• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
Document
Author
Full name
Adrielly Garcia Ortiz
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2019
Supervisor
Committee
Crosato, Edgard Michel (President)
Costa, Claudio
Haddad, Denise Sabbagh
Zaitter, Wellington Menyrval
Title in Portuguese
Identificação humana e estimativa do sexo a partir de pontos anatômicos em radiografias panorâmicas utilizando técnicas de Machine Learning
Keywords in Portuguese
Dimorfismo sexual
Identificação
Odontologia
Odontologia Forense
Abstract in Portuguese
Introdução: As radiografias panorâmicas podem auxiliar na prática pericial e são exames normalmente utilizados nas documentações odontológicas. O presente estudo apresenta um novo método de estimativa do sexo através de pontos anatômicos visíveis em radiografias panorâmicas e também propõe métodos de identificação pessoal. Objetivo: verificar a acurácia da estimativa do sexo a partir de pontos anatômicos em radiografias panorâmicas e verificar a sua acurácia como método auxiliar para a identificação humana. Método: Foi realizado um estudo transversal, em três etapas, nas quais foram examinadas 100 radiografias panorâmicas de serviço radiológico privado, sendo 50 do sexo feminino e 50 do sexo masculino, em dois momentos distintos. Foram analisadas 13 medidas lineares e angulares na mandíbula, que serviram de base para as análises que foram mensuradas em pixel. Para verificar a confiabilidade do método foram calculados o coeficiente intra-classe (ICC), o coeficiente de variação (CV) e a técnica estatística de Bland-Altiman. A adesão dos dados à curva de normalidade foi testada utilizando o teste estatístico de Shapiro-Francia. Para verificar a diferença das medidas para o sexo masculino e feminino foi realizado o teste de Mann-Whitney. Também foi calculada a análise discriminante para predizer o sexo dos participantes. Em uma segunda etapa foram realizados teste de predição utilizando técnicas de aprendizado de máquinas. Na última etapa, foram utilizadas análises das imagens dos dois momentos das radiografias. Resultados: O ICC foi acima de 0.90 para todas as medidas e o coeficiente de variação abaixo de 5%. Na análise de Bland-Altiman, as medidas estavam dentro dos intervalos de confiança fixados. Em relação à predição do sexo, as variáveis que apresentaram diferenças estatísticas foram as medidas 1, 5, 7, 8, 12 e 13 e o índice 2. A acurácia do teste da análise discriminante foi acima de 70%. Aplicando técnicas de aprendizado de máquinas a acurácia subiu para 95%. Utilizando as imagens das radiografias panorâmicas foi possível identificar seus pares. Conclusões: A estimativa de sexo pode ser realizada por pontos anatômicos visíveis em radiografias panorâmicas e pode ser um bom método auxiliar de identificação em desastres em massa.
Title in English
Human identification and sex estimation from anatomical points on panoramic radiographs
Keywords in English
Dentistry
Forensic Dentistry
Identification
Sexual dimorphism
Abstract in English
Introduction: Panoramic radiographs may aid in forensic practice and are tests commonly used in dental documentation. The present study presents a new method of estimating sex through anatomical points visible on panoramic radiographs and also proposes methods of personal identification. Objective: to verify the accuracy of the estimation of sex from anatomical points in panoramic radiographs and to verify its accuracy as an auxiliary method for human identification. Method: The study was performed in several steps. A cross-sectional study was carried out. A total of 100 panoramic radiographs of a private radiological service were examined, 50 female and 50 male, at two different times. 13 linear and angular measures were measured in the mandible, which served as the basis for the analysis. Measurements were taken in pixels. In order to verify the reliability of the method, the intra-class coefficient (ICC), the coefficient of variation (CV) and the statistical technique of Bland-Altiman were calculated. The adhesion of the data to the normal curve was tested using the Shapiro-France statistical test. The Mann-Whitney test was used to verify the difference between the measurements for the male and the female. Discriminant analysis was also calculated to predict participants' sex. In a second stage, a prediction test was performed using machine learning techniques. In the last step, we used image analysis of the two moments of the radiographs. Results: The ICC was above 0.90 for all measurements and the coefficient of variation was below 5%. In the Bland-Altiman analysis, the measurements were within the set confidence intervals. Regarding the sex prediction, the variables that presented statistical differences were the measurement 1, 5, 7, 8,12 and 13 and index 2. The accuracy of the discriminant analysis test was above 70%. Utilizing machine learning techniques the accuracy has risen to 95%. Using the images of the panoramic radiographs, it was possible to identify their pairs. Conclusions: the sex estimation can be performed by anatomical points visible in panoramic radiographs and can be a good auxiliary method of identification in mass accidents.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2019-08-13
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.