose and quantify enamel demineralization for research. The preprocessing, histograms based methods are used to enhance the contrast and equalize the brightness through the scanning electron microscope images. Our result evidence that the deep learning based CNN model is highly efficient to process the dental image to achieve high accuracy of enamel demineralization and presents promising outcomes with optimal precision. (AU) | |
| Processo FAPESP: | 17/50332-0 - Capacitação científica, tecnológica e em infraestrutura em radiofármacos, radiações e empreendedorismo a serviço da saúde (PDIp) |
| Beneficiário: | Marcelo Linardi |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa Modernização de Institutos Estaduais de Pesquisa |