BR112020008747B1 - Determinação não invasiva automatizada do sexo de um embrião e da fertilidade de um ovo de ave. - Google Patents

Abstract

é revelado, no presente documento, um método de determinação não invasiva automatizada do sexo de um embrião de um ovo de ave (14), bem como um aparelho correspondente. o método compreende as seguintes etapas: transportar uma pluralidade de ovos de ave (14), sequencialmente ou em paralelo, para um aparelho de rmn (18), submeter os ovos de ave (14) a uma medição por rmn, para, assim, determinar, para cada um dos ditos ovos (14), um ou mais parâmetros de rmn associados ao ovo (14) selecionados a partir do grupo que consiste em um tempo de relaxamento t1, um tempo de relaxamento t2 e um coeficiente de difusão, encaminhar os ditos um ou mais parâmetros nmr, ou parâmetros derivados dos mesmos, para um módulo de classificação (38), o dito módulo de classificação (38) configurado para determinar, com base nos ditos um ou mais parâmetros de rmn ou parâmetros derivados dos mesmos, uma previsão do sexo do embrião do ovo associado (14), e transportar a dita pluralidade de ovos de ave (14) para fora do dito aparelho de rmn (18) e separar os ovos (14) de acordo com a previsão de sexo fornecida pelo dito módulo de classificação (38).

Description

CAMPO DA INVENÇÃO

[1] A presente invenção refere-se ao campo da avicultura para produção de galinhas poedeiras e aves domésticas. Mais particularmente, em um aspecto, a presente invenção refere-se a um método e a um aparelho para determinação não invasiva do sexo de um embrião de um ovo de ave, em particular, um ovo de galinha. Em um aspecto, a presente invenção refere-se a um método e a um aparelho para determinação não invasiva da fertilidade de um ovo de ave, em particular, um ovo de galinha.

ANTECEDENTES DA INVENÇÃO

[2] Em 2015, foram produzidos cerca de 1.338 bilhões de ovos de galinha. As galinhas criadas para a produção de ovos são chamadas de galinhas poedeiras. Algumas raças de galinha podem produzir mais de 300 ovos por ano. Na criação de galinhas poedeiras, logo após a eclosão, o sexo do frango é determinado e apenas as galinhas são criadas. Embora os galos também possam, em princípio, ser criados e usados para a produção de carne, as raças específicas de postura de ovos são significativamente inferiores para essa finalidade, em comparação com as raças específicas de produção de carne, visto que as raças de produção de carne fornecem maior ganho diário de peso, maior peso final e uma distribuição mais favorável de carne no corpo. Isso significa que, atualmente, na criação de galinhas poedeiras, os machos são abatidos logo após a eclosão. Esse procedimento é considerado moralmente inapropriado por muitos e está em desacordo com a legislação vigente e, provavelmente, ainda mais com a legislação futura de proteção animal. Em particular, na maioria dos países, inclusive a Alemanha, é proibido por lei causar dor, sofrimento ou danos a animais sem justa causa, e há um constante debate sobre até que ponto isso é violado em relação ao abate de galos após a eclosão.

[3] Para reduzir esse problema, foram feitas algumas tentativas para determinar o sexo de um frango antes da eclosão. Por exemplo, com o uso de métodos biológicos moleculares, é possível realizar um PCR especificamente para o cromossomo feminino W e, com base em um amplicon específico para o cromossomo W, é possível identificar animais fêmeas. Em princípio, é possível realizar esses métodos biológicos moleculares inclusive in ovo, mas isso implicaria a coleta de uma amostra de tecido do embrião e, de qualquer forma, a casca precisaria ser danificada.

[4] Além da determinação biológica molecular do sexo in ovo, foram feitas algumas tentativas para determinar o sexo com base no teor de hormônios sexuais no líquido alantoide dos embriões, conforme demonstrado em Weissmann, A., Reitemeier, S., Hahn, A., Gottschalk, J. & Einspanier, A. Sexing domestic chicken before hatch: A new method for in ovo gender identification, e em Theriogenology 80, páginas 199 a 205 (2013), Tran, H. T., Ferrell, W. & Butt, T. R. An estrogen sensor for poultry sex sorting. J. Anim. Sci. 88, páginas 1358 a 1364 (2010). Com base em uma diferença na concentração de sulfato de estrona, constatou-se que é possível fazer a distinção entre embriões de frangos machos e fêmeas. No entanto, esse método envolve vários problemas. Por exemplo, constatou-se que a taxa de eclosão diminui devido à coleta de amostras do líquido alantoide, provavelmente, por causa do orifício que precisa ser formado na casca do ovo. Além disso, com esse método, o sexo só pode ser determinado entre o 4° e o 10° dia do embrião.

[5] Uma possibilidade não invasiva para determinar o sexo de frangos in ovo baseia-se na coloração específica das penas, de acordo com o sexo. Com o uso de métodos hiperespectrais, é possível determinar a cor das penas através da casca do ovo e, assim, determinar o sexo, conforme demonstrado em Gõhler, D., Fischer, B. & Meissner, S. In-ovo sexing of 14-day-old chicken embryos by pattern analysis in hyperspectral images (VIS/NIR spectra): A nondestructive method for layer lines with gender specific down feather color. Poult. Sci. 96, páginas 1 a 4 (2017). Embora esse método pareça muito vantajoso à primeira vista, o mesmo requer a criação de raças especiais de frangos que tenham marcadores específicos de penas de acordo com o sexo. Essa técnica, portanto, não pode ser universalmente aplicada a todas as raças de frangos.

[6] Um método óptico adicional para uso na determinação do sexo in ovo baseia-se na espectroscopia de Raman. Esse método já foi aplicado, com sucesso, em frangos após a eclosão, em que o sexo foi determinado com base nos folículos das penas, consultar Harz, M. et al. Minimal Invasive Gender Determination of Birds by Means of UV- Resonance Raman Spectroscopy. Anal. Chem. 80, páginas 1080 a 1085 (2008). Para esse método espectroscópico, foi utilizada luz na faixa de UV que infelizmente apresenta o risco de efeitos fototóxicos. Em Galli, R. et al. In ovo sexing of domestic chicken eggs by Raman spectroscopy, Anal. Chem. 88, páginas 8657 a 8663 (2016), a radiação UV foi usada para determinar o sexo in ovo. Para essa finalidade, a casca do ovo foi aberta com o uso de um laser de CO2 que fornece acesso ao embrião do frango no terceiro e no quinto dia. A medição foi feita diretamente em um vaso sanguíneo do embrião. Constatou-se que as diferenças médias nos sinais da espectroscopia de Raman, que permitem a determinação do sexo, foram maiores nos embriões machos do que nos embriões fêmeas. A taxa de eclosão de frangos submetidos a essa medição, com base na espectroscopia de Raman, foi apenas um pouco inferior ao normal, e não foi observada influência negativa no desenvolvimento posterior do frango.

[7] Em Galli, R. et al. In ovo sexing of chicken eggs by fluorescence spectroscopy. Anal. Bioanal. Chem. 409, páginas 1185 a 1194 (2017), a espectroscopia de fluorescência é usada para determinar o sexo de embriões de frangos. Nesse caso, constatou-se também que é possível determinar o sexo do embrião, no terceiro e no quinto dia, com base em um sinal de fluorescência pronunciado a 910 nm para embriões machos. Combinando-se os dados de fluorescência e espectroscopia de Raman, o sexo pode ser determinado corretamente em 90% dos casos. No entanto, esse método ainda requer a abertura da casca do ovo para acessar os vasos sanguíneos do embrião. Isso apresenta risco de contaminação e uma taxa menor de eclosão.

[8] O documento n° DE 10 2013 205 426 A1 revela um método para determinar o sexo de um embrião em um ovo de uma forma não invasiva, determinando-se a concentração de estradiol e, opcionalmente, além disso, a concentração de testosterona. Em uma modalidade, a concentração de estradiol é determinada por meio de espectroscopia de RMN, com base em um deslocamento químico. A concentração de estradiol é determinada antes do 25° dia da reprodução e, de preferência, no 17° dia da reprodução. No entanto, constatou-se que esse método não é a melhor maneira para uma aplicação prática. Uma dificuldade com esse método é que as concentrações de hormônios estão, tipicamente, apenas em uma faixa de pMol/l e, portanto, não podem ser detectadas de modo confiável com a espectroscopia de RMN.

[9] O documento n° WO 00/01302 descreve um método não invasivo e um aparelho para a sexagem do frango dentro do ovo. O método emprega imaginologia de RMN de alta resolução para determinar se o embrião dentro do ovo contém órgãos sexuais masculinos ou femininos. De fato, para esse método, é necessária uma imaginologia com uma resolução espacial superior a 0,1 mm para determinar os órgãos sexuais masculino e feminino. Essa alta resolução não é compatível com tempos curtos de medição necessários para aplicações práticas. Além disso, as imagens de alta resolução em estados avançados de incubação são muito sensíveis ao movimento e, por isso, sofrem distorções.

[10] Consequentemente, constatou-se que nenhum desses dois métodos com base em espectroscopia de RMN ou em imaginologia de RMN são praticamente viáveis.

[11] Além disso, na indústria avícola, também é desejado determinar a fertilidade de um ovo de modo não invasivo. A indústria avícola é uma das fontes mais importantes de proteína animal para consumo humano. A revista Poultry Trends, de 2016, estima que a produção e o consumo mundiais de carne de aves domésticas aumentarão em 20% até 2025 para mais de 130 milhões de toneladas. Em 2016, o mercado global produziu 116,4 milhões de toneladas de carne de aves domésticas, em que as 185 principais empresas produtoras de aves domésticas abateram quase 38 bilhões de cabeças para satisfazer a demanda global. Somente nos Estados Unidos, a indústria avícola foi avaliada em 38,7 bilhões de dólares.

[12] Apesar do volume significativo, o processo de incubação de ovos para chocar aves domésticas está longe de ser perfeito. Uma instalação avícola média choca apenas 75 a 85% dos ovos que a mesma incuba. Os outros 15 a 25% dos ovos sofrem morte embrionária precoce ou não são férteis. Atualmente, os embriões inférteis e mortos são separados dos embriões vivos após 18 dias de incubação com tecnologias não invasivas, como o removedor de ovos da empresa Embrex® (http://embrexbiodevices.com/Poultry-BioDevices/Embrex-Egg- Remover/). Embora essa solução impeça a abertura desnecessária de ovos, ainda é um desperdício: todos os ovos sem pintinho no interior são descartados. Ou seja, a indústria incuba, anualmente, mais de 12,8 bilhões de ovos apenas para descartá-los. Por isso, uma solução que pudesse determinar a situação de fertilidade de um ovo antes da incubação seria altamente desejada. Essa solução aumentaria drasticamente a produtividade e economizaria energia, custos e desperdício. Incorporaria, também, bilhões de ovos no mercado para consumo humano.

[13] Há várias patentes no campo de identificação de ovos férteis. Por exemplo, a Patente n° US 5.745.228 - Method and apparatus for distinguishing live from infertile poultry eggs usa uma fonte de luz para determinar se a ave doméstica dentro do ovo está viva. Essa é a tecnologia usada no removedor de ovos, da Embrex®.

[14] A Patente n° US 6.029.080 - Method and apparatus for avian pre-hatch sex determination propõe o uso de RM para sexagem de membros de espécies aviárias de um ovo. Embora esta patente use a tecnologia de RM, a mesma não faz referência à determinação da situação de fertilidade e aborda exclusivamente a identificação das gônadas por meio de RM para sexagem.

[15] A Patente n° US 7.950.439 B1- Avian egg fertility and gender detection sugere o uso de uma fonte de luz externa na forma de luzes incandescentes, fluorescentes ou de LED para a determinação da fertilidade e do gênero de um ovo aviário.

[16] A Patente n° US 6.535.277 B2- Methods and apparatus for non-invasively identifying conditions of eggs via multi-wavelength spectral comparison baseia-se no uso de luz visível e invisível em comprimentos de onda entre 300 nm e 1.100 nm para identificar as múltiplas condições de um ovo, que inclui a situação de fertilidade.

[17] A Patente n° US 2013/0044210 AI - Hyperspectral identification of egg fertility and gender usa luz no IV médio para determinar a fertilidade de um ovo. Os inventores desta patente reivindicam que são capazes de determinar a situação de fertilidade de um ovo no dia zero (isto é, recém-posto) com uma precisão de 90%.

SUMÁRIO DA INVENÇÃO

[18] O problema subjacente a um primeiro aspecto da invenção é fornecer um método e um aparelho para determinação automatizada, não invasiva, do sexo de um embrião de um ovo de ave, em particular, um ovo de galinha, que permita uma determinação rápida e confiável do sexo do embrião em um estágio inicial, na qual o embrião ainda não desenvolveu uma sensação de dor. Esse problema é solucionado por meio de um método, de acordo com a reivindicação 1, e um aparelho, de acordo com a reivindicação 25. As modalidades preferenciais são definidas nas reivindicações dependentes.

[19] O método, de acordo com o primeiro aspecto da invenção, compreende as etapas de transportar uma pluralidade de ovos de aves, de modo sequencial ou paralelamente, para um aparelho de RMN e submeter os ovos de aves a uma medição de RMN, e assim, determinar, para cada um dos ditos ovos, um ou mais parâmetros de RMN associados ao ovo selecionado a partir do grupo, que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão.

[20] No presente documento, cada um desses "parâmetros" pode corresponder a um valor de parâmetro representativo para uma região de interesse dentro do ovo, como a região exata ou próxima à região em que o embrião está localizado. Por exemplo, o “parâmetro T1” pode se referir a um valor médio dos valores de T1 medidos na região de interesse.

[21] No entanto, conforme usado no presente documento, o termo "parâmetro" também pode se referir a uma imagem de parâmetro de uma região do dito ovo, em que os valores dos parâmetros são associados aos pixels ou voxels correspondentes da imagem. Note que o termo "imagem" não implica que seja algo que deva ser necessariamente inspecionado visualmente, mas implica, apenas, que um valor de parâmetro está associado a uma determinada região espacial dentro do ovo, em que a região, geralmente, é denominada, em uma imagem, de um pixel ou voxel. Visto que em diferentes modalidades da invenção, para cada parâmetro (como T1, T2 ou coeficiente de difusão), um valor de parâmetro, ou uma imagem de parâmetro, pode ser empregado, ambas as variantes são geralmente denominadas, no presente documento, de "parâmetro", a título de simplicidade.

[22] O método, adicionalmente, compreende encaminhar o dito um ou mais parâmetros de RMN, ou parâmetros derivados a partir dos mesmos, para um módulo de classificação, sendo que o dito módulo de configuração é configurado para determinar, com base no dito um ou mais parâmetros de RMN ou parâmetros derivados a partir dos mesmos, uma previsão do sexo do embrião do ovo associado e transportar a dita pluralidade de ovos de aves para fora do dito aparelho de RMN e separar os ovos, de acordo com a previsão do sexo fornecida pelo dito módulo de classificação. No presente documento, a expressão "ou parâmetros derivados a partir dos mesmos" indica que, em vez do próprio valor do parâmetro, um valor derivado a partir do mesmo pode ser empregado para a classificação, por exemplo, um valor normalizado, o quadrado do valor ou similar, que possa ser mais apropriado para as finalidades de classificação.

[23] De acordo com a presente invenção, a determinação do sexo, por meio do módulo de classificação, é realizada com base em um ou mais parâmetros de RMN específicos, a saber, um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão. De modo surpreendente, constatou-se que cada um desses parâmetros de RMN é sensível ao sexo de um embrião de frango. Consequentemente, com base em pelo menos um, mas tipicamente, em um conjunto de mais de um desses parâmetros, o sexo do embrião dentro do ovo pode ser determinado por meio de um módulo de classificação.

[24] Note que esse método é diferente dos métodos da técnica anterior, com base na determinação da concentração de estradiol, com o uso de espectroscopia de RMN, ou com base na determinação do sexo, analisando-se as imagens de RMN com alta resolução para reconhecer órgãos sexuais suficientemente desenvolvidos, que podem ser considerados como métodos "dedutivos", no sentido de que certas características relacionadas ao sexo (hormônios, órgãos sexuais) estão presentes e são, em seguida, verificadas com o uso de técnicas de RMN. Em comparação a isso, o método da invenção baseia-se apenas em parâmetros, sem a necessidade de qualquer teoria ou explicação sobre o porquê de esses parâmetros estarem correlacionados com o sexo do embrião. Em vez disso, o método da invenção baseia-se na observação surpreendente de que os três parâmetros de RMN mencionados acima são característicos para o sexo do embrião de frango, mesmo em um estágio muito inicial. De acordo com a compreensão atual, a melhor previsão pode ser feita se a unidade de classificação receber um conjunto que compreende todos os três dos parâmetros mencionados acima, T1, T2 e coeficiente de difusão, e basear a previsão nos mesmos, por exemplo, com o uso de um classificador adequado. No entanto, não é necessário combinar todos esses três parâmetros em um conjunto, em vez disso, é possível usar apenas a combinação de dois desses parâmetros ou um desses parâmetros em combinação com parâmetros adicionais de RMN. De fato, especificamente o parâmetro T1 de RMN é uma característica sexual suficiente para que uma previsão, com base apenas nesse parâmetro, seja concebível.

[25] A vantagem de ter um módulo de classificação com base na decisão em parâmetros permite um bom ajuste entre alto rendimento e classificação consistente e confiável. Em geral, a medição e o processamento de alguns parâmetros individuais podem ser realizados de modo comparativamente rápido e fácil, por exemplo, em comparação com a imaginologia de alta resolução que precisa ser empregada no documento n° WO 00/01302, enquanto uma classificação consistente de gênero pode ser suportada, particularmente, por meio de diferenças de gênero no T1, no T2 e no coeficiente de difusão. De fato, as várias modalidades descritas abaixo permitem determinar o sexo de cada um dos, por exemplo, 150 ovos, paralelamente, em menos de três minutos, com o potencial de diminuir esse tempo de medição para dois minutos e, possivelmente, até para um minuto, quando for feito o uso otimizado de técnicas rápidas de RM e imaginologia paralela, que permitem, assim, um tempo médio de medição de um segundo por ovo ou menos. Além disso, a confiança pode ser aumentada, aumentando-se o número de parâmetros no conjunto de parâmetros, que pode equivaler apenas a um aumento moderado no tempo de medição, e ainda aumentar significativamente a qualidade de previsão do método, mesmo que a inter-relação dos parâmetros e a relação da mesma com o sexo não sejam totalmente compreendidas. Isso é fundamentalmente diferente quando comparado aos métodos puramente dedutivos, em que a conclusão sobre o sexo deve ser alcançada em certas premissas biológicas (presença de estradiol, ausência de testosterona, presença de órgãos sexuais na imagem). Em tais métodos dedutivos, a confiança só pode ser aumentada, aumentando-se a confiança nas premissas fornecidas, em que um pequeno grau de confiança adicional pode ocasionar esforços adicionais extraordinários de medição de RMN e, consequentemente, rendimento reduzido do método. Além disso, outras indicações além das premissas permanecem sem consideração, em particular as indicações que poderiam ser desenvolvidas em um estágio inicial do embrião, além da concentração hormonal ou dos órgãos sexuais. Por exemplo, de acordo com o documento n° DE 10 2013 205 426 A1, a concentração de estradiol é preferencialmente determinada no 17° dia da reprodução, em que o embrião do frango já sente dor.

[26] Em uma modalidade preferencial, o dito um ou mais parâmetros de RMN compreende um conjunto de dois ou mais parâmetros de RMN, em que pelo menos um é selecionado a partir do dito grupo, que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão.

[27] Em uma modalidade preferencial, o dito conjunto de parâmetros de RMN compreende, adicionalmente, um ou mais dos seguintes parâmetros: um tempo de relaxamento T2*, um tempo de relaxamento Tip e uma densidade de spin associada a um ou mais dos núcleos 1H, 13C, 23Na e 31P, ou parâmetros derivados a partir dos mesmos. Embora esses parâmetros, de acordo com a compreensão atual dos inventores, sejam menos característicos para o sexo do embrião na etapa inicial de desenvolvimento, no entanto, os mesmos podem ser combinados com alguns ou todos os três parâmetros favoritos T1, T2 e coeficiente de difusão, em um conjunto, e podem ser considerados por meio do módulo de classificação, aumentando assim a confiabilidade da determinação.

[28] Adicional ou alternativamente, o dito conjunto de parâmetros de RMN compreende ainda, de preferência, um ou mais sinais de deslocamento químico de metabólitos, em particular água, lipídios, aminoácidos, ácidos nucleicos ou hormônios; um sinal de transferência seletiva de deslocamento químico; e sinais de RMN de coerência quântica zero ou coerência quântica múltipla ou parâmetros derivados a partir dos mesmos. Por exemplo, em caso de um espectro de sinal de deslocamento químico, um “parâmetro derivado a partir do mesmo” pode ser a amplitude de um dado pico, a razão entre os dois picos, a diferença dos dois picos ou similares. Um parâmetro pode ser um número ou pode ser um conjunto de números, como um vetor. No entanto, se o módulo de classificação for um módulo de aprendizado de máquina, conforme explicado abaixo, também é possível simplesmente fornecer todo o espectro ao módulo, que por meio do aprendizado de máquina, tem capacidade de determinar, por si, as características relevantes do mesmo.

[29] Em uma modalidade preferencial, o dito módulo de classificação é um módulo de aprendizado de máquina. Os inventores constataram que o aprendizado de máquina é uma maneira particularmente eficiente de determinar o sexo com base em um ou mais dos parâmetros T1, T2 e coeficiente de difusão mencionados acima. A saber, embora as medidas disponíveis indiquem claramente que esses parâmetros são característicos para o sexo do embrião, atualmente não há modelo biológico dedutivo disponível sobre o motivo exato ou por qual mecanismo biológico subjacente o sexo está relacionado a cada um desses parâmetros, ou à distribuição dos parâmetros dentro do ovo, conforme representado em uma imagem de parâmetro. Consequentemente, o aprendizado de máquina é ideal para reconhecer os padrões em qualquer um desses parâmetros ou as combinações dos mesmos, que são indicativos do sexo do embrião que permitem previsões confiáveis e datas de previsão antecipada na vida do embrião. Se o módulo de classificação for um módulo de aprendizado de máquina, os ditos valores de parâmetro de RMN, ou parâmetros derivados a partir dos mesmos, podem formar valores de características apresentados ao módulo de aprendizado de máquina como um vetor de característica. Em outras palavras, um valor de parâmetro representativo para uma região de interesse dentro do ovo ou uma imagem de parâmetro de uma região do ovo pode ser apresentada ao módulo de aprendizado de máquina como um vetor de característica ou como parte de um vetor de característica.

[30] Em uma modalidade preferencial, o módulo de classificação é configurado para determinar a previsão do sexo do embrião com o uso de um classificador linear. Os classificadores lineares preferenciais, para a finalidade da presente invenção, baseiam-se em uma ou mais regressões lineares de mínimos quadrados, vizinhos mais próximos, regressão logística, hiperplanos de separação ou perceptrons.

[31] Em uma modalidade alternativa preferencial, o dito módulo de classificação é configurado para determinar a previsão do sexo do embrião com o uso de um classificador não linear. Os classificadores não lineares preferenciais, para as finalidades da presente invenção, baseiam-se em polinômios por parte, splines, suavização por kernel, método baseado em árvore, máquinas de vetor de suporte, floresta aleatória, métodos de reforço, de aditivos e de conjuntos ou modelos de gráficos.

[32] Em modalidades particularmente vantajosas, o módulo de classificação é configurado para determinar a previsão do sexo do embrião com o uso de um algoritmo de aprendizado profundo, que permite otimizar o uso das informações em relação ao sexo, conforme expresso no conjunto de parâmetros de RMN. Os algoritmos de aprendizado profundo preferenciais, para a finalidade da invenção, baseiam-se em redes neurais convolucionais, redes neurais recorrentes ou redes de memória de longo-curto prazo.

[33] Em modalidades alternativas, o módulo de classificação pode ser configurado para determinar a previsão do sexo do embrião com base em uma comparação com os valores de parâmetro armazenados em um banco de dados.

[34] Em modalidades preferenciais, a medição de RMN compreende a imaginologia de RMN, em que um plano de imaginologia de RMN é disposto de modo a cruzar a localização do embrião. No presente documento, a imaginologia de RMN pode, em particular, referir-se à formação de imagens de parâmetros para um ou mais dos parâmetros T1, T2 e coeficiente de difusão.

[35] Em uma modalidade preferencial, os ovos são dispostos em um padrão regular, em particular, em uma configuração de matriz, em uma bandeja durante o dito transporte e medição de RMN.

[36] Preferencialmente, o número de ovos dispostos na dita bandeja é pelo menos 36, preferencialmente pelo menos 50 e mais preferencialmente pelo menos 120.

[37] Em uma modalidade preferencial, o método é realizado antes do oitavo dia de reprodução, preferencialmente no quinto dia de reprodução, em que o embrião ainda não desenvolveu nenhuma sensação de dor.

[38] O problema subjacente a um segundo aspecto da invenção é fornecer uma técnica não invasiva que tenha capacidade de identificar automaticamente ovos inférteis, imediatamente após a postura e antes da incubação, e tenha capacidade de manipular um grande rendimento de ovos e não danificar ou alterar os ovos de forma alguma. Esse objetivo é alcançado por meio de um método, de acordo com a reivindicação 7, e um aparelho, de acordo com a reivindicação 15. As modalidades preferenciais são definidas nas reivindicações dependentes.

[39] O método, de acordo com o segundo aspecto da invenção compreende as etapas de

[40] transportar uma pluralidade de ovos de ave, de modo sequencial ou paralelamente, em um aparelho de RMN,

[41] submeter os ovos de ave a uma medição de RMN para, assim, determinar para cada um dos ditos ovos, um ou ambos:

[42] - um histograma de coeficientes de difusão em várias localizações no ovo,

[43] - um espectro de RMN da gema, que inclui picos, que correspondem à água e à gordura,

[44] Determinar a previsão da fertilidade com base no formato do histograma de coeficientes de difusão e/ou no espectro de RMN, e

[45] transportar a dita pluralidade de ovos de ave (14) para fora do dito aparelho de RMN (18) e separar os ovos de acordo com a previsão de fertilidade.

[46] Os inventores constataram que, de modo surpreendente, o formato de um histograma de coeficientes de difusão difere para ovos férteis e inférteis em várias localizações no ovo. No presente documento, o histograma indica com que frequência certos coeficientes de difusão ocorrem quando são feitas medições em vários locais do ovo. Consequentemente, analisando-se o formato do histograma de coeficiente de difusão, a fertilidade pode ser prevista.

[47] Além disso, os inventores constataram que igualmente, de modo surpreendente, os espectros de RMN da gema de ovos férteis e inférteis diferem em relação aos picos que correspondem à água e à gordura. Consequentemente, o formato de um espectro de RMN, que inclui tais picos de água e gordura, são características semelhantes da fertilidade e podem ser empregados na determinação.

[48] Embora apenas uma das duas características de fertilidade possa ser usada no método, em modalidades preferenciais, ambas as características são combinadas na determinação, para assim, aumentar a confiabilidade da previsão.

[49] Visto que os ovos podem ser submetidos a medições de RMN sem causar nenhum prejuízo ou dano à casca ou ao interior, a taxa de eclosão não é afetada adversamente por essa medição. Ao mesmo tempo, a incubação desnecessária de ovos inférteis pode ser evitada. Além disso, visto que a infertilidade é determinada antes da incubação, constatou- se que esses ovos inférteis ainda podem ser usados na alimentação, o que não é possível após o início da incubação.

[50] Embora haja muitas maneiras de analisar o formato de um histograma de coeficiente de difusão, em uma modalidade preferencial, a determinação da fertilidade, com base no formato do histograma de coeficientes de difusão, compreende a comparação da frequência de ocorrência de pelo menos dois diferentes coeficientes de difusão ou faixas de coeficientes de difusão. Essa é uma maneira particularmente simples de caracterizar o formato do histograma do coeficiente de difusão, que provou apresentar, de modo surpreendente, resultados confiáveis.

[51] Em uma modalidade preferencial, os ditos pelo menos dois diferentes coeficientes de difusão ou os centros das ditas pelo menos duas faixas de coeficientes de difusão são separados entre 0,5 e 2,5 mm2/s, preferencialmente entre 0,75 e 1,5 mm2/s.

[52] Dos ditos pelo menos dois diferentes coeficientes de difusão, ou os centros das ditas pelo menos duas faixas de coeficientes de difusão, preferencialmente, um está localizado em uma faixa de 0,6 a 1,3 mm2 s, preferencialmente em uma faixa de 0,7 a 1,2 mm2/s, e o outro está localizado em uma faixa de 1,5 a 2,5 mm2 s, preferencialmente em uma faixa de 1,7 a 2,3 mm2/s.

[53] Em uma modalidade preferencial, as ditas várias localizações no ovo são distribuídas uniformemente no ovo e, em particular, correspondem a voxels de uma imagem de coeficiente de difusão.

[54] Em relação ao espectro, os inventores observaram que quando o espectro é, por exemplo, normalizado para os picos que correspondem à gordura, o pico que corresponde à água é maior em um ovo infértil em comparação com um ovo fértil. Consequentemente, uma maneira para determinar a fertilidade é por meio da razão entre os picos da água e da gordura. No entanto, há diferentes maneiras de classificar a fertilidade com base nos espectros de RMN. Em particular, é possível apresentar o espectro, ou certas características do espectro, como as alturas dos picos e as localizações dos picos a um módulo de aprendizado de máquina que realiza a classificação.

[55] Em qualquer um dos métodos, de acordo com o primeiro ou o segundo aspecto da invenção, os ovos são dispostos em um padrão regular, em particular, em uma configuração de matriz, em uma bandeja durante o dito transporte e medição de RMN. Preferencialmente, o número de ovos dispostos na dita bandeja é pelo menos 36, preferencialmente pelo menos 50 e mais preferencialmente pelo menos 120.

[56] A invenção refere-se adicionalmente a um aparelho para determinação automatizada, não invasiva do sexo de um embrião de um ovo de ave, que compreende: um aparelho de RMN e um dispositivo de transporte para transportar uma pluralidade de ovos de aves, de modo sequencial ou paralelamente, para dentro e para fora do dito aparelho de RMN. O aparelho de RMN é configurado para submeter os ovos de aves a uma medição de RMN para, assim, determinar, para cada um dos ditos ovos, um ou mais parâmetros de RMN associados ao ovo selecionado a partir do grupo que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão, em que cada um dos ditos parâmetros correspondem a:

[57] - um valor de parâmetro representativo para uma região de interesse dentro do ovo, ou

[58] - uma imagem de parâmetro de uma região do dito ovo, em que os valores dos parâmetros são associados ao pixel ou voxel correspondente da imagem.

[59] O aparelho compreende adicionalmente um módulo de classificação configurado para receber o dito um ou mais parâmetros de RMN ou parâmetros derivados a partir dos mesmos, em que o dito módulo de classificação configurado para determinar a previsão do sexo do embrião do ovo associado baseia-se no dito um ou mais parâmetros de RMN ou parâmetros derivados a partir dos mesmos. Finalmente, o aparelho compreende um dispositivo de separação de ovos para separar os ovos, de acordo com a previsão do sexo fornecida pelo dito módulo de classificação.

[60] Em uma modalidade preferencial, o dito um ou mais parâmetros de RMN compreende um conjunto de dois ou mais parâmetros de RMN, em que pelo menos um é selecionado a partir do dito grupo que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão.

[61] Preferencialmente, o dito conjunto de parâmetros de RMN compreende, adicionalmente, um ou mais dos seguintes parâmetros: um tempo de relaxamento T2*, um tempo de relaxamento Tip e uma densidade de spin associada a um ou mais dos núcleos 1H, 13C, 23Na e 31P.

[62] Adicional ou alternativamente, o dito conjunto de parâmetros de RMN compreende ainda, de preferência, um ou mais sinais de deslocamento químico de metabólitos, em particular água, lipídios, aminoácidos, ácidos nucleicos ou hormônios; um sinal de transferência seletiva de deslocamento químico; e sinais de RMN de coerência quântica zero ou coerência quântica múltipla.

[63] Em uma modalidade preferencial, o dito módulo de classificação é um módulo de aprendizado de máquina.

[64] Preferencialmente, os ditos valores de parâmetro de RMN ou parâmetros derivados a partir dos mesmos formam valores de características apresentados ao módulo de aprendizado de máquina como um vetor de característica.

[65] Em uma modalidade preferencial, o dito módulo de classificação é configurado para determinar a previsão do sexo do embrião com o uso de um classificador linear, em particular, um classificador linear com base em uma ou mais regressões lineares de mínimos quadrados, vizinhos mais próximos, regressão logística, hiperplanos de separação ou perceptrons.

[66] Em uma modalidade alternativa preferencial, o dito módulo de classificação é configurado para determinar a previsão do sexo do embrião com o uso de um classificador não linear, em particular um classificador não linear com base em polinômios por parte, splines, suavização por kernel, método baseado em árvore, máquinas de vetor de suporte, floresta aleatória, métodos de reforço, de aditivos e de conjuntos ou modelos de gráficos.

[67] Ainda em uma modalidade alternativa preferencial, o dito módulo de classificação (38) é configurado para determinar a previsão do sexo do embrião com o uso de um algoritmo de aprendizado profundo, em particular, um algoritmo de aprendizado profundo com base em redes neurais convolucionais, redes neurais recorrentes ou redes de memória de longo-curto prazo.

[68] Em uma modalidade alternativa, o módulo de classificação (38) é configurado para determinar a previsão do sexo do embrião com base em uma comparação com os valores de parâmetro armazenados em um banco de dados.

[69] A invenção refere-se adicionalmente a um aparelho para determinação automatizada, não invasiva da fertilidade de um ovo de ave, que compreende um aparelho de RMN e um dispositivo de transporte para transportar uma pluralidade de ovos de aves, de modo sequencial ou paralelamente, para dentro e para fora do dito aparelho de RMN, em que o dito aparelho de RMN é configurado para submeter os ovos de aves a uma medição de RMN para, assim, determinar, para cada um dos ditos ovos, um ou ambos:

[70] - um histograma de coeficientes de difusão em várias localizações no ovo,

[71] - um espectro de RMN da gema, que inclui picos, que correspondem à água e à gordura,

[72] em que o dito aparelho é adicionalmente configurado para determinar uma previsão da fertilidade com base no formato do histograma de coeficientes de difusão e/ou no espectro de RMN, em que o dito aparelho compreende adicionalmente um dispositivo de separação de ovos para separar os ovos, de acordo com a previsão de fertilidade.

[73] Em uma modalidade preferencial, a dita determinação de fertilidade, com base no formato do histograma de coeficientes de difusão por meio do aparelho, compreende comparar a frequência de ocorrência de pelo menos dois diferentes coeficientes de difusão ou faixas de coeficientes de difusão.

[74] Em uma modalidade preferencial, os ditos pelo menos dois diferentes coeficientes de difusão ou os centros das ditas pelo menos duas faixas de coeficientes de difusão são separados entre 0,5 e 2,5 mm2/s, preferencialmente entre 0,75 e 1,5 mm2/s.

[75] Em uma modalidade preferencial, dos ditos pelo menos dois diferentes coeficientes de difusão, ou os centros das ditas pelo menos duas faixas de coeficientes de difusão, um está localizado em uma faixa de 0,6 a 1,3 mm2 s, preferencialmente em uma faixa de 0,7 a 1,2 mm2/s, e o outro está localizado em uma faixa de 1,5 a 2,5 mm2 s, preferencialmente em uma faixa de 1,7 a 2,3 mm2/s.

[76] Em uma modalidade preferencial, as ditas várias localizações no ovo são distribuídas uniformemente no ovo e, em particular, correspondem a voxels de uma imagem de coeficiente de difusão.

[77] Em uma modalidade preferencial, o dito aparelho é configurado para determinar uma previsão da fertilidade com base no espectro de RMN, com base na razão entre os picos que correspondem à água e à gordura no dito espectro de RMN.

[78] Independentemente de o aparelho estar configurado para determinar o sexo do embrião ou a fertilidade do ovo, em modalidades preferenciais, o aparelho compreende, adicionalmente, uma bandeja, na qual os ditos ovos podem ser dispostos em um padrão regular, em particular, em uma configuração de matriz, durante o dito transporte e medição de RMN.

[79] Em uma modalidade preferencial, o número de ovos que pode ser disposto na dita bandeja é pelo menos 36, preferencialmente pelo menos 50 e mais preferencialmente pelo menos 120.

[80] Em uma modalidade preferencial, o dito aparelho de RMN compreende um arranjo de bobinas de RF para aplicar campos magnéticos de RF aos ovos localizados na bandeja e/ou para detectar sinais de RMN, sendo que o dito arranjo de bobinas de RF compreende um ou mais:

[81] - uma pluralidade de bobinas dispostas em um plano, localizado acima da bandeja, carregada com ovos, quando transportada para o aparelho de RMN,

[82] - uma pluralidade de bobinas dispostas em um plano, localizado embaixo da bandeja, carregada com ovos, quando transportada para o aparelho de RMN,

[83] - uma pluralidade de bobinas dispostas em planos verticais, que se estendem entre fileiras de ovos na bandeja, quando transportada para o aparelho de RMN, em que as fileiras se estendem paralelamente à direção de transporte da bandeja para dentro e para fora do aparelho de RMN.

[84] Em caso de pluralidade de bobinas dispostas em um plano localizado acima ou embaixo da bandeja carregada com ovos, a razão entre o número de bobinas e o número de ovos dispostos na dita bandeja é entre 1:1 e 1:25, preferencialmente entre 1:1 e 1:16, e mais preferencialmente entre 1:1 e 1:5.

[85] Em uma modalidade preferencial, o dito aparelho de RMN compreende um arranjo de bobinas de RF para aplicar campos magnéticos de RF aos ovos localizados na bandeja (16) e/ou para detectar sinais de RMN, sendo que o dito arranjo de bobinas de RF é integrado ou fixado à dita bandeja.

[86] No presente documento, a bandeja compreende, preferencialmente, uma pluralidade de cavidades ou bolsos para receber o ovo correspondente, em que um número de bobinas está associado a cada uma das ditas cavidades ou bolsos, em que o dito número de bobinas por cavidade ou bolso é pelo menos 2, preferencialmente pelo menos 3 e mais preferencialmente pelo menos 4 e/ou em que pelo menos algumas das ditas bobinas estão dispostas verticalmente em relação ao plano principal da bandeja, ou com um ângulo de pelo menos 50°, preferencialmente de pelo menos 75° e mais preferencialmente de pelo menos 80° em relação ao plano principal da bandeja.BREVE DESCRIÇÃO DAS FIGURAS

[87] A Figura 1 é uma ilustração esquemática de um aparelho para determinação automatizada, não invasiva do sexo de um embrião de um ovo de ave ou da fertilidade de um ovo de ave.

[88] A Figura 2A é uma vista em perspectiva de um arranjo de bobinas de RF disposto em um plano paralelo e um pouco acima de uma bandeja carregada de ovos.

[89] A Figura 2B é uma vista em perspectiva de um arranjo de bobinas de RF disposto em um plano paralelo e um pouco acima de uma bandeja carregada de ovos.

[90] A Figura 2C é uma vista em perspectiva de um arranjo de bobinas de RF, em que as bobinas são dispostas em planos verticais que se estendem entre fileiras de ovos sobre a bandeja, na qual as fileiras se estendem paralelamente à direção do transporte da bandeja.

[91] A Figura 3 mostra, de modo esquemático, uma porção de uma bandeja que inclui uma cavidade para receber um ovo e quatro bobinas de RF integradas à bandeja que circunda o ovo.

[92] A Figura 4 mostra adicionalmente os detalhes dos arranjos de bobinas das Figuras 2A a C e 3.

[93] A Figura 5 mostra seis imagens de parâmetros de RMN tiradas pelo aparelho de RMN da Figura 1.

[94] A Figura 6 mostra combinações por pares dos parâmetros T1, T2 e D nos histogramas e diagramas fora da diagonal para cada um dos parâmetros T1, T2 e D nos diagramas dispostos ao longo da diagonal.

[95] A Figura 7 mostra um histograma promediado para os valores de T1 para embriões machos e fêmeas.

[96] A Figura 8 mostra um histograma promediado para os valores de T2 para embriões machos e fêmeas.

[97] A Figura 9 mostra um histograma promediado para os coeficientes de difusão para embriões machos e fêmeas.

[98] A Figura 10 mostra um histograma promediado do coeficiente de difusão observado para uma pluralidade de ovos férteis (linha contínua) e ovos inférteis (linha pontilhada).

[99] A Figura 11 é um gráfico de dispersão que mostra pares de valores do histograma do coeficiente de difusão a 1 mm/s e 2 mm/s para uma pluralidade de ovos.

[100] A Figura 12 mostra espectros de RMN para ovos férteis e inférteis.

[101] A Figura 13 é uma ilustração esquemática de um aparelho simplificado para determinação não automatizada, não invasiva do sexo de um embrião de um ovo de ave ou da fertilidade de um ovo de ave.

[102] A Figura 14 é uma ilustração esquemática de uma arquitetura de um classificador de aprendizado de máquina para determinação do sexo do ovo com base em redes neurais convolucionais.

DESCRIÇÃO DA MODALIDADE PREFERENCIAL

[103] Com o objetivo de promover uma compreensão dos princípios da invenção, será agora feita referência a uma modalidade preferencial ilustrada nos desenhos, e uma linguagem específica será usada para descrever a mesma. No entanto, será entendido que nenhuma limitação do escopo da invenção é, assim, pretendida, sendo que tais alterações e modificações adicionais no aparelho ilustrado e tais aplicações adicionais dos princípios da invenção, conforme ilustrado no presente documento, são contempladas como normalmente ocorreriam agora ou no futuro para uma pessoa versada na técnica a que a invenção se refere.

[104] A Figura 1 mostra uma representação esquemática de um aparelho 10, de acordo com uma modalidade preferencial da invenção. O aparelho 10 compreende um dispositivo de transporte 12 para transportar uma pluralidade de ovos 14 dispostos em uma configuração de matriz em uma bandeja 16, para dentro e para fora de um aparelho de RMN 18, que é representado pela caixa hachurada na Figura. Na modalidade mostrada, o dispositivo de transporte 12 compreende uma correia transportadora 20, na qual as bandejas 16 podem ser transportadas. O movimento da correia transportadora 20 é controlado por um controlador de transporte correspondente 22.

[105] O aparelho de RMN 18 compreende uma disposição de ímã 24 para fornecer um campo magnético externo na direção z, com o qual os spins nucleares podem interagir. A direção z do campo magnético coincide com a direção de transporte na correia transportadora 20, mas isso não é crucial para a função do aparelho 10. Na modalidade mostrada, a disposição de ímã 22 gera um campo magnético estático que tem uma intensidade de campo de 1T, mas a invenção não se limita a isso. Em vez disso, uma grande variedade de intensidades do campo magnético pode ser usada e, em modalidades alternativas da invenção, até a intensidade do campo magnético da terra pode ser suficiente, como é demonstrado em Stepisnik, J. , Erzen, V. & Kos, M. NMR imaging in the earth’s magnetic field. Magn. Reson. Med.15, páginas 386 a 391 (1990), e Robinson, J. N. et al. Two-dimensional NMR spectroscopy in Earth’s magnetic field. J. Magn. Reson.182, páginas 343 a 347 (2006).

[106] Além disso, o aparelho de RMN 18 compreende bobinas de gradiente 26 que são usadas para gerar campos de gradiente espacial que são usados para codificação de imagens ou, em outras palavras, medições por RMN com resolução espacial, de uma maneira per se conhecida pela pessoa versada, e descritas em Lauterbur, Image formation by induced local interactions. Examples employing nuclear magnetic resonance. Nature 242, páginas 190 a 191 (1973). Além disso, as bobinas de gradiente 26 também são usadas para aumentar a homogeneidade local do campo magnético externo criado pela disposição magnética 24. Os campos de gradiente aplicados pelas bobinas de gradiente 26 são controlados por um controlador de gradiente 28. Na modalidade mostrada, o controlador de gradiente 28 é otimizado para uma cobertura eficiente do espaço de medição (o espaço k), a fim de aumentar a velocidade de medição. Em particular, o controlador de gradiente 28 é, de preferência, configurado para realizar imaginologia ecoplana. Para detalhes da imaginologia ecoplana, é feita referência a Stehling, M., Turner, R. & Mansfield, P. Echo-planar imaging: magnetic resonance imaging in a fraction of a second. Science (80-.).254, páginas 43 a 50 (1991), e Mansfield, P. & Maudsley, AA Planar spin imaging by NMR. J. Phys. C Solid State Phys.9, páginas L409 a L412 (1976). Em alternativa, o controlador de gradiente 28 pode controlar as bobinas de gradiente 26 para realizar leituras em espiral com design de gradiente ideal no tempo, conforme descrito em Hargreaves, BA, Nishimura, DG & Conolly, SM Time-optimal multidimensional gradient waveform design for rapid imaging. Magn. Reson. Med. 51, páginas 81 a 92 (2004), que permite imaginologia por RMN muito rápidas.

[107] Múltiplas bobinas de RF 30 são dispostas de modo a circundar a bandeja 16 carregada com ovos 14 na correia transportadora 20, quando a bandeja 16 é transportada para o aparelho de RMN 18. Como a pessoa versada observará, as bobinas de RF 30 são usadas para fornecer pulsos de RF que excitam spins e, em particular, os spins de átomos de hidrogênio no interior dos ovos 14. O tempo, o formato e a intensidade dos pulsos são controlados pelo controlador de RF 32. Uma manipulação em série dos pulsos e gradientes de RF permite modulação do sinal medido para codificação rápida de imagens. A fim de permitir medições de alto rendimento, sequências rápidas de pulso, como imaginologia de disparo rápido com ângulo pequeno ou imaginologia transitória quantitativa, podem ser implantadas, conforme descrito em mais detalhes nos artigos Haase, A., Frahm, J., Matthaei, D., Hanicke, W. & Merboldt, FLASH imaging. Rapid NMR imaging using low flip-angle pulses. J. Magn. Reson.67, páginas 258 a 266 (1986) e Gómez, PA et al. Accelerated parameter mapping with compressed sensing: an alternative to MR Fingerprinting. Proc Intl Soc Mag Reson Med (2017), em coautoria com os presentes inventores e inclusos no presente documento, a título de referência. Essas sequências rápidas de pulso são projetadas para serem sensíveis a diferentes parâmetros relevantes empregados na presente invenção, em particular, relaxamento T1 e T2 e difusão, mas também ao teor de água e gordura ou à transferência de magnetização.

[108] Além disso, o movimento de precessão dos spins excitados no campo magnético externo, fornecido pela disposição magnética 24, leva ao fluxo de corrente nas bobinas de RF 30, que podem ser detectadas por um detector de RF ou 34. O detector de RF 34 traduz o fluxo de corrente das bobinas de RF 30 para um sinal interpretável. Isso inclui conversão analógica para digital, desmodulação e amplificação de sinal.

[109] O aparelho de RMN 18 compreende adicionalmente um módulo de reconstrução de imagem 36. Em modalidades preferenciais, as medições de diferentes bobinas de RF 30 serão combinadas com uso de técnicas de imaginologia paralela, e uma reconstrução de imagem é alcançada através da aplicação de transformada rápida de Fourier (FFT) nas medições adquiridas. Para detalhes das técnicas de imaginologia paralela, é feita referência a Pruessmann, KP, Weiger, M., Scheidegger, MB e Boesiger, P. SENSE: sensitivity encoding for fast MRI. Magn. Reson. Med.42, páginas 952 a 962 (1999), e Uecker, M. et al. ESPIRiT - An eigenvalue approach to autocalibrating parallel MRI: Where SENSE meets GRAPPA. Magn. Reson. Med.71, páginas 990 a 1001 (2014).

[110] Quando a amostragem não cartesiana é empregada, a FFT não uniforme, conforme descrito em Fessler, JA e Sutton, B. Nonuniform Fast Fourier Transforms Using Min-Max Interpolation. IEEE Trans. Signal Process. 51, páginas 560 a 574 (2003) pode ser empregada. Na modalidade mostrada, o módulo de reconstrução de imagem 36 implanta algoritmos avançados de reconstrução, como recuperação de matriz de posto reduzido ou algoritmos iterativos. O módulo de reconstrução de imagem 36 é configurado para processar dados de diferentes dimensionalidades, a saber, sinais de RMN 1D ou 2D, imagens 2D, volumes 3D e séries temporais 4D.

[111] Os dados processados pelo módulo de reconstrução de imagem 36 são transmitidos para um módulo de classificação de ovos 38. Na modalidade mostrada, o módulo de classificação de ovos 38 tem dois objetivos, segmentação e classificação. No dispositivo de alto rendimento, o módulo de classificação de ovos 38 primeiro segmenta as imagens recebidas em porções de imagem correspondentes a ovos individuais 14. Em seguida, a porção de imagem correspondente a cada ovo individual 14 é classificada de acordo com seu sexo de uma maneira a ser descrita em mais detalhes abaixo.

[112] O resultado da classificação de ovos é fornecido a um dispositivo de separação de ovos 40. Na modalidade mostrada, o resultado da classificação é fornecido ao dispositivo de separação de ovos 40, na forma de uma matriz que contém os sexos codificados dos ovos 14 em um dada bandeja 16. Com base nessas informações, o dispositivo de separação de ovos 40 pode separar os ovos 14 determinados, como, incluindo, embriões machos, ou pode reorganizar os ovos 14 na bandeja 16 de acordo com o sexo. Como mostrado esquematicamente na Figura 1, o separador de ovos 40 tem tantos recipientes 42 quanto ovos 14 na bandeja 16, em que os ditos recipientes 42 estão conectados a um dispositivo de vácuo (não mostrado). Quando um recipiente 42 é movido para perto do ovo correspondente 14, o ovo 14 será atraído e fixado no recipiente 42 por sucção a vácuo, de modo que possa ser coletado com segurança e cuidadosamente colocado em um local diferente.

[113] Finalmente, é fornecido um controlador central 44, que é conectado para comunicação de dados com cada um dos componentes mencionados acima envolvidos na medição por RMN, classificação de ovos por reconstrução de imagem e processo de separação de ovos, através dos canais de dados correspondentes 45.

[114] O aparelho de RMN 18 desenvolvido para a classificação de ovos em ambiente industrial trata de uma geometria de varredura bem definida. Os ovos 14 são introduzidos no aparelho de RMN 18 dispostos em uma configuração de matriz com M linhas e N colunas em uma bandeja correspondente 16, em que as colunas são dispostas paralelamente à direção de transporte na correia transportadora 20 da Figura 1. Várias modalidades da invenção empregam um arranjo 30 de bobinas de RF 30a que é projetado para maximizar a razão de sinal e ruído e minimizar o tempo de aquisição, que será descrito a seguir, em referência às Figuras 2 a 4. Uma vez que a amplitude do sinal da radiofrequência decai com o quadrado da distância da fonte emissora, os desenhos preferenciais visam colocar as bobinas de RF 30a o mais próximo possível dos ovos 14. Além disso, ter um arranjo 30 de bobinas 30a cria redundância espacial no campo receptor, que pode ser explorada para reduzir o tempo de varredura.

[115] As Figuras 2A a 2C mostram três arranjos de bobinas de RF diferentes 30 que são particularmente adequadas para estabelecer razões de sinal para ruído e tempos mínimos de aquisição preferenciais. Em cada uma das Figuras 2A a 2C, um arranjo 30 de bobinas de RF 30a é esquematicamente mostrado em conjunto com a bandeja 16 carregada com ovos 14. Cada bobina de RF individual 30a do arranjo 30 de bobinas de RF é mostrada como tendo uma geometria de circuito, a título de simplicidade, mas geometrias diferentes também podem ser implantadas. Na modalidade da Figura 2A, as bobinas de RF individuais 30a são dispostas em um plano paralelo e ligeiramente acima da bandeja 16. O número de bobinas de RF individuais 30a pode, mas não precisa corresponder ao número de ovos 14. De preferência, a razão entre o número de bobinas de RF 30a e o número de ovos 14 dispostos na bandeja 16 está entre 1:1 e 1:25, de preferência, entre 1:1 e 1:16 e, com máxima preferência, entre 1:1 e 1:5. Cada uma das bobinas de RF individuais 30a é conectada através de uma linha de transmissão correspondente 30b com o controlador de RF 32 e com o detector de RF 34. Embora, nas Figuras simplificadas, todas as linhas de transmissão 30b sejam mostradas como um único cabo, deve ser entendido que esse cabo inclui uma pluralidade de fios individuais, de modo que cada bobina de RF 30a do arranjo 30 de bobinas de RF possa ser controlada individualmente pelo controlador de RF 32 e lida pelo detector de RF 34. A seta 46 indica a direção da direção de transporte da bandeja 16 pelo dispositivo de transporte 12.

[116] A Figura 2B mostra um arranjo 30 de bobina de RF similar, como o da Figura 2A, que é, no entanto, colocado embaixo da bandeja 16.

[117] A Figura 2C mostra um arranjo 30 de bobinas de RF de bobinas de RF 30a, disposto verticalmente e colocado ao lado dos ovos 14, em vez de acima ou abaixo, como é o caso nas Figuras 2A e 2B. Para não interferir na movimentação dos ovos 14 na correia transportadora 20, as bobinas de RF 30a do arranjo 30 de bobinas de RF são dispostas em planos verticais que se estendem entre as fileiras de ovos 14 na bandeja 16, cujas fileiras se estendem paralelamente à direção de transporte da bandeja 16 pelo dispositivo de transporte 12, como indicado pela seta 46.

[118] Como o embrião sempre flutua até o topo do ovo 14, a área de interesse está localizada principalmente na metade superior do mesmo. Isso implica que as configurações da Figura 2A (plano superior do arranjo 30 de bobinas de RF) e da Figura 2C (bobinas de RF 30a dispostas em planos longitudinais verticais) permitem distâncias menores entre as bobinas de RF 30a do arranjo 30 de bobinas de RF e as regiões de interesse nos ovos 14 do que a configuração da Figura 2B e, portanto, uma razão de sinal para ruído favorável. No entanto, em várias modalidades, o arranjo 30 de bobinas de RF disposto em um plano abaixo da bandeja 16, como mostrado na Figura 2B, pode ser usado em vez de, ou em combinação com qualquer uma das configurações das Figura 2A e 2C. Na verdade, quaisquer duas ou todas as três configurações das Figuras 2A, 2B e 2C podem ser combinadas no aparelho de RMN 18.

[119] Em uma modalidade alternativa, as bobinas de RF 30a são ligadas ou integradas à bandeja 16, como mostrado na Figura 3. A Figura 3 mostra esquematicamente uma porção da bandeja 16, na qual é formada uma cavidade 48 para receber um ovo 14. São ligadas ou integradas à bandeja 16 quatro bobinas de RF 30a em torno do ovo 14. Geralmente, podem ser fornecidas uma ou mais bobinas de RF 30a por cavidade 48. Outras modalidades particularmente favoráveis fornecem três, cinco, seis ou oito bobinas de RF 30a por cavidade 48. A ligação ou integração das bobinas de RF 30a com a bandeja 16 permite uma integração mais densa das bobinas de RF 30a e distâncias menores com os ovos correspondentes 14, sem interferir no transporte dos ovos 14 na bandeja 16, o que permite razões de sinal para ruído particularmente altas e tempo de aquisição minimizado. No entanto, nesta modalidade, os ovos 14 precisam ser transferidos das bandejas de transporte (não mostradas) para as bandejas específicas de RMN 16 e, posteriormente, para as bandejas de incubação (não mostradas).

[120] A Figura 4 mostra mais detalhes dos arranjos de bobinas de RF 30, que podem ser aplicados independentemente da disposição geométrica particular das bobinas de RF 30a no arranjo 30 de bobinas de RF e, portanto, podem ser aplicados a qualquer uma das modalidades mostradas na Figura 2A, 2B, 2C e 3. Como é mostrado esquematicamente na Figura 4, cada uma das bobinas de RF 30a pode compreender uma seção de antena 50 que, nas modalidades mostradas, tem o formato de um circuito circular. No entanto, seções de antena 50 com geometrias diferentes, tais como bobinas de Helmholtz, bobinas solenoides, bobinas do tipo sela ou bobinas do tipo gaiola, também podem ser empregadas.

[121] Além disso, cada bobina de RF 30a compreende um capacitor de sintonização 52 para reduzir a indutância mútua e sintonizar a frequência central, e um pré-amplificador 54 que melhora a sintonização, correspondência e desacoplamento. Além disso, cada bobina de RF 30a é conectada via linhas de transmissão 56 com um espectrômetro de RMN de múltiplos canais 58, que combina as funcionalidades do controlador de RF 32 e do detector de RF 34 mostrado na Figura 1.

[122] Obviamente, o tempo de medição por RMN é crítico para um dispositivo de alto rendimento. As modalidades preferenciais da invenção são, portanto, otimizadas para aquisição e reconstrução em alta velocidade. Em particular, os arranjos de bobinas de RF 30 descritos acima são adequados para geração de imagens paralelas, para, assim, adquirir menos informações por bobina de RF 30a e combinar a mesma com uso de redundância espacial, como acelerar a medição.

[123] As modalidades preferenciais da invenção empregam o chamado método SENSE, descrito em Pruessmann, KP, Weiger, M., Scheidegger, MB & Boesiger, P. SENSE: sensitivity encoding for fast MRI. Magn. Reson. Med. 42, páginas 952 a 962 (1999), que utiliza a redundância espacial para adquirir uma subamostra do espaço k e reconstruir imagens sem alias. Um método relacionado que é igualmente aplicável é o chamado método de Aquisição Parcialmente Paralela de Autocalibração Generalizada (GRAPPA), como descrito em Griswold, MA et al., Generalized auto calibrating partially parallel acquisitions (GRAPPA), Magn. Res. Med 47, páginas 1202 a 1210 (2002).

[124] Para aumentar ainda mais o rendimento, são empregadas tecnologias múltiplas bandas, que empregam várias frequências de excitação para permitir a aquisição paralela em diferentes locais espaciais ao longo do orifício da disposição magnética 42, o que reduz, assim, o tempo total de varredura. Uma explicação mais detalhada da tecnologia de múltiplas bandas é dada em Feinberg, D. A. et al. Multiplexed echo planar imaging for sub-second whole brain fmri and fast diffusion imaging. PLoS One 5, (2010), que é incluído ao presente documento a título de referência.

[125] No topo dessas técnicas, nas modalidades preferenciais, é empregada a chamada detecção comprimida, que reduz o número de pontos de medição necessários para reconstruir uma imagem, introduzindo, assim, um novo fator de aceleração. Uma determinação da detecção comprimida é dada em Lustig, M., Donoho, D. & Pauly, JM Sparse MRI: The application of compressed sensing for rapid MR imaging. Magn. Reson. Med. 58, páginas 1182 a 1195 (2007).

[126] Além disso, em modalidades preferenciais, a imaginologia é realizada no estado transitório, que pode ser realizado de maneira ultrarrápida e usar parâmetros quantitativos, conforme descrito nos trabalhos em coautoria com os presentes inventores, consultar Gómez, PA et al. Accelerated parameter mapping with compressed sensing: an alternative to MR Fingerprinting. Proc Intl Soc Mag Reson Med (2017). Outra maneira adequada de imaginologia transitória é descrita em Ma, D. et al. Magnetic resonance fingerprinting. Nature 495, páginas 187 a 192 (2013).

[127] As configurações do arranjo de bobinas de RF e os métodos de reconstrução de imagem introduzidos anteriormente permitem a imaginologia rápida do espaço 3D que contém o arranjo de ovos NxM 14. Dependendo da geometria da bobina de RF e do método de processamento escolhido, em algumas modalidades, uma imagem por ovo 14 será reconstruída, enquanto, em outras modalidades, uma única imagem por bandeja 16 será reconstruída. No caso de uma única imagem por ovo 14, cada imagem pode ser classificada individualmente. No caso de uma imagem por bandeja 16, os ovos individuais 14 na imagem precisam primeiro ser segmentados antes da classificação. Existem várias técnicas de segmentação que podem ser empregadas; mas, dada a simplicidade da geometria das bandejas 16, a solução preferencial é predefinir uma grade correspondente a cada cavidade 48 com um único ovo 14.

[128] A Figura 5 mostra seis imagens de parâmetros de RMN tiradas pelo aparelho de RMN 18 da Figura 1. A linha superior de imagens corresponde a um ovo que inclui um embrião fêmea de sete dias de idade, enquanto a linha inferior de imagens corresponde a um ovo, que inclui um embrião macho de sete dias de idade. Como foi explicado na parte introdutória do pedido, uma "imagem de parâmetro" de uma região do ovo 14, conforme denominado no presente documento, significa um conjunto de valores de parâmetros que estão associados às regiões espaciais correspondentes no ovo 14, que correspondem a pixels ou voxels da imagem. Cada uma das imagens mostradas na Figura 5 consiste em 64 x 64 voxels de uma seção espessa de um voxel através do ovo, ao qual o valor do parâmetro correspondente T1 (coluna da esquerda), T2 (coluna do meio) ou coeficiente de difusão D (coluna da direita) é associado e mostrado em escala de cinza na Figura 5.

[129] No presente documento, T1 denota, de maneira usual, a constante de tempo para o processo físico responsável pelo relaxamento dos componentes do vetor de magnetização de spin nuclear paralelo ao campo magnético externo gerado pela disposição magnética 24, que também é conhecido como o “tempo de relaxamento longitudinal” ou “de treliça de spin” na técnica. É, portanto, tempo que leva para a magnetização longitudinal recuperar aproximadamente 63% (1-(1/e)) do seu valor inicial, após ser invertida no plano transversal magnético por um pulso de radiofrequência de 90°.

[130] T2 denota o "tempo de relaxamento transversal" ou "spin-spin" e representa a constante de decaimento para o componente do vetor de magnetização de spin nuclear perpendicular ao campo magnético externo gerado pela disposição magnética 24.

[131] D é o coeficiente de autodifusão molecular (também conhecido como "constante de difusão") das moléculas de água que foi definido por A. Einstein em 1905 (A. Eistein em "Ann Physik", 17, página 549 (1905)). Ao contrário da lei de Fick, não é necessário nenhum “gradiente” para a sua definição. Em vez disso, pode-se pensar em um certo pequeno volume de moléculas de água em um grande volume. Após esperar um certo intervalo de tempo t, várias moléculas de água "irão se difundir" fora desse volume devido ao movimento browniano. O coeficiente de difusão descreve a rapidez com que esse processo ocorre. A equação de Einstein descreve a distância X para as moléculas de água que percorrem pelo movimento browniano:X2 = 2 •D •t.

[132] Na RMN, esse processo pode ser medido com uso do sinal de RMN da água e a aplicação de um gradiente de campo magnético. O coeficiente de difusão Dof da água é alterado por vários detalhes anatômicos. Por exemplo, se houver uma barreira de difusão, como uma membrana celular, D será diminuído. Isso pode acontecer quando um embrião em um ovo é desenvolvido com estruturas biológicas circundantes, como vasos sanguíneos ou algo semelhante.

[133] Portanto, cada um dos 64 x 64 voxels possui três valores de parâmetro T1, T2 e D associados ao mesmo, e combinações pareadas de parâmetros associadas ao mesmo voxel são ilustradas nos diagramas fora da diagonal na Figura 6. Por exemplo, no diagrama inferior esquerdo, os pares T1/D para cada voxel são indicados em um gráfico de dispersão, em que os pares T1/D correspondentes a um ovo que inclui um embrião macho são representados por uma cruz e os pares T1/D correspondentes a um ovo que inclui um embrião fêmea são representados por um círculo. Observe que as informações espaciais, ou seja, a qual a localização de um par T1/D do ovo pertence, não podem ser vistas nesse diagrama, mas é claro que estão disponíveis. Da mesma forma, o diagrama na coluna da esquerda, fileira do meio, mostra os pares T1/T2, e o diagrama na coluna do meio, a terceira fileira, mostra os pares T2/D, igualmente representados por cruzamentos e círculos para embriões machos e fêmeas, respectivamente.

[134] Os outros três diagramas fora da diagonal mostram as mesmas combinações de parâmetros, mas com o papel dos eixos horizontal e vertical intercambiados e apresentados de uma maneira, em que o sexo é representado pelas cores preto e cinza, o que permite distinguir melhor as áreas associadas a embriões machos/ fêmeas a olho nu.

[135] Os diagramas diagonais mostram histogramas, em que, para cada um dos respectivos binários de parâmetros, é contado o número de voxels que se encontra dentro do compartimento. Como pode ser visto nos três diagramas diagonais, para cada um dos três parâmetros T1, T2 e D, os histogramas obtidos para os ovos que contêm embriões machos e fêmeas diferem. Embora os diagramas diagonais na Figura 6 representem os histogramas para medir apenas um único ovo de cada sexo, ao calcular a média dos histogramas para uma pluralidade de ovos, conforme mostrado nas Figuras 7, 8 e 9, pode-se observar que os desvios entre os histogramas são realmente sistemáticos.

[136] A Figura 7 mostra um histograma médio para os valores de T1 encontrados em imagens de T1 de 14 ovos fêmeas e 12 machos. Para ambos os sexos, podem ser observados três picos em T1, em que os dois picos nos tempos T1 mais baixos são praticamente idênticos para ambos os sexos. No entanto, embriões machos que contêm ovos mostram um alto pico de T1 a cerca de 2250 ms, enquanto embriões fêmeas que contêm ovos mostram um alto pico de T1 em tempos T1 mais longos, de cerca de 2750 μs. Os voxels da imagem do parâmetro T1 que exibem esses valores T1 longos são precisamente os voxels localizados na parte superior do ovo, em que o embrião está localizado. Isso também pode ser visto pelo menos qualitativamente na Figura 5, em que os ovos são mostrados em uma configuração horizontal, e em que os longos tempos T1 são realmente encontrados na porção superior de cada ovo. A diferença relacionada ao sexo no pico alto T1 observado em regiões próximas ao embrião pode, portanto, ser usada para determinar o sexo do embrião.

[137] A Figura 8 é semelhante à Figura 7, exceto que mostra um histograma médio para os valores de T2. O histograma mostra dois picos de T2, em que o pico alto de T2 corresponde a voxels na parte superior do ovo e, portanto, próximo ao embrião. Para ovos com embrião macho, o pico alto de T2 é novamente menor e localizado a cerca de 150 ms, enquanto o pico alto de T2 para ovos com embrião fêmea é de cerca de 200 ms. A diferença entre os histogramas T2, no entanto, não é tão pronunciada como no caso de T1.

[138] Finalmente, a Figura 9 mostra um histograma semelhante ao das Figuras 7 e 8 para o coeficiente de difusão, que é visto exibindo três picos. Novamente, o alto pico de difusividade corresponde a voxels próximos à localização do embrião, e sua localização é dependente do sexo. Em particular, o pico de difusividade alto para ovos que contêm embriões machos é de cerca de 1,75 mm2/s, enquanto que é encontrado em torno de 2 mm2/s para ovos que contêm embriões fêmeas.

[139] Como cada um dos parâmetros T1, T2 e D é sensível ao sexo, pode ser usado pelo módulo de classificação de ovos 38 para determinar o sexo do embrião contido no ovo. Como foi indicado acima, para cada um desses parâmetros, um valor de parâmetro representativo para uma região de interesse dentro do ovo, ou seja, próximo ou no local do embrião, pode ser determinado e, em seguida, usado na determinação do sexo pelo módulo de classificação 38.

[140] No entanto, em modalidades preferenciais, o módulo de classificação 38 recebe imagens de parâmetros inteiras, como as imagens mostradas na Figura 5, e baseia sua determinação nas mesmas. Para este fim, o módulo de classificação 38 é, de preferência, um módulo de aprendizado de máquina. Um módulo de aprendizado de máquina tem capacidade de aprender com os dados e, em seguida, fazer previsões ou decisões baseadas em dados através da construção de um modelo a partir de entradas de amostra. Por exemplo, como é sugerido na Figura 6, no espaço de parâmetros de cinco dimensões abrangido pelos parâmetros T1, T2, D, coordenadas x e coordenadas y, obviamente existem distinções entre óvulos embrionários machos e fêmeas, e o padrão de essa diferença nesse espaço de parâmetro pode ser muito bem reconhecida pelos algoritmos de aprendizado de máquina.

[141] No aprendizado de máquina e nas estatísticas, a classificação é o problema de identificação a qual conjunto de categorias, nesse caso, macho e fêmea, uma nova observação pertence, com base em um conjunto de dados de treinamento de observações, cuja adesão de categoria é conhecida. Um "classificador" é um algoritmo ou uma máquina que implanta a classificação.

[142] Por conseguinte, em modalidades preferenciais, o módulo de classificação 38 é um módulo de aprendizado de máquina. De preferência, os valores dos parâmetros de RMN, ou parâmetros derivados dos mesmos, formam valores de característica apresentados ao módulo de aprendizado de máquina como um vetor de característica.

[143] Em modalidades preferenciais, o módulo de classificação 38 é configurado para determinar a previsão do sexo do embrião com uso de um classificador linear. Classificadores lineares classificam objetos tomando uma decisão de classificação com base no valor de uma combinação linear dos valores das características. Classificadores lineares adequados podem ser baseados em uma ou mais regressões lineares de mínimos quadrados, vizinhos mais próximos, regressão logística e hiperplanos de separação. A teoria dos classificadores lineares é conhecida pelos versados na técnica do aprendizado de máquina. Para uma explicação detalhada dos classificadores lineares acima mencionados, é feita referência a Hastie, T., Tibshirani, R. & Friedman, J. Os The Elements of Statistical Learning. Elements 1, (Springer, 2009). Um outro classificador linear adequado é o chamado algoritmo perceptron, que é um algoritmo para aprendizado supervisionado de classificadores binários. Uma das vantagens do algoritmo perceptron é que permite o aprendizado on-line, na medida em que processa elementos do conjunto de treinamento, um de cada vez. Para mais detalhes sobre o algoritmo perceptron, é feita referência a Rosenblatt, F. The perceptron: A probabilistic model for information storage and organization in the brain. Psychol. Rev. 65, páginas 386 a 408 (1958).

[144] Em modalidades alternativas, o módulo de classificação 38 é configurado para determinar a previsão do sexo do embrião com uso de um classificador não linear. Para a determinação do sexo embrionário com uso dos parâmetros de RMN acima como valores de característica, classificadores não lineares baseados em polinômios por parte, splines, suavização por kernel, métodos baseados em árvore, máquinas de vetores de suporte, métodos de reforço, de aditivos e de ensemble, ou modelos de gráficos, podem ser vantajosamente empregados. Novamente, uma explicação detalhada desses classificadores não lineares pode ser obtida do trabalho acima de Hastie, que é incorporado ao presente documento a título de referência. Um classificador não linear particularmente adequado é baseado no método de floresta aleatória, que opera através da construção de diversas árvores de decisão no momento do treinamento e produz a classe que é o chamado modo das classes de árvores de decisão. Para obter mais detalhes sobre o método de floresta aleatória, é feita referência a Criminisi, A. Decision Forests: A Unified Framework for Classification, Regression, Density Estimation, Manifold Learning and Semi-Supervised Learning. Foundations and Trends® in Computer Graphics and Vision 7, páginas 81 a 227 (2011).

[145] Em modalidades adicionalmente alternativas, o módulo de classificação 38 é configurado para determinar a previsão do sexo do embrião com uso de um algoritmo de aprendizado profundo. O aprendizado profundo faz parte da ampla família de métodos de aprendizado de máquina, conforme dito na presente revelação, e é baseado em representações de dados de aprendizado, em oposição a algoritmos específicos de tarefas. Para uma revisão de algoritmos adequados de aprendizagem profunda, é feita referência a Y., L., Y., B. & G., H. Deep learning. Nature 521, páginas 436 a 444 (2015). Algoritmos de aprendizado profundo particularmente adequados para os fins da presente invenção são baseados em redes neurais convolucionais, como descrito em Le Cun, Y. et al. Handwritten Digit Recognition with a Back-Propagation Network. Adv. Neural Inf. Process. Syst. Páginas 396 a 404 (1990). doi: 10.1111/dsu.12130, com base em redes neurais recorrentes, como descrito em Donahue, J. et al. Long-term Recurrent Convolutional Networks for Visual Recognition and Description. Cvpr 07-12 - junho, páginas 2625 a 2634 (2015), ou com base em redes de memória longa de curto prazo, conforme descrito em Hochreiter, S. & Schmidhuber, J. Long Short-Term Memory. Neural Comp. 9, páginas 1735 a 1780 (1997).

[146] A implantação atualmente preferencial de um classificador de aprendizado de máquina para sexagem de ovos é baseada em redes neurais convolucionais (CNN). A Figura 14 mostra esquematicamente uma implantação geral da arquitetura. Imagens de parâmetro C de pixels MxN são mostradas na CNN. São aplicados filtros convolucionais C1 mxn, agrupamento e ativação através da entrada, o que resulta em uma primeira camada de tamanho M1xN1 com canais C1. Esse processo é repetido p vezes, até que os recursos de interesse dos mapas de parâmetros sejam extraídos. Então, q camadas neurais de L canais são interconectadas para dar uma probabilidade final para um macho ou uma fêmea.

[147] As implantações dessas CNN podem incluir variações dos filtros de convolução, agrupamento, ativação não linear ou arquitetura. Os exemplos são, entre outros, AlexNet (Krizhevsky, A., Sutskever, I. & Hinton, ImageNet Classification with Deep Convolutional Neural Networks. Adv. Neural Inf. Process. Syst. 1-9 (2012). Doi: http://dx.doi.org/10.1016/j.protcy.2014.09.007), Overfeat (Sermanet, P. et al. OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks. arXiv Prepr. arXiv 1312.6229 (2013). doi: 10.1109/CVPR.2015.7299176), VGG (Simonyan, K. & Zisserman, A. Very Deep Convolutional Networks for Large-Scale Image Recognition. Int. Conf. Learn. Represent. 1-14 (2015). Doi: 10.1016/j. infsof.2008.09.005), Network-in-network (NiN) (Lin, M., Chen, Q. e Yan, S. Network In Network. arXiv Prepr.10 (2013). doi: 10.1109/ASRU.2015.7404828), GoogLeNet and Inception (Szegedy, C. et al. Going deeper with convolutions. in Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition 07-12- June, 1-9 (2015)), ResNet (He, K., Zhang, X., Ren, S. e Sun, J. Deep Residual Learning for Image Recognition. in 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), páginas 770 a 778 (2016). doi: 10.1109/CVPR.2016.90), SqueezeNet (Iandola, FN et al.SQUEEZENET:ALEXNET-LEVEL ACCURACY WITH 50XFEWERPARAMETERSAND <0.5MB MODEL SIZE. arXiv 1-5 (2016). doi: 10.1007/978-319-24553 -9) e ENet (Paszke, A., Chaurasia, A., Kim, S. e Culurciello, E. ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation. arXiv 1-10 (2016)).

[148] De acordo com o presente entendimento, os três parâmetros de RMN T1, T2 e D acima são os mais relevantes para a previsão de sexo, e os resultados mais confiáveis podem ser obtidos se o módulo de classificação 38 basear sua previsão em todos os três parâmetros, em particular, imagens de parâmetros. No entanto, a invenção não se limita a isso. Em algumas modalidades, é empregado um conjunto de dois ou mais parâmetros de RMN, dos quais pelo menos um é selecionado a partir do dito grupo que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão. Em tais modalidades, o conjunto de parâmetros de RMN pode adicionalmente compreender um ou mais dos seguintes parâmetros: um tempo de relaxamento T2*, um tempo de relaxamento Tip e uma densidade de spin associada a um ou mais dos núcleos 1H, 13C, 23Na e 31P.

[149] Além disso, ou alternativamente, o conjunto de parâmetros de RMN pode adicionalmente compreender um ou mais de um sinal de deslocamento químico de metabólitos, em particular, água, lipídios, aminoácidos, ácidos nucleicos ou hormônios; um sinal de transferência seletiva de deslocamento químico; e coerência quântica zero ou múltiplos sinais de RMN de coerência quântica.

[150] Em vez de distinguir entre o sexo dos embriões em um ovo 14, o aparelho 10 da Figura 1 pode ser operado para determinar a fertilidade de um ovo 14, como será explicado a seguir, em referência às Figuras 10 a 12.

[151] A Figura 10 mostra um histograma médio do coeficiente de difusão observado ao longo de uma pluralidade de ovos férteis (linha sólida) e ovos inférteis (linha quebrada). Mais precisamente, os coeficientes de difusão foram determinados para cada um dos voxels de uma imagem de coeficiente de difusão de todo o volume de uma pluralidade de ovos. Como é visto na Figura 10, o histograma tem valores muito semelhantes em torno de 2 mm2/s (que correspondem à albumina), mas coeficientes de difusão em torno de 1 mm2/s (encontrados em regiões dentro da gema) são mais frequentemente encontrados em ovos inférteis do que ovos inférteis. Consequentemente, essa diferença pode ser tomada como critério para determinar a fertilidade.

[152] A Figura 11 mostra um gráfico de dispersão de pares de valores do histograma do coeficiente de difusão a 1 mm2/se 2 mm2/s, para nove ovos férteis e dez ovos inférteis. Como pode ser visto na Figura 11, no gráfico de dispersão simples, todos, exceto um ovo de cada espécie, estão localizados no lado correspondente de uma linha de separação tracejada, o que denota uma razão dos valores do histograma em 2 e 1 mm2/s, que, geralmente, a razão é excedida para ovos férteis e não alcançada para ovos inférteis.

[153] A Figura 12 mostra um espectro de RMN da gema para ovos férteis e inférteis. O espectro mostra um pico a cerca de 1 ppm correspondente à gordura e um pico de cerca de 4,7 ppm correspondente à água. Os inventores constataram que a razão entre a altura do pico da gordura e a altura do pico da água é mais alta para ovos inférteis do que para ovos férteis. Consequentemente, com base nessa razão, a distinção entre ovos férteis e inférteis também pode ser feita.

[154] Em modalidades preferenciais, os dois indicadores de fertilidade, isto é, o formato do histograma do coeficiente de difusão e a razão dos picos de gordura e água, podem ser combinados para aumentar a confiabilidade da previsão. Observe que a comparação dos valores do histograma em 1 mm2/se 2 mm2/s é apenas uma maneira de explorar o formato característico do histograma do coeficiente de difusão. Em modalidades preferenciais, todo o histograma do coeficiente de difusão pode ser apresentado a um algoritmo de aprendizado de máquina, que aprende automaticamente a distinguir entre os histogramas do coeficiente de difusão correspondentes a ovos férteis e inférteis. A Figura 11 indica que há informações relacionadas à fertilidade suficientes no histograma de difusividade para fazer a distinção correta, que pode ser adequadamente contabilizada por um módulo de aprendizado de máquina, como um módulo de classificação de ovos adequadamente configurado 38.

[155] Da mesma forma, embora a razão de picos de gordura e água no espectro da Figura 12 seja apenas uma maneira de distinguir a fertilidade do ovo com base no espectro, em modalidades alternativas, todo o espectro pode ser apresentado a um módulo de aprendizado de máquina, como um módulo de classificação de ovos 38 adequadamente configurado que, após treinamento suficiente, poderia distinguir entre óvulos férteis e inférteis com base no espectro.

[156] Observe adicionalmente que a distinção entre ovos férteis e inférteis 14 pode ser realizada com o mesmo aparelho 10, como mostrado na Figura 1, em que a única diferença é o protocolo de medição por RMN, que é fornecido pelo controlador central 44 aos componentes do aparelho de RMN 18, como medir os parâmetros de interesse, e o algoritmo empregado pelo módulo de classificação de ovos 38.

[157] A Figura 13 mostra um aparelho simplificado 10' que tem a mesma funcionalidade que o aparelho 10 da Figura 1, exceto que não foi desenvolvido para a determinação automatizada de sexo ou fertilidade de alto rendimento. O aparelho 10’ compreende um aparelho de RMN 18, que inclui basicamente o mesmo tipo de componentes que o aparelho 10 da Figura 1, mas é concebido por medir apenas um único ovo. O aparelho simplificado da Figura 13 não inclui um dispositivo de transporte 12 e também não possui um dispositivo de separação de ovos 40. Em vez disso, a saída do módulo de classificação de ovos 38 é apresentada a uma interface de usuário 60. Essa versão simplificada pode ser usada para análise de laboratório em escala, em vez de análise industrial. Embora as modalidades preferenciais da invenção visem aos métodos e aparelhos automatizados de alto rendimento, que inclui um dispositivo de transporte 12 e um dispositivo de separação de ovos 40, e visem realizar medições em uma pluralidade de ovos 14, em paralelo, a invenção não se limita a isso, e todas dentre as modalidades descritas no presente documento também podem se aplicar a aparelhos que dispensam o dispositivo de transporte 12 e o dispositivo de separação de ovos 40.

[158] Embora uma modalidade preferencial exemplificativa seja mostrada e especificada em detalhes nos desenhos e no relatório descritivo anterior, a mesma deve ser vista como puramente exemplificativa, e não como limitativa da invenção. Observa-se, a este respeito, que apenas a modalidade preferencial exemplificativa é mostrada e especificada, e todas as variações e modificações devem ser protegidas que, atualmente ou no futuro, estejam dentro do escopo de proteção da invenção, conforme definido nas reivindicações.LISTA DE REFERÊNCIAS10 Aparelho para determinação não invasiva do sexode um embrião ou da fertilidade de um ovo12 Dispositivo de transporte14 Ovo16 Bandeja18 Aparelho de RMN20 Correia transportadora22 controlador de transporte24 Disposição de imã26 Bobinas de gradiente28 Controlador de gradiente30 Arranjo de bobinas de RF30a Bobina de RF32 Controlador de RF34 Detector de RF36 Módulo de reconstrução de imagem38 Módulo de classificação ovos40 Dispositivo de separação de ovos42 Recipiente de sucção de dispositivo deseparação de ovos 4044 Controlador central45 Canal de dados46 Direção do transporte48 Cavidade na bandeja 1650 Seção de antenas52 Capacitor de sintonia54 Pré-amplificador56 Linhas de transmissão58 Espectrômetro de RMN60 Interface de usuários

Claims (15)

1. Método de determinação não invasiva automatizada do sexo de um embrião de um ovo de ave (14), o método caracterizado pelo fato de que compreende as seguintes etapas:transportar uma pluralidade de ovos de ave (14), sequencialmente ou em paralelo, para um aparelho de RMN (18), submeter os ovos de ave (14) a uma medição por RMN e determinar, para cada um dos ditos ovos (14), uma ou mais imagens de valor de parâmetro de RMN de uma região do ovo, em que valores de parâmetro de RMN estão associados aos pixels ou voxels correspondentes da imagem, em que os um ou mais parâmetros de RMN são selecionados a partir do grupo que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão, encaminhar as uma ou mais imagens de valor de parâmetros de RMN, ou imagens de parâmetros derivados dos mesmos, para um módulo de classificação (38), sendo que o dito módulo de classificação (38) é configurado para determinar, com base nas uma ou mais imagens de valor de parâmetros de RMN ou imagens de parâmetros derivados dos mesmos, uma previsão do sexo do embrião do ovo associado (14), etransportar a dita pluralidade de ovos de ave (14) para fora do dito aparelho de RMN (18) e separar os ovos (14) de acordo com a previsão de sexo fornecida pelo dito módulo de classificação (38).

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os ditos um ou mais parâmetros de RMN compreendem um conjunto de dois ou mais parâmetros de RMN, dos quais pelo menos um é selecionado a partir do dito grupo que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão,em que o dito conjunto de parâmetros de RMN compreende ainda preferencialmente um ou mais dos seguintes parâmetros: um tempo de relaxamento T2*, um tempo de relaxamento Tip e uma densidade de spin associada a um ou mais dos núcleos 1H, 13C, 23Na e 31P, e/ouem que o dito conjunto de parâmetros de RMN compreende ainda preferencialmente um ou mais de um sinal de deslocamento químico de metabólitos, em particular, água, lipídios, aminoácidos, ácidos nucleicos ou hormônios; um sinal de transferência seletiva de deslocamento químico; e coerência quântica zero ou múltiplos sinais de RMN de coerência quântica.

3. Método, de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que o dito módulo de classificação (38) é um módulo de aprendizado de máquina.

4. Método, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que o dito módulo de classificação é configurado para determinar a previsão do sexo do embrião com uso de um classificador linear, em particular, um classificador linear baseado em uma ou mais regressões lineares de mínimos quadrados, vizinhos mais próximos, regressão logística, hiperplanos de separação ou perceptrons, ouem que o dito módulo de classificação (38) é configurado para determinar a previsão do sexo do embrião com uso de um classificador não linear, em particular, um classificador não linear baseado em polinômios por partes, splines, suavização por kernel, métodos baseados em árvore, máquinas de vetores de suporte, floresta aleatória, métodos de reforço, de aditivos e de ensembles ou modelos de gráfico, ouem que o dito módulo de classificação (38) é configurado para determinar a previsão do sexo do embrião com uso de um algoritmo de aprendizado profundo, em particular, um algoritmo de aprendizado profundo baseado em redes neurais convolucionais, redes neurais recorrentes ou redes de memória longa de curto prazo.

5. Método, de acordo com qualquer uma dasreivindicações 1 a 4, caracterizado pelo fato de que amedição por RMN compreende imaginologia por RMN, em que umplano de imaginologia por RMN é disposto de modo a se cruzarcom o local do embrião, e/ouem que o dito método é realizado antes do oitavo dia de reprodução, de preferência, no quinto dia de reprodução.

6. Método de determinação não invasiva automatizada da fertilidade de um ovo de ave (14), o método caracterizado pelo fato de que compreende as seguintes etapas:transportar uma pluralidade de ovos de ave (14), sequencialmente ou em paralelo, para um aparelho de RMN (18), submeter os ovos de ave (14) a uma medição por RMN, para, assim, determinar, para cada um dos ditos ovos (14), um ou ambos dentre- um histograma de coeficientes de difusão em vários locais do ovo, - um espectro de RMN da gema que inclui picos correspondentes a água e gordura,determinar uma previsão da fertilidade com base no formato do histograma dos coeficientes de difusão e/ou no espectro de RMN, etransportar a dita pluralidade de ovos de ave (14) para fora do dito aparelho de RMN (18) e separar os ovos (14) de acordo com a previsão de fertilidade.

7. Método, de acordo com a reivindicação 6, caracterizado pelo fato de que determinar a fertilidade com base no formato do histograma dos coeficientes de difusão compreende comparar a frequência de ocorrência de pelo menos dois coeficientes de difusão diferentes ou duas faixas de coeficientes de difusão,em que os ditos pelo menos dois coeficientes de difusão diferentes, ou os centros das ditas pelo menos duas faixas de coeficientes de difusão, são preferencialmente separados entre 0,5 e 2,5 mm2/s, de preferência, entre 0,75 e 1,5 mm2/s, e/ouem que dos ditos pelo menos dois coeficientes de difusão diferentes, ou dos centros das ditas pelo menos duas faixas de coeficientes de difusão, um está preferencialmente localizado na faixa de 0,6 a 1,3 mm2/s, de preferência, em uma faixa de 0,7 a 1,2 mm2/s, e o outro está localizado em uma faixa de 1,5 a 2,5 mm2/s, de preferência, na faixa de 1,7 a 2,3 mm2/s, e/ouem que os ditos vários locais no ovo são preferencialmente distribuídos uniformemente no ovo e, em particular, correspondem a voxels de uma imagem de coeficiente de difusão, e/ou em que a dita etapa de determinação de uma previsão de fertilidade com base no espectro de RMN compreende preferencialmente determinar a dita previsão de fertilidade com base na razão de picos correspondentes a água e gordura no dito espectro de RMN.

8. Método, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pelo fato de que os ditos ovos (14) são dispostos em um padrão regular, em particular, em uma configuração de matriz, em uma bandeja (16) durante o dito transporte e a medição por RMN, em que preferencialmente o número de ovos (14) dispostos na dita bandeja (16) é pelo menos 36, de preferência, pelo menos 50 e, com máxima preferência, pelo menos 120, e/ouem que o dito aparelho de RMN (18) compreende preferencialmente um arranjo (30) de bobinas de RF (30a) para aplicar campos magnéticos de RF aos ovos (14) localizados na bandeja (16) e/ou para detectar sinais de RMN, sendo que o dito arranjo (30) de bobinas de RF (30a) compreende um ou mais de- uma pluralidade de bobinas (30a) dispostas em um plano localizado acima da bandeja (16) carregada com ovos (14), quando transportada para o aparelho de RMN (18),- uma pluralidade de bobinas (30a) dispostas em um plano localizado abaixo da bandeja (16) carregada com ovos (14) quando transportada para o aparelho de RMN (18),- uma pluralidade de bobinas (30a) disposta em planos verticais, que se estendem entre fileiras de ovos (14) na bandeja (16), quando transportada para o aparelho de RMN (18), cujas fileiras se estendem paralelamente à direção de transporte da bandeja (16), para dentro e para fora do aparelho de RMN (18),em que preferencialmente, no caso da pluralidade de bobinas (30a) dispostas em um plano localizado acima ou abaixo da bandeja (16) carregada com ovos (14), a razão do número de bobinas (30a) para o número de ovos (14) dispostos na dita bandeja (16) está entre 1:1 e 1:25, de preferência, entre 1:1 e 1:16, e, com máxima preferência, entre 1:1 e 1:5, e/ouem que o dito aparelho de RMN (18) compreende preferencialmente um arranjo (30) de bobinas de RF (30a) para aplicar campos magnéticos de RF aos ovos (14) localizados na bandeja (16) e/ou para detectar sinais de RMN, sendo que o dito arranjo (30) de bobinas de RF (30a) é integrado ou ligado à dita bandeja (16),em que a bandeja (16) compreende preferencialmente uma pluralidade de cavidades (48) ou bolsos para receber um ovo correspondente (14) e em que um número de bobinas (30a) está associado a cada uma das ditas cavidades (48) ou bolsos, em que o dito número de bobinas (30a) por cavidade (48) ou bolso, é pelo menos 1, de preferência, pelo menos 2, com máxima preferência, pelo menos 3 e, com máxima preferência, pelo menos 4 e/ou em que pelo menos algumas das ditas bobinas (30a) estão dispostas verticalmente, em relação ao plano principal da bandeja (16), ou com um ângulo de pelo menos 50°, de preferência, de pelo menos 75° e, com máxima preferência, de pelo menos 80°, em relação ao plano principal da bandeja (16).

9. Aparelho (10) para a determinação não invasiva automatizada do sexo de um embrião de um ovo de ave (14), o aparelho caracterizado pelo fato de que compreende:um aparelho de RMN (18),um dispositivo de transporte (12) para transportar uma pluralidade de ovos de ave (14), sequencialmente ou em paralelo, no dito aparelho de RMN (18) e fora do dito aparelho de RMN (18),em que o dito aparelho de RMN (18) é configurado para submeter os ovos de ave (14) a uma medição por RMN, para determinar, desse modo, para cada um dos ditos ovos (14), uma ou mais imagens de valor de parâmetro de RMN de uma região do ovo (14), em que valores de parâmetro de RMN estão associados aos pixels ou voxels correspondentes da imagem, em que os um ou mais parâmetros de RMN são selecionados a partir do grupo que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão,em que o dito aparelho (10) compreende adicionalmente um módulo de classificação (38) configurado para receber uma ou mais imagens de valor de parâmetro de RMN, ou imagens de parâmetros derivados dos mesmos, sendo que o dito módulo de classificação (38) é configurado para determinar, com base nas uma ou mais imagens de valor de parâmetro RMN ou imagens de parâmetros derivados dos mesmos, uma previsão do sexo do embrião do ovo associado (14), eum dispositivo de separação de ovos (40) para separar os ovos (14) de acordo com a previsão de sexo fornecida pelo dito módulo de classificação (38).

10. Aparelho (10), de acordo com a reivindicação9, caracterizado pelo fato de que o dito um ou mais parâmetros de RMN compreendem um conjunto de dois ou mais parâmetros de RMN, dos quais pelo menos um é selecionado a partir do dito grupo que consiste em um tempo de relaxamento T1, um tempo de relaxamento T2 e um coeficiente de difusão, em que o dito conjunto de parâmetros de RMN compreende ainda preferencialmente um ou mais dos seguintes parâmetros: um tempo de relaxamento T2*, um tempo de relaxamento Tip e uma densidade de spin associada a um ou mais núcleos 1H, 13C, 23Na e 31P, e/ouem que o dito conjunto de parâmetros de RMN compreende ainda preferencialmente um ou mais dentre um sinal de deslocamento químico de metabólitos, em particular, água, lipídios, aminoácidos, ácidos nucleicos ou hormônios; um sinal de transferência seletiva de deslocamento químico; e coerência quântica zero ou múltiplos sinais de RMN de coerência quântica.

11. Aparelho (10), de acordo com a reivindicação9 ou 10, caracterizado pelo fato de que o dito módulo de classificação (38) é um módulo de aprendizado de máquina,em que o dito módulo de classificação (38) é configurado preferencialmente para determinar a previsão do sexo do embrião com uso de um classificador linear, em particular, um classificador linear baseado em uma ou mais dentre regressão linear pelo quadrado mínimo, vizinhos mais próximos, regressão logística, hiperplanos de separação ou perceptrons, ouem que o dito módulo de classificação (38) é configurado preferencialmente para determinar a previsão do sexo do embrião com uso de um classificador não linear, em particular, um classificador não linear baseado em polinômios por partes, splines, suavização por kernel, métodos baseados em árvore, máquinas de vetores de suporte, floresta aleatória, métodos de reforço, de aditivo e de ensambles ou modelos de gráficos, ouem que o dito módulo de classificação (38) é configurado preferencialmente para determinar a previsão do sexo do embrião com uso de um algoritmo de aprendizado profundo, em particular, um algoritmo de aprendizado profundo baseado em redes neurais convolucionais, redes neurais recorrentes ou redes de memória longa de curto prazo, ouem que o módulo de classificação (38) é configurado preferencialmente para determinar a previsão do sexo do embrião com base em uma comparação com valores de parâmetros armazenados em um banco de dados.

12. Aparelho (10) para a determinação não invasiva automatizada da fertilidade de um ovo de ave (14), o aparelho caracterizado pelo fato de que compreende:um aparelho de RMN (18),um dispositivo de transporte (12) para transportar uma pluralidade de ovos de ave (14), sequencialmente ou em paralelo, no dito aparelho de RMN (18) e fora do dito aparelho de RMN (18),em que o dito aparelho de RMN (18) é configurado para submeter os ovos de ave (14) a uma medição por RMN, para determinar, desse modo, para cada um dos ditos ovos (14), um ou ambos de - um histograma de coeficientes de difusão em vários locais do ovo,- um espectro de RMN da gema que inclui picos correspondentes a água e gordura,em que o dito aparelho (10) é adicionalmente configurado para determinar uma previsão da fertilidade com base no formato do histograma dos coeficientes de difusão e/ou no espectro de RMN,em que o dito aparelho (10) compreende adicionalmente um dispositivo de separação de ovos (40) para separar os ovos (14) de acordo com a previsão de fertilidade.

13. Aparelho (10), de acordo com a reivindicação12, caracterizado pelo fato de que determinar a fertilidade com base no formato do histograma dos coeficientes de difusão, pelo aparelho (10), compreende comparar a frequência de ocorrência de pelo menos dois coeficientes de difusão diferentes ou duas faixas de coeficientes de difusão, em que os ditos pelo menos dois coeficientes de difusão diferentes, ou os centros das ditas pelo menos duas faixas de coeficientes de difusão, são preferencialmente separados entre 0,5 e 2,5 mm2/s, de preferência, entre 0,75 e 1,5 mm2/s, e/ouem que dos ditos pelos menos dois coeficientes de difusão diferentes, ou centros das ditas pelo menos duas faixas de coeficientes de difusão, um está localizado preferencialmente em uma faixa de 0,6 a 1,3 mm2/s, de preferência, na faixa de 0,7 a 1,2 mm2/s, e o outro está localizado na faixa de 1,5 a 2,5 mm2/s, de preferência, na faixa de 1,7 a 2,3 mm2/s, e/ou em que os ditos vários locais no ovo são preferencialmente distribuídos uniformemente no ovo e, em particular, correspondem a voxels de uma imagem de coeficiente de difusão, e/ouem que o dito aparelho (10) é configurado preferencialmente para determinar uma previsão de fertilidade com base no espectro de RMN com base na razão de picos correspondentes à água e gordura no dito espectro de RMN.

14. Aparelho (10), de acordo com a reivindicação 12 ou 13, caracterizado pelo fato de que compreende adicionalmente uma bandeja (16), na qual os ditos ovos (14) podem ser dispostos em um padrão regular, em particular, em uma configuração de matriz, durante o dito transporte e medição por RMN,em que o número de ovos (14) que podem ser dispostos na dita bandeja (16) é preferencialmente pelo menos 36, mais preferencialmente, pelo menos 50 e, com máxima preferência, pelo menos 120.

15. Aparelho (10), de acordo com a reivindicação14, caracterizado pelo fato de que o dito aparelho de RMN (18) compreende um arranjo (30) de bobinas de RF (30a) para aplicar campos magnéticos de RF aos ovos (14) localizados na bandeja (16) e/ou para detectar sinais de RMN, sendo que o dito arranjo (30) de bobinas de RF (30a) compreende um ou mais de- uma pluralidade de bobinas (30a) dispostas em um plano localizado acima da bandeja (16) carregada com ovos (14), quando transportada para o aparelho de RMN (18), - uma pluralidade de bobinas (30a) dispostas em um plano localizado abaixo da bandeja (16) carregada com ovos (14), quando transportada para o aparelho de RMN (18),- uma pluralidade de bobinas (30a) dispostas em planos verticais que se estendem entre fileiras de ovos (14) na bandeja (16), quando transportadas para o aparelho de RMN (18), cujas fileiras se estendem paralelamente à direção de transporte da bandeja (16), para dentro e para fora do aparelho de RMN (18),em que no caso da pluralidade de bobinas (30a) dispostas em um plano localizado acima ou abaixo da bandeja (16) carregada com ovos (14), a razão do número de bobinas (30a) para o número de ovos (14) dispostos na dita bandeja (16) está preferencialmente entre 1:1 e 1:25, mais preferencialmente, entre 1:1 e 1:16, e, com máxima preferência, entre 1:1 e 1:5, e/ouem que o dito aparelho de RMN (18) compreende um arranjo (30) de bobinas de RF (30a) para aplicar campos magnéticos de RF aos ovos (14) localizados na bandeja (16) e/ou para detectar sinais de RMN, sendo que o dito arranjo (30) de bobinas de RF (30a) é integrado ou ligado ao dito tabuleiro (16),em que a bandeja (16) compreende preferencialmente uma pluralidade de cavidades (48) ou bolsos para receber um ovo correspondente (14) e em que um número de bobinas (30a) está associado a cada uma das ditas cavidades (48) ou bolsos, em que o dito número de bobinas (30a) por cavidade (48) ou bolso é pelo menos 2, de preferência, pelo menos 3 e, com máxima preferência, pelo menos 4 e/ou em que pelo menos algumas das ditas bobinas (30a) estão dispostas verticalmente, em relação ao plano principal da bandeja (16), ou com um ângulo de pelo menos 50°, de preferência, de pelo menos 75° e, com máxima preferência, de pelo menos 80°, em relação ao plano principal da bandeja (16).

Images