DIACEFAL : Algoritmo para el diagnóstico cefalométrico utilizando radiografía lateral del cráneo. Proyecto de investigación

RESUMEN : En la actualidad, el análisis cefalométrico es un procedimiento esencial en el diagnóstico, planificación y seguimiento de tratamientos de ortodoncia, ortopedia y odontopediatría. A pesar de que existen software para realizar análisis cefalométrico, no se contemplan en ellos algunas medidas utilizadas de referencia, lo que obliga a los profesionales a realizarlas de manera manual, lo que se convierte en un proceso laborioso que consume tiempo y propenso a errores. La necesidad de un método automatizado eficiente motivó el desarrollo de un algoritmo basado en aprendizaje profundo (DL). El proyecto se centró en implementar el análisis cefalométrico de Bimler, utilizando el modelo de detección de objetos YOLOv8. Se recopiló un conjunto de datos compuesto por radiografías laterales del cráneo, que fueron etiquetadas manualmente para identificar los puntos cefalométricos. Estos datos se utilizaron para entrenar el modelo, aprovechando la plataforma Roboflow para la gestión del dataset. El desarrollo del sistema incluyó varios componentes clave: la creación de un dataset etiquetado, el entrenamiento y ajuste del modelo YOLOv8, y el desarrollo de una interfaz de usuario en Java para la aplicación clínica del modelo.

• Autores: González Herrera, Sebastián
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/40599
• Acceso en línea: https://hdl.handle.net/10495/40599
• Palabra clave: Cefalometría; Cephalometry; Aprendizaje automático; Machine learning; Inteligencia artificial; Artificial Intelligence; Aparatos ortodóncicos funcionales; Orthodontic Appliances, Functional; Programas informáticos; Software; Aprendizaje profundo; Deep Learning; Visión artificial; https://id.nlm.nih.gov/mesh/D002508; https://id.nlm.nih.gov/mesh/D000069550; https://id.nlm.nih.gov/mesh/D001185; https://id.nlm.nih.gov/mesh/D017289; https://id.nlm.nih.gov/mesh/D012984; https://id.nlm.nih.gov/mesh/D000077321
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/