app-odonto — diagnóstico (YOLOv8s)

Detector de achados odontológicos (4 classes) em radiografias panorâmicas, treinado como parte de um projeto de aprendizado (app-odonto).

• Arquitetura: YOLOv8s (ultralytics), fine-tuned a partir dos pesos pré-treinados no COCO. imgsz=1280.
• Dados: subconjunto quadrant-enumeration-disease do DENTEX (MICCAI 2023), CC BY-NC-SA 4.0. Este modelo é uma obra derivada e segue a mesma licença.
• Classes: Impacted, Caries, Periapical Lesion, Deep Caries.
• Resultado no teste (106 imagens, nunca vistas no treino): mAP50 geral = 0,540. Por classe — Impacted 0,883, Caries 0,451, Periapical Lesion 0,334, Deep Caries 0,493.
• Limiares de confiança por classe (maximizam F1 na validação, ver resultados/investigacao_diagnostico.md): Impacted 0,134, Periapical Lesion 0,289, Deep Caries 0,410, Caries 0,424.
• Limitações conhecidas e investigadas antes de publicar (detalhe completo em resultados/investigacao_diagnostico.md no repositório do projeto):
  • A precisão medida de "Caries" (0,39 na validação) é uma subestimativa: revisão clínica manual de 30 falsos positivos de maior confiança mostrou que 12/30 são indetermináveis pela radiografia (não confirmadamente errados).
  • Recall de "Periapical Lesion" é baixo, sobretudo em dentes com múltiplas patologias simultâneas (achado sólido: coexistência 8× a taxa base no treino, mas a causalidade nos falsos negativos específicos não foi demonstrada estatisticamente).
  • Um dente pode ter mais de um diagnóstico simultâneo (medido: 66/3456 dentes, ~1,9%, no DENTEX inteiro) — o NMS do ultralytics é configurado como não-agnóstico de classe (agnostic_nms=False) para não suprimir detecções sobrepostas de classes diferentes.
• Uso: projeto pessoal de aprendizado, não validado clinicamente. Não deve ser usado para decisão clínica.