Modelo de Detección de la Pérdida Ósea Radiográfica Basada en Deep Learning
Cargando...
Fecha
Autores
Enlace al recurso
DOI
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Compartir
Descripción
Presentamos el proceso de etiquetado de una base de datos compuestas por radiografías de tipo periapical con los atributos utilizados para la detección de la Perdida Ósea Radiográfica como información de desarrollo de un modelo de aprendizaje convolucional. Las radiografías periapicales fueron extraídas previo protocolo ético y moral ante la Dirección Administrativa General de Servicios de Salud de la Universidad Santo Tomas, tales radiografías presentan variaciones de acuerdo con el protocolo de toma radiográfica, radio lucidez, radiopacidad, contrastes, indicaciones del especialista, cuadrante de la boca, entre otras. Tomando en cuenta la normativa de trabajo periodontal se identificaron los puntos de interés para la identificación de la Perdida Ósea Radiográfica y bajo la supervisión de expertos periodoncistas se realizó el proceso de etiquetado bajo la técnica de caja delimitadora. Teniendo así 2379 Radiografías Periapicales de las cuales se identificaron 4175 piezas dentales y 5229 puntos de interés para identificación de la Perdida Ósea Radiográfica.
Abstract
among diseases classified as most common in diagnosis we find dental cavities, toothache, sore gums, dental abscess. Which in some cases are underlining a more complex treatment for a periodontal disease for which 2 out of 5 adults in the USA are affected by any classification of a periodontal disease (P.I, B.A, L, G.O, & R.J, 2012).
We present a labeling process for a database composed of periapical x ray using Periodontal Bone Loss attributes as information for training, validation, and test of a convolutional deep learning model. The x rays were extracted previous permission of the DAGSS of Universidad Santo Tomas, such x rays present variations accordingly to x ray protocol, radiolucency, radiopacity, contrast, specialist indications, mouth quadrants, among other things. Taking into consideration the periodontal workshop we identified the points of interest used for the identification of the Periodontal Bone Loss under supervision of periodontal experts using the bounding box technique we labeled 4175 tooth and 5229 points of interest out of 2379 x rays.
Idioma
Palabras clave
Citación
Manjarres Campo, C. D. (2021). Modelo de Detección de la Pérdida Ósea Radiográfica Basada en Deep Learning. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
Colecciones
Licencia Creative Commons
Atribución-NoComercial 2.5 Colombia
Atribución-NoComercial-CompartirIgual 2.5 Colombia
Atribución-NoComercial-CompartirIgual 2.5 Colombia