Este projeto propõe um modelo híbrido de deep learning que combina uma cabeça de classificação com atenção e uma arquitetura UNet para segmentar calcificações de ateroma carotídeo (CACs) em radiografias panorâmicas.
O pipeline funciona em duas etapas:
- Triagem automatizada da presença de ateroma;
- Segmentação precisa das calcificações identificadas.
A solução é voltada para triagem oportunista em ambientes odontológicos e está atualmente sob avaliação para publicação em periódico científico.
Status: Em revisão no periódico IEEE Journal of Biomedical and Health Informatics (JBHI).
Publicação Submetida: Correia, I. B. M. C. et al. (2024). Detection and segmentation of carotid atheroma calcification in dental panoramic radiographs using a hybrid deep learning model.
Link do Repositório: GitHub - igorbispo99/GigaSistemica-Atheroma
