Diagnóstico Automático Explicável de Casos de Colapso Traqueal Cervical em Cães usando Vision Transformers e Redes Neurais Convolucionais

• Processo: 23/00502-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 30 de junho de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Denis Henrique Pinheiro Salvadeo
• Beneficiário: Gabriel Henrique Marconato
• Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
• Assunto(s): Aprendizado computacional Aprendizagem profunda Classificação de imagens Inteligência artificial explicável Radiografia Visão computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | aprendizagem profunda | Classificação de Imagens | IA explicável | Radiografia | Visão Computacional | Visão Computacional

Resumo

O colapso traqueal é um dos principais problemas que assolam cães, principalmente aqueles de pequeno porte e idade mais avançada, causando sintomas que dificultam a vida do animal e, nos piores casos, podendo levar à morte. Deste modo, a necessidade de um diagnóstico rápido e prático deste problema no animal, assim que ele chega à clínica, é fundamental. No entanto, os métodos de diagnóstico atuais tomam um tempo crítico por precisar de duas radiografias diferentes no processo, além de aumentar o estresse do paciente por conta de necessitar de uma pressão externa na região da traqueia cervical do cão durante uma dessas radiografias. Tendo isso em mente, obter uma ferramenta para diagnóstico de colapso traqueal cervical em cães somente com dados básicos do paciente e com apenas uma exposição radiográfica (aquela sem a necessidade da compressão na traqueia do animal) é algo que poderia contribuir com um protocolo para um diagnóstico mais rápido e prático da enfermidade, além de possibilitar a instituição terapêutica precoce, favorecendo um bom prognóstico para o paciente. Pensando nisso, e no fato de Redes Neurais Convolucionais (CNNs) terem apresentado resultados no passado em casos de classificação, assim como modelos de atenção (Transformers), especialmente em exames realizados em humanos, o objetivo deste projeto consiste em investigar o uso de CNNs e de Transformers para extrair conhecimento das radiografias, combinada com um modelo de Aprendizado de Máquina tradicional para trazer informações extras para o sistema a partir de dados básicos do animal, visando o desenvolvimento de uma ferramenta de auxílio ao diagnóstico explicável de colapso traqueal cervical em cães. Por fim, espera-se que esta ferramenta possa auxiliar o médico veterinário otimizando o diagnóstico do colapso traqueal em cães, com menor dose de radiação para ambos, profissional e animal, além de redução nos custos de diagnóstico, resultados diretos da possibilidade de redução de uma radiografia.