Upload
vuongtruc
View
217
Download
2
Embed Size (px)
Citation preview
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: [email protected]
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
0.3
0.5
0.8
Kin
etic
Ene
rgy JG
LSCMWPMLAS
0.01 2 3 4 5 6 7 8 9 10 11 12
Cardiac Cycle
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 3
Motivação: Análise
• Visualização 3D, 3D dinâmica (4D)• Visualização em direções oblíquasç ç q• Aspectos funcionais
– movimento, contração, ç– fisiologia, metabolismo
• Classificaçãoç
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 4
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
L R
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 5
Processamento Digital de Imagens
FormaçãoIdentificação
deestruturas
Quantificaçãoe
visualizaçãoInterpretação
•Aquisição•Tomografia
•Pré-processamento•Segmentação
•Classificação•Intel. Artificial
•Cálculos.•Parâmetros
ç
•Tomografia g ç•Reconhecimento •Redes neurais
•InformaçãoNormalized Kinetic Energy
•Comp.gráfica
Processamento Digital de Imagensgy
7 normal subjects
0.3
0.5
0.8
1.0
Kin
etic
Ene
rgy
HDJGLSCMWPMLAS
0.01 2 3 4 5 6 7 8 9 10 11 12
Cardiac Cycle
AS
c
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 6
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 ...
itude
0 q
-q
Ampl
i
-2q ...
q
Erros de
ti ã 0 T 2T 3T Erros de
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 7
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)
y
x
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 8
Imagem digital monocromática
250
j=266i=2
100
150
200
0 100 200 300 400 5000
50
100
0 100 200 300 400 500
250
i = 2
142...161161 100
150
200
............142...161161
0 50 100 150 200 250 300 3500
50
j 266
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 9
95...163163 j = 266
Processo de DiscretizaçãoProcesso de Discretização
4x
16x
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
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
220 150 160 150
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
640h x 480v em 256 cores
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
320h x 240v em 256 cores
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
160h x 120v em 256 cores
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
80h x 60v em 256 cores
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
40h x 30v em 256 cores
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
640h x 480v em 256 tons de cinza
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
640h x 480v em 8 tons de cinza
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
640h x 480v - imagem binária
Modalidades de Imagens Médicas
RX
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
Cine-angio-coronariografia
MS
P-H
CFU
MIn
Cor
-
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
DSA Angiografia Digital SubtrativaDSA - Angiografia Digital Subtrativa
- =
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
Ultrassom: H O ZEcoOnda mecânica Pulso
H2O Z
Onda mecânica Pulso
Envia/Escuta tEnvia/Escuta t
AA
t
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
t
Modalidades de Imagens Médicas
• Ultrassom
Modo B
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
UltUltrassom
M d BModo B
Virtual BodyB&N S ft
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
B&N Software
Modalidades de Imagens Médicas
• Ultrassom Modo M
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
t
Modalidades de Imagens Médicas
• Ultrassom Modo Doppler: Efeito Dopplerpp pp
F0 F1
F0 > F1
F VF~V
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
• Ultrassom Modo Color-Flow MapUltrassom Modo Color Flow Map
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
Ultrassom Modo Color-Flow MapUltrassom Modo Color-Flow Map
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
Ressonância Magnéticag
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
Ressonância MagnéticaRessonância Magnética
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens MédicasModalidades de Imagens MédicasggRessonância Magnética
Fr
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
• Ressonância Magnética
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens Médicas
Reconstrução Tomográfica: Modalidade SPECTModalidade SPECT
Gama-câmara
Miocárdio marcado commaterial radioativo (Tc)
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Modalidades de Imagens MédicasR t ã T áfiReconstrução Tomográfica:
Modalidade de Emissão de Raio-X
RX
RX R
X
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens
Conceitos básicos
• Imagem digital => matriz n-dimensionalx
y• 2D => pixel (picture element)
– raio X - CR (4096 x 4096 x 2B)
y
– 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]
zy
– 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
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 37
32x32 / 256 níveis
Histograma Histograma
nl nível de cinza l ocorre nl vezes em imagem com n pixels
nlP l)(
Imagem 7 6
g pn
lP )(
3 3 5 4
0 0 1
33300 3 2 1
3 3 3 0 0
3 3 1 1 1
l
1 0
3210 l 3210
Imagem 3 x 5 (L = 4) e seu histograma
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 38
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
l20
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 39
l 255 0 l 255 0 l 255 0
Histograma
8000
10000
2000
4000
6000
0 50 100 150 200 250
0
1500
500
1000
0 50 100 150 200 250
0
500
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 40
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
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 41
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
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 42
Ruído Gaussiano
Ti d íd i f ü t i• Tipo de ruído mais freqüente em imagens
histograma
mf
fh
i
paraexp 2
2
2)(
1 histograma
do ruído ii fh para,
2p
if : valor do i-ésimo pixel da imagem 255m
: média e desvio padrão do ruído,m
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 43
Ruído Gaussiano
Originalg
histograma1 do ruído
50
255m
75
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 44
Ruído “Sal e Pimenta”
Mal funcionamento dos detectores
histograma1
histogramado ruído
255s p
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 45
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
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 46
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
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 47
Alargamento do contraste
0
v
buaau
vauu
v
0)(
vb
Lubbua
vbuvauv
b
a
)()(
vb
a b L
va
u
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 48
Limiar
v
L ua L uv
a L u
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 49
Equalização de Histograma
r
lln
RCLroundrTs
0
1)( lRC 0
1000
1500
0
500
0 50 100 150 200 250
0
1500
500
1000
1500
0 50 100 150 200 250
0
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 50
Equalização de Histograma
• 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
1000
800
6003 6564 329 5 245
600
400
2006 122 7 81 l
2000
76543 2 10
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 51
Equalização de Histograma
• 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
1)(0
nRCLroundrTs
r
ll
409664640
RCRC l
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 52
8L
Equalização de Histograma
• Exemplo: imagem 64 x 64, L = 8
l nl nkl nl
0 0 1 790
k
1200
2 0 3 1023
1000
800
6004 05 850 6 985
600
400
2006 9857 448 k
200 0
7 6 5 4 3 2 1 0
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 53
Equalização do histograma
I i i l I ó li ã
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 54
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,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 55
Máscara de convolução
1 1
lmknflkhmng
1 1
,,,k l
lmknflkhmng
8 9 38 2 28 4 89 2 2
4 8 8 0 3 0W
-1,1
xW0,1
W1,1
W W W4 8 8 0 3 09 8 12 8 9 11 8 5 9 7 6
W-1,0
W0,0
W1,0
W-1,-1
W0,-1
W1,-11 8 5 9 7 6
2 5 1514 8 8
f
lkh ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 56
mnf , mng ,
Filtro Média Espacial (passa-baixa)
1 1
,,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
1 1 1
lkh ,2 5 1514 8 8
mnf ,
,
mng ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 57
f g
Filtro Média Ponderada (passa-baixa
1 1
,,, lmknflkhmng 1 1
,,,k l
fg
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
1 2 1
lkh ,2 5 1514 8 8
mnf ,
mng ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 58
Filtro Média Ponderada (passa-baixa)
1 2 12 3 2
1 1
lmknflkhmng 2 3 21 2 1
1 1
,,,k l
lmknflkhmng
lkh ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 59
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
38
4 1 8 4 3 09 3 1 2 3 1
01
2 4 22 4 8 4
12
18 4 89 2 2
4 8 8 0 3 09 8 12 3 9 1
8012
1 4 5 3 1 22 5 7 1 2 0
68
1 2 4 21 2 1
111
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
lkh ,
mnf , mng ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 60
Filtro Gaussiano
3x33x3
5x5
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 61
Sharpening (passa-alta)
1 1
,,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
f
lkh ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 62
mnf ,
Filtro Derivada Horizontal (passa-alta)
1 1
,,,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 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 0
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 ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 63
mnf , mng ,
Filtro Derivada Vertical (passa-alta)
1 1
,,,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 ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 64
mnf , mng ,
Filtro Gradiente (passa-alta)x
-1 -1 -10 0 0
-1 0 11 0 1
x
y
0 0 0 0 0 0 0
Prewitt0 0 01 1 1
-1 0 1-1 0 1
xy
0 00 0 6 8 8 60 0 0 0 0 0 00 0 0 0 0 0 0
3
22 ff
x
y
y0 0 0 0 0 0 0
88 8 0 0 8008 8 0 0 800
0 0 6 8 88 8
yf
xffy
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
8
1 2 10 0 01 2 1
1 0 1-2 0 2-1 0 1
Sobely0 16 16 16 1600
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 65
1 2 1-1 0 1
Filtro Gradiente (Máscara de Sobel)22 yxyxGauss
2exp, 2
22
yxfyxGaussyxg ,,,
22 GGG
yx
G
A B C
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 66
Filtro Laplaciano (segunda derivada)
1 1
,,, lmknflkhmng 1 1
,,,k l
fg
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 ,
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 67
mnf , mng ,
Laplaciano da Gaussiana (LoG)
original g[x,y] g[x,y] + original
0 -1 0-1 4 -1
yxyxGauss2
exp, 2
22
lkh
1 4 10 -1 0 yxfyxGaussyxg ,,,
22
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 68
lkh , yfyyg
Domínio do Espaço e Tempo: Gradiente
tfvf
i) (OFC)
ii) v v vx y z2 2 2
0 (suavização)
dxdyyv
xvfvf t
2222
iii) (regularização)
A
t
B
A
x OFC + suavização =
y
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 69
Derivadas espaciais e temporais em 2D e 3D
2D 3D
222tyyxxx
xx
EvEvEEvv
2222
zyx
tzzyyxxxxx EEE
EvEvEvEEvv
222
222
tyyxxyyy
yxxx
EvEvEEvv
EEvv
2222
zyx
tzzyyxxyyy
y
EEEEvEvEvEE
vv
222yx
yy EE
2222
zyx
tzzyyxxzzz EEE
EvEvEvEEvv
• Imagem 2D 64x64, 8.192 incógnitas;• Imagem 3D 64x64x64, 786.432 incógnitas;• ART, Gradiente Conjugado, etc;
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 70
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;
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 71
Quantificação em Gated-SPECT (99mTc-MIBI)
ECG1234
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 72
Quantificação em Gated-SPECT (99mTc-MIBI)
a) b)
c))
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
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 73
imagem em a); c) estruturas das fibras em um ventrículodessecado
Quantificação em Gated-SPECT (99mTc-MIBI)
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 74
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
2 2 2
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 75
2
Energia Cinética Normalizada e Volume do VE
Energia Cinética Normalizada Energia Cinética e Volume do VE
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 76
Mapa Polar de Energia Cinética
Campo de Vetores deVelocidade
Seção transversal2D
Mapa Polar3D 2D
Energia Cinética do VE
2D 3D->2D
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 77
Processamento Digital de Imagens
FormaçãoIdentificação
deestruturas
Quantificaçãoe
visualizaçãoInterpretação
•Aquisição•Tomografia
•Pré-processamento•Segmentação
•Classificação•Intel. Artificial
•Cálculos.•Parâmetros
ç
•Tomografia g ç•Reconhecimento •Redes neurais
•InformaçãoNormalized Kinetic Energy
•Comp.gráfica
Processamento Digital de Imagensgy
7 normal subjects
0.3
0.5
0.8
1.0
Kin
etic
Ene
rgy
HDJGLSCMWPMLAS
0.01 2 3 4 5 6 7 8 9 10 11 12
Cardiac Cycle
AS
c
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 78
Saiba o que procurar em uma imagem
yxfyxGaussyxg ,,, 6000
8000
10000
Serviço de Informática – InCor HC FMUSP - Aula Processamento de Imagens 79
yfyyg ,,,
0 50 100 150 200 250
0
2000
4000