Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/65334
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorOliveira, Danilo Alves-
dc.contributor.authorSousa, Leila Maria Rodrigues de-
dc.contributor.authorSampieri, Marcelo Bonifácio da Silva-
dc.contributor.authorChaves, Filipe Nobre-
dc.contributor.authorPaula Júnior, Iális Cavalcante de-
dc.date.accessioned2022-04-27T18:57:51Z-
dc.date.available2022-04-27T18:57:51Z-
dc.date.issued2019-
dc.identifier.citationOLIVEIRA, Danilo Alves; SOUSA, Leila Maria Rodrigues de; SAMPIERI, Marcelo Bonifácio da Silva; CHAVES, Filipe Nobre; PAULA JÚNIOR, Iális Cavalcante de. Identificação de regiões císticas dentárias em imagens de radiografia panorâmica utilizando algoritmos de segmentação e classificação por textura. In: SIMPÓSIO BRASILEIRO DE AUTOMAÇÃO INTELIGENTE, 14º., 27 a 30 Out. 2019, Ouro Preto, Minas Gerais. Anais eletrônicos[...] Campinas, Galoá, 2019. v. 1, p. 2584-2589, 2019.-108497. DOI: 10.17648/sbai-2019-111528.pt_BR
dc.identifier.issn2358-4483-
dc.identifier.uriDOI: 10.17648/sbai-2019-111528-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/65334-
dc.description.abstractThe dental cyst is a pathology that presents characteristics of expansion and bone absorption, its early identification is fundamental for the treatment. Several computer vision systems seek to carry out the identification of cysts. Therefore, the present research aims to provide a methodology for automatic identification of cystic regions in radiographic examinations. For this, investigations of initial segmentation algorithms and texture descriptors applied in a neural network are carried out. The best initial segmentation results were from the Otsu multilevel, with accuracy of 68.56%, sensitivity of 66.29% and specificity of 68.10%. The best mean final classification results were LBP, with 92.97% accuracy, 89.24% sensitivity and 96.68% specificity.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherSociedade Brasileira de Automática (SBA) - https://proceedings.science/sbai-2019/inicio; Galoá Science - https://galoa.com.br/pt_BR
dc.subjectRegião císticapt_BR
dc.subjectSegmentaçãopt_BR
dc.subjectClassificação de texturapt_BR
dc.titleIdentificação de regiões císticas dentárias em imagens de radiografia panorâmica utilizando algoritmos de segmentação e classificação por texturapt_BR
dc.typeArtigo de Eventopt_BR
dc.description.abstract-ptbrO cisto dentário é uma patologia que apresenta características de expansão e absorção óssea, sua identificação precoce é fundamental para o tratamento. Diversos sistemas de visão computacional buscam realizar a identificação dos cistos. Dessa forma, a presente pesquisa tem o objetivo de fornecer uma metodologia para identificação automática de regiões císticas em exames de radiografia. Para isso, são realizadas investigações de algoritmos de segmentação inicial e descritores de textura aplicados em uma rede neural. Os melhores resultados de segmentação inicial foram do multinível de Otsu, com acurácia de 68,56%, sensibilidade de 66,29% e especificidade de 68,10%. Os melhores resultados médios de classificação final foram do LBP, com 92,97% de acurácia, 89,24% de sensibilidade e 96,68% de especificidade.pt_BR
Aparece nas coleções:DEEL - Trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_eve_daoliveira.pdf507,61 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.