Análise computacional da curvatura da coluna vertebral humana no plano sagital

Abstract

A coluna vertebral é formada por 33 vértebras, sendo 7 vértebras na região cervical, 12 vértebras na região torácica, 5 vértebras na região lombar, 5 na região sacral e 4 vértebras na região do cóccix. Importante para a locomoção, equilíbrio e proteção do sistema nervoso, ela possui curvas formadas pelo alinhamento das vértebras. Estas curvas fisiológicas são denominadas de lordose cervical, cifose torácica, lordose lombar e cifose sacro-coccígenea. A ocorrência de anormalidades na curvatura da coluna é devido ao mal alinhamento das vértebras que podem sofrer aumento ou retificação da curvatura. Este trabalho tem como objetivo construir uma metodologia de medição quantitativa da curvatura da coluna vertebral humana no plano sagital sem a utilização de marcadores no corpo humano. A extração o modelo da curvatura da coluna vertebral é realizada com o uso de técnicas de processamento de imagens e o método dos mínimos quadrados e a quantificação dos valores das curvaturas por arcos tangentes. Um grupo de 15 pessoas, com faixa etária entre 18 e 28 anos e com o índice médio de massa corporal saudável, participou da pesquisa permitindo a captura das imagens do plano frontal da coluna, em três posições diferentes (melhor posição possível e pés juntos, melhor posição possível e pés separados na largura do quadril e posição relaxada) e em dois dias diferentes; e permitindo o diagnóstico de um profissional baseando-se na sua experiência no assunto. A razão para a as capturas em posições diferentes e dias diferentes é para validar a metodologia quanto às medidas obtidas pela extração do modelo da curvatura da coluna vertebral. Para esta validação foi utilizado método estatístico de análise de variância, que precisa apresentar a não ocorrência de diferença estatística significante entre os valores do grupo entre posições e entre os dias (p-value > 0.05). Ao realizar a análise de variância entre as posições e dias diferentes obteve-se valores para p-value maiores que 0.05. Ou seja, não houve diferenças estatísticas significantes que invalidassem a metodologia. A fim de ser realizado a classificação dos valores em curvaturas normais ou anormais, foi utilizado o diagnóstico do profissional para a criação de modelos de classificadores como multilayer perceptron e árvore de decisão com algoritmo j48. A acurácia destes classificadores foi comparada à acurácia da classificação dos ângulos por faixas de ângulos normais definidas por diferentes autores, obtendo uma taxa de acerto maior que as já predefinidas para os casos definidos neste trabalho.