RadAI

Sistema web para análise automatizada de fraturas ósseas em radiografias, utilizando Inteligência Artificial via Azure Custom Vision.

---

Sobre o Projeto

Fraturas ósseas muitas vezes passam despercebidas em radiografias quando analisadas manualmente sob pressão de tempo. O RadAI automatiza essa triagem: o médico envia a imagem do raio-X e o sistema retorna instantaneamente se há indício de fratura, o nível de confiança da análise e se o caso precisa de revisão humana.

Este projeto foi desenvolvido como trabalho acadêmico na PUC Minas (2022), nas disciplinas orientadas pelas professoras Luciana Mara Freitas Diniz e Ilo Amy Saldanha Rivero.

---

Funcionalidades

• ✅ Autenticação de usuários com senha criptografada (BCrypt)
• ✅ Cadastro e listagem de pacientes
• ✅ Agendamento e listagem de consultas
• ✅ Upload de imagem de raio-X diretamente pelo portal médico
• ✅ Análise automática de fraturas via Azure Custom Vision
• ✅ Resultado com diagnóstico, confiança e flag de revisão humana
• ✅ Deploy via Docker com suporte a variáveis de ambiente

---

Arquitetura

┌─────────────────────────────────────────────────┐
│                   NAVEGADOR                      │
│   login.html │ dashboard.html │ medico.html      │
└──────────────────────┬──────────────────────────┘
                       │ HTTP/REST  :8080
┌──────────────────────▼──────────────────────────┐
│            BACKEND  (Java 21 + Spark)            │
│  /login │ /pacientes │ /consultas │ /upload-raiox│
└──────────────┬────────────────────┬─────────────┘
               │                    │
  ┌────────────▼──────┐  ┌──────────▼──────────────┐
  │    PostgreSQL     │  │   Azure Custom Vision    │
  │  (dados clínicos) │  │   (análise de raio-X)    │
  └───────────────────┘  └─────────────────────────┘

---

Tecnologias

Tecnologia	Versão	Papel
Java	21	Linguagem do backend
Spark Framework	2.x	Servidor HTTP embarcado
PostgreSQL	15	Banco de dados relacional
Sql2o	—	Mapeamento SQL → objetos Java
BCrypt	—	Hash de senhas
Gson	—	Serialização JSON
Azure Custom Vision	API v3	Modelo de IA para detecção de fraturas
Apache HttpClient	—	Chamadas HTTP para a Azure
Bootstrap	5.3	Estilização do frontend
Docker	—	Containerização e deploy

---

Pré-requisitos

Para rodar com Docker (recomendado):

• Docker instalado
• Banco PostgreSQL acessível (local ou na nuvem)
• Chaves do Azure Custom Vision (opcional — sem elas a análise de IA retorna erro)

Para rodar manualmente:

• Java 21
• Maven 3.9+
• PostgreSQL 15

---

Como Rodar

Via Docker (recomendado)

# 1. Clone o repositório
git clone https://github.com/lucasjosee/RadAI.git
cd RadAI

# 2. Configure as variáveis de ambiente
cp .env.example .env
# Edite .env com suas credenciais

# 3. Build e run
cd Codigo/backend
docker build -t radai .
docker run -p 8080:8080 --env-file ../../.env radai

Acesse: http://localhost:8080/login.html

---

Via Maven (manual)

# 1. Clone e entre na pasta do backend
git clone https://github.com/lucasjosee/RadAI.git
cd RadAI/Codigo/backend

# 2. Configure as variáveis de ambiente
export DB_URL=jdbc:postgresql://localhost:5432/saas_raiox
export DB_USER=postgres
export DB_PASS=sua_senha
export AZURE_URL=https://seu-endpoint...
export AZURE_KEY=sua_chave

# 3. Build e execute
mvn clean package -DskipTests
java -jar target/saas-raiox-0.0.1-SNAPSHOT.jar

Acesse: http://localhost:8080/login.html

---

Variáveis de Ambiente

Variável	Obrigatória	Padrão	Descrição
PORT	Não	8080	Porta do servidor
DB_URL	Sim	jdbc:postgresql://localhost:5432/saas_raiox	JDBC URL do PostgreSQL
DB_USER	Sim	postgres	Usuário do banco
DB_PASS	Sim	—	Senha do banco
AZURE_URL	Sim*	—	Endpoint do modelo Custom Vision
AZURE_KEY	Sim*	—	Chave de predição da Azure

*Sem as chaves Azure, o upload de raio-X retornará erro de IA.

---

Endpoints da API

Método	Rota	Descrição
POST	/login	Autentica usuário (email + senha)
POST	/usuarios	Cadastra novo usuário
GET	/pacientes	Lista todos os pacientes
POST	/pacientes	Cadastra novo paciente
GET	/consultas-lista	Lista todas as consultas
POST	/consultas	Agenda nova consulta
POST	/upload-raiox	Envia imagem e retorna análise de IA

---

Estrutura do Projeto

RadAI/
├── .env.example              # Template de variáveis de ambiente
├── CITATION.cff              # Metadados para citação acadêmica
├── LICENSE                   # Creative Commons BY 4.0
│
├── Codigo/
│   ├── backend/
│   │   ├── Dockerfile        # Build e deploy via Docker
│   │   ├── public/           # Frontend servido pelo Spark
│   │   │   ├── login.html
│   │   │   ├── dashboard.html
│   │   │   ├── medico.html
│   │   │   ├── cadastro.html
│   │   │   └── style.css
│   │   └── src/main/java/
│   │       ├── Main.java         # Servidor + rotas REST
│   │       ├── dao/              # Acesso ao banco de dados
│   │       ├── model/            # Entidades (Usuario, Paciente, Consulta)
│   │       └── service/
│   │           └── ServicoIA.java  # Integração com Azure Custom Vision
│   └── front/                # Cópia standalone do frontend
│
├── Divulgacao/
│   └── Apresentacao/         # PDFs das apresentações por Sprint
│
└── docs/                     # Documentação do projeto

---

Apresentações

Sprint	Arquivo
Sprint 1	Sprint 1 - RadiIA.pdf
Sprint 2	Sprint 2.pdf

---

Autores e Orientadores

Aluno

• Lucas José Souza Rodrigues

Orientadores — PUC Minas

• Profª Luciana Mara Freitas Diniz
• Prof. Ilo Amy Saldanha Rivero

---

Licença

Distribuído sob a licença Creative Commons Attribution 4.0 International (CC BY 4.0).

Você pode usar, adaptar e distribuir livremente, desde que cite os autores originais.