Browsing by Issue Date, starting with "2023-10-20"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Influência dos antiangiogénicos na prática de Medicina Dentária: uma revisão sistemáticaPublication . Meireles, Ana Sofia Gomes; Arcanjo, Alexandra; Palmeira, Carlos; Barata, PedroObjetivo: Avaliar criticamente os estudos que abordam a terapêutica antiangiogénica de forma a orientar o Médico Dentista na decisão clínica. Pretendeu-se responder à questão: Qual a influência dos antiangiogénicos em tratamentos cirúrgicos em Medicina Dentária? Métodos: Efetuou-se uma pesquisa bibliográfica nas bases de dados B-on, PubMed, SienceDirect, EBSCO Dentistry & Oral Sciences Source, SciELO, Cochrane Library, foi conduzida pelas guidelines do PRISMA. Os critérios de inclusão e exclusão foram identificados bem como o risco de viés foi obtido através da checklist da JBI Critical Appraisal Checklist for Case Reports. Resultados: Incluíram-se 10 artigos após aplicação dos critérios de inclusão e exclusão, 2 destes apesar de serem elegíveis não apresentam resultados específicos . Nos artigos analisados as complicações apresentadas foram necrose óssea, hemorragia e alteração gengival, xerostomia, alveolite e osteomielite. Conclusão: A terapêutica antiangiogénica tem impacto nos tratamentos dentários bem como na qualidade de vida dos doentes.
- Classificação do glaucoma usando deep learning e imagens de fundo de olho obtidas com smartphonePublication . Bragança, Clerimar Paulo; Torres, José; Soares, ChristopheNos últimos anos, os algoritmos de deep learning mostraram um potencial sem precedentes para auxiliar no diagnóstico da doença ocular glaucoma, considerada uma das principais causas de cegueira irreversível no mundo. Esses algoritmos são comumente usados em estudos para identificar essa doença a partir de imagens digitais do fundo de olho, amplamente empregadas na maioria das clínicas oftalmológicas e adquiridas por meio do exame tradicional de fundoscopia. Além dos algoritmos de deep learning, o desenvolvimento tecnológico permitiu a criação de dispositivos portáteis com capacidade de aplicar o exame fundoscópico por meio de smartphones, tornando o teste ainda mais acessível. Diante dessa situação, este trabalho coletou um novo conjunto de dados chamado Brasil Glaucoma (BrG), contendo 2.000 imagens da retina obtidas com o oftalmoscópio panoptic Wech Allyn, um dispositivo considerado simples e portátil, com conexão de um adaptador para smartphone. Em seguida, treinou-se um algoritmo desenvolvido por meio de um ensemble de redes neurais convolucionais, de modo que a sua precisão na classificação das imagens BrG em glaucomatosas e normais foi estimada. Assim, além de um teste em imagens globais, ou seja, apresentando toda a área fotografada, também foram realizados testes em três tipos de regiões de interesse: a região do disco óptico, obtida por meio de segmentação manual; a região específica do disco óptico; e o disco óptico e áreas adjacentes. Estes dois últimos procedimentos foram aplicados de forma automatizada com auxílio de uma rede neural U-Net. Considerando a classificação do glaucoma, o ensemble alcançou, no seu melhor desempenho, 95,4% de acurácia, 98,5% de sensibilidade e 98,2% de especificidade usando a região do disco óptico e adjacências como entrada. Deste modo, apesar de limitações como a falta de biomarcadores robustos e computáveis para o diagnóstico do glaucoma, concluiu-se que o algoritmo de deep learning desenvolvido possui capacidade substancial para a classificação desta neuropatia óptica a partir do reconhecimento de padrões em imagens fundoscópicas de baixa resolução adquiridas através de um smartphone. Portanto, essas tecnologias de aquisição de fotografias da retina combinadas com algoritmos de inteligência artificial podem ter um grande impacto em pesquisas sobre o glaucoma e no diagnóstico automatizado, contribuindo para a viabilidade de futuros programas de triagem populacional para essa doença ocular.