Desenvolvimento de modelo de rede neural convolucional para classificação de cáries dentárias : abordagem usando algoritmo genético como otimizador

Abstract

A cárie dentária é o problema bucal mais comum, atingindo cerca de 2,4 bilhões pessoas. Tem um tratamento simples em seu estágio inicial, no entanto, o problema se agrava bastante caso o diagnóstico seja tardio. Para auxílio ao diagnóstico, as radiografias são ferramentas indispensáveis, facilitando a identificação das cáries em locais difíceis de visualizar na análise clínica. Contudo, mesmo em posse de radiografias, a tarefa de identificação de lesões ainda é difícil. Para tanto, esse trabalho propõe o desenvolvimento de um modelo de rede neural convolucional capaz de classificar cáries em radiografias, assim tornando possível usá-lo para auxílio a identificação de cáries, o que, consequentemente, facilita o diagnóstico correto e diminui o tempo gasto em análises manuais. As redes neurais convolucionais são bastante eficazes em problemas de classificação, apresentando resultados muito satisfatórios em muitos casos. Um problema, no entanto, em definir um modelo de rede neural é encontrar uma arquitetura adequada, para solucionar esse problema, esta pesquisa fez uso de algoritmos genéticos como otimizadores dos hiperparâmetros de uma arquitetura base pré-definida, o que resultou em uma arquitetura otimizada, ou seja, adequada ao problema. Para treino e validação foi utilizado um conjunto de 697 amostras com e sem cáries, apresentando um resultado médio de 78.1% de acertos. Os resultados foram satisfatórios, em comparação aos atuais modelos existentes.