INTELIGÊNCIA ARTIFICIAL APLICADA AO DIAGNÓSTICO RADIOGRÁFICO DE DISPLASIA COXOFEMORAL
cães, articulação, radiologia, rede neural
O exame radiográfico é a principal ferramenta de diagnóstico de displasia coxofemoral canina, em que evidencia sinais de lassidão articular e osteoartrite e permite classificar o grau da doença. A interpretação destas imagens, no entanto, é uma tarefa desafiadora e propensa a erros, devido à variação de raças e portes, bem como da técnica e do posicionamento radiográfico. Tecnologias que combinam aprendizado de máquina, visão computacional e imagens médicas facilitam o diagnóstico de doenças e fornecem uma segunda opinião para os profissionais. O objetivo deste trabalho visa determinar a precisão de uma rede neural convolucional para detectar padrões normais e anormais em articulações coxofemorais e classificar corretamente as entre cães portadores e cães não portadores de displasia coxofemoral. Será adotado o método supervisionado de aprendizado de máquina a partir de uma base de dados classificada por um especialista, que indicará para o modelo quais padrões devem ser utilizados na identificação e na classificação dos objetos entre duas classes, definidas como portadores e não portadores de displasia coxofemoral. As imagens serão obtidas em projeções ventrodorsais de pelves caninas, obtidas em centros de diagnóstico por imagem. O modelo, então, será treinado para classificar, nas regiões correspondentes, a presença ou a ausência de displasia coxofemoral.