Modelos Barras FUNDOS v04 3logos

Designação do projeto | Projeto Dys4Vet – Dysplasia Software for Veterinary  Professionals

Código do projeto | POCI-01-0247-FEDER-046914

Objetivo principal| Reforçar a investigação, o desenvolvimento tecnológico e a inovação.

Região de intervenção | Norte

Entidade beneficiária | NEADVANCE – MACHINE VISION, S.A.   | Universidade de Trás-os-Montes e Alto Douro |   HOSPITAL VETERINÁRIO MONTENEGRO, SOCIEDADE UNIPESSOAL LDA

 Data de aprovação | 15 de Dezembro de 2020

Data de início | 1 de Julho de 2020

Data de conclusão | 30 de Junho de 2023

Custo total elegível | 771.117,11€

Apoio financeiro da União Europeia | 538.010,61€

Custo total elegível UTAD | 231.411,33€

Apoio financeiro da União Europeia UTAD |FEDER – 173.558,50€

 

Resumo:

A Displasia da Anca (DA) no cão é uma doença hereditária de natureza poligénica e aditiva, com uma prevalência elevada em algumas raças. Não existindo um tratamento ideal, o diagnóstico da doença tem como objetivo melhorar a qualidade de vida dos animais com a doença e auxiliar o processo de seleção reprodutiva.

Devido ao elevado número de genes envolvidos e à complexidade da transmissão genética o diagnóstico radiográfico é a única forma recomendada para detetar se os animais estão afetados pela doença. O diagnóstico da doença é recomendado em animais saudáveis (despiste ou rastreio) e doentes. Em animais mais jovens, o exame é feito através de uma radiografia de stresse em que é avaliada a lassitude articular, o maior fator de risco para o desenvolvimento da displasia da anca, calculando o Índice de Distracção (ID), e nos animais adultos, através de uma radiografia em que se determina o ângulo de Norberg e classifica numa escala de graus de DA. O animal é posicionado na mesa de exames radiográficos por um ou mais médicos veterinários para obter a radiografia com a qualidade adequada. Atualmente, a leitura da radiografia, e consequente diagnóstico de displasia da anca é um processo manual, subjetivo e bastante exigente em termos de recursos humanos, tempo e custos.

Para tornar o processo mais objetivo, rápido e preciso, pretende-se desenvolver uma plataforma tecnológica para suporte ao diagnóstico de displasia da anca em cães. Suportada em técnicas de visão por computador, e modelos de aprendizagem máquina (Machine Learning, Deep Learning), pretende-se agilizar e automatizar o processo de análise das radiografias e criar um mecanismo de apoio à decisão clínica quanto à leitura radiográfica e respetiva classificação e certificação da doença.

Pretende-se criar um sistema CAD capaz de avaliar a qualidade técnica das imagens (independentemente do tipo de equipamento utlizado) em termos de posicionamento e classificar as radiografias de animais jovens e adultos.