Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Revista Facultad de Ingeniería
versión impresa ISSN 0121-1129versión On-line ISSN 2357-5328
Resumen
GONZALEZ, Jesús-David y 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 12-Jul-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.
Palabras clave : aprendizado de máquina; diagnóstico oral; identificação de doenças bucais; inteligência artificial; medicina preventiva; odontologia; tecnologia médica; telefones inteligentes.