Um Estudo Sobre SegmentaçãoAutomática De ImagensBidimensionais De SeçõesTransversais Do Tórax HumanoObtidas Por Ressonânci...
O Problema• A partir de uma imagem de uma seção transversal do  tórax humano, obtida por ressonância magnética, utilizar  ...
Solução Ideal
Finalidade - ContextoInformática Médica • Estudo da informação e tecnologia na prestação de cuidados   de saúde; • Recurso...
Finalidade - ContextoInformática Médica • Sistemas de informação da saúde; • Telemedicina; • Sistemas de apoio a decisão c...
Finalidade
Processamento Digital deImagensPasso Básico: Aquisição
Processamento Digital deImagensImagem Digital: Representação
Processamento Digital deImagensProcessos computacionais   Nível baixo     • Redução de ruído, realce, contraste, aguçamen...
Processamento Digital deImagensSegmentaçãoPassos fundamentais:
Processamento Digital deImagensVizinhança de Pixels• Um pixel p na coordenada (x, y) tem quatro vizinhos horizontais e  ve...
Processamento Digital deImagensLimiarização• Processo intuitivo;• Simplicidade na implementação;              1 𝑠𝑒 𝑓 𝑥, 𝑦 ...
Processamento Digital deImagensDilatação e ErosãoProcessos que correspondem a operações de adição e subtração entreelement...
Processamento Digital deImagensAbertura e FechamentoAbertura geralmente suaviza o contorno do objeto e elimina saliênciasf...
Processamento Digital deImagensFiltros Espaciais de SuavizaçãoA ideia por trás é simples, substituir o valor de cada pixel...
Processamento Digital deImagensSegmentaçãoA segmentação subdivide uma imagem em regiões ou objetos que acompõem. O nível d...
Processamento Digital deImagensDetecção de BordasPrincípio básico: Descontinuidade, variações bruscas de nível de cinza.
Processamento Digital deImagensDetecção de BordasSendo a imagem uma função, pode-se aplicar o conceito de derivadas paraen...
Processamento Digital deImagensDetecção de BordasExemplos da aplicação da máscara anterior
Processamento Digital deImagensDetecção de BordasAlgoritmo de CannyNecessidade: • Todas as bordas devem ser encontradas; •...
Processamento Digital deImagensDetecção de BordasAlgoritmo de Canny
MetodologiaAPI Utilizada: OpenCVOpenCV (Open Source Computer Vision Library) é multi-plataforma,totalmente livre ao uso ac...
MetodologiaImagens referência
Metodologia
MetodologiaHeurística• Tratar as duas estruturas separadamente!• Coração e pulmões são estruturas bem diferentes do ponto ...
MetodologiaHeurística – Pulmões • Órgãos que estão preenchidos com ar; • Áreas mais escuras; • Tamanho mais significativo ...
MetodologiaHeurística – PulmõesPré-processamentocvSmooth( cvBlur, 6 )
MetodologiaHeurística – PulmõesPré-processamentocvDilate( 3 ); cvErode( 6 )
MetodologiaHeurística – PulmõesSegmentaçãocvCanny( 0, 25, 3 )
MetodologiaHeurística – PulmõesSegmentaçãocvDilate( 2 )
MetodologiaHeurística – PulmõesSegmentaçãocvFindContours( )
Metodologia
MetodologiaHeurística – Coração• Órgão de tons de cinza mais claro;• Pouco mais claros que a grande maioria dos outros tec...
MetodologiaHeurística – CoraçãoPré-processamentocvSmooth( cvBlur, 6 )
MetodologiaHeurística – CoraçãoPré-processamentocvErode( 1 )
MetodologiaHeurística – CoraçãoPré-processamentocvThreshold( 50, 255, THRESH_BINARY )
MetodologiaHeurística – CoraçãoPré-processamentocvErode( 4 ); cvDilate( 4 )
MetodologiaHeurística – CoraçãoSegmentaçãocvCanny( 10, 25, 3 )
MetodologiaHeurística – CoraçãoSegmentaçãocvFindContours( )
Metodologia
Conclusões•   Análise dos resultados;•   Contribuições;•   Sugestões para trabalhos futuros;•   Referências:      [1]Rafa...
Próximos SlideShares
Carregando em…5
×

Um estudo sobre segmentação automática de imagens bidimensionais de seções transversais do tórax humano obtidas por ressonância magnética

260 visualizações

Publicada em

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
260
No SlideShare
0
A partir de incorporações
0
Número de incorporações
2
Ações
Compartilhamentos
0
Downloads
4
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Um estudo sobre segmentação automática de imagens bidimensionais de seções transversais do tórax humano obtidas por ressonância magnética

  1. 1. Um Estudo Sobre SegmentaçãoAutomática De ImagensBidimensionais De SeçõesTransversais Do Tórax HumanoObtidas Por Ressonância MagnéticaTrabalho de Conclusão de CursoOrientado: Charles Cássio da SilvaOrientador: Marcos Henrique Fonseca Ribeiro
  2. 2. O Problema• A partir de uma imagem de uma seção transversal do tórax humano, obtida por ressonância magnética, utilizar algoritmos de segmentação de imagens, para identificar bordas correspondentes, aproximadamente, aos contornos das regiões do tórax, pulmões e cavidades do coração.
  3. 3. Solução Ideal
  4. 4. Finalidade - ContextoInformática Médica • Estudo da informação e tecnologia na prestação de cuidados de saúde; • Recursos que podem ser aplicados no gerenciamento e utilização da informação médica.
  5. 5. Finalidade - ContextoInformática Médica • Sistemas de informação da saúde; • Telemedicina; • Sistemas de apoio a decisão clinica; • Mineração de dados médicos; • Processamento de imagens médicas.
  6. 6. Finalidade
  7. 7. Processamento Digital deImagensPasso Básico: Aquisição
  8. 8. Processamento Digital deImagensImagem Digital: Representação
  9. 9. Processamento Digital deImagensProcessos computacionais Nível baixo • Redução de ruído, realce, contraste, aguçamento, etc; • Resultado: imagens. Nível médio • Segmentação (regiões, objetos), descrição (forma adequada) e classificação (reconhecimento) objetos individuais; • Resultado: bordas, contornos, identidades. Nível alto • “Dar sentido” a um conjunto de objetos reconhecidos; • Resultado: funções cognitivas associadas à visão.
  10. 10. Processamento Digital deImagensSegmentaçãoPassos fundamentais:
  11. 11. Processamento Digital deImagensVizinhança de Pixels• Um pixel p na coordenada (x, y) tem quatro vizinhos horizontais e verticais, chamados vizinhança-4 ou N4(p), cujas coordenadas são dadas por: (x + 1, y), (x - 1, y), (x, y + 1), (x, y - 1)• Os quatro vizinhos diagonais, ND(p), têm coordenadas: (x + 1, y + 1), (x + 1, y - 1), (x - 1, y + 1), (x - 1, y - 1)• Juntos eles formam N8(p), vizinhança-8 de p.
  12. 12. Processamento Digital deImagensLimiarização• Processo intuitivo;• Simplicidade na implementação; 1 𝑠𝑒 𝑓 𝑥, 𝑦 > 𝑇 𝑔 𝑥, 𝑦 =• Velocidade computacional. 0 𝑠𝑒 𝑓 𝑥, 𝑦 ≤ 𝑇
  13. 13. Processamento Digital deImagensDilatação e ErosãoProcessos que correspondem a operações de adição e subtração entreelemento estruturante (N4 ou N8) e objeto, respectivamente; Imagem 3.3 – Exemplos de Dilatação e Erosão, respectivamente.
  14. 14. Processamento Digital deImagensAbertura e FechamentoAbertura geralmente suaviza o contorno do objeto e elimina saliênciasfinas, enquanto o fechamento também tende a suavizar contornos, masgeralmente funde as descontinuidades estreitas e preenche as lacunasem um contorno.Exemplos de abertura e fechamento, respectivamente:
  15. 15. Processamento Digital deImagensFiltros Espaciais de SuavizaçãoA ideia por trás é simples, substituir o valor de cada pixel de umaimagem pela média dos níveis de intensidade da vizinhança definidapela mascara, o processo resulta em uma imagem com perda denitidez, ou seja, com redução de transições abruptas nas intensidades.
  16. 16. Processamento Digital deImagensSegmentaçãoA segmentação subdivide uma imagem em regiões ou objetos que acompõem. O nível de detalhe em que a subdivisão é realizada dependedo problema a se resolvido.
  17. 17. Processamento Digital deImagensDetecção de BordasPrincípio básico: Descontinuidade, variações bruscas de nível de cinza.
  18. 18. Processamento Digital deImagensDetecção de BordasSendo a imagem uma função, pode-se aplicar o conceito de derivadas paraencontrar essas variações.
  19. 19. Processamento Digital deImagensDetecção de BordasExemplos da aplicação da máscara anterior
  20. 20. Processamento Digital deImagensDetecção de BordasAlgoritmo de CannyNecessidade: • Todas as bordas devem ser encontradas; • Os pontos de borda devem estar mais próximos possível do real; • Apenas bordas de espessura 1 para cada borda identificada.Como solução o algoritmo propõe: • Utilização de um filtro de suavização; • Calculo do gradiente; • Supressão não máxima; • Dupla limiarização com análise de conectividade
  21. 21. Processamento Digital deImagensDetecção de BordasAlgoritmo de Canny
  22. 22. MetodologiaAPI Utilizada: OpenCVOpenCV (Open Source Computer Vision Library) é multi-plataforma,totalmente livre ao uso acadêmico e comercial. É escrita em C++ comsuporte a outras linguagens, como Java, Python e Visual Basic.
  23. 23. MetodologiaImagens referência
  24. 24. Metodologia
  25. 25. MetodologiaHeurística• Tratar as duas estruturas separadamente!• Coração e pulmões são estruturas bem diferentes do ponto de vista de formato, deformação com o movimento e, principalmente, texturas e tom de cinza.
  26. 26. MetodologiaHeurística – Pulmões • Órgãos que estão preenchidos com ar; • Áreas mais escuras; • Tamanho mais significativo e característico.
  27. 27. MetodologiaHeurística – PulmõesPré-processamentocvSmooth( cvBlur, 6 )
  28. 28. MetodologiaHeurística – PulmõesPré-processamentocvDilate( 3 ); cvErode( 6 )
  29. 29. MetodologiaHeurística – PulmõesSegmentaçãocvCanny( 0, 25, 3 )
  30. 30. MetodologiaHeurística – PulmõesSegmentaçãocvDilate( 2 )
  31. 31. MetodologiaHeurística – PulmõesSegmentaçãocvFindContours( )
  32. 32. Metodologia
  33. 33. MetodologiaHeurística – Coração• Órgão de tons de cinza mais claro;• Pouco mais claros que a grande maioria dos outros tecidos.• Anatomicamente, se encontra centralizado na caixa torácica.
  34. 34. MetodologiaHeurística – CoraçãoPré-processamentocvSmooth( cvBlur, 6 )
  35. 35. MetodologiaHeurística – CoraçãoPré-processamentocvErode( 1 )
  36. 36. MetodologiaHeurística – CoraçãoPré-processamentocvThreshold( 50, 255, THRESH_BINARY )
  37. 37. MetodologiaHeurística – CoraçãoPré-processamentocvErode( 4 ); cvDilate( 4 )
  38. 38. MetodologiaHeurística – CoraçãoSegmentaçãocvCanny( 10, 25, 3 )
  39. 39. MetodologiaHeurística – CoraçãoSegmentaçãocvFindContours( )
  40. 40. Metodologia
  41. 41. Conclusões• Análise dos resultados;• Contribuições;• Sugestões para trabalhos futuros;• Referências:  [1]Rafael, C. Gonzalez; Richard E. Woods. Processamento Digital de Imagens. Pearson, 3ª Ed. 2010.  [2]Peters, F. C., Barra, L. P. Estratégia para a solução numérica do problema inverso da identificação de inclusões em domínio condutor. Dissertação de Mestrado, Universidade Federal de Juiz de Fora, 2010. Juiz de Fora, Brasil.  [3]Peters, F. C., Barra, L. P., Santos, R. W. Determination of Cardiac Ejection Fraction by Electrical Impedance Tomography. Em “Medical Imaging”, 2011, ISBN 978-953-307-774-1

×