Desenvolvimento de Algoritmo de Processamento de Imagens Baseado em Aprendizado Profundo para Classificação e Quantificação da Perda Óssea Alveolar em Roedores com Doença Periodontal
Periodontite. Modelo experimental. Perda óssea alveolar. Análise de imagens.
A doença periodontal (DP) é uma condição que promove aumento da perda óssea alveolar (POA) e apresenta alta prevalência na população. Estudos em modelo animal são conduzidos para avaliar mecanismos fisiopatológicos e terapêuticos, utilizando a POA como principal desfecho de reabsorção óssea. O estudo propõe o desenvolvimento e a validação de um sistema baseado em aprendizado profundo para a detecção, segmentação e quantificação automática da reabsorção óssea alveolar em imagens dentárias de roedores com periodontite. Utilizando redes neurais convolucionais do tipo YOLOv8, imagens de mandíbulas de ratos e camundongos foram anotadas, pré-processadas e analisadas em um pipeline supervisionado com validação cruzada em cinco folds. Como principal inovação, foi desenvolvido um índice automático para quantificar objetivamente a extensão máxima da perda óssea por unidade dentária, reduzindo subjetividade e vieses geométricos. O modelo apresentou alto desempenho, com mAP@0,50 médio de 0,97, coeficiente Dice médio de 0,87 e IoU médio de 0,78, demonstrando elevada precisão e consistência na segmentação das áreas de reabsorção. A abordagem permite reduzir a variabilidade interexaminador, acelerar as análises e padronizar a avaliação da perda óssea alveolar em estudos pré-clínicos.