Skip navigation

Please use this identifier to cite or link to this item: https://repositorio.ufpb.br/jspui/handle/123456789/38683
Type: TCC
Title: Avaliação de Arquiteturas de Redes Neurais Convolucionais para Predição do Prognóstico de Crescimento Maxilofacial em Pacientes com Fissuras Labiopalatinas
Author(s): Lima, Ismael Alves
Advisor: Rego, Thaís Gaudencio do
Abstract: As fissuras labiopalatinas são as deformidades craniofaciais congênitas mais comuns em todo o mundo, afetando cerca de 1 em cada 1000-1500 nascimentos. Um dos aspectos cruciais do tratamento e reabilitação dos pacientes fissurados é a análise do desenvolvimento maxilofacial, realizada através do Índice de GOSLON, que orienta o planejamento cirúrgico e permite o diagnóstico precoce de possíveis complicações associadas à fissura. Este trabalho tem como objetivo principal avaliar o desempenho de redes neurais convolucionais na predição do prognóstico de crescimento maxilofacial em pacientes fissurados, bem como desenvolver um modelo de inteligência artificial aplicável à prática clínica. Este trabalho avalia o desempenho das redes VGG16, VGG19, ResNet50, InceptionV3, Xception, DenseNet201, EfficientNetV2L e MobileNetV3L em um conjunto de dados contendo 597 imagens de escaneamento intraorais divididas em três classes, correspondentes ao prognóstico de crescimento facial. Os resultados obtidos variam entre 72% de acurácia para a EfficientNetV2L e 83,5% para a VGG19. Para adicionar interpretabilidade às previsões, foi utilizada a técnica Grad-CAM, que destaca as áreas mais importantes para a classificação. Estes resultados evidenciam o potencial da IA no apoio ao tratamento e reabilitação de pacientes com fissuras labiopalatinas.
Abstract: Cleft lip and palate are the most common congenital craniofacial deformities worldwide, affecting approximately 1 in every 1000-1500 births. One of the crucial aspects of the treatment and rehabilitation of cleft patients is the analysis of maxillofacial development, performed through the GOSLON YARDSTICK, which guides surgical planning and allows early diagnosis of possible complications associated with cleft. The main objective of this work is to evaluate the performance of convolutional neural networks in predicting the prognosis of maxillofacial growth in cleft patients, as well as to develop an AI model applicable to clinical practice. This work evaluates the performance of the VGG16, VGG19, ResNet50, InceptionV3, Xception, DenseNet201, EfficientNetV2L and MobileNetV3L networks on a dataset containing 597 intraoral scan images divided into three classes, corresponding to the prognosis of facial growth. The results obtained range from 72% accuracy for EfficientNetV2L to 83.5% for VGG19. To add interpretability to the predictions, the Grad-CAM technique was used, which highlights the most important areas for classification. These results highlight the potential of AI in supporting the treatment and rehabilitation of patients with cleft lip and palate.
Keywords: Fissuras labiopalatinas
Deformidades craniofaciais congênitas
Desenvolvimento maxilofacial
Redes neurais convolucionais
CNPq: CNPQ::OUTROS
Language: por
Country: Brasil
Publisher: Universidade Federal da Paraíba
Institution Abbreviation: UFPB
Department: Computação Científica
Access Type: Acesso aberto
Attribution-NoDerivs 3.0 Brazil
URI: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/38683
Issue Date: 26-May-2025
Appears in Collections:Ciência de Dados e Inteligência Artificial (Bacharelado)

Files in This Item:
File Description SizeFormat 
Ismael Alves Lima_TCC.pdfTCC4,33 MBAdobe PDFView/Open
Ismael Alves Lima_Termo.pdfTermo143,4 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons