Person:
Pedrera Canal, María

Profile Picture
First Name
María
Last Name
Pedrera Canal
URI
https://hdl.handle.net/20.500.14352/86514
Affiliation
Universidad Complutense de Madrid
Faculty / Institute
Medicina
Department
Radiología, Rehabilitación y Fisioterapia
Area
Radiología y Medicina Física
Identifiers
UCM identifierScopus Author IDDialnet ID

Filters

2018 - 201922020 - 20235
Reset filters

Settings

Search Results

Now showing 1 - 7 of 7
  • Thumbnail Image
    Item
    Project number: 191
    Aplicación de técnicas de inteligencia artificial para el diagnóstico de osteoporosis mediante el análisis de ortopantomografías como ayuda a la enseñanza e investigación
    (2019) Vera González, Vicente; Aliaga Vera, Ignacio Joaquín; García Barbero, Álvaro Enrique; Pedrera Canal, María; Aliaga Vera, Daniel; Gómez Martínez, Ana María; Pajares Martínsanz, Gonzalo; Montalvo Martínez, Martín; Guerrero Hernández, José Miguel; Dormido Canto, Javier; Hinojosa Cervantes, Salvador Miguel; Herrera Caro, Pedro Javier
  • Thumbnail Image
    Item
    Project number: 39
    Simodont: Creación de biblioteca virtual mediante la incorporación de nuevos casos de cariology en entorno simulado
    (2018) Vera González, Vicente; Aliaga Vera, Ignacio Joaquín; García Barbero, Álvaro Enrique; Aliaga Vera, Daniel; Pedrera Canal, María; Gómez Martínez, Ana María
  • Thumbnail Image
    Item
    Project number: 174
    Utilización de la herramienta DIAGNOdent pen en las prácticas clínicas de la asignatura Patología y Terapeútica Dental (PTD) II y su analisis mediante Inteligencia Artificial (IA)
    (2022) Vera González, Vicente; García Barbero, Álvaro Enrique; Aliaga Vera, Ignacio Joaquín; de la Peña, Marcial; Saralegui Calvo, Alfredo; Pedrera Canal, María; Aliaga Vera, Daniel; Vera Rodríguez, María; Vera Rodríguez, Vicente; Pajares Martínsanz, Gonzalo; Herrera Caro, Pedro Javier; Hernández Muñoz, Laura; López González, Clara Isabel
  • Thumbnail Image
    Item
    Project number: 156
    Diagnostico de caries mediante dos herramientas en el grado de Odontología: DIAGNOdent™ pen. e Inteligencia Artificial
    (2020) Vera González, Vicente; Aliaga Vera, Ignacio Joaquín; García Barbero, Álvaro Enrique; Pedrera Canal, María; Aliaga Vera, Daniel; Hernando Dumaraog, Beatriz; Sanchez Monescillo, Andrés; Pajares Martínsanz, Gonzalo; Dormido Canto, Javier; Hinojosa Cervantes, Salvador Miguel; Herrera Caro, Pedro Javier; Guerrero Hernández, José Miguel; Pérez Carabaza, Sara
  • Thumbnail Image
    Item
    Project number: 317
    Enseñanza en grado de la elección del tratamiento quirúrgico y/o médico de lesiones incipientes de caries mediante DIAGNOdent pen e Inteligencia Artificial
    (2021) Vera González, Vicente; García Barbero, Álvaro Enrique; Aliaga Vera, Ignacio Joaquín; Pedrera Canal, María; Aliaga Vera, Daniel; Vera Rodríguez, María; Saralegui Calvo, Alfredo; Vera Rodríguez, Vicente; Pajares, Gonzalo; Herrera Caro, Pedro Javier; Hernández Muñoz, Laura
    Como objetivo general , se plantea el uso de dos herramientas en preclínica y en clínica de Grado: - DIAGNOdent pen: los alumnos obtendrán un diagnóstico objetivo de lesiones incipientes de caries y podrán planificar el tratamiento médico (reversible) y/o quirúrgico (irreversible)adecuado. - Herramienta informática basada en el desarrollo de técnicas de Inteligencia Artificial en el ámbito de la visión por computador y el procesamiento de imágenes de radiografías para ayudar al diagnóstico y elección de tratamiento de lesiones de caries incipientes en odontología. Todo ello se integrará en una aplicación informática inteligente y amigables. Como objetivos específicos: 1. Formar al alumno en la utilización de la herramienta DIAGNOdent pen durante el diagnóstico de lesiones incipientes de caries. 2. Desarrollar métodos de clasificación y umbralización en imágenes para identificación de estructuras significativas y afectación de ésta. 3. Transferir el conocimiento al sector industrial y clínico en odontología. 4. Mejorar la calidad del proceso enseñanza-aprendizaje.
  • Thumbnail Image
    Item
    Project number: 292
    El uso del DIAGNOcam™ Kavo en el grado de odontologia (PTDI,PTDII,TDC y COI): detección y diagnostico con inteligencia artificial y Deep learning
    (2023) Vera González, Vicente; Aliaga Vera, Ignacio Joaquín; Pedrera Canal, María; Aliaga Vera, Daniel; Vera Rodríguez, María; González Losada, Cristina; Hernando Dumaraog, Beatriz; García Barbero, Álvaro Enrique; Gómez Silva, María José; Vera Rodríguez, Vicente; Molinero Mourelle, Pedro; Pajares Martínsanz, Gonzalo; Herrera Trinidad, Rubén; López González, Clara Isabel; Gasco Marco, Esther
  • Thumbnail Image
    Item
    Artificial Intelligence Techniques for Automatic Detection of Peri‑implant Marginal Bone Remodeling in Intraoral Radiographs
    (Journal of Digital Imaging, 2023) Vera González, Vicente; Besada Portas, Eva; Pajares Martínsanz, Gonzalo; Gómez Silva, María José; Aliaga Vera, Ignacio Joaquín; Pedrera Canal, María; Vera, María; López-González, Clara Isabel; Gascó, Esther
    Peri-implantitis can cause marginal bone remodeling around implants. The aim is to develop an automatic image processing approach based on two artificial intelligence (AI) techniques in intraoral (periapical and bitewing) radiographs to assist dentists in determining bone loss. The first is a deep learning (DL) object-detector (YOLOv3) to roughly identify (no exact localization is required) two objects: prosthesis (crown) and implant (screw). The second is an image understanding-based (IU) process to fine-tune lines on screw edges and to identify significant points (intensity bone changes, intersections between screw and crown). Distances between these points are used to compute bone loss. A total of 2920 radiographs were used for training (50%) and testing (50%) the DL process. The mAP@0.5 metric is used for performance evaluation of DL considering periapical/bitewing and screws/crowns in upper and lower jaws, with scores ranging from 0.537 to 0.898 (sufficient because DL only needs an approximation). The IU performance is assessed with 50% of the testing radiographs through the t test statistical method, obtaining p values of 0.0106 (line fitting) and 0.0213 (significant point detection). The IU performance is satisfactory, as these values are in accordance with the statistical average/standard deviation in pixels for line fitting (2.75/1.01) and for significant point detection (2.63/1.28) according to the expert criteria of dentists, who establish the ground-truth lines and significant points. In conclusion, AI methods have good prospects for automatic bone loss detection in intraoral radiographs to assist dental specialists in diagnosing peri-implantitis.