Histomorfometria oÌssea eÌ uma importante anaÌlise na prevenção e tratamento de caÌ‚ncer e oste- oporose, fornecendo informação quantitativa para diagnoÌstico cliÌnico. A Microtomografia Computadorizada por Raios X eÌ uma teÌcnica de imagens não-destrutiva e não-invasiva com uma alta resolução que permite imagens ampliadas. Na anaÌlise histomorfomeÌtrica de tais ima- gens, eÌ possiÌvel usar teÌcnicas de tratamento tais como filtros morfoloÌgicos e binarização. Tais teÌcnicas, no entanto, podem causar perda de informação relevante para a quantificação da massa oÌssea. Neste trabalho eÌ descrita a aplicação de Redes Neurais Artificiais (RNA) para reconhecimento de tecido oÌsseo como parte de uma pesquisa sobre anaÌlise histomorfomeÌtrica em imagens cuja aquisição foi feita no LaboratoÌrio ELETTRA, em Trieste, ItaÌlia, na linha de pesquisa SYRMEP (Synchrotron Radiation for Medical Physics – Radiação SiÌncrotron para FiÌsica MeÌdica). Nestes testes iniciais, uma RNA Perceptron Multi-Camadas (PMC) Feed- Forward (FF) com algoritmo de aprendizagem de Retro-Propagação de Erro foi utilizada na tarefa de reconhecimento. A qualidade dos resultados na tarefa da classificação de subimagens foi verificada atraveÌs de Curvas ROC (Receiver Operating Characteristic). Para este tipo de RNA obtivemos uma area sob a curva de 1,000, o que significa que a arquitetura e o treinamen- to da RNA se mostraram adequados para a tarefa de reconhecimento de tecido oÌsseo. As ima- gens obtidas tambeÌm são mostradas neste trabalho. Os resultados dos testes demonstraram a viabilidade de aplicação metodoloÌgica de Redes Neurais Artificiais e sua adequação aÌ€s carac- teriÌsticas das imagens obtidas por Microtomografia Computadorizada por Raios X, para evitar perdas ocasionadas por outras teÌcnicas de manipulação e tratamento de imagens. TambeÌm apresentamos uma breve descrição das principais tecnologias de implementação do projeto.
