INTELIGÊNCIA ARTIFICIAL APLICADA AO DIAGNÓSTICO RADIOGRÁFICO DE DISPLASIA COXOFEMORAL CANINA
displasia coxofemoral canina, inteligência artificial, visão computacional
O exame radiográfico é a principal ferramenta de diagnóstico de displasia coxofemoral canina, em que evidencia sinais de frouxidão 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 radiográficos normais e anormais em articulações coxofemorais e classificá-las corretamente entre cães portadores e cães não portadores de displasia coxofemoral. As imagens foram obtidas em projeções ventrodorsais de pelves caninas, fornecidas por um centro de diagnóstico por imagem. Foi adotado o método supervisionado de aprendizado de máquina a partir de uma base de dados classificada por dois especialistas, que indicaram para o modelo quais padrões a serem utilizados na identificação e na classificação dos objetos. O modelo, então, foi treinado para classificar, nas regiões correspondentes, a presença ou a ausência de displasia coxofemoral.