Desarrollo de un sistema de análisis de imágenes de rayos x para la detección de afecciones dentales utilizando visión artificial

Este proyecto presenta el desarrollo de un sistema automatizado de análisis de imágenes de rayos X dentales, utilizando redes neuronales convolucionales (CNN) para la detección de afecciones dentales, específicamente caries y lesiones periapicales. La propuesta está orientada a mejorar la precisión en los diagnósticos odontológicos mediante el uso de técnicas avanzadas de visión artificial. El sistema se apoya en un conjunto de datos de radiografías dentales anotadas y emplea un enfoque supervisado de aprendizaje automático para entrenar la CNN. Se utilizó PyTorch como framework de desarrollo, Jupyter Notebook para la escritura y ejecución del código, y Anaconda para la gestión del entorno y las dependencias. A lo largo del desarrollo, se evaluó el modelo de detección de objetos Faster R-CNN, considerado por su alta precisión en el diagnóstico de afecciones dentales. Además, se aplicaron técnicas de Data Augmentation para mejorar la diversidad del conjunto de datos y aumentar la robustez del modelo. El trabajo incluye técnicas de preprocesamiento de imágenes y anotación manual de datos mediante herramientas especializadas como LabelMe. Finalmente, se plantea el uso de este sistema en el ámbito clínico, donde podría asistir a odontólogos en la identificación rápida y precisa de afecciones, optimizando el tiempo de diagnóstico y reduciendo la dependencia de la experiencia visual del especialista.

• 1. autor: Franco Herrera, Claudia Angélica (author)
• Format: bachelorThesis
• Język: spa
• Wydane: 2024
• Hasła przedmiotowe: VISIÓN ARTIFICIAL; REDES NEURONALES CONVOLUCIONALES; DIAGNÓSTICO ODONTOLÓGICO; PYTORCH; JUPYTER; NOTEBOOK
• Dostęp online: http://dspace.ups.edu.ec/handle/123456789/29341