SciELO - Scientific Electronic Library Online

 
vol.30 issue55Constructive Technology Assessment: Systematic Review and Future Study NeedsEvaluation of Load Capacity of Stratified Soils (2 Layers) by Means of Numerical Analytical Comparison author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista Facultad de Ingeniería

Print version ISSN 0121-1129On-line version ISSN 2357-5328

Abstract

GONZALEZ, Jesús-David  and  QUINTERO-ROJAS, Jormany. Uso de redes neurais convolucionais em smartphones para identificação de doenças bucais por meio de um pequeno conjunto de dados. Rev. Fac. ing. [online]. 2021, vol.30, n.55, e104.  Epub July 12, 2021. ISSN 0121-1129.  https://doi.org/10.19053/01211129.v30.n55.2021.11846.

O reconhecimento e processamento de imagens é uma ferramenta adequada em sistemas que usam métodos de aprendizado de máquina. A incorporação dos smartphones como ferramentas complementares na área da saúde para o diagnóstico é um fato hoje pelas vantagens que apresentam. Seguindo a tendência de disponibilizar ferramentas de diagnóstico, esta pesquisa teve como objetivo desenvolver um protótipo de aplicativo mobile para identificação de lesões bucais, inclusive lesões potencialmente malignas, com base em redes neurais convolucionais, como a detecção precoce de indícios de possíveis tipos de câncer na região. cavidade oral. Um aplicativo móvel foi desenvolvido para o sistema operacional Android que implementou a biblioteca TensorFlow e o modelo de rede neural convolucional Mobilenet V2. O treinamento do modelo foi realizado por transferência de aprendizagem com um banco de dados de 500 imagens distribuídas em cinco classes de reconhecimento (Leucoplasia, Herpes Simplex Vírus Tipo 1, Estomatite aftosa, Estomatite nicotínica e Sem lesão). 80% das imagens foram utilizadas para treinamento e 20% para validação. Obteve-se que o aplicativo apresentou acerto de pelo menos 80% no reconhecimento de quatro classes. As métricas do valor f1 e da área sob a curva foram usadas para avaliar o desempenho. O aplicativo mobile desenvolvido apresentou comportamento aceitável com métricas superiores a 75% para o reconhecimento de três lesões, por outro lado, apresentou desempenho desfavorável inferior a 70% para identificar casos de estomatite nicotínica com o conjunto de dados escolhido.

Keywords : aprendizado de máquina; diagnóstico oral; identificação de doenças bucais; inteligência artificial; medicina preventiva; odontologia; tecnologia médica; telefones inteligentes.

        · abstract in English | Spanish     · text in English     · English ( pdf )