Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Aplicações da Visão Computacional em Biomedicina
João Manuel R. S. Tavares
[email protected] www.fe.up.pt/~tavares
Sumário
1. Apresentação
2. Visão Computacional em Biomedicina
i. Introdução
ii. Segmentação
iii. Análise e Simulação • Seguimento • Emparelhamento • Alinhamento • Simulação
iv. Visão 3D
3. Publicações & Eventos
2 Aplicações da Visão Computacional em Biomedicina 2014@João Manuel R. S. Tavares
Apresentação
Apresentação • Prof. Associado no Dep. de Eng. Mecânica (DEMec) da
FEUP • Investigador Sénior e Coordenador de Projecto no Lab. de
Óptica e Mecânica Experimental (LOME) do INEGI • Doutorado e Mestre em Eng. Electrotécnica e de
Computadores (FEUP) (com Tese e Dissertação na área do Processamento e Análise de Imagem)
• Licenciado em Eng. Mecânica (FEUP) • Áreas de Investigação: Processamento e Análise de
Imagem (segmentação, seguimento, emparelhamento, alinhamento e visão 3D), Interfaces Homem/Máquina (visualização de dados e percepção humana), Desenvolvimento de Produto (dispositivos biomédicos), Biomecânica, Movimento e Postura Humana
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 4
Visão Computacional: Introdução
Introdução • O sistema sensorial de visão tem elevada importância
para grande parte dos seres vivos – Podendo disponibilizar informações de índole básica, como
verificar a existência ou não de obstáculos, ou complexa, como o seguimento e a análise de movimento
– Operações comuns: identificação (segmentação), seguimento e reconhecimento de movimento (seguimento e análise de movimento), correspondência e alinhamento (emparelhamento e alinhamento), interpolação de formas (simulação), obtenção da forma/informação 3D (Visão 3D)
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 6
Introdução • Os investigadores da área da Visão Computacional
tentam desenvolver algoritmos computacionais para realizar de forma automática, ou semi-automática, operações e tarefas desenvolvidas pelos (complexos) sistemas de visão dos seres vivos
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 7
Imagens originais
Azevedo et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(3):359-369
Modelo computacional 3D voxalizado e poligonizado
Introdução • Algoritmos de Visão Computacional são de elevado
interesse para a Sociedade, sendo frequentemente usados, por exemplo, em: – Ciências naturais, Desporto – Engenharia, Indústria – Medicina, Biologia
• Exemplos de tarefas comuns envolvendo algoritmos de Visão Computacional: – Segmentação, Reconhecimento (2D-4D) – Seguimento e análise de movimento, incluindo
emparelhamento, alinhamento e simulação (2D-4D) – Visão 3D
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 8
Introdução: Visão Computacional – Operações e Objectivos
Aplicações da Visão Computacional em Biomedicina 9
Melhoramento de imagem
Segmentação de imagem / extração de características
seguimento
emparelhamento
simulação
Imagem / imagens
Análise de movimento alinhamento
Processamento de Imagem
Análise de Imagem / Visão Computacional
2014@João Manuel R. S. Tavares
Visão 3D
Visão por Computador
Introdução • (Pré-)Processamento de Imagem: suavização de ruído
usando um verme “inteligente”
10 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina
Imagens originais, corrompidas e melhoradas por diferentes métodos de suavização
Araujo et al. (2014) Expert Systems with Applications 41(13):5892–5906
Visão Computacional em Biomedicina: Segmentação
Segmentação • Pretende-se identificar de forma automática, ou semi-
automática, as estruturas (2D/3D) presentes em imagens estáticas ou em sequências de imagem
• As técnicas mais comuns são baseadas em binarização por limiar, crescimento de regiões, redes neuronais, emparelhamento de protótipos, modelações geométricas, estatísticas e físicas
• É uma das operações mais usuais em Visão Computacional, sendo frequentemente a primeira “grande” tarefa considerada
• Problemas envolvidos: ruído, baixa resolução, reduzido contraste, formas não conhecidas, oclusões parciais, múltiplas estruturas presentes, etc.
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 12
• Segmentação de contornos em pedobarografia dinâmica: método de Otsu, operadores morfológicos, XOR
Imagens originais Após segmentação
Bastos & Tavares (2004) LNCS 3179:39-50
Segmentação
camada de contacto + vidro
câmara espelho
luz reflectida vidro
pressão camada opaca
lâmpada
lâmpada camada transparente
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 13
Region Growing, x=215; y=254
Segmentação • Segmentação de estruturas do ouvido: método de
crescimento de regiões
Imagem original Segmentação obtida (labirinto ósseo)
Barroso et al. (2011) CNME 2011 Ferreira et al. (2014) Computer Methods in Biomechanics and Biomedical Engineering 17(8):888-904
X: 254 Y: 214Index: 116.7RGB: 0.459, 0.459, 0.459
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 14
Segmentação • Segmentação de caraterísticas: protótipos deformáveis
geométricos
Carvalho & Tavares (2006) CompIMAGE 2006, 129-134 Carvalho & Tavares (2007) VipIMAGE 2007, 209-215
Exemplo de um protótipo deformável
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 15
Segmentação • Segmentação de caraterísticas faciais:
protótipos deformáveis geométricos
Carvalho & Tavares (2006) CompIMAGE 2006, 129-134 Carvalho & Tavares (2007) VipIMAGE 2007, 209-215
Imagem original e imagens de campos de energia (força)
Segmentação da íris usando um protótipo deformável (circulo)
Segmentação do olho usando um
protótipo deformável 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 16
Segmentação • Segmentação de estruturas em imagens: modelos
ativos de forma (Modelação Estatística)
Vasconcelos & Tavares (2008) Computer Modeling in Engineering & Sciences 36(3):213-241 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 17
Segmentação • Análise do tracto vocal durante a fala partir de imagens
de ressonância magnética: modelos ativos de forma
Vasconcelos et al. (2011) Journal of Voice 25(6):732-742
Segmentação intermédia II
Imagem original +
modelo médio
Segmentação final
Segmentação intermédia I
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 18
Segmentação • Segmentação de estruturas em imagens: modelos
ativos de aparência
Vasconcelos & Tavares (2008) Computer Modeling in Engineering & Sciences 36(3):213-241 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 19
Segmentação • Análise do tracto vocal durante a fala partir de imagens de
ressonância magnética: modelos ativos de aparência
Vasconcelos et al. (2011) Journal of Engineering in Medicine 225(1):68-76 Vasconcelos et al. (2012) Journal of Engineering in Medicine 226(3):185-196
Segmentações intermédias
Segmentação inicial
Segmentação final
Segmentações intermédias
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 20
Segmentação • Segmentação de estruturas em imagens: contornos
ativos (i.e. snakes – modelos paramétricos)
Tavares et al. (2009) International Journal for Computational Vision and Biomechanics 2(2):209-220 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 21
Segmentação • Segmentação de estruturas em imagens: contornos
ativos (i.e. snakes)
Imagem original e contorno inicial
Contorno final
Gonçalves et al. (2008) Computer Modeling in Engineering & Sciences 32(1):45-55 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 22
Imagem original e contorno inicial Contorno final
Segmentação • Segmentação de melanomas em imagens
dermoscópicas: contornos ativos (i.e. snakes)
Araujo et al. (2012) Avanços em Visão Computacional, ISBN: 978-85-64619-09-8, 27-46 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 23
Imagens originais e contornos determinados
Segmentação • Segmentação de estruturas em imagens: métodos de
level set – modelos geométricos
Ma et al. (2010) Medical Engineering & Physics 32(7):766-774 Ma et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(2):235-246
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 24
Segmentação • Segmentação de estruturas em imagens: métodos de
level set
Imagem original Segmentação inicial Segmentação final
Perdigão et al. (2005) Encontro_1_Biomecânica, 81-85 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 25
Segmentação • Segmentação de bifurcação da carótida em imagens de
Doppler: métodos de contornos ativos e de level set
Segmentação usando um modelo de contornos ativos (Yessi)
Silva et al. (2011) VipIMAGE 2011, 117-122 Santos et al. (2013) Expert Systems with Applications 40(16):6570-6579
Segmentação usando um modelo de level set (Chan-Vese)
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 26
Segmentação • Segmentação de estruturas em imagens: métodos de
level set, conhecimento prévio
Ma et al. (2010) Medical Engineering & Physics 32(7):766-774 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 27
Segmentação • Segmentação do pavimento pélvico feminino a partir
de imagens de ressonância magnética: método de level set, conhecimento prévio
Ma et al. (2010) Medical Engineering & Physics 32(7):766-774 Segmentação do pavimento pélvico
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 28
Segmentação
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 29
Ma et al. (2013) Computers in Biology and Medicine 43(4):248-258 Ma et al. (2012) The Int. Journal for Numerical Methods in Biomedical Engineering 28(6-7):714-726 Ma et al. (2011) Annals of Biomedical Engineering 39(8):2287-2297
Segmentação de órgãos (bexiga, vagina, ânus) da cavidade pélvica (3 exemplos)
• Segmentação de órgãos da cavidade pélvica feminina a partir de imagens de ressonância magnética: modelos de level set, conhecimento prévio
Visão Computacional em Biomedicina: Seguimento,
Emparelhamento, Alinhamento e Simulação
Seguimento • Pretende-se seguir o movimento e/ou a deformação de
estruturas em sequências de imagem (2D/3D) • Nesta área, destacam-se as técnicas baseadas em fluxo
óptico, emparelhamento de blocos e em métodos estocásticos
• Usualmente, envolve a estimativa do movimento envolvido, a gestão das entidades seguidas, a análise do movimento seguido bem como a sua quantificação
• Problemas envolvidos: movimento não rígido, distorção geométrica, condições de iluminação variáveis, oclusão, ruído, múltiplas estruturas, etc.
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 31
Seguimento • Plataforma desenvolvida para
seguimento de entidades (pontos / rectas) em sequências de imagem: filtro de Kalman ou filtro Unscented Kalman, otimização, distância de Mahalanobis, modelo de gestão
Pinho et al. (2007) Int. Journal of Simulation Modelling 6(2):84-92 Pinho & Tavares (2009) VipIMAGE 2009, 299-304 Pinho & Tavares (2009) Computer Modeling in Engineering & Sciences 46(1):51-75
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 32
Seguimento • Seguimento de marcas em análise da marcha: filtro de
Kalman, distância de Mahalanobis, otimização, modelo de gestão
Previsão Incerteza Medição Correspondência Resultado
Pinho et al. (2005) ICCB 2005, 915-926 Pinho & Tavares (2009) Computer Modeling in Engineering & Sciences 46(1):51-75
(5 frames)
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 33
Sousa et al. (2007) ISHF2007, 331-340 Sousa et al. (2007) ICCB2007, 291-296
Seguimento • Análise da marcha com deteção de
eventos: filtro de Kalman, distância de Mahalanobis, otimização
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 34
Pinho et al. (2005) LSCCS, Vol. 4A:463-466 Pinho et al. (2007) International Journal of Simulation Modelling 6(2):84-92
(547 frames)
Seguimento • Seguimento de ratos em sequências longas de imagem:
filtro de Kalman, distância de Mahalanobis, otimização, modelo de gestão
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 35
Emparelhamento • É uma das tarefas mais usuais em Visão Computacional,
por exemplo, para alinhar estruturas, reconhecer estruturas, obter informação 3D, analisar movimento, etc.
• Geralmente é conseguido através da consideração de características invariantes, como a curvatura, ou de deslocamentos (assinaturas) em espaços globais/próprios, como no espaço modal ou de Fourier
• Problemas envolvidos: oclusão, deformações não rígidas, variações elevadas de forma, etc.
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 36
Emparelhamento • Emparelhamento de contornos em imagens: modelação
física/geométrica, análise modal, otimização
Bastos & Tavares (2006) Inverse Problems in Science and Engineering 14(5):529-541 Tavares & Bastos (2010) Progress in Computer Vision and Image Analysis 339-368
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 37
• Emparelhamento de contornos em pedobarografia dinâmica: FEM, análise modal, otimização
Emparelhamento
Imagens originais Contornos emparelhados
Bastos & Tavares (2004) LNCS 3179:39-50 Tavares & Bastos (2010) Progress in Computer Vision and Image Analysis, 339-368
camada de contacto + vidro
câmara espelho
luz reflectida vidro
pressão camada opaca
lâmpada
lâmpada camada transparente
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 38
Alinhamento • É uma tarefa habitualmente necessária para comparar
estruturas representadas em imagens adquiridas em instantes de tempo distintos ou segundo diferentes condições/técnicas
• O alinhamento é geralmente essencial, por exemplo, em medicina para analisar a evolução de patologias a partir de imagens
• Geralmente é conseguido através da consideração de características invariantes, como pontos de curvatura máxima, emparelhamento e estimativa da transformação envolvida, ou pela minimização de uma medida de semelhança
• Problemas envolvidos: características não determinadas facilmente, deformações não rígidas, variações elevadas de forma, etc.
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 39
Alinhamento • Alinhamento de contornos em imagens: modelação
geométrica/física, otimização, programação dinâmica
Oliveira & Tavares (2008) Computer Modeling in Engineering & Sciences 31(11):1-11 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 40
Alinhamento • Alinhamento de imagens de pedobarografia: modelação
geométrica, otimização, programação dinâmica
Imagens originais e contornos extraídos
Contornos emparelhados e imagens antes e após alinhamento
Oliveira et al. (2009) Journal of Biomechanics 42(15):2620-2623 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 41
Alinhamento • Alinhamento de imagens de pedobarografia:
transformada de Fourier
Imagens originais Imagens antes e após alinhamento
Oliveira et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(6):731-740
42 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina
Alinhamento • Alinhamento de imagens de pedobarografia: método
híbrido: Alinhamento de Contornos ou Alinhamento baseado na transformada de Fourier + Otimização de semelhança (MSE/MI/XOR)
Imagens originais, antes e após alinhamento
Oliveira & Tavares (2011) Medical & Biological Engineering & Computing 49(3):313-323
43 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina
Alinhamento • Alinhamento de imagens de uma mesma modalidade:
maximização direta da correlação cruzada (transformada de Fourier)
44
Imagens Alinhadas
Imagem originais (RM - proton density)
Soma
Soma Diferença
Oliveira et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(6):731-740
44 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina
Alinhamento • Alinhamento intermodal (CT/RM): otimização pelo
Método de Powell (otimização) de medida de semelhança (MI)
45
Imagens Alinhadas
Imagem originais
CT RM CT+RM
CT+RM Diferença CT+RM
Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(3):313-323
45 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina
• Alinhamento de imagens 3D: otimização iterativa, alinhamento 3D – cont.
Xadrez das imagens pré-alinhamento (CT, tórax – mesma pessoa, Δt: 8.5 meses)
(xadrez - construído substituindo algumas partes (voxels) da imagem modelo pelas partes da imagem a alinhar que têm as mesmas coordenadas das partes retiradas à imagem modelo)
46 2014@João Manuel R. S. Tavares
Alinhamento
46 Aplicações da Visão Computacional em Biomedicina
F F
F F F
F F F
M M M
M M M
M
M
Xadrez das imagens pós-alinhamento (Semelhança: MI, Transf.: B-splines cúbicas)
47 2014@João Manuel R. S. Tavares
Alinhamento • Alinhamento de imagens 3D: otimização iterativa,
alinhamento 3D
47 Aplicações da Visão Computacional em Biomedicina
Oliveira & Tavares (2014) Computer Methods in Biomechanics and Biomedical Engineering 17(2):73-93
Alinhamento • Alinhamento de imagens de pedobarografia para
identificação (esq. / direito), extração de medidas e índices
Imagens originais, após normalização, contornos e áreas identificadas
Oliveira et al. (2012) Computer Methods in Biomechanics and Biomedical Engineering 15(11):1181-1188
48 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina
Aplicação no estudo de imagens DaTSCAN SPECT
49 2014@João Manuel R. S. Tavares
Alinhamento
49 Aplicações da Visão Computacional em Biomedicina
Imagens DaTSCAN SPECT cerebrais são usadas para auxiliar o diagnostico da doença de Parkinson e para a distinguir de outras doenças degenerativas. A solução desenvolvida é capaz de:
– Segmentar as áreas relevantes e realizar análises dimensionais – Quantificar os potenciais de ligação da ganglia basal – Computação automática de dados estatísticos relativamente a uma
população de referência
Normal Alzheimer Parkinsonismo idiopático
Tremor essencial
50 2014@João Manuel R. S. Tavares
Alinhamento
50 Aplicações da Visão Computacional em Biomedicina
Slice médio de uma população usado como referência
Slice correspondente de um paciente
Diferença de intensidades
Mapeamento dos Z-scores no slice (a vermelho valores mais elevados)
(Os retângulos azuis representam as ROIs 3D usadas para calculo dos potenciais de ligação)
Oliveira et al. (2014) The Quarterly Journal of Nuclear Medicine and Molecular Imaging 58(1):74-84
Aplicação no estudo de imagens DaTSCAN SPECT
51 2014@João Manuel R. S. Tavares
Alinhamento
51 Aplicações da Visão Computacional em Biomedicina
Oliveira et al. (2014) The Quarterly Journal of Nuclear Medicine and Molecular Imaging 58(1):74-84
Aplicação no estudo de imagens DaTSCAN SPECT
Ganglia basal “média” de uma
população normal
Ganglia basal de um paciente com parkinsonismo
idiopático
Ganglia basal de um paciente com parkinsonismo
vascular
Reconstrução 3D da ganglia basal e quantificação
52 2014@João Manuel R. S. Tavares
Alinhamento
52 Aplicações da Visão Computacional em Biomedicina
Oliveira & Tavares (2014) Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine (submitted)
Aplicação na segmentação e reconstrução 3D dos ossículos do ouvido médio em imagens de TC
Estrutura reconstruida a partir das segmentações obtidas
Slices com a estrutura a segmentar e a reconstruir
Alinhamento • Alinhamento de sequências de imagem 2D: alinhamento
espacial e temporal
Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(7):843-850 Oliveira & Tavares (2013) Medical & Biological Engineering & Computing 51(3):267-276
53 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina
Alinhamento • Alinhamento de sequências de imagem 2D de
pedobarografia dinâmica: alinhamento espacial e temporal
54
Sequências originais antes do alinhamento
Sequências pré-processadas
Sequências de imagem originais
Sequências após alinhamento
camada de contacto + vidro
câmara espelho
54 2014@João Manuel R. S. Tavares
Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(7):843-850
Aplicações da Visão Computacional em Biomedicina
Simulação • É uma tarefa muito usada em Computação Gráfica
(morphing) mas também muito útil em Visão Computacional, por exemplo, para estimar a deformação existente entre duas estruturas distintas ou entre dois instantes de uma mesma estrutura, estimar as transições entre duas formas adquiridas com espaçamento temporal elevado, etc.
• Geralmente é conseguida através da consideração de transformações geométricas
• No entanto, quando se deve considerar o comportamento físico das estruturas envolvidas, devem ser usadas metodologias físicas (por exemplo, usando FEM) – Dificuldades comuns são relativas à estimativas das forças envolvidas
e das propriedades adoptadas para os materiais – Fase de emparelhamento dos objetos torna-se crucial
2014@João Manuel R. S. Tavares 55 Aplicações da Visão Computacional em Biomedicina
Simulação
Aplicações da Visão Computacional em Biomedicina 56
• Simulação (morphing) física de contornos em imagens: FEM, análise modal, otimização, eq. de Lagrange
2014@João Manuel R. S. Tavares
• Simulação de contornos em imagens: FEM, análise modal, otimização, equação de Lagrange
Emparelhamento obtido
Deformações simuladas
Simulação
Aplicações da Visão Computacional em Biomedicina 57
Tavares & Pinho (2005) Journal of Computer Science 4(1):9-18 Gonçalves et al. (2008) Computer Modeling in Engineering & Sciences 32(1):45-55
Imagens originais
2014@João Manuel R. S. Tavares
Visão Computacional em Biomedicina: Visão 3D
Visão 3D • Pretende-se obter a forma 3D de estruturas ou a
informação 3D de cenas a partir de imagens 2D • Nesta área, destacam-se: 1) formas exteriores: técnicas
ativas (com projecção de energia ou movimento relativo), passivas (sem projecção de energia ou movimento relativo) e de escavação espacial; 2) formas interiores: segmentação 2D (i.e. contornos) e interpolação (marching cubes) e segmentação 3D
• Usualmente, envolve tarefas de calibração, segmentação, alinhamento, triangulação e interpolação
• Problemas envolvidos: distorção geométrica, iluminação variável, oclusão, ruído, formas complexas, etc.
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 59
Visão 3D • Reconstrução 3D de estruturas a partir de slices:
segmentação 2D, marching cubes
Perdigão et al. (2005) CMNI 2005 Pimenta et al. (2006) CompIMAGE 2006, 343-348 Alexandre et al. (2007) VipIMAGE 2007, 359-362
2014@João Manuel R. S. Tavares 60 Aplicações da Visão Computacional em Biomedicina
Visão 3D • Reconstrução 3D de órgãos da cavidade pélvica
feminina partir de imagens axial e sagital de ressonância magnética: segmentação 2D, marching cubes, fusão
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 61
Ma et al. (2013) Medical Engineering & Physics 35(12):1819-1824
Slices axial e sagital da cavidade pélvica (1 - bexiga, 2 - vagina)
Bexiga reconstruida usando informação axial e sagital (2 vistas)
Visão 3D • Reconstrução 3D de órgãos a partir de imagens de
diferentes modalidades: alinhamento, marching cubes, fusão
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 62
Oliveira & Tavares (2014) Computer Methods in Biomechanics and Biomedical Engineering 17(2):73-93
slices coronal, sagital e axial, e segmentação obtida Visualização 3D após fusão
TAC/SPECT
Visão 3D • Reconstrução 3D de estruturas a partir de sequências de
imagem: escavação espacial
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 63
Azevedo et al. (2008) Advances in Computational Vision and Medical Image Processing: Methods and Applications, 117-136
Visão 3D
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 64
Azevedo et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(3):359-369
• Reconstrução 3D de estruturas a partir de sequências de imagem: escavação espacial
Imagens originais Modelo computacional 3D obtido voxalizado e poligonizado
• Reconstrução 3D da coluna a partir de duas radiografias 2D e usando um modelo deformável (atlas)
Visão 3D
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 65
Moura et al. (2010) Computer Modeling in Engineering & Sciences 60(2):115-138 Moura et al. (2011) Medical Engineering & Physics 33(8):924-933
Interface desenvolvida Modelo ajustado (duas vistas) e reconstrução obtida
Aplicações da Visão Computacional em Biomedicina:
Sumário
Sumário
• A área da Visão Computacional é complexa e exigente, mas de elevado interesse em muitos domínios, em particular em Medicina e em Engenharia
• Vários desafios existem, como, por exemplo, condições de aquisição difíceis, oclusão, formas e topologias complexas, movimentos complicados
• Trabalho considerável já foi desenvolvido, mas existem ainda muitos desafios importantes e difíceis a resolver
• Métodos e metodologias de outras áreas do conhecimento, como da Matemática, Mecânica Computacional, Medicina e Biologia, podem contribuir para a resolução de tais desafios
• Para tal, Colaborações são Necessárias e Bem-vindas 67 Aplicações da Visão Computacional em Biomedicina 2014@João Manuel R. S. Tavares
Publicações & Eventos
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 69
Taylor & Francis journal “Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization”
www.tandfonline.com/tciv
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 70
Lecture Notes in Computational Vision and Biomechanics (LNCV&B) Series Editors: João Manuel R. S. Tavares, Renato Natal Jorge ISSN: 2212-9391, Publisher: SPRINGER
www.springer.com/series/8910
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 71
Eventos:
Webpage (www.fe.up.pt/~tavares)
2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 72
Agradecimentos
• Os trabalhos apresentados têm vindo a ser realizados parcialmente com o apoio da Fundação para a Ciência e a Tecnologia (FCT) em Portugal, nomeadamente, através dos projetos: – PTDC/BBB-BMD/3088/2012 – PTDC/SAU-BEB/102547/2008 – PTDC/SAU-BEB/104992/2008 – PTDC/EEA-CRO/103320/2008 – UTAustin/CA/0047/2008 – UTAustin/MAT/0009/2008 – PDTC/EME-PME/81229/2006 – PDTC/SAU-BEB/71459/2006 – POSC/EEA-SRI/55386/2004
73 Aplicações da Visão Computacional em Biomedicina 2014@João Manuel R. S. Tavares
Aplicações da Visão Computacional em Biomedicina
João Manuel R. S. Tavares
[email protected] www.fe.up.pt/~tavares