BRPI0911875B1 - método para desenhar e/ou selecionar um dispositivo e/ou material para implantar em tecidos do corpo humano ou animal e um dispositivo e/ou material obtido desta forma - Google Patents

Abstract

método para desenhar e/ou selecionar um dispositivo e/ou material para implantar em tecidos do corpo humano ou animal e um dispositivo e/ou material obtido desta forma a invenção refere-se a um método para desenhar um dispositivo e/ou biomaterial para implantar em tecidos do corpo humano ou animal, compreendendo a obtenção de uma imagem digital da estrutura do tecido recebedor e a divisão e processamento de elementos rompidos que permitem a classificação do tipo de tecido e o desenho do dispositivo e/ou biomaterial de modo a atingir o acoplamento ótimo com o propósito da integração e estabilidade do implante no tecido. um procedimento automático e simplificado também é descrito, baseado na análise da imagem dos tecidos com uma visão para proporcionar as indicações sobre o dispositivo e/ou biomaterial mais apropriado a escolher para um implante.

Description

MÉTODO PARA DESENHAR E/OU SELECIONAR UM DISPOSITIVO E/OU MATERIAL PARA IMPLANTAR EM TECIDOS DO CORPO HUMANO OU ANIMAL E UM DISPOSITIVO E/OU MATERIAL OBTIDO DESTA FORMA

DESCRIÇÃO DA INVENÇÃO [001] A presente invenção refere-se a um método para desenhar e/ou selecionar um dispositivo e/ou material para implantar em tecidos do corpo humano ou animal, e o dispositivo e/ou material obtido desta forma.

[002] Mais particularmente, a invenção refere-se a um método para desenhar implantes dentários e materiais de enchimento para o reparo endógeno de cavidades ósseas, e estende-se a implantes dentários e biomateriais de enchimento obtidos desta forma.

[003] O tratamento de certas doenças envolve inserir e implantar materiais de enchimento ou dispositivos dentro de órgãos ou tecidos do corpo humano ou animal. Em odontologia, por exemplo, os dentes originais perdidos ou doentes podem ser substituídos por próteses que podem ser afixadas a implantes endósseos que substituem a raiz perdida. Em outros campos de cirurgia, fazse uso de parafusos de fixação endósseos para fundir vértebras, ou faz-se uso de dispositivos tais como sondas, que consistem em elementos cilíndricos e ocos de redes capazes de assegurar a desobstrução de lumes biológicos, tais como artérias, veias, dutos biliares, esôfago, cólon, traqueia, ureter, uretra, etc. Em todos esses casos, o dispositivo implantado ou inserido no órgão ou tecido de interesses deve ser subsequentemente integrado exitosamente e estável dentro da estrutura e do tecido circundante.

[004] No caso de implantologia dentária endóssea, o implante deve ser estável o suficiente para suportar as cargas mastigatórias, e devem consequentemente permitir o início de um processo rápido e eficaz de osseointegração. A quantidade, qualidade e duração do dito processo de osseointegração depende

Petição 870190080611, de 19/08/2019, pág. 12/51

2/39 da natureza da superfície do implante.

[005] No caso de sondas, e de sondas vasculares particularmente, a integração com os tecidos dos vasos coronários não deve ser apenas completa e eficaz, mas deve também evitar qualquer crescimento excessivo de tecido novo da íntima, que pode causar restenose, isto é, oclusão recorrente do vaso. Este processo é influenciado também pela natureza da superfície da sonda.

[006] A regeneração óssea guiada (GBR) usando materiais de enchimento conhecidos neste setor como biomateriais - é uma técnica que foi consolidada por décadas de experimentação cirúrgica. Estes biomateriais são usados para regenerar tecidos biológicos, e particularmente para regeneração óssea em setores tais como ortopedia, traumatologia, cirurgia espinhal, cirurgia maxilofacial e odontologia.

[007] A indústria farmacêutica e laboratórios especializados em biotecnologias têm feito ajustes finos de quatro categorias de produtos básicos, isto é, osso humano condicionado, osso animal condicionado, biomateriais naturais e biomateriais sintéticos.

[008] O reparo endógeno de cavidades ósseas através da formação endógena de ossos é um episódio fisiológico natural. O corpo animal é equipado com um sistema autorreparador complexo, de tal modo que o dano de vários tecidos corporais possa ser reparado, dentro de limites factíveis, por meio de um processo de reconstrução. O propósito de todos processos farmacológicos e procedimentos cirúrgicos implementados em um organismo vivo é guiar os processos fisiológicos naturais que levam à cicatrização, ou para criar as condições que tornam a cicatrização possível.

[009] Um processo de cicatrização pode ser facilitado e guiado (GBR) usando biomateriais de enchimento que estimulam a formação endógena natural de novo tecido ósseo. Os biomateriais disponíveis no mercado, sejam eles de origem natural ou sintética, são caracterizados por uma morfologia específica

Petição 870190080611, de 19/08/2019, pág. 13/51

3/39 que depende do tecido a partir do qual eles são derivados, ou da substância usada para produzi-los. Esta morfologia é de importância fundamental, e assim sendo, um biomaterial fabricado de acordo com o presente método poderia ser mais bem apropriado para a morfologia do tecido recebedor, e assim sendo, influenciar positivamente a resposta e o processo de cicatrização do tecido em questão.

[010] Quanto à implantologia dentária endóssea, a literatura de patentes descreve vários tipos de implantes e métodos para seu desenho e fabricação, intencionados para aperfeiçoar o processo de osteointegração, mais genericamente, para melhorar a qualidade e funcionalidade do implante.

[011] A patente n^o US 5.628.630 (Misch et al.) descreve um método para desenhar implantes esqueléticos, a fim de otimizar a resposta celular. O implante consiste em um parafuso dentro da raiz, e o método para desenhar o implante requer um estágio de macrodesenho e um estágio de microdesenho. Este último envolve determinar o módulo de elasticidade do osso, que é então usado em uma série de equações de deformação adotadas no desenho do implante de modo a assegurar que a entidade das deformações induzidas pelo implante venha entre 100 e 3.000 microdeformações. O método inclui também uma classificação do osso trabecular em vários grupos em função da sua densidade.

[012] O pedido de patente n^o US 2005/0060039 A1 descreve uma prótese glenoidal com uma superfície serrada que tem uma estrutura fractal para aumentar sua adesão ao material cementador e conseqüentemente ao osso.

[013] O pedido de patente internacional n^o WO 2007/074498 descreve o formato de um parafuso para implante dentário endósseo. A superfície da interface entre o implante e o osso circundante é - dentre outras coisas aumentada criando gravações estruturadas de acordo com a geometria fractal.

[014] O pedido de patente n^o US 2002/0196966 A1 descreve um método e um

Petição 870190080611, de 19/08/2019, pág. 14/51

4/39 sistema auxiliado por computador para analisar a massa e a estrutura de um osso. O método baseia-se na obtenção de imagens digitais e medição da densidade mineral óssea e outros parâmetros, incluindo o índice de Minkowski. Dentre outras coisas, o método descreve o uso de análise fractal para caracterizar a estrutura trabecular de um osso.

[015] A patente n^o US 6.430.427 B1 descreve um método para obter um índice trabecular, usando um modelo, e um método trabecular para estimar a densidade mineral óssea. O método analisa variações na estrutura trabecular devido à descalcificação, para obter índices que são usados subsequentemente para estimar a densidade mineral óssea.

[016] O artigo por Yi WJ, M. Heo, S. Lee, S. Choi, K. Huh, S. Lee; Direct measurement of trabecular bone anisotropy using directional fractal dimension and principal axes of inertia; Oral Surgery, Oral Medicine, Oral Pathology, Oral Radiology, and Endodontology; Volume 104, Edição I, Páginas 110-116, 26 de março de 2007, descreve a anisotropia direcional da estrutura fractal do osso trabecular e seu uso para estudar as propriedades mecânicas do osso em várias regiões da mandíbula.

[017] A referência US 2007/047 794 A1 relaciona-se a técnicas para a análise de densidade mineral óssea e de estrutura óssea a partir de imagens de raio-X. A análise das imagens é realizada através da utilização de diversos índices, deste modo, derivando informação quantitativa sobre estrutura óssea.

[018] Embora alguns dos métodos descritos acima forneçam informações úteis a serem obtidas sobre a estrutura de órgãos e tecidos biológicos destinados a receber implantes, e particularmente de estruturas ósseas, estes métodos não fornecem o desenho e preparação de implantes ou dispositivos com uma estrutura morfologicamente consistente com a estrutura biológica que recebe o implante, com o objetivo de conseguir complementaridade estrutural que assegura sua integração eficaz na estrutura recebedora. Além disso, estes métodos conhecidos são frequentemente complicados, e assim sendo, eles

Petição 870190080611, de 19/08/2019, pág. 15/51

5/39 não são fáceis de adotar na prática cirúrgica, e na prática dentária particularmente.

[019] Um primeiro objeto de invenção é consequentemente fornecer um método para desenhar um dispositivo para inserir ou implantar em tecidos do corpo humano ou animal, que é morfologicamente consistente com a estrutura do órgão ou tecido recebedor, de modo a obter uma complementaridade estrutural que assegura integração eficaz na estrutura recebedora.

[020] Outro objeto da presente invenção é fornecer um dispositivo para implantar em tecidos do corpo humano ou animal desenhado usando o método supramencionado e consequentemente capaz de integração ótima na estrutura biológica recebedora, bem como assegurar a duração máxima e excelente funcionalidade.

[021] Outro objeto da invenção é fornecer um método para desenhar um dispositivo para implantar em tecidos ósseos humanos ou animais, que é morfologicamente consistente com a estrutura óssea recebedora, de modo a conseguir uma complementaridade estrutural que assegura uma osteointegração eficaz e uma duração máxima do implante.

[022] Outro objeto da invenção é fornecer um método para desenhar um implante dentário morfologicamente consistente com a estrutura do osso recebedor, de modo a conseguir complementaridade estrutural que assegura uma osteointegração eficaz.

[023] Outro objeto da invenção é fornecer um implante dentário desenhado de acordo com o método descrito acima.

[024] Outro objeto da invenção é fornecer um biomaterial, e particularmente um biomaterial de enchimento para a formação endógena de novo tecido no corpo humano ou animal, que é morfologicamente similar à estrutura do tecido recebedor, de modo a obter uma complementaridade estrutural que assegura

Petição 870190080611, de 19/08/2019, pág. 16/51

6/39 uma integração eficaz e rápida do biomaterial no tecido circundante.

[025] Os objetivos e vantagens acima e outras tantas da invenção, que emergirão a partir da descrição que se segue, são alcançados por um método para desenhar um dispositivo ou material para implantar em tecidos do corpo humano ou animal, distinguido pelo fato de que ele compreende os seguintes estágios:

a) obter uma imagem digital da estrutura de um tecido destinado a receber um dispositivo ou implante, sendo que as ditas áreas identificadoras de imagens de tecido têm uma densidade de matéria diferente;

b) calibrar o nível de cor das ditas áreas de tecido com uma densidade de matéria diferente, que compreende designar um primeiro nível de cor às áreas de tecido com a maior densidade de matéria (dmax) e um segundo nível de cor às áreas de tecido com a menor ou nenhuma densidade de matéria (dmin), referindo a dita densidade de matéria máxima (dmax) e mínima (dmin) valores ao tipo e localização do dito tecido;

c) calcular o nível de cor da dita imagem, o que compreende designar o dito primeiro nível de cor, caso a imagem contenha pelo menos 60%, e de preferência pelo menos 90% ou, melhor ainda, pelo menos 95% da dita primeira cor, ou designar o dito segundo nível de cor, caso a imagem contenha não mais do que 40%, e, de preferência, não mais do que 5% ou, melhor ainda, não mais do que 2% da dita primeira cor; ou dividir a dita imagem em quatro quadrantes, caso a imagem contenha entre 60% e 40%, e, de preferência, entre 90% e 5% ou melhor ainda, entre 95% e 2% da dita primeira cor;

d) calcular, quando necessário, o nível de cor de cada um dos ditos quatro quadrantes, obtido no estágio anterior c), o que compreende designar o dito primeiro nível de cor ou o dito segundo nível de cor, ou ainda dividindo cada quadrante em quatro quadrantes usando os mesmos critérios de designação, como descrito no dito estágio c);

Petição 870190080611, de 19/08/2019, pág. 17/51

7/39

e) iterar o dito estágio d) para obter quadrantes com dimensões suficientemente pequenas em relação às dimensões do dito dispositivo ou implante;

f) designar de forma arbitrária uma cor a todos os quadrantes que tenham a mesma dimensão;

g) calcular o número total de quadrantes aos quais o dito primeiro nível de cor foi designado, que corresponde às áreas de tecido com a maior densidade de matéria, e

h) expressar o dito número de quadrantes como uma porcentagem da dita imagem da estrutura do dito tecido, e calcular o número de quadrantes para cada nível de recursão e o peso da porcentagem de cada nível de recursão em relação ao total; calcular o número total de quadrantes aos quais o dito segundo nível de cor foi designado, que corresponde às áreas de tecido com menos ou nenhuma densidade de matéria e expressar o dito número de quadrantes como uma porcentagem da dita imagem da estrutura do dito tecido, e calcular o número de quadrantes para cada nível de recursão e o peso da porcentagem de cada nível de recursão em relação ao total;

i) analisar os quadrantes obtidos nos ditos estágios anteriores, o que compreende determinar os agregados de quadrantes adjacentes que têm o dito primeiro nível de cor correspondente às áreas de tecido com uma alta densidade de matéria, e os agregados de quadrantes adjacentes que têm o dito segundo nível de cor correspondente às áreas de tecido com baixa ou nenhuma densidade de matéria;

l) gerar agregados artificiais de quadrantes com características geométricas que reproduzem ou se aproximam das características dos ditos agregados de quadrantes adjacentes identificados no estágio i;

m) desenhar o dito dispositivo e/ou material para implantar em tecidos do corpo

Petição 870190080611, de 19/08/2019, pág. 18/51

8/39 humano ou animal usando as características identificadas no dito estágio l.

[026] De preferência, um outro estágio h) é introduzido de modo a conduzir uma classificação do dito tecido em n classes em função da dita porcentagem de áreas de tecido com a maior densidade de matéria, da dita porcentagem de áreas de tecido com a menor ou nenhuma densidade de matéria, e da distribuição percentual dos quadrantes com diferentes dimensões otidos em estágios anteriores, onde o estágio m) usa mesmo as características estabelecidas no dito estágio h).

[027] Outro aspecto da invenção refere-se a um dispositivo para implantar em tecidos do corpo humano ou animal distinguido pelo fato de que ele compreende uma superfície externa com uma estrutura pelo menos parcialmente complementar à estrutura da área de tecido com a qual ele vai entrar em contato em uso.

[028] Outro aspecto da invenção refere-se a um material para implantar em tecidos do corpo humano ou animal distinguido pelo fato de que ele compreende uma estrutura morfologicamente consistente com a estrutura da área de tecido com a qual ele vai entrar em contato.

[029] O tecido do corpo humano ou animal é, de preferência, tecido ósseo.

[030] O dispositivo para implantar em tecidos do corpo humano ou animal é, de preferência, um dispositivo de implante dentário.

[031] O material para implantar em tecidos do corpo humano ou animal é, de preferência, um biomaterial de enchimento para reconstrução óssea endógena, particularmente para uso em odontologia e cirurgia maxilofacial. O termo biomaterial é usado para descrever um material compatível com e complementar aos tecidos do corpo humano ou animal e apropriado para sustentar e guiar os processos de reparo dos ditos tecidos. Os exemplos de biomateriais incluem: hidroxiapatita, fosfato de β-tricálcico, sulfato de cálcio,

Petição 870190080611, de 19/08/2019, pág. 19/51

9/39 osso de origem animal (origem bovina, equina, porcina).

[032] A invenção está explicada abaixo fazendo referência às figuras anexas, como exemplos não limitativos, onde:

a Figura 1 é um fluxograma de uma modalidade preferencial de vários estágios do método de acordo com a invenção;

a Figura 2 é uma imagem microrradiográfica ampliada de uma parte do osso da maxila trabecular humana;

as Figuras 3 e 4 são imagens derivadas a partir do desdobramento da imagem na Figura 2;

a Figura 5 ilustra um gráfico referente ao método da invenção;

as Figuras 6A, 7A, 8A são imagens de diferentes tecidos do osso da maxila e mandíbula humana;

as Figuras 6B, 7B, 8B são imagens obtidas a partir do desdobramento das imagens nas Figuras 6A, 7A, 8A;

as Figuras 6C, 7C, 8C ilustram gráficos referentes ao método da invenção;

as Figuras 9A-9E são imagens referentes aos aspectos do método de acordo com a invenção;

a Figura 10A ilustra o desdobramento em quadrantes referentes à cor branca de uma imagem ampliada do tecido do osso da maxila humana de acordo com o método da invenção;

as Figuras 10B-10C ilustram ilhas fractais artificiais referentes ao desdobramento da cor branca na Figura 10A de acordo com o método da invenção;

Petição 870190080611, de 19/08/2019, pág. 20/51

10/39 a Figura 11A ilustra o desdobramento em quadrantes referentes à cor preta de uma imagem ampliada da cor preta do tecido do osso da maxila humana de acordo com o método da invenção;

as Figuras 11B-11C-11D ilustram ilhas fractais artificiais referentes ao desdobramento da cor preta na Figura11A de acordo com o método da invenção;

as Figuras 12A-12B ilustram um primeiro implante dentário obtido de acordo com a invenção;

as Figuras 13A-13B ilustram um segundo implante dentário obtido de acordo com o método da invenção; e as Figuras 14A-14B ilustram um terceiro implante dentário obtido de acordo com o método da invenção;

as Figuras 15 e 16 ilustram as imagens exibidas sobre uma tela de computador equipado com um software para implementar automaticamente o método de acordo com a invenção;

as Figuras 17, 18, 19 e 20 são quadros simplificados do algoritmo usado no método de acordo com a presente invenção;

as Figuras 21, 25, 29 são imagens de diferentes tecidos dos ossos maxilar e mandibular humanos;

as Figuras 22, 26, 30 são imagens derivadas a partir do desdobramento das imagens nas Figuras 21, 25, 29;

as Figuras 23, 27, 31 ilustram partículas de biomaterial obtidas com o método de acordo com a invenção; e as Figuras 24, 28, 32 ilustram as partículas nas Figuras 23, 27, 31 implantadas em tecidos biológicos;

Petição 870190080611, de 19/08/2019, pág. 21/51

11/39 a Figura 33 ilustra a extremidade inferior de um implante dentário obtido de acordo com o método da invenção.;

as Figuras 34-36 ilustram implantes dentários obtidos de acordo com o método da invenção;

as Figuras 37A, 37B ilustram conceitualmente uma parte de uma modalidade da presente invenção;

a Figura 38 ilustra um diagrama relacionado a uma parte de um implante gerado pela parte A do método da Figura 37;

a Figura 39 ilustra uma vista parcial de um desenho tridimensional da rosca da Figura 38.

[033] O método de acordo com a invenção permite desenhar os dispositivos e/ou materiais para implantar em tecidos do corpo humano ou animal e capaz de tornar integrado ou implantado eficazmente no tecido recebedor. O termo integração e/ou implantação eficaz é utilizado para significar que o dispositivo reduz o tempo de cicatrização depois da implantação e maximiza o desempenho em longo prazo do dispositivo.

[034] O método de acordo com a invenção, de preferência, permite o desenho de implantes dentários, mas também dispositivos tais como sondas para implantar em tecidos não-ósseos, por exemplo, em lumes tais como artérias, veias, dutos biliares, esôfago, cólon, traqueia, ureter, uretra e similares.

[035] Quanto aos implantes dentários, mesmo desde seu surgimento (Branemark 1969), a implantologia oral baseada em osteointegração sofreu uma evolução progressiva quanto a implantes dentários, procedimentos cirúrgicos, técnicas protéticas e métodos diagnósticos correlacionados. A evolução de implantes dentários em geral sempre ocorreu em vários níveis. Ela afeta os materiais, a morfologia dos implantes e a superfície dos implantes. Quanto aos materiais, de longe o material mais comumente usado em escala

Petição 870190080611, de 19/08/2019, pág. 22/51

12/39 internacional é titânio e suas ligas.

[036] A morfologia do implante garante sua estabilidade primária e permite que o processo de osteointegração se desenvolva. Depois que a osteointegração foi alcançada, a morfologia do implante determina a distribuição das cargas mastigadoras sobre o osso circundante. A maioria dos implantes produzidos tem a morfologia cilíndrico-cônica com ou sem uma rosca e meio para ancorar a prótese nela.

[037] A superfície do implante afeta a dinâmica do processo de osteointegração em termos de quantidade, qualidade e duração. As superfícies dos primeiros implantes eram lisas, mas uma grande variedade de superfícies modificadas passou a estar disponível no mercado, obtida adicionando ou subtraindo material em nível micrométrico e/ou nanométrico.

[038] Os implantes dentários duraram aproximadamente 10-15 anos. Sua duração depende largamente da carga funcional, higiene oral, e da morfologia e superfície do implante.

[039] Os implantes dentários conhecidos são basicamente parafusos que foram aperfeiçoados durante os anos com relação à solidez das indicações mecânicas, clínicas e biológicas. O processo cognitivo e pesquisado empreendido no desenho e fabricação de implantes dentários concerniu a adaptação do parafuso ao ambiente circundante, isto é, à estrutura do tecido ósseo. Particularmente, inúmeras modificações mecânicas foram introduzidas no decorrer do tempo, concernentes à morfologia da rosca do parafuso, o desenho global do implante e o meio para conectar a prótese. A maior inovação, entretanto, concerne a passagem progressiva de superfícies lisas dos implantes para superfícies ásperas dos implantes. As superfícies ásperas dos implantes, obtidas adicionando e/ou subtraindo material servem agora para o propósito de atrair os fluidos orgânicos contidos no osso, e assim sendo, aumentar a molhabilidade do implante, reduzindo desta forma o tempo que ele leva para que a oesteointegração ocorra e criando uma maior área de contato

Petição 870190080611, de 19/08/2019, pág. 23/51

13/39 na interface osso/implante.

[040] O método da presente invenção baseia-se conceitualmente nos seguintes aspectos fundamentais:

- a análise matemática e geométrica da morfologia macroscópica e microscópica do osso;

- a classificação do tecido ósseo maxilar e mandibular:

- o desenho dos implantes na solidez da dita classificação para obter uma microgeometria e macrogeometria que camuflam o implante dentro do osso, determinando um contato íntimo entre os dois.

[041] O objetivo é melhorar o desempenho dos implantes desenhados assim no estágio inicial quando o processo de osteointegração se desenvolve, e depois disso, em termos da duração do período de reabilitação da prótese/implante. Genericamente falando, uma boa densidade óssea está associada a uma taxa de sucesso mais alta do implante do que uma densidade óssea escassa.

[042] Quanto à qualidade do tecido ósseo da maxila e mandíbula, várias classificações foram propostas durante os anos. Elas estão resumidas brevemente abaixo.

[043] Em 1970, Linkow classificou três categorias de densidade óssea:

- Estrutura óssea Classe I: o tipo ideal de osso, com uma estrutura trabecular uniformemente espaçada e pequenos espaços;

- Estrutura óssea Classe II: com espaços ligeiramente maiores e uma estrutura trabecular menos uniforme;

- Estrutura óssea Classe III: com a estrutura trabecular delimitando

Petição 870190080611, de 19/08/2019, pág. 24/51

14/39 espaços muito grandes.

[044] Em 1985, Lekholm e Zarb listaram quatro qualidades diferentes de osso:

- Tipo 1: osso compacto homogêneo;

- Tipo 2: uma camada compacta de osso cortical circunda um núcleo de osso trabecular denso;

- Tipo 3: uma fina camada de osso cortical circunda um núcleo de osso trabecular denso;

- Tipo 4: uma fina camada de osso cortical circunda um núcleo de osso trabecular de baixa densidade.

[045] Em 1988, Misch estendeu esta classificação:

Osso DI: osso cortical denso;

Osso D2: osso cortical espesso denso e trabecular denso;

Osso D3: osso cortical fino e trabecular denso;

Osso D4: osso cortical fino circundando osso trabecular de baixa densidade;

Osso D5: osso imaturo e desmineralizado.

[046] Em 1995, Friberg introduziu a avaliação da resistência ao corte intraoperatório do osso. Em 1999, Trisi e Rao correlacionaram o corte do osso com as descobertas histológicas.

[047] Em 2001, Norton e Gamble introduziram uma classificação que inicia com dados de varredura por TC, baseado na escala de Hounsfield.

[048] Estas classificações baseiam-se em experiência clínica empírica,

Petição 870190080611, de 19/08/2019, pág. 25/51

15/39 descobertas intraoperatórias e radiográficas e ensaios conduzidos em tecidos anatômicos autópticos.

[049] O método de acordo com a invenção envolve primeiramente investigar, identificar e classificar a estrutura dos tecidos nos quais o dispositivo vai ser implantado ou colocado, e depois desenhar o dispositivo à luz das características da estrutura dos tecidos nos quais o dispositivo vai ser implantado ou colocado.

[050] Ele compreende os estágios listados na reivindicação 1.

[051] O estágio a) compreende a obtenção de uma imagem da estrutura, de preferência, de uma estrutura fina, de um tecido destinado a receber um dispositivo ou implante, sendo que a dita imagem identifica áreas de tecido com uma densidade de matéria diferente. O termo estrutura fina é aqui utilizado para descrever que a imagem deve representar a área de tecido na qual o dispositivo vai ser implantado ou inserido, em detalhe suficiente e com uma definição adequada. A imagem é obtida por meio de radiografia de raios X, histologia, microscopia, ou outras técnicas apropriadas, e é digitalizada para processamento subseqüente, ou obtida diretamente na forma digital.

[052] O termo áreas de tecido com uma densidade de matéria diferente inclui também as áreas nas quais não há qualquer matéria. Por exemplo, no caso de tecidos porosos, tal como tecido de osso trabecular, as trabéculas do osso ocorrem alternadamente com lacunas. A imagem identifica assim a presença de áreas do osso e áreas vazias.

[053] O estágio b) envolve a calibração do nível de cor das áreas de tecido com uma densidade de matéria diferente. Basicamente, um primeiro nível de cor é atribuído às áreas de tecido com um alta densidade de matéria e um segundo nível de cor é designado para as áreas de tecido com baixa ou nenhuma densidade de matéria. A escolha destas áreas depende do tipo de tecido e do tipo de implante. Por exemplo, a cor branca é atribuída às áreas

Petição 870190080611, de 19/08/2019, pág. 26/51

16/39 com uma alta densidade de matéria, tal como as trabéculas do osso, enquanto que as áreas com baixa ou nenhuma densidade de matéria, e os vazios, são designadas à cor preta.

[054] O termo alta densidade de matéria significa consequentemente áreas de tecidos substancialmente compactas ou tecidos escassamente porosos, enquanto que o termo áreas de tecido com baixa ou nenhuma densidade de matéria significa áreas que contêm vazios ou tecidos altamente porosos.

[055] O estágio c) consiste em calcular o nível de cor da imagem obtida no estágio a). Presumindo que o primeiro nível de cor é branco e corresponde, por exemplo, às trabéculas do osso, e que o segundo nível de cor é preto e coincide com os vazios, a imagem é designada para a cor branca caso ela contenha pelo menos 60%, e de preferência pelo menos 90% ou, melhor ainda, pelo menos 95% de branco, ou à cor preta, caso ela contenha não mais do que 40%, e, de preferência, não mais do que 5% ou, melhor ainda, não mais do que 2% de branco. Por outro lado, caso ela contenha uma porcentagem de branco dentro dos valores supramencionados, a imagem é dividida em quatro quadrantes e o cálculo descrito acima é aplicado a cada um deles. Em outras palavras, caso a imagem contenha entre 60% e 40%, e de preferência entre 90% e 5% ou melhor ainda, entre 95% e 2% de branco, ela não é designada nem branca nem preta; ao invés disso, ela é dividida em quatro quadrantes para permitir que a cor seja designada em uma escala mais limitada, usando os mesmos critérios explicados acima. Os quatro quadrantes, ou elementos fractais, assim obtidos são consequentemente entidades geométricas que serão similares entre si em cada redução sucessiva nas suas dimensões.

[056] O estágio d) inclui calcular o nível de cor de cada um dos quatro quadrantes obtidos no estágio anteior c), ao qual não poderia ser designada a cor branca ou preta porque eles incluíam uma porcentagem de branco dentro das faixas definidas acima. Caso similarmente se comprove ser impossível designar a cor branca ou preta para um ou mais dos ditos quadrantes, o cálculo

Petição 870190080611, de 19/08/2019, pág. 27/51

17/39 é reiterado, como explicado no estágio e), até que quadrantes com dimensões suficientemente limitadas sejam obtidos em relação ao tamanho do dispositivo a ser implantado. O termo dimensões suficientemente limitadas significa, de preferência, com uma dimensão de um pixel.

[057] O processo reiterado de designação de cor e divisão em quadrantes é computadorizado usando um algoritmo apropriado denominado Análise Recursiva de Quadrantes (RQA), como ilustrado esquematicamente na Figura

1.

[058] O algoritmo RQA cria o que, na tecnologia de softwares, é denominado Quadtree (“quad-árvore”): isto é, uma estrutura de dados em árvore na qual cada nodo tem quatro ramificações. A Quadtree é usada para partição de um espaço bidimensional dividindo-o recursivamente em quatro quadrantes. Estes quadrantes têm genericamente um formato de quadrado ou retângulo. A regra na fase recursiva para decidir se um quadrante deve ser dividido ainda mais depende como a Quadtree é aplicada. A Quadtree pode ser representada também por meio de uma estrutura em árvore na qual cada nodo pode ter até quatro ramificações. Baseado nesta definição, o algoritmo RQA pode ser tido como uma aplicação específica da Quadtree na qual uma imagem em escala cinza é dividida na base de um cálculo do número de pixels que atingiram um dado valor limite. Associando as informações assim obtidas (nível de recursão/número de quadrantes) em um sistema referencial cartesiano permite um estudo baseado em uma comparação dos gráficos obtidos usando imagens diferente densidade/desigualdade.

[059] Na Figura 1, está apresentado um exemplo de algoritmo RQA. Neste caso, considera-se que RQA é aplicado para buscar pixels brancos em uma imagem, mas ele pode ser usado para buscar pixels pretos na mesma imagem ou, no caso de uma imagem colorida, ele poderia ser usado para buscar uma cor determinada. Como ilustrado na Figura 1, o algoritmo RQA tem como um input uma imagem original representada como uma matriz de pixels 100, sendo

Petição 870190080611, de 19/08/2019, pág. 28/51

18/39 cada pixel caracterizado pela sua cor (por exemplo, branco/preto). Depois do cálculo (processo 101) da quantidade de branco de cor branca dentro da imagem original, é feita uma escolha (processo 102) de acordo com as seguintes possibilidades:

- pelo menos 95% dos pixels da imagem original são pixels brancos: neste caso, a fotografia original inteira é considerada como sendo branca (103);

- 2% ou menos dos pixels da imagem original são pixels brancos: neste caso, a fotografia original inteira é considerada como sendo preta (104);

- entre 2% e 95% dos pixels da imagem original são brancos: neste caso, quatro quadrantes (aos quais se faz referência usando NW, NE, SW, SE . ou analogia com os pontos cardeais) são gerados, a matriz de pixels do original é dividida em quatro matrizes de pixels (processo 110); depois, (105), pra cada um dos ditos quadrantes (NW, NE, SW, SE), o algoritmo RQA é repetido recursivamente (isto significa que cada quadrante pode ser considerado como sendo branco, preto ou dividido em quatro novos subquadrantes) até que cada quadrante possível tenha uma cor; o quadrante menor possível é de um pixel.

[060] No final das reiterações do algoritmo RQA, cada pixel da fotografia original é parte de um quadrante preto ou branco.

[061] Desta maneira, o RQA é capaz de mapear novamente a imagem original em um grupo de quadrantes de vários tamanhos.

[062] Usando amostras de imagens com propósito de calibração, qualquer imagem em escala cinza pode ser assim classificada na base de sua densidade/desigualdade. Caso se considere as imagens de estruturas ósseas, especialmente quando elas representam a reprodução do osso com um alto nível de ampliação, pode-se usar este algoritmo para extrapolar sua natureza fractal a partir das informações sobre a desigualdade do osso (número de quadrantes) nos vários níveis de ampliação (nível de recursão).

Petição 870190080611, de 19/08/2019, pág. 29/51

19/39 [063] O método leva, assim, ao desdobramento da imagem em quadrantes crescentemente menores, ou elementos fractais, cujas dimensões são inversamente proporcionais ao nível de recursão usado para obtê-los, isto é, quanto mais alto o nível de recursão, menores serão as dimensões do quadrante ou elemento fractal. No estágio f), uma cor é arbitrariamente designada para todos elementos fractais que têm o mesmo nível de recursão, isto é, as mesmas dimensões que permitem distinguir os quadrantes pertencentes ao mesmo nível de recursão.

[064] As Figuras 2, 3 e 4 ilustram um exemplo dos resultados obtidos depois dos estágios a) a f) do método descrito acima, mas o método pode ser obviamente aplicado a qualquer imagem de qualquer tecido em qualquer nível de ampliação. A Figura 2, por exemplo, é uma imagem branco e preta obtida por microrradiografia de biópsias de ossos. A Figura 3 ilustra o resultado de processamento da imagem na Figura 2 com o algoritmo RQA. As áreas de branco, correspondentes às trabéculas dos ossos, foram divididas em quadrantes ou elementos fractais, enquanto que os vazios foram designados à cor preta. O procedimento pode funcionar também na direção oposta; entretanto: mudando os parâmetros básicos do algoritmo, o mesmo procedimento de desdobramento pode ser aplicado às áreas pretas correspondentes aos vazios entre as trabéculas (Figura 4).

[065] O estágio g) envolve calcular o número total de elementos fractais aos quais foi designada a cor branca, o que significa as áreas de tecido com uma alta densidade de matéria tais como as trabéculas dos ossos. Pode-se calcular também a área ocupada pelos vazios entre as trabéculas (áreas com cor preta), o número de quadrantes obtidos em cada recursão e o peso da porcentagem dos quadrantes considerados como brancos ou pretos na composição da imagem. Pode-se consequentemente expressar a porcentagem de cobertura branca e preta na imagem original. Caso seja construído um gráfico para correlacionar o nível de recursão (eixo da abscissa) com a cobertura da porcentagem vis-à-vis a caixa bounding box da imagem (eixo da

Petição 870190080611, de 19/08/2019, pág. 30/51

20/39 ordenada), obtém-se uma curva como ilustrada na Figura 5, na qual pode-se observar que o nível máximo de cobertura (aproximadamente 36,5%) é obtido com elementos fractais com um nível de recursão entre 4 e 6.

[066] O estágio h) consiste em classificar o tecido em classes em função das proporções de branco e preto, e o peso da porcentagem dos quadrantes de cada nível de recursão no desdobramento, isto é, da densidade de matéria do tecido da distribuição espacial da matéria. Por exemplo, pode haver duas imagens que contêm as mesmas quantidades de branco e preto, mas diferentemente distribuídas, isto é, a primeira imagem pode conter apenas poucos quadrantes grandes, enquanto que a segunda tem inúmeros quadrantes de tamanho médio, ou um número muito grande de quadrantes pequenos. O método de classificação é, portanto, mais eficaz porque ele leva em consideração não apenas as quantidades das cores (branco ou preto), mas também sua distribuição espacial, e consequentemente distingue automaticamente entre imagens com uma grande resolução e imagens com uma resolução fina, muito embora elas possam conter quantidades similares e falta de branco.

[067] Este método fornece também informações de melhor qualidade do que a abordagem de FD (Dimensão Fractal) clássica, que é capaz apenas de fornecer informações referentes não uniformidade ou desigualdade da imagem analisada.

[068] Fazendo referência à Figura 5, o gráfico ilustra o número e a distribuição dos quadrantes correspondentes, por exemplo, à área com uma alta densidade de matéria. As características qualitativas e quantitativas desta área com uma alta densidade de matéria pode variar dependendo da:

1- área ocupada pela curva ou integral 2- a altura do pico sobre a curva

2- a amplitude da curva

Petição 870190080611, de 19/08/2019, pág. 31/51

21/39

3- a posição da curva ao longo do eixo da abscissa, onde a curva deslocada para a esquerda é caracterizada por níveis de recursão mais baixos (quadrantes maiores), enquanto que a curva deslocada para a direita é caracterizada por níveis de recursão mais altos (quadrantes menores). Uma alta porcentagem de branco indica uma alta densidade de matéria e corresponde a tecidos muito compactos, enquanto que uma baixa porcentagem de branco indica uma baixa densidade de matéria e corresponde a tecidos muito porosos. As Figuras 6, 7 e 8 ilustram a situação referente a uma boa densidade óssea, uma densidade óssea moderada e uma densidade óssea fraca, respectivamente. Cada figura é constituída de três figuras A, B e C, que se referem respectivamente à imagem microrradiográfica da biópsia do tecido (6A, 7A, 8A), seu desdobramento por meio do algoritmo RQA (6B, 7B, 8B), e o gráfico que ilustra o nível de recursão em relação à porcentagem de cobertura (6C, 7C, 8C).

[069] A Figura 6 é um exemplo de boa densidade óssea, com o branco ocupando 71,24% da imagem.

[070] A Figura 7 é um exemplo de densidade óssea moderada, com o branco ocupando 42,11% da imagem. A Figura 8 é um exemplo de densidade óssea fraca, com o branco ocupando 20,95% da imagem. Os exemplos acima referem-se a uma classificação do tecido em três classes dependendo da proporção de branco e preto, isto é, da densidade de matéria do tecido, mas é claramente possível classificar o tecido em um número diferente de classes, de preferência, entre 2 e 12, ou melhor ainda, entre 3 e 8.

[071] O estágio i) envolve analisar os quadrantes obtidos no estágio g) e determinar os agrupamentos de quadrantes adjacentes coloridos de branco, correspondentes às áreas de tecido com uma alta densidade de matéria, por exemplo, tecido ósseo. A análise pode ser conduzida também na direção oposta, isto é, nos agrupamentos de quadrantes coloridos de preto e correspondentes às áreas de tecido com uma baixa ou nenhuma densidade de

Petição 870190080611, de 19/08/2019, pág. 32/51

22/39 matéria. A imagem desdobrada com o algoritmo RQA é assim analisada adicionalmente para identificar o número e a estrutura de suas “ilhas” componentes. Estas ilhas são agrupamentos de quadrantes que são agrupados entre si na base de seu tamanho e posição de acordo com uma hierarquia espacial precisa, baseado na avaliação das dimensões dos quadrantes e relações de adjacências. O procedimento começa com os quadrantes de maior tamanho, que representam o núcleo central de cada ilha. Os quadrantes adjacentes com dimensões menores (ou níveis de recursão mais altos) que ficam ao longo dos seus lados estão associados com o maior e considerados como pertencentes à mesma ilha. Quando um dado quadrante entra em contato com a ilha em um nível com um canto (isto é, um contato que não é linear ao longo do seu lado) isto significa que o dito quadrante pertence a outra ilha. Os quadrantes com maior tamanho representam assim o elemento de suporte de carga de cada ilha, e eles são circundados por quadrantes com dimensões progressivamente decrescentes. Todos os quadrantes pertencentes a uma dada ilha são identificados pelo mesmo número, que corresponde ao número da ilha em questão. Esta análise é conduzida para a cor branca e também para a cor preta. A análise é feita por computador usando algoritmos apropriados para calcular Adjacências e Ilhas, ilustradas respectivamente nas Figuras 17 e 18.

[072] Particularmente, a Figura 17 representa o algoritmo Adjacência, que é capaz de detectar relações de adjacências entre os vários quadrantes obtidos pelo algoritmo RQA (Figura 1).

[073] Na Figura 17, cada quadrante é referido com um número representado por “I ou J o que inequivocamente determina o quadrante (as palavras quadrante ou I ou J representam respectivamente quadrante associado ao número de referência I ou J).

[074] Cada um dos processos 201-204 verifica se há qualquer adjacência quadrante I e quadrante J (no sentido que há um limite entre quadrante I e

Petição 870190080611, de 19/08/2019, pág. 33/51

23/39 quadrante J os pixels do quadrante I com os pixels do quadrante J), que é, algum pixel do quadrante I estão diretamente adjacentes aos mesmos pixels do quadrante J, sem qualquer interposição de pixel adicional de outra cor.

[075] Particularmente, o processo 20 verifica se o quadrante J é adjacente no lado esquerdo em relação ao quadrante I. Neste caso, o processo 205 designa uma adjacência W (adjacência à esquerda) e incrementa um contador de adjacência W, que é um registro que conta quantas adjacências à esquerda estão presentes na imagem.

[076] Por si só, o processo 202 verifica se o quadrante J é adjacente no lado direito em relação ao quadrante I. Neste caso, o processo 206 designa uma adjacência E (adjacência à direita) e incrementa um contador de adjacência E, que é um registro que conta quantas adjacências à direita estão presentes na imagem.

[077] O processo 203 verifica se o quadrante J é adjacente para cima em relação ao quadrante I. Neste caso, o processo 207 designa uma adjacência N (adjacência para cima) e incrementa um contador de adjacência N, que é um registro que conta quantas adjacências para cima estão presentes na imagem.

[078] O processo 204 verifica se o quadrante J é adjacente para baixo em relação ao quadrante I. Neste caso, o processo 208 designa uma adjacência S (adjacência para baixo) e incrementa um contador de adjacência S, que é um registro que conta quantas adjacências para baixo estão presentes na imagem.

[079] Evidentemente, é possível que o quadrante J não seja adjacente ao quadrante I: neste caso, cada processo 201-204 tem output negativo e então o processo 209 é iniciado, sendo que o dito processo 209 também é iniciado depois de cada um dos processos 205-208.

Petição 870190080611, de 19/08/2019, pág. 34/51

24/39 [080] O processo 209 incrementa J, de tal modo que, por causa do processo 210, os processos 201-204 são ativados novamente comparando a adjacência entre o quadrante I e o novo quadrante J. Desta maneira, um ciclo é realizado, de tal modo que todas adjacências possíveis do quadrante I com todos os outros quadrantes são verificados.

[081] Depois que a adjacência do quadrante I é verificada em relação a todos os outros quadrantes possíveis, o processo 211 incrementa I, de tal modo que um novo quadrante I seja verificado quanto a adjacências. Quando I é mais do que o número de quadrantes da imagem, isto significa que todas as adjacências possíveis foram detectadas e o algoritmo Adjacências finaliza.

[082] No final do algoritmo Adjacências, um arquivo relatando todas as adjacências à direita/esquerda/para cima/para baixo é obtido.

[083] Como afirmado acima, a Figura 18 representa ilhas do algoritmo, que usa, como dados de input, os dados de output gerados pelo algoritmo Adjacências. A dita ilha de algoritmo é capaz de mapear a imagem em um arquivo de ilhas, cada ilha estando associada pelo seu quadrante maior (ou, no caso de mais do que um quadrante com a dimensão maior, o primeiro quadrante detectado entre eles).

[084] O arquivo de adjacências à direita/esquerda/para cima/para baixo é carregado (processo 301). Neste ponto, para cada quadrante (que é referenciado como quadrante I da mesma maneira que no algoritmo Adjacências) é verificado:

- se o quadrante I está associado a uma ilha (processo 302): neste caso, nenhuma outra análise é conduzida no quadrante I, e o processo 311 é ativado diretamente, o dito processo 311 incrementando I, de tal modo que, depois da verificação 312, um novo quadrante é analisado;

- caso o quadrante I não esteja ainda associado a qualquer ilha (processo

Petição 870190080611, de 19/08/2019, pág. 35/51

25/39

302), então uma nova ilha J é associada ao quadrante I (processo 303).

[085] Depois do processo 303, todos os quadrantes adjacentes ao quadrante I são verificados para controlar se, devido a iterações anteriores do presente algoritmo, estes quadrantes adjacentes já estão associados a uma ilha (processo 304, sendo os ditos quadrantes numerados com K): caso nenhum dos quadrantes K seja maior do que o quadrante I (processo 305) e nenhum dos ditos quadrantes K foi analisado anteriormente (processo 306), então a ilha J está associada ao quadrante K (processo 307). Os processos 308, 309 completam o ciclo para controlar todos os quadrantes K adjacentes ao quadrante I.

[086] Quando este ciclo é terminado, o processo 310 incrementa J, de tal modo que uma nova ilha seja gerada, e o processo 311 incrementa I, de tal modo que um próximo quadrante seja examinado.

[087] Depois de verificar os quadrantes que são adjacentes ao quadrante I, os processos 310, 311 incrementam I, J, respectivamente, de tal modo que uma nova ilha seja buscada e um outro quadrante seja analisado. O processo 312 verifica outros quadrantes a serem analisados. O Algoritmo lhas gera, assim, como output um arquivo de ilhas que mapeiam a imagem como uma sequência de ilhas, sendo cada uma das ilhas inequivocamente asssociada a seu maior quadrante (ou um entre os quadrantes que têm as dimensões maiores). Evidentemente, é possível, em uma variante da presente modalidade, implementar um filtro digital de tal modo que as ilhas com dimensão muito pequena sejam eliminadas.

[088] A Figura 9A ilustra uma imagem microrradiográfica de uma biópsia de osso. A Figura 9B ilustra a identificação dos agregados de quadrantes coloridos de branco e a numeração dos quadrantes elementares que compreendem os ditos agregados. A Figura 9C ilustra uma amplificação da ilha n. 2.

Petição 870190080611, de 19/08/2019, pág. 36/51

26/39 [089] A Figura 9D ilustra a identificação dos agregados de quadrantes coloridos de preto na Figura 9A e a numeração dos quadrantes elementares que compreendem estes agregados. A Figura 9E ilustra uma amplificação da ilha n. 0.

[090] Depois de identificar as ilhas que compreendem a imagem, as seguintes etapas são realizadas:

- os números dos quadrantes que constituem as ilhas individuais são contados e suas dimensões são registradas;

- os valores obtidos na etapa anterior têm sua média calculada;

- o número e a probabilidade das adjacências entre os diferentes quadrantes; e

- os diferentes níveis de recursão nas ilhas individuais são calculados (esta etapa usa as informações obtidas e armazenadas pelo algoritmo de cálculo de adjacência anterior, tais como os contadores de adjacências descritos anteriormente);

- os valores obtidos na etapa anterior têm sua média calculada.

[091] Deve-se assinalar que os valores médios são, neste caso, apenas os valores médios que não estão relacionados com as adjacências à esquerda, à direita, para cima, ou para baixo, calculados pelos processos 205- 207 e 208. Assim sendo, o valor médio aqui calculado leva em consideração a probabilidade que, por exemplo, um quadrante de um primeiro nível M e um quadrante de um segundo nível N são adjacentes e não que a adjacência é uma adjacência à esquerda, à direita, para cima, ou para baixo. A tabela que se segue indica o cálculo das adjacências das ilhas coloridas de branco na Figura 8B.

Petição 870190080611, de 19/08/2019, pág. 37/51

27/39

Cálculo de adjacências no nível

Tamanho	512	256	128	64	32	16	8	4	2	1
Nível: 0- 512 pixe	0	0	0	0	0	0	0	0	0	0
Nível: I - 256 pixe	0	0	0	0	0	0	0	0	0	0
Nível: 2 - 128 pixe	0	0	0	3	2	0	0	0	0	0
Nível: 3 - 64 pixel	0	0	0	50	44	43	42	31	0	0
Nível: 4 - 32 pixel	0	0	0	0	42	50	50	54	0	0
Nível: 5 - 16 pixel	0	0	0	0	0	98	104	139	0	0
Nível: 6 - 8 pixel	0	0	0	0	0	0	206	348	0	0
Nível: 7 - 4 pixel	0	0	0	0	0	0	0	1300	0	0
Nível: 8 - 2 pixel	0	0	0	0	0	0	0	0	0	0
Nível: 9 - 1 pixel	0	0	0	0	0	0	0	0	0	0

% Probabilidade de adjacência nos níveis

Tamanho	512	256	128	64	32	16	8	4	2	1
Nível: 0 - 512 pixel	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%
Nível: I - 256 pixel	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%
Nível: 2 - 128 pixel 0,0%	0,0%	0,0%	37,5% 12,5% 0,0%	0,0%	0,0%	0,0%	0,0%
Nível: 3 - 64 pixel	0,0%	0,0%	0,0%	50,0% 22,0% 10,8% 5,3%	1,9%	0,0%	0,0%
Nível: 4 - 32 pixel	0,0%	0,0%	0,0%	0,0%	30,0% 17,9% 8,9%	4,8%,	0,0%	0,0%
Nível: 5 - 16 pixel	0,0%	0,0%	0,0%	0,0%	0,0%	34,5% 18,3% 12,2% 0,0%	0,0%
Nível: 6 - 8 pixel	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	33,4% 28,2% 0,0%	0,0%
Nível: 7 - 4 pixel	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	52,4% 0,0%	0,0%
Nível: 8 - 2 pixel	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%,	0,0%	0,0%
Nível: 9 - 1 pixel	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%	0,0%

[092] O estágio I) refere-se à geração de agregados artificiais de quadrantes, ou elementos fractais, que têm características geométricas que reproduzem ou aproximam as características dos agregados de elementos fractais adjacentes

Petição 870190080611, de 19/08/2019, pág. 38/51

28/39 estabelecidos no estágio i). Os dados obtidos pelas ilhas são usados para gerar ilhas fractais artificiais que ficam sobre o eixo horizontal X em uma base probabilística. As ilhas artificiais são geradas posicionando sobre o eixo X primeiramente os quadrantes com dimensão maior e depois os quadrantes com tamanho menor, satisfazendo o número de quadrantes e a probabilidade de adjacência derivada a partir da média do número de quadrantes e das adjacências das ilhas que constituem a imagem original e que foram escolhidas. As ilhas assim geradas têm características geométricas compatíveis com as ilhas na imagem original, em termos de suas proporções e o número de quadrantes e adjacências entre elas. As ilhas fractais artificiais são geradas por computador usando um algoritmo de Queda de Quadrante Fall (QF) apropriado ilustrado na Figura 19. As Figuras 10, 10B e 10C, respectivamente, ilustram o desdobramento de uma imagem microrradiográfica de uma biópsia de osso de uma mandíbula humana em quadrantes (10A) e duas ilhas fractais artificiais (10B a 10C) obtidas a partir dos dados referentes às partes coloridas de branco da imagem l0A.

[093] As Figuras 11A, 11B, 11C e 11D, respectivamente, ilustram o desdobramento da mesma imagem radiorradiográfica de uma biópsia de osso da mandíbula humana dentro dos quadrantes como na Figura 10A e três ilhas fractais artificiais (11B, 11C e 11D) obtidas a partir dos dados referentes às partes coloridas de preto da imagem l0A.

[094] Quanto ao algoritmo QF, ilustrado na Figura 19, o dito algoritmo QF usa os dados saídos do Algoritmo Ilha. Para este fim, um armazenamento de quadrantes é criado, onde o dito armazenamento de quadrantes compreende uma pluralidade de quadrantes artificiais que são caracterizados por quantidade, tamanho e adjacências recíprocas como nas médias de quadrantes das ilhas selecionadas. Ao invés disso, os quadrantes artificiais do armazenamento de quadrantes não têm ainda uma posição fixa, sendo a dita posição intencionada para ser encontrada pelo algoritmo QF em si. Os quadrantes artificiais do armazenamento de quadrantes são selecionados a

Petição 870190080611, de 19/08/2019, pág. 39/51

29/39 partir do maior quadrante artificial até o menor quadrante artificial (J é o nível do quadrante, I refere-se ao quadrante específico). No algoritmo QF, as coordenadas X e Y são levadas em consideração, que estão ilustradas na Figura 33 e são respectivamente paralelas ao eixo do implante e paralelas à altura da rosca do implante.

[095] O armazenamento de quadrantes é criado pelo processo 400. Os processos de inicialização são referidos por 401,402.

[096] Neste ponto, o quadrante I é verificado quanto a uma colisão na posição X, Y (não se notou que os processos 401, 402 inicializam as coordenadas X, Y de tal modo que um primeiro ponto a ser verificado seja O da Figura 34, que é o ponto mais baixo possível e o mais próximo ao eixo do implante a ser produzido.

[097] O ciclo 403 é iniciado para verificar colisões entre o quadrante I artificial e possíveis quadrantes artificiais colocados anteriormente na posição X, Y, onde a colisão significa a superposição de pelo menos um pixel de quadrante artificial I com um quadrante artificial colocado anteriormente. O ciclo 403 verifica:

- se o quadrante artificial I colide com um quadrante artificial (colocado anteriormente pelo algoritmo), então uma nova posição Y é tentado incrementando Y, sem mudar X;

- caso o quadrante artificial I não colida com quaisquer outros quadrantes colocados anteriormente, então o ciclo 403 é finalizado e o processo 407 começa.

[098] O processo 407 calcula a probabilidade de adjacência entre quadrante I e quadrantes colocados anteriormente na posição X, Y.

[099] O processo 404 incrementa X, e o processo 405 inicia o processo 402. Assim sendo, neste ponto, uma nova posição X, Y é verificada, onde Y = 0.

Petição 870190080611, de 19/08/2019, pág. 40/51

30/39 [100] Quando todas as posições foram verificadas, o processo 406 extrapola a posição de X, Y com a probabilidade mais alta entre as posições já examinadas por 403, 407: para cada posição possível na qual o quadrante artificial I podería se colocado, a posição com a probabilidade mais alta é escolhida pelo processo 406 na base dos dados coletados pelo processo repetitivo 407.

[101] Caso haja mais do que uma posição com a mesma probabilidade de ser a posição (verificação 408), então uma escolha aleatória entre as ditas mais do que uma posição é feita pelo processo 409. O processo 410 desenha o quadrante artificial I na posição extrapolada pelo processo 406 ou 409. Neste ponto, o quadrante artificial I é colocado na posição X, Y. O processo 411 atualiza os contadores estatísticos baseado nas adjacências do quadrante artificial I. O processo 412 incrementa I de modo a buscar uma posição para um quadrante artificial adicional. Os processos 413 são de tal modo que todos os quadrantes artificiais sejam levados em consideração.

[102] O output do algoritmo QF é uma ilha artificial fractal constituída de uma construção de adjacências de quadrantes. De qualquer forma, como as variáveis aleatórias foram inferidas, é possível que implantes artificiais melhores sejam possíveis. Assim sendo, o algoritmo QF é repetido por um número alto considerável de vezes (por exemplo, 100 vezes), de tal modo que 100 resultados diferentes sejam gerados. Para cada resultado, um valor de consistência é obtido pela fórmula

C(%) = 100-100

SUM (J) sum(ky onde SUM (J) é a soma das adjacências das ilhas artificiais fractals obtidas por QF, e SUM (K) é a soma das adjacências das ilhas selecionadas. Um grande valor de C(%) infere uma melhor consistência.

[103] O estágio m) envolve desenhar o dispositivo implante em função das características do tecido recebedor estabelecidas a partir de estágios

Petição 870190080611, de 19/08/2019, pág. 41/51

31/39 anteriores, e particularmente no estágio h), quando o tecido é classificado, e no estágio l), quando os agregados fractais artificiais são gerados. De fato, as ilhas artificiais obtidas a partir da análise das cores branco e preto são usadas para desenhar o implante em relação à macrogeometria e microgeometria de cada classe de qualidade do tecido. As Figuras 12, 13 e 14 ilustram exemplos de como as ilhas artificiais referentes ao tecido ósseo são usadas no desenho da rosca em um implante dentário. Elas podem ser usadas também para desenhar todas as outras partes, isto é, o corpo a ponta e o pescoço do implante. Mais particularmente:

a Figura 12B é um exemplo de um implante com uma rosca apropriada para uma um osso com boa densidade, como ilustrado na Figura 12A.

a Figura 13B é um exemplo de um implante com uma rosca apropriada para um osso com densidade moderada, como ilustrado na Figura 13A.

a Figura 14B é um exemplo de um implante com uma rosca apropriada para um osso com densidade fraca, como ilustrado na Figura 14A.

[104] As Figuras 12B, 13B e 14B ilustram os implantes dentários esquematicamente que compreendem o mesmo corpo cilíndrico (por exemplo), mas com tipos diferentes de rosca do parafuso ao redor do dito corpo cilíndrico. Os tipos de rosca diferem, por exemplo, em termos do passo e do formato da rosca, e também pelo fato de que partes diferentes do mesmo corpo de implante podem ter tipos diferentes de rosca do parafuso. Cada implante é, assim, desenhado com o parafuso e/ou estiramento do parafuso adaptados especificamente para a estrutura do osso destinado a receber o implante. Particularmente, o formato do parafuso é escolhido sobre a resistência das ilhas artificiais obtidas com o algoritmo QF, de modo a atingir um enchimento ótimo dos espaços intratrabeculares e uma excelente osteointegração. A

Petição 870190080611, de 19/08/2019, pág. 42/51

32/39 classificação do osso em n classes pré-definidas é útil para o macrodesenho do implante e está associada com o uso de ilhas fractais artificiais para o microdesenho e definição detalhada do implante, que pode ser assim individualizado para as características morfológicas do osso em questão.

[105] De acordo com outro aspecto da invenção, o mesmo método descrito anteriormente é usado para desenhar um biomaterial com uma estrutura morfológica similar àquela do tecido no qual ele vai ser implantado. Neste caso novamente, agregados artificiais são gerados com características geométricas que reproduzem ou aproximam as características dos agregados de elementos fractais adjacentes descritos no estágio i). Os dados obtidos por meio do algoritmo Ilhas são usados para gerar ilhas fractais artificiais em base probabilística. Estas ilhas artificiais são geradas no meio da tela, posicionando primeiramente os quadrantes com tamanho maior e depois os quadrantes de dimensões menores, seguindo o número de quadrantes e as probabilidades de adjacência das ilhas que constituem a imagem original e que foram escolhidas. As ilhas assim geradas têm características geométricas compatíveis sobre a imagem original, em termos de suas proporções e o número de quadrantes e as adjacências entre elas. As ilhas fractais artificiais para o biomaterial são geradas por computador usando um algoritmo de Deslocamento Ordenado Perimetral (POD), ilustrado esquematicamente na Figura 20.

[106] Quanto ao algoritmo POD, ilustrado na Figura 20, o dito algoritmo POD usa os dados emitidos pelo algoritmo Ilhas, semelhante ao algoritmo QF. Para esta finalidade, um armazenamento de quadrantes é criado, onde uma pluralidade de quadrantes artificiais é compreendida, sendo cada quadrante artificial caracterizado por quantidade, tamanho e adjacências recíprocas como nos quadrantes médios das ilhas selecionadas. Ao invés disso, os quadrantes artificiais do armazenamento de quadrantes não têm ainda uma posição fixa, sendo a dita posição intencionada para ser encontrada pelo algoritmo POD. Os quadrantes artificiais do armazenamento de quadrantes são selecionados a partir do maior quadrante artificial até o menor quadrante artificial (J é o nível I

Petição 870190080611, de 19/08/2019, pág. 43/51

33/39 do quadrante, I é referido ao quadrante específico). O algoritmo POD leva em consideração um arranjo perimetral PA, que é um arranjo que contém quadrantes que constituem o perímetro da ilha artificial criada pelo algoritmo POD em si. Por meio do dito arranjo perimetral PA, o perímetro da ilha artificial criada pelo algoritmo POD é “segmentado com quadrantes de tamanho diferente: arranjo perimetral PA, que é dinamicamente modificado pelo algoritmo POD, mapeia uma pluralidade de posições, onde outros quadrantes artificiais são colocáveis pelo algoritmo POD.

[107] Como ilustrado pela Figura 20, o dito algoritmo POD usa os dados emitidos pelo algoritmo Ilha (processo 500).

[108] O armazenamento de quadrantes é criado pelo processo 500. O arranjo perimetral PA é inicializado no processo 501.

[109] O processo 502 designa o primeiro quadrante para a posição central.

[110] O processo 503 verifica se o arranjo perimetral PA está segmentado de uma maneira tal que o dito arranjo perimetral PA possa conter o quadrante artificial I (onde os quadrantes são referidos por I). Caso o arranjo perimetral PA não contenha quadrante artificial I, então o arranjo perimetral PA é redividido em segmentos compatíveis com o quadrante artificial I.

[111] O laço 506 escaneia o arranjo perimetral PA com relação ao quadrante artificial I. Particularmente, caso o quadrante artificial I se sobreponha, em uma posição K, sobre um segmento do arranjo perimetral PA (processo 507), então o processo 508 designa uma porcentagem de PA baseado na estatística.

[112] O laço 509 é intencionado para verificar as probabilidades de adjacência com quadrantes vizinhos da ilha artificial fractal.

[113] Graças aos laços 506, 509, cada posição analisada é designada com uma pontuação sobre as bases das adjacências com quadrantes vizinhos (considerando adjacências à esquerda, à direita, para cima e para baixo).

Petição 870190080611, de 19/08/2019, pág. 44/51

34/39

Quanto mais alta a pontuação, melhor a probabilidade de ser a posição apropriada perdida para o quadrante artificial I.

[114] O processo 510 designa a posição com a pontuação mais alta. Caso mais do que uma posição tenha a mesma melhor pontuação (verificação 511), então o processo 512 escolhe a posição para o quadrante artificial I de uma maneira aleatória entre a dita uma ou mais do que uma posição.

[115] O processo 513 decrementa os contadores estatísticos baseado nas adjacências usadas para o quadrante artificial I na posição obtida pelo processo 510 ou 512. O processo 514 designa o quadrante I na posição obtida pelo processo 510 ou 512. O processo 515 muda o arranjo perimetral PA na base da posição estabelecida do quadrante artificial I, que agora faz parte do arranjo perimetral PA.

[116] Por causa da presença do quadrante artificial I no arranjo perimetral PA, é possível que haja paredes entre dois segmentos do arranjo perimetral PA. Isso não é aceitável porque o arranjo perimetral PA é intencionado para ser referido apenas a uma única linha limítrofe, e assim sendo, apenas uma parte do novo quadrante tem de ser mantida. O processo 516 é intencionado para eliminar as ditas paredes do arranjo perimetral PA, removendo assim do arranjo perimetral PA os pixels que não estão efetivamente na linha limítrofe.

[117] O processo 504 incrementa I, de tal modo que um novo quadrante artificial I seja examinado quanto ter uma posição.

[118] No final do algoritmo POD, uma ilha artificial fractal é criada, sendo a dita ilha artificial perimetralmente delimitada pelo arranjo perimetral PA.

[119] É possível operar uma série de algoritmos POD, e calcular a consistência C% de cada um dos resultados, de tal modo que a melhor ilha artificial fractal seja escolhida por meio de C%.

[120] As Figuras 21-32 ilustram esquematicamente exemplos de biomateriais

Petição 870190080611, de 19/08/2019, pág. 45/51

35/39 desenhados usando as ilhas artificiais geradas pelo algoritmo POD. As ilhas representam os módulos básicos para o desenho das partículas de biomateriais. Os exemplos referem-se a partículas de estrutura diversa desenhadas para se assemelharem à estrutura do tecido, e particularmente do tecido ósseo,dentro do qual a partícula de biomaterial vai ser inserida. Os exemplos referem-se aos tecidos ósseos de várias densidades, por exemplo, densidade boa, moderada e fraca.

[121] As Figuras 21, 25, 29 são imagens de diferentes tecidos ósseos humanos maxilares e mandibulares, respectivamente, de densidade boa, moderada e fraca.

[122] As Figuras 22, 26, 30 são imagens derivadas do desdobramento das imagens nas Figuras 21, 25, 29. As Figuras 22A, 22B, respectivamente, ilustram o desdobramento em quadrantes referentes à cor branca da imagem na Figura 21, e a ilha fractal artificial correspondente. As Figuras 22C, 220 ilustram, respectivamente, o desdobramento em quadrantes referentes á cor preta da imagem na Figura 21, e a ilha fractal artificial correspondente. A Figura 23 ilustra um exemplo de uma partícula de biomaterial com as características de formato externo e estrutura intema que se assemelha ao osso original de boa densidade, no qual a modelagem da superfície estrelada está ilustrada meramente como um exemplo. A Figura 24 ilustra um enchimento de uma área de perda óssea para regenerar com partículas de boa densidade desenhadas com o método de acordo com a invenção. A partícula de biomaterial tem uma estrutura morfológica que se assemelha àquela do tecido ósseo no qual ela é implantada.

[123] As Figuras 26A, 26B ilustram, respectivamente, o desdobramento em quadrantes referentes à cor branca da imagem na Figura 25, e a ilha fractal artificial correspondente. As Figuras 26C, 260 ilustram, respectivamente, o desdobramento em quadrantes referentes à cor preta da imagem na Figura 25, e a ilha fractal artificial correspondente. A Figura 27 ilustra um exemplo de uma

Petição 870190080611, de 19/08/2019, pág. 46/51

36/39 partícula de biomaterial com as características de formato externo e estrutura interna do osso original com densidade moderada, no qual a modelagem da superfície estrelada está ilustrada meramente como um exemplo. A Figura 28 ilustra o enchimento de uma área de perda óssea para regenerar com as partículas de densidade moderada desenhadas com o método de acordo com a invenção. A partícula de biomaterial tem uma estrutura que se assemelha morfologicamente àquela do tecido ósseo no qual ela é implantada.

[124] As Figuras 30A, 30B ilustram, respectivamente, o desdobramento em quadrantes referentes à cor branca da imagem na Figura 29, e a ilha fractal artificial correspondente. As Figuras 30C, 30D ilustram, respectivamente, o desdobramento em quadrantes referentes à cor preta na imagem da Figura 29, e a ilha artificial fractal correspondente. A Figura 31 ilustra um exemplo de uma partícula de biomaterial com as características de formato externo e estrutura interna que se assemelha ao osso original de densidade fraca, no qual a modelagem da superfície estrelada está ilustrada meramente como um exemplo. A Figura 32 ilustra um enchimento de uma área de perda óssea para regenerar com as partículas de densidade fraca desenhadas com o método de acordo com a invenção. A partícula de biomaterial tem uma estrutura morfológica que se assemelha àquela do tecido ósseo no qual ela é implantada.

[125] As partículas de biomaterial ilustradas nas Figuras 23, 27 e 31 podem ser unidas para formar blocos de agregados com dimensões variáveis para adequar às necessidades clínicas, que são implantadas e estabilizadas, por exemplo, por meio de parafusos de fixação, na área de perda óssea a regenerar. Os blocos que podem ser produzidos desta maneira terão uma estrutura interna similar àquela do osso a regenerar.

[126] As descrições acima de algumas modalidades preferidas da invenção aqui fornecidas como um exemplo não limitativo, sobre o entendimento que a invenção pode sofrer inúmeras modificações e variantes que caem dentro do

Petição 870190080611, de 19/08/2019, pág. 47/51

37/39 âmbito das reivindicações apensadas.

[127] Particularmente, o método da invenção pode ser usado para desenhar a estrutura e a superfície de outros dispositivos implantáveis ou para inserir em contato com tecidos biológicos, tais como membranas, sondas, biomateriais e similares desenhados de acordo com o método descrito com o objetivo de atingir um acoplamento ótimo com o propósito de integração e estabilidade do dispositivo dentro do tecido.

[128] Outro aspecto da invenção refere-se a um procedimento simplificado que dá ao clínico um aparelho com software-hardware que consiste em: um computador pessoal (ou cartão de hardware dedicado), um escaneador (ou outro meio para digitalizar imagens), e um programa dedicado apropriado.

[129] Usando o método da invenção, o clinico alimenta a imagem a digitalizar no escaneador ou carrega a imagem já digitalizada do tecido a analisar diretamente no computador, e o programa identifica e classifica automaticamente o tecido, fornecendo informações referentes ao dispositivo e/ou material mais apropriado para implantar no tipo de tecido em questão. As Figuras 15 e 16 ilustram um exemplo deste procedimento simplificado, que se refere à análise das radiografias digitais em uso odontológico diário. O clínico seleciona a área de interesse, como ilustrado na Figura 15, e depois o software analisa e classifica o tecido, fornecendo automaticamente recomendações sobre o tipo de implante dentário para usar, como ilustrado na Figura 16. Essa modalidade é tal que os implantes são pré-formados (por exemplo, três implantes pré-formados das Figuras 34 e 36), está ilustrada pelas Figuras 37 A37B.

[130] De fato, um grande número de imagens digitais de diferentes amostras de ossos de diferentes pessoas é obtido, e entre elas as imagens digitais 600, 610. Por meio da análise fractal descrita acima (por exemplo, o algoritmo RQA), aqui esquematizada com o número 603, cada amostra é mapeada em um par de imagens fractais 601, relacionadas com ilhas pretas, e 602,

Petição 870190080611, de 19/08/2019, pág. 48/51

38/39 relacionadas com ilhas brancas.

[131] Uma classificação em 3 classes (em outras modalidades as classes poderiam ser em número diferente) em função da dita porcentagem de áreas de tecido com a maior densidade de matéria, da dita porcentagem de áreas de tecido com a menor ou nenhuma densidade de matéria, e da distribuição de porcentagem dos quadrantes com dimensões diferentes obtidas, é conduzida. Um valor médio é assim obtido.

[132] Por meio de uma análise QF sobre os valores médios obtidos, como esquematizado neste caso com o número 605, as características dos implantes a serem escolhidas (passo p e profundidade d da rosca dos implantes) são realizadas por meios industriais.

[133] Para apresentar um exemplo, as dimensões que se seguem para os implantes foram escolhidas para diferentes classes de ossos, onde o passo p e a profundidade da rosca dos implantes estão em mm.

CLASSE ÓSSEA	PASSO P	PROFUNDIDADE D	IMPLANTE
Alta densidade óssea	0,720	0,360	Figura 34
Média densidade óssea	0,600	0,400	Figura 35
Baixa densidade óssea	0,960	0,720	Figura 36

[134] Depois, os implantes pré-formados realizados são colocados no mercado e comercializados como componentes básicos para implantes dentários. Quando o clínico pretende escolher um destes três implantes, ele precisa analisar a densidade óssea que é intencionada para hospedar o implante (Figuras 15, 16). Uma imagem da estrutura do tecido humano

Petição 870190080611, de 19/08/2019, pág. 49/51

39/39 destinado a receber um dispositivo e/ou material a ser produzido. Depois, a dita imagem precisa ser convertida no formato digital. Depois, uma nova análise fractal para a imagem obtida deve ser conduzida. O algoritmo RQA ajuda a definir qual classe de implante precisa ser implantada no dito tecido humano. Em princípio, como descrito pelo método de acordo com a reivindicação 14, os implantes são escolhidos entre aqueles à disposição do clínico.

[135] Desta maneira, é possível obter um implante cujas características médias (particularmente o passo p e a profundidade d da rosca) são tanto quanto possível similares ao tecido humano que recebe o implante.

[136] A Figura 38 ilustra uma rosca de um implante escolhido pela parte do método da Figura 37. A Figura 39 ilustra uma vista parcial de um desenho tridimensional da rosca da Figura 38.

Claims (20)

1. Método para desenhar um dispositivo e/ou material para inserir ou implantar em tecidos do corpo humano ou animal, caracterizado pelo fato de compreender os seguintes estágios:

a) obter uma imagem digital da estrutura de um tecido destinado a receber um dispositivo ou implante, sendo que as ditas áreas identificadoras de imagens de tecido têm uma densidade de matéria diferente;

b) calibrar o nível de cor das ditas áreas de tecido com uma densidade de matéria diferente, que compreende designar um primeiro nível de cor às áreas de tecido com a maior densidade de matéria (dmax) e um segundo nível de cor às áreas de tecido com a menor ou nenhuma densidade de matéria (dmin), os valores da dita densidade de matéria máxima (dmax) e mínima (dmin) referindo-se ao tipo e localização do dito tecido;

c) calcular o nível de cor da dita imagem, o que compreende designar o dito primeiro nível de cor, caso a imagem contenha pelo menos 60% da dita primeira cor, ou designar o dito segundo nível de cor, caso a imagem contenha não mais do que 40% da dita primeira cor; ou dividir a dita imagem em quatro quadrantes, caso a imagem contenha entre 60% e 40% do dito primeiro nível de cor;

d) calcular, quando necessário, o nível de cor de cada um dos ditos quatro quadrantes, obtidos no estágio anterior c), o que compreende designar o dito primeiro nível de cor ou o dito segundo nível de cor, ou ainda dividindo cada quadrante em quatro quadrantes usando os mesmos critérios de designação, como descrito no dito estágio c);

e) interar o dito estágio d) para obter quadrantes com dimensões suficientemente pequenas em relação às dimensões do dito dispositivo ou implante;

Petição 870190080611, de 19/08/2019, pág. 6/51

2/6

f) designar de forma arbitrária uma cor a todos os quadrantes que tenham a mesma dimensão;

g) calcular o número total de quadrantes aos quais o dito primeiro nível de cor foi designado, que corresponde às áreas de tecido com a maior densidade de matéria;

h) expressar o dito número de quadrantes como uma porcentagem da dita imagem da estrutura do dito tecido, e calcular o número de quadrantes para cada nível de recursão e o peso da porcentagem de cada nível de recursão em relação ao total; calcular o número total de quadrantes aos quais o dito segundo nível de cor foi designado, que corresponde às áreas de tecido com menos ou nenhuma densidade de matéria e expressar o dito número de quadrantes como uma porcentagem da dita imagem da estrutura do dito tecido, e calcular o número de quadrantes para cada nível de recursão e o peso da porcentagem de cada nível de recursão em relação ao total;

i) analisar os quadrantes obtidos nos ditos estágios anteriores, o que compreende determinar os agregados de quadrantes adjacentes que têm o dito primeiro nível de cor correspondente às áreas de tecido com uma alta densidade de matéria, e os agregados de quadrantes adjacentes que têm o dito segundo nível de cor correspondente às áreas de tecido com baixa ou nenhuma densidade de matéria;

l) gerar agregados artificiais de quadrantes com características geométricas que reproduzem ou se aproximam das características dos ditos agregados de quadrantes adjacentes identificados no estágio i;

m) desenhar o dito dispositivo e/ou material para implantar em tecidos do corpo humano ou animal usando as características identificadas no dito estágio l.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de

Petição 870190080611, de 19/08/2019, pág. 7/51

3/6 que o cálculo do dito nível de cor durante o dito estágio c) compreende a designação do dito primeiro nível de cor caso a imagem contenha pelo menos 90% da dita primeira cor, ou a designação do dito segundo nível de cor caso a imagem contenha não mais do que 5% da dita primeira cor; ou a divisão da dita imagem em quatro quadrantes caso a imagem contenha entre 90% e 5% do dito primeiro nível de cor.

3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o cálculo do dito nível de cor durante o dito estágio c) compreende a designação do dito primeiro nível de cor caso a imagem contenha pelo menos 95% da dita primeira cor, ou a designação do dito segundo nível de cor caso a imagem contenha não mais do que 2% da dita primeira cor; ou a divisão da dita imagem em quatro quadrantes caso a imagem contenha entre 95% e 2% do dito primeiro nível de cor.

4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o dito primeiro nível de cor é branco e o dito segundo nível de cor é preto.

5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os ditos quadrantes com dimensões suficientemente limitadas em relação às dimensões do dito dispositivo ou implante descritos no dito estagio e) têm uma dimensão mínima de um pixel.

6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de proporcionar o seguinte estágio:

h) a classificação do dito tecido em n classes em função da dita porcentagem de áreas de tecido com a maior densidade de matéria, da dita porcentagem de áreas de tecido com a menor ou nenhuma densidade de matéria, e da distribuição da porcentagem dos quadrantes de diferentes dimensões obtidas em estágios anteriores, onde o dito estágio h) é intercalado entre os estágios g) e i),

Petição 870190080611, de 19/08/2019, pág. 8/51

4/6 onde o estágio m) usa mesmo assim as características estabelecidas durante o dito estágio h).

7. Método, de acordo com a reivindicação 6, caracterizado pelo fato de que o dito estágio h) compreende a classificação do dito tecido em n classes em função da dita porcentagem de áreas de tecido com uma alta densidade de matéria, onde n vem entre 2 e 12.

8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que o dito estágio h) compreende a classificação do dito tecido em n classes em função da dita porcentagem de áreas de tecido com uma alta densidade de matéria, onde n vem entre 3 e 8.

9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o dito dispositivo é um implante dentário.

10. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o dito dispositivo é uma sonda.

11. Dispositivo para implantar em tecidos do corpo humano ou animal, caracterizado pelo fato de que o dito dispositivo compreende características geométricas reproduzindo ou se aproximando dos agregados artificiais de quadrantes, os agregados artificiais de quadrante sendo gerados usando o método de acordo com qualquer uma das reivindicações de 1 a 10.

12. Dispositivo, de acordo com a reivindicação 11, caracterizado pelo fato de que o dito dispositivo é um implante dentário.

13. Dispositivo, de acordo com a reivindicação 11, caracterizado pelo fato de que o dito dispositivo é uma sonda.

14. Método para selecionar um dispositivo e/ou material para implantar em tecidos do corpo humano ou animal, caracterizado pelo fato de que compreende a) a obtenção de uma imagem da estrutura de um tecido humano

Petição 870190080611, de 19/08/2019, pág. 9/51

5/6 ou animal destinado a receber um dispositivo e/ou material; b) a conversão digital da dita imagem; c) o processamento da dita imagem digital, sendo que o dito processamento compreende a adoção do método descrito na reivindicação 1 em combinação com a reivindicação 6, onde os ditos estágios m) e l) são substituídos por um estágio para selecionar o dito dispositivo a partir de uma biblioteca de dispositivos e/ou materiais disponíveis.

15. Método, de acordo com a reivindicação 14, caracterizado pelo fato de que o dito dispositivo é um implante dentário.

16. Método, de acordo com a reivindicação 14, caracterizado pelo fato de que o dito dispositivo é um biomaterial de enchimento para uso em reconstrução óssea endógena, particularmente em odontologia ou cirurgia maxilofacial.

17. Equipamento, caracterizado pelo fato de que compreende: a) uma unidade para a obtenção de uma imagem da estrutura de um tecido humano ou animal destinado a receber um dispositivo e/ou material implantável; b) uma unidade para a conversão digital da dita imagem; c) uma unidade para processar a dita imagem digital, sendo que o dito processamento consiste na implementação do método descrito na reivindicação 14.

18. Biomaterial para implantar em tecidos do corpo humano ou animal, caracterizado pelo fato de que o biomaterial compreende características geométricas reproduzindo ou se aproximando dos agregados artificiais de quadrantes, os agregados artificiais de quadrantes sendo gerados com base no método de acordo com qualquer uma das reivindicações de 1 a 10.

19. Biomaterial, de acordo com a reivindicação 18, caracterizado pelo fato de que o dito biomaterial é um biomaterial de enchimento para uso em reconstrução óssea endógena.

20. Biomaterial, de acordo com a reivindicação 19, caracterizado pelo fato

Petição 870190080611, de 19/08/2019, pág. 10/51

6/6 de que o dito biomaterial é um biomaterial de enchimento para uso em reconstrução óssea endógena em odontologia e cirurgia maxilofacial.