If áti Ali d IInformática Aplicada a Imagens Médicas MCP ... · PDF...

Serviço de InformáticaInstituto do Coração – HC FMUSP

I f áti A li d IInformática Aplicada a Imagens MédicasMédicas

MCP - 5840Marco Antonio GutierrezEmail: marco gutierrez@incor usp brEmail: marco.gutierrez@incor.usp.br

Motivação: Visualização 2D e 3D

• Seqüências espaciais e temporaise temporais

• Estruturas dinâmicas• Cortes oblíquos• Cortes oblíquos

Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 2

Motivação: Quantificação

• ÁreaÁrea• Volume

Di tâ i 3D• Distância 3D• Curva de evolução temporalç p• Índices

variação (fração de ejeção )Normalized Kinetic Energy

7 normal subjects1.0HD– variação (fração de ejeção, ...)

– derivadas (taxas de enchimento, ...)0 0

rgy JG

LSCMWPMLAS

0.01 2 3 4 5 6 7 8 9 10 11 12

Cardiac Cycle

Motivação: Análise

• Visualização 3D, 3D dinâmica (4D)• Visualização em direções oblíquasç ç q• Aspectos funcionais

– movimento, contração, ç– fisiologia, metabolismo

• Classificaçãoç

Motivação: Fusão

• Conjugação de imagens para melhorar a sensitividade e sensibilidade diagnóstica (fusão)sensibilidade diagnóstica (fusão)

• Alinhamento de imagens 3D– Estudo multi-modal (CT, MRI, SPECT, ..) quantitativaEstudo multi modal (CT, MRI, SPECT, ..) quantitativa– Aumento da sensitividade e da especificidade diagnóstica

Processamento Digital de Imagens

FormaçãoIdentificação

deestruturas

Quantificaçãoe

visualizaçãoInterpretação

•Aquisição•Tomografia

•Pré-processamento•Segmentação

•Classificação•Intel. Artificial

•Cálculos.•Parâmetros

•Tomografia g ç•Reconhecimento •Redes neurais

•InformaçãoNormalized Kinetic Energy

•Comp.gráfica

Processamento Digital de Imagensgy

7 normal subjects

HDJGLSCMWPMLAS

0.01 2 3 4 5 6 7 8 9 10 11 12

Cardiac Cycle

Amostragem e QuantizaçãoDi it li ã di ti ã i l ( t )Digitalização: discretização espacial (amostragem) e de intensidade (quantização)

Sinal digital

Sinal analógico

Sinal digital

2q ...

-2q ...

Erros de

ti ã 0 T 2T 3T Erros de

quantização 0 T 2T 3T ...

Tempo ou espaço Amostragem

Imagem monocromática

Função F(x,y)•(x y): coordenadas espaciais•(x, y): coordenadas espaciais •F(x,y): intensidade ou brilho da imagem em (x,y)

Imagem digital monocromática

j=266i=2

0 100 200 300 400 5000

0 100 200 300 400 500

142...161161 100

............142...161161

0 50 100 150 200 250 300 3500

95...163163 j = 266

Processo de DiscretizaçãoProcesso de Discretização

Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens

Processo de DiscretizaçãoProcesso de Discretização

95 80 80 8095 90 90 105

150 20 100 130220 150 160 150

256 tons de cinza

220 150 160 150

640h x 480v em 256 cores

640h x 480v em 256 tons de cinza

640h x 480v em 8 tons de cinza

640h x 480v - imagem binária

Modalidades de Imagens Médicas

Cine-angio-coronariografia

DSA Angiografia Digital SubtrativaDSA - Angiografia Digital Subtrativa

Ultrassom: H O ZEcoOnda mecânica Pulso

Onda mecânica Pulso

Envia/Escuta tEnvia/Escuta t

• Ultrassom

Modo B

UltUltrassom

M d BModo B

Virtual BodyB&N S ft

B&N Software

• Ultrassom Modo M

• Ultrassom Modo Doppler: Efeito Dopplerpp pp

F0 > F1

F VF~V

• Ultrassom Modo Color-Flow MapUltrassom Modo Color Flow Map

Ultrassom Modo Color-Flow MapUltrassom Modo Color-Flow Map

Ressonância Magnéticag

Ressonância MagnéticaRessonância Magnética

Modalidades de Imagens MédicasModalidades de Imagens MédicasggRessonância Magnética

• Ressonância Magnética

Reconstrução Tomográfica: Modalidade SPECTModalidade SPECT

Gama-câmara

Miocárdio marcado commaterial radioativo (Tc)

Modalidades de Imagens MédicasR t ã T áfiReconstrução Tomográfica:

Modalidade de Emissão de Raio-X

Conceitos básicos

• Imagem digital => matriz n-dimensionalx

y• 2D => pixel (picture element)

– raio X - CR (4096 x 4096 x 2B)

– short f[4096][4096]• 3D => voxel (volume element) x

– CT multi-slice (700cortes x 512 x 512 x 2B)– XA (1000 quadros x 512 x 512 x 1B)

b t f[1000][512][512]

– byte f[1000][512][512]• 4D => spel (space element)

gated SPECT MRI– gated SPECT, MRI,..

Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 36t

Resolução Espacial e de Profundidade

256x256 / 256 níveis 256x256 / 64 níveis 256x256 / 2 níveis256x256 / 256 níveis 256x256 / 64 níveis 256x256 / 2 níveis

32x32 / 256 níveis

Histograma Histograma

nl nível de cinza l ocorre nl vezes em imagem com n pixels

nlP l)(

Imagem 7 6

3 3 5 4

33300 3 2 1

3 3 3 0 0

3 3 1 1 1

3210 l 3210

Imagem 3 x 5 (L = 4) e seu histograma

Imagem 3 x 5 (L 4) e seu histograma

Histograma

• O histograma representa a distribuição estatística d í i d i d ide níveis de cinza de uma imagem

nl nl nl

l 255 0 l 255 0 l 255 0

Histograma

0 50 100 150 200 250

Conceitos importantes

• Resolução EspacialResolução Espacial – Define riqueza de detalhes da imagem

• Resolução de Profundidade– Define riqueza de meios-tonsq– Define cores

Histograma• Histograma– Distribuição estatística dos níveis de cinza em

uma imagem

Problemas: Imagens Corrompidas

D d ã R íd• Degradação – Não

h id d

• Ruídos– Térmico

homogeneidade dos sensoresNã li id d

– Estático– Quantização

– Não linearidade– Difração– Movimento e/ou

Deslocamento

Ruído Gaussiano

Ti d íd i f ü t i• Tipo de ruído mais freqüente em imagens

histograma

paraexp 2

1 histograma

do ruído ii fh para,

if : valor do i-ésimo pixel da imagem 255m

: média e desvio padrão do ruído,m

Ruído Gaussiano

Originalg

histograma1 do ruído

Ruído “Sal e Pimenta”

Mal funcionamento dos detectores

histograma1

histogramado ruído

255s p

Melhorar a qualidade da imagem

• Operações pontuais– remoção de ruído– remoção de ruído– equalização do histograma

O õ i i• Operações espaciais– suavização do ruído– filtros

Operações Pontuais

• Alteram a escala de tons de cinza t é d t f ãatravés de uma transformação:

]0[ Lu

]0[],0[

)(LvLu

ufv ],0[ Lv

Alargamento do Contraste• Alargamento do Contraste• Limiar (Thresholding)• Equalização do histograma

Alargamento do contraste

Lubbua

vbuvauv

Limiar

L ua L uv

Equalização de Histograma

RCLroundrTs

1)( lRC 0

0 50 100 150 200 250

• Exemplo: imagem 64 x 64, L = 8Exemplo: imagem 64 x 64, L 8

l nl l nl

0 790 1 1023

1200 1 10232 850 3 656

6003 6564 329 5 245

2006 122 7 81 l

76543 2 10

• r = 0 s = round (790 x 7 / 4096) = 1• r = 1 s = round (1813 x 7 / 4096) = 3( / )• r = 2 s = round (2663 x 7 / 4096) = 5• r = 3 s = round (3319 x 7 / 4096) = 6• r = 4 s = round (3648 x 7 / 4096) = 6• r = 5 s = round (3893 x 7 / 4096) = 7• r = 6 s = round (4015 x 7 / 4096) = 7• r = 7 s = round (4096 x 7 / 4096) = 7

nRCLroundrTs

409664640

RCRC l

• Exemplo: imagem 64 x 64, L = 8

l nl nkl nl

0 0 1 790

2 0 3 1023

6004 05 850 6 985

2006 9857 448 k

7 6 5 4 3 2 1 0

Equalização do histograma

I i i l I ó li ã

Imagem original Imagem após equalização

Operações no domínio espacial

O õ li d i f õ d• Operações realizadas com informações da vizinhança de cada pixel da imagem originalCon ol ção da imagem original com filtro de• Convolução da imagem original com filtro de resposta ao impulso finita (máscara de convolução)convolução)

• Operadores: Média podenrada, Gaussiano, Laplaciano Sobel Mediana etcLaplaciano, Sobel, Mediana, etc,

Máscara de convolução

lmknflkhmng

,,,k l

lmknflkhmng

8 9 38 2 28 4 89 2 2

4 8 8 0 3 0W

W W W4 8 8 0 3 09 8 12 8 9 11 8 5 9 7 6

W-1,-1

W1,-11 8 5 9 7 6

2 5 1514 8 8

mnf , mng ,

Filtro Média Espacial (passa-baixa)

,,1, lmknflkhN

mng 1 1k lklN

8 9 38 4 8

8 2 29 2 2 1 1 1

58 894 8 8 0 3 09 8 12 8 9 1

1 1 11 1 11 1 19 8 12 8 9 1

1 8 5 9 7 62 5 1514 8 8

lkh ,2 5 1514 8 8

Filtro Média Ponderada (passa-baixa

,,, lmknflkhmng 1 1

,,,k l

8 9 38 4 8

8 2 24 2 2 1 2 1

44 8 8 0 3 09 8 12 8 9 1

1 2 12 3 21 2 1

1 8 5 9 7 62 5 1514 8 8

lkh ,2 5 1514 8 8

Filtro Média Ponderada (passa-baixa)

1 2 12 3 2

lmknflkhmng 2 3 21 2 1

,,,k l

lmknflkhmng

Original Imagem Filtrada

Filtro Gaussiano (passa-baixa)

8 9 38 4 8

8 2 29 2 2

38 1 1 2 1 1

8 9 38 4 8

8 2 29 2 2

4 1 8 4 3 09 3 1 2 3 1

2 4 22 4 8 4

18 4 89 2 2

4 8 8 0 3 09 8 12 3 9 1

1 4 5 3 1 22 5 7 1 2 0

1 2 4 21 2 1

9 8 12 3 9 11 8 5 9 7 62 5 15 14 8 8

1682 5 7 1 2 0 8

5 1 1012 3 2 11 2 1 11 2 5 15 14 8 8 8

5 1 1012 3 2 1

mnf , mng ,

Filtro Gaussiano

3x33x3

Sharpening (passa-alta)

,,1, lmknflkhN

mng 1 1k lklN

8 9 38 2 28 4 89 2 2

4 8 8 0 3 0-1 -1 -1-1 8 -1

9 8 12 8 9 11 8 5 9 7 6

8-1 -1 -1

2 5 1514 8 8

Filtro Derivada Horizontal (passa-alta)

,,,k l

lmknflkhmng

0 0 0 0 0 0 0 0 0 0 0 0 0 0

1 1k l

2 0 -20 0 0 0 0 0 0

0 0 0 0 0 0 0

0 0 2 0 0 -20 0 0 0 0 0 00 0 0 0 0 0 0

24 0 -42 0 -2

0 16 16 16 1600

0 0 0 0 0 0 0

8 8 0 0 800

0 0 6 6 -60 0 2 0 0 22

0 16 16 16 16000 16 16 16 1600

0 16 16 16 1600

6 6 0 0 -6008 8 0 0 -800

8 8 0 0 -800

lkh ,0 16 16 16 1600 6 6 0 0 -600

mnf mng ,

mnf , mng ,

Filtro Derivada Vertical (passa-alta)

,,,k l

lmknflkhmng

0 0 0 0 0 0 0 0 0 0 0 0 0 0

1 1k l

2 4 20 0 0 0 0 0 0

0 0 0 0 0 0 0

0 0 6 8 8 6

0 0 0 0 0 0 00 0 0 0 0 0 0

22 4 20 0 0

-2 -4 -20 16 16 16 1600

0 0 0 0 0 0 00 0 2 6 6

0 0 6 8 8 62

8 82 4 2

0 16 16 16 1600

0 16 16 16 16000 0 0 0 000

0 0 0 0 000

lkh ,0 16 16 16 1600 -2 -6 -8 -8 -600

mnf mng ,

mnf , mng ,

Filtro Gradiente (passa-alta)x

-1 -1 -10 0 0

-1 0 11 0 1

0 0 0 0 0 0 0

Prewitt0 0 01 1 1

-1 0 1-1 0 1

0 00 0 6 8 8 60 0 0 0 0 0 00 0 0 0 0 0 0

y0 0 0 0 0 0 0

88 8 0 0 8008 8 0 0 800

0 0 6 8 88 8

0 16 16 16 1600

0 0 0 0 0 0 00 0 0 0 0 0 0

688 800

8 8 0 0 8008

-1 -2 -1-1 0 1x

0 16 16 16 16000 16 16 16 16000 16 16 16 16000 16 16 16 1600

1 2 10 0 01 2 1

1 0 1-2 0 2-1 0 1

Sobely0 16 16 16 1600

1 2 1-1 0 1

Filtro Gradiente (Máscara de Sobel)22 yxyxGauss

2exp, 2

yxfyxGaussyxg ,,,

22 GGG

Filtro Laplaciano (segunda derivada)

,,, lmknflkhmng 1 1

,,,k l

8 9 38 1 28 4 89 2 6

4 8 8 0 3 0-20 -1 0

-1 4 -19 8 12 8 9 11 8 5 9 7 6

1 4 -10 -1 0

lkh2 5 1514 8 8 lkh ,

mnf , mng ,

Laplaciano da Gaussiana (LoG)

original g[x,y] g[x,y] + original

0 -1 0-1 4 -1

yxyxGauss2

exp, 2

1 4 10 -1 0 yxfyxGaussyxg ,,,

lkh , yfyyg

Domínio do Espaço e Tempo: Gradiente

i) (OFC)

ii) v v vx y z2 2 2

0 (suavização)

dxdyyv

xvfvf t

iii) (regularização)

x OFC + suavização =

Derivadas espaciais e temporais em 2D e 3D

222tyyxxx

EvEvEEvv

tzzyyxxxxx EEE

EvEvEvEEvv

tyyxxyyy

EvEvEEvv

tzzyyxxyyy

EEEEvEvEvEE

tzzyyxxzzz EEE

EvEvEvEEvv

• Imagem 2D 64x64, 8.192 incógnitas;• Imagem 3D 64x64x64, 786.432 incógnitas;• ART, Gradiente Conjugado, etc;

Uso de phantoms para validar métodosC d t d l id dCampo de vetores de velocidade obtido aplicando a DWV

4D Mathematical Cardica-Torso PhantomPretorius, et al. Medical Physics, 26:2323-2331, 1999

1 Imagens 3D dinâmicas (4D)

Campo de vetores de velocidade obtido aplicando a DCW

1. Imagens 3D dinâmicas (4D)2. Simula as câmaras cardíacas e

estruturas do tórax (dimensões, volumes massa etc);volumes, massa, etc);

3. Simula movimentos das estruturas;4. Inclui o movimento relativo à respiração;

Quantificação em Gated-SPECT (99mTc-MIBI)

ECG1234

a) Imagem 3D do ventrículo esquerdo; b) campo devetores de velocidade para um plano de interesse sobre aimagem em a); c) estruturas das fibras em um ventrículo

imagem em a); c) estruturas das fibras em um ventrículodessecado

Energia Cinética : novo parâmetro fisiológico

• Seção transversal (2D) de um estudo Gated-SPECT d E i Ci éti btid bSPECT e a da Energia Cinética obtida com basena estimativa de velocidade

K e m v v vx y z 12

Energia Cinética Normalizada e Volume do VE

Energia Cinética Normalizada Energia Cinética e Volume do VE

Mapa Polar de Energia Cinética

Campo de Vetores deVelocidade

Seção transversal2D

Mapa Polar3D 2D

Energia Cinética do VE

2D 3D->2D

Processamento Digital de Imagens

FormaçãoIdentificação

deestruturas

Quantificaçãoe

visualizaçãoInterpretação

•Aquisição•Tomografia

•Pré-processamento•Segmentação

•Classificação•Intel. Artificial

•Cálculos.•Parâmetros

•Tomografia g ç•Reconhecimento •Redes neurais

•InformaçãoNormalized Kinetic Energy

•Comp.gráfica

Processamento Digital de Imagensgy

7 normal subjects

HDJGLSCMWPMLAS

0.01 2 3 4 5 6 7 8 9 10 11 12

Cardiac Cycle

Saiba o que procurar em uma imagem

yxfyxGaussyxg ,,, 6000

yfyyg ,,,

0 50 100 150 200 250

If áti Ali d IInformática Aplicada a Imagens Médicas MCP ... · PDF...

Documents

IMAGENS

Entropia aplicada ao reconhecimento de padrões em imagens

RELATÓRIO FINAL 4ªJORNADA DE EDUCAÇÃO EM …F3riofinaljornada.pdf · Curso de Estatística aplicada ao Processamento de Imagens de Sensoriamento Remoto: ... Walter Melián, Graciela

arquiteto imagens · Title: arquiteto imagens Author: jo o Subject: arquiteto imagens Created Date: 191050526095906

1.4.2. RESOLUÇÃO DAS IMAGENS 1.4. IMAGENS DE SATÉLITE

Pró-Reitoria de Pós-Graduação e Pesquisalivros01.livrosgratis.com.br/cp150918.pdf · da marca, imagens da marca e sistema da marca. A partir da relação entre elas, aplicada

s áti em ea Ár

ORATÓRIA FUNDAMENTAL APLICADA A CONCURSOS › livrariadplacido › imagens › files › manu… · ORATÓRIA FUNDAMENTAL APLICADA A CONCURSOS DÁRCIO LOPARDI MENDES JÚNIOR DÁRCIO

RESULTADO DOS PEDIDOS DE DISPENSAS DE DISCIPLINASgrad.nead.ufsj.edu.br/AdmP/site/imagens/enviadas/dipensas_de... · Estatística Aplicada à Administração Deferido Sistema de Informação

ÁTI Közraktára, Győr

M ú s i c a C ar n áti c a

ANÁLISE DOS PARÂMETROS DE QUALIDADE DAS ......Análise da Qualidade de Imagem Planar _____ 49 Análise dos Parâmetros de Qualidade das Imagens de Verificação em Radioterapia Aplicada

PAULO RODAMILANS SANJUAN PLASTICONSENT - TERMO …dcir.sites.unifesp.br/mp/images/imagens/teses/2018_02_PAULO... · em Ciência Tecnologia e Gestão Aplicada à Regeneração Tecidual

Otimização de Imagens e Proteção Radiológica em Fluoroscopialivros01.livrosgratis.com.br/cp056791.pdf · Programa de Pós Graduação em Física Aplicada à Medicina e Biologia

Notas em Matem´atica Aplicada 10 - sbmac.org.br · Notas em Matematica Aplicada´ 1. Restaurac˜¸ao de Imagens com Aplicac˜¸oes em Biologia e Engenharia Geraldo Cidade, Antonio

Programação Paralela Estruturada Aplicada a um Problema de ... · A Digital Breast Tomosynthesis (DBT) é uma técnica que permite obter imagens mamárias 3D de alta qualidade,

imagens e imagens

Computação Aplicada a Sistemas de Potênciajulius/icc/csp.pdf · Computação Aplicada a Sistemas de Potência - Milton Brown Sistemas de Potência: imagens influência na vida

CIRCULAÇÃO DE IMAGENS TURÍSTICAS: IMAGENS FOTOGRÁFICAS DE ... · CIRCULAÇÃO DE IMAGENS TURÍSTICAS: IMAGENS FOTOGRÁFICAS DE PARNAÍBA/PI E SUA REPRESENTAÇÃO André Riani

METÁFORAS E IMAGENS DOS FORMADORES DE PROFESSORES NA ÁREA DA INFORMÁTICA APLICADA ... · 2008. 2. 26. · APLICADA À EDUCAÇÃO* JOANA PEIXOTO** Tudo, ao mesmo tempo, agora. (Titãs)