PROCESSAMENTO DE IMAGENS MÉDICAS

IA369O – Capítulo 1

Leticia Rittner lrittner@dca.fee.unicamp.br

FEEC/UNICAMP

Aplicações • Segurança

•  Identificação pessoal •  Detecção de intrusos •  Detecção de incêndio

• Automobilística •  Cálculo de velocidade •  Reconhecimento de placas

• Militar •  Veículos autônomos

Aplicações (cont.) •  Indústria

•  Controle de qualidade

• Meio ambiente •  Agricultura •  Meteorologia •  Controle ambiental

• Medicina •  Diagnóstico •  Tratamento •  Planejamento cirúrgico

CONCEITOS BÁSICOS

Aquisição • Direta

•  Olho humano •  Câmera digital •  Microscópio •  Ultrassonografia

•  Indireta •  Câmera de filme fotográfico •  Tomografia computadorizada (CT) •  Ressonância magnética nuclear (MRI)

Analógica x Digital

• Analógica •  Contínua no espaço •  Contínua em intensidade

• Digital •  Discreta no espaço •  Discreta em intensidade

Imagem Digital

• É uma matriz onde cada posição é chamada de “pixel” e contém um valor numérico que representa uma cor ou um tom de cinza.

Imagem em tons de cinza •  Intervalo de valores;

•  0 a 1 •  0 a 255

Imagem Colorida - RGB •  A cor de cada pixel é uma composição de Vermelho, Verde e Azul •  (0, 0, 0) indica preto •  (255, 255, 255) indica branco •  (255, 0, 0) indica ...

Pixel, Voxel, Spel Imagem digital => Multi-dimensional e Multi-paramétrica => spel (space element)

• 2D => pixel (picture element) • raio X - CR (4096 x 4096)

• 3D => voxel (volume element) • CT multi-slice (700cortes x 512 x 512)

Exemplo: Tomografia computadorizada

•  número de dimensões (espaço) : 3D •  número de elementos por dimensão:

•  700 em z •  512 em x •  512 em y

•  número de atributos (medidas por elem.): 1 •  número de bits ou bytes por elemento: 2 •  367 MB

CT multi-slice (700cortes x 512 x 512 x 2B)

Processamento de Imagens Digitais • Processar imagens digitais é realizar operações

matemáticas ou lógicas utilizando os valores que representam cada um dos pixels

• Objetivos •  Melhoramento das Imagens •  Análise das Imagens

Tipos de processamento •  Melhoramento: melhorar a imagem

•  contraste, •  brilho, •  ruído

•  Restauração: corrigir distorções •  movimento, •  iluminação

•  Análise: obter informações do conteúdo das imagens •  segmentação, •  classificação, •  extração de características

•  Compressão: reduzir tamanho do arquivo •  com perda •  sem perda

•  Síntese: criar novas imagens à partir das existentes •  reconstrução, •  modelos 3D

Melhoramento: Filtragem

Melhoramento: Contraste e Brilho

Análise de Imagens • Segmentação • Extração de características:

•  Bordas •  Formas •  Texturas

• Reconhecimento • Classificação

Restauração: Contraste heterogêneo

Restauração: Movimento

Segmentação

Análise: Detecção de Bordas

Análise: Segmentação e Rotulação

Análise: Segmentação e Rotulação

Perseguição de Borda (LiveWire)

http://www.ic.unicamp.br/~afalcao/downloads.html

Segmentação: Contornos Ativos (“Snakes”)

Segmentação: Contornos Ativos (“Snakes”)

Segmentação: planejamento cirúrgico

Cirurgia guiada por imagem

Segmentação Temporal: Homem e Sombra

Reconhecimento • Placa de carro • Biometria - Impressão digital, Íris • Busca de imagens em base de dados

•  Busca por Conteúdo

Reconhecimento: Placas

Reconhecimento: Impressões Digitais

ü Singularidades - linhas pretas, linhas brancas, minúcias, delta e núcleo

Classificação: Impressões Digitais ü Classificação baseada nas singularidades

Arco Redemoinho Loop à direita Loop à esquerda

Reconhecimento de Faces

http://www.ri.cmu.edu/projects/project_271.html

Desafios

• … • … • … • …

James S. Duncan and Nicholas Ayache, Medical Image Analysis: Progress over two decades and the challenges ahead

Segmentação

ü Dificuldade: Iluminação (Sombra)

Classificação e Reconhecimento

ü Dificuldade: Qualidade das imagens

Exemplo de 3 amostras digitais de um mesmo dedo

Classificação e Reconhecimento

ü Dificuldade: Grande variabilidade dentro de uma mesma classe

Classificação e Reconhecimento ü Dificuldade: Grande variabilidade dentro de uma mesma classe