processamento de imagens médicas prof. dr. paulo mazzoncini de azevedo marques...
TRANSCRIPT
Processamento de Imagens Processamento de Imagens MédicasMédicas
Prof. Dr. Paulo Mazzoncini de Azevedo MarquesProf. Dr. Paulo Mazzoncini de Azevedo Marques (([email protected]@fmrp.usp.br))
MSc. Lucas Ferrari de OliveiraMSc. Lucas Ferrari de Oliveira (([email protected]@cci.fmrp.usp.br))
Centro de Ciências das Imagens e Física Médica – Centro de Ciências das Imagens e Física Médica – CCIFMCCIFM
((http://cci.fmrp.usp.brhttp://cci.fmrp.usp.br) )
Faculdade de Medicina de Ribeirão Preto – Faculdade de Medicina de Ribeirão Preto – FMRP/USPFMRP/USP
((http://www.fmrp.usp.brhttp://www.fmrp.usp.br))
DIAGNÓSTICODIAGNÓSTICO
Teoria da Detecção de Sinal - Matriz de Decisão
ComprovadamenteAnormal
ComprovadamenteNormal
Diagnosticadocomo Anormal
Verdadeiro Positivo(TP)
Falso Positivo(FP)
Diagnosticadocomo Normal
Falso Negativo(FN)
Verdadeiro Negativo(TN)
The Essential Physics Of Medical Imaging. Bushberg JT, Seibert JA, Leidholdt Jr. EM, Boone JM. Lippincott Williams Wilkins, Philadelphia, USA, 2002.
DIAGNÓSTICODIAGNÓSTICO
MEDIDAS DE DESEMPENHOMEDIDAS DE DESEMPENHO
Teoria da Detecção de Sinal - Matriz de Decisão
ComprovadamenteAnormal
ComprovadamenteNormal
Diagnosticadocomo Anormal
Verdadeiro Positivo(TP)
Falso Positivo(FP)
Diagnosticadocomo Normal
Falso Negativo(FN)
Verdadeiro Negativo(TN)
Sensibilidade = TP/(TP+FN) = TPF Sensibilidade = TP/(TP+FN) = TPF
Especificidade = TN/(TN+FP) = (1-FPF)Especificidade = TN/(TN+FP) = (1-FPF)Fração de verdadeiro-positivo Fração de verdadeiro-positivo
(TPF)(TPF)
TPF = TP/(TP+FN)TPF = TP/(TP+FN)
Fração de falso-positivo (FPF)Fração de falso-positivo (FPF)
FPF = FP/(FP+TN)FPF = FP/(FP+TN)
Acuracia = (TP+TN)/(TP+TN+FP+FN)Acuracia = (TP+TN)/(TP+TN+FP+FN)
Valor Preditivo Positivo = TP/(TP+FP)Valor Preditivo Positivo = TP/(TP+FP)
Valor Preditivo Negativo = TN/(TN+FN)Valor Preditivo Negativo = TN/(TN+FN)
DIAGNÓSTICODIAGNÓSTICO
MEDIDAS DE DESEMPENHOMEDIDAS DE DESEMPENHO
Curvas ROC (receiver operating characteristic curves)
The Essential Physics Of Medical Imaging. Bushberg JT, Seibert JA, Leidholdt Jr. EM, Boone JM. Lippincott Williams Wilkins, Philadelphia, USA, 2002.
Processamento de Imagens Processamento de Imagens MédicasMédicas
INSPEÇÃO VISUALINSPEÇÃO VISUAL DIAGNÓSTICO AUXILIADO POR DIAGNÓSTICO AUXILIADO POR
COMPUTADOR COMPUTADOR (CAD – Computer-aided (CAD – Computer-aided diagnosis) diagnosis)
RECUPERAÇÃO DE IMAGEM RECUPERAÇÃO DE IMAGEM BASEADA EM CONTEÚDO BASEADA EM CONTEÚDO (CBIR – (CBIR – Content-based image retrieval)Content-based image retrieval)
PROCESSAMENTO DE IMAGENSPROCESSAMENTO DE IMAGENS
Modelo para Imagens DigitaisModelo para Imagens Digitais
Imagem = f(x,y)Imagem = f(x,y)
Para cada elemento (x,y) na imagem(pixel) temos um valor f(x,y) correspondente à intensidade luminosa naquele ponto.
f(x,y) =
(0,0) (0,1) (0,2) (0,3)
(1,0) (1,1) (1,2) (1,3)
(2,0) (2,1) (2,2) (2,3)=
121 133 57
45 212 134
0 86 214
AQUISIÇÃO DA IMAGEMResolução Espacial Resolução de
Contraste
The Essential Physics Of Medical Imaging. Bushberg JT, Seibert JA, Leidholdt Jr. EM, Boone JM. Lippincott Williams Wilkins, Philadelphia, USA, 2002.
INSPEÇÃO VISUALINSPEÇÃO VISUAL
Visão Computacional e Visualização Visão Computacional e Visualização CientíficaCientífica
co-registro e fusão de imagens, realce, segmentação, quantificação visualização 3D de estruturas
- Exemplo: Neurologia
INSPEÇÃO VISUAL NeuroCAD
Exemplo de Co-registro e Fusão de Imagens
INSPEÇÃO VISUAL NeuroCAD
Exemplo de Volumetria e Visualização 3D
INSPEÇÃO VISUAL NeuroCAD
Exemplo de Volumetria e Visualização 3D
Processamento de Imagens Processamento de Imagens MédicasMédicas
INSPEÇÃO VISUALINSPEÇÃO VISUAL DIAGNÓSTICO AUXILIADO POR DIAGNÓSTICO AUXILIADO POR
COMPUTADOR COMPUTADOR (CAD – Computer-aided (CAD – Computer-aided diagnosis) diagnosis)
RECUPERAÇÃO DE IMAGEM RECUPERAÇÃO DE IMAGEM BASEADA EM CONTEÚDO BASEADA EM CONTEÚDO (CBIR – (CBIR – Content-based image retrieval)Content-based image retrieval)
DIAGNÓSTICO AUXILIADO POR DIAGNÓSTICO AUXILIADO POR COMPUTADORCOMPUTADOR
(CAD)(CAD)
Diagnóstico feito por especialista Diagnóstico feito por especialista que utiliza a saída de uma análise que utiliza a saída de uma análise computadorizada de imagens computadorizada de imagens como como “segunda opinião”“segunda opinião” no no processo de detecção de lesões e processo de detecção de lesões e tomadas de decisões diagnósticas.tomadas de decisões diagnósticas.
Doi K. Computer-aided diagnosis and its potential impact on diagnostic radiology. In: Doi k, MacMahon H, Giger ML, Hoffmann KR, eds. Computer-aided diagnosis in medical imaging. Amsterdam: Elsevier Science, 1999:11-20.
CADCAD
TIPOS DE AUXÍLIOTIPOS DE AUXÍLIO
Auxílio à DetecçãoAuxílio à Detecção– Localização de regiões suspeitasLocalização de regiões suspeitas
CAD – Computer Assisted DetectionCAD – Computer Assisted Detection– aprovado pela FDA-USAaprovado pela FDA-USA
Auxílio ao DiagnósticoAuxílio ao Diagnóstico– Classificação dos achadosClassificação dos achados
extração de informações pelo computadorextração de informações pelo computador extração de informações pelo especialistaextração de informações pelo especialista
CADCAD
PRINCIPAIS ÁREAS DE APLICAÇÃOPRINCIPAIS ÁREAS DE APLICAÇÃO
MamografiaMamografia– Detecção de agrupamentos de Detecção de agrupamentos de calcificaçõescalcificações– Detecção de nódulosDetecção de nódulos– Medidas de densidadeMedidas de densidade– Detecção de assimetriasDetecção de assimetrias– Caracterização de lesões mamográficasCaracterização de lesões mamográficas
Radiografia de TóraxRadiografia de Tórax– Detecção de nódulos pulmonaresDetecção de nódulos pulmonares– Diagnóstico diferencial de lesões intersticiaisDiagnóstico diferencial de lesões intersticiais– Detecção de anormalidades (pneumotórax, Detecção de anormalidades (pneumotórax,
tamanho do coração, assimterias, outras)tamanho do coração, assimterias, outras)
CADCAD
PRINCIPAIS ÁREAS DE APLICAÇÃOPRINCIPAIS ÁREAS DE APLICAÇÃO
AngiografiaAngiografia– Detecção e avaliação de aneurismasDetecção e avaliação de aneurismas– Detecção e avaliação de estenosesDetecção e avaliação de estenoses– Quantificação de fluxosQuantificação de fluxos
NeurologiaNeurologia– Morfometria de estruturas cerebraisMorfometria de estruturas cerebrais– Fusão de imagens multimodaisFusão de imagens multimodais– Avaliação de assimetriasAvaliação de assimetrias
CADCAD
CONHECIMENTOS ENVOLVIDOSCONHECIMENTOS ENVOLVIDOS
Visão ComputacionalVisão Computacional (extração de (extração de atributos)atributos)
– Pré-processamento (realce)Pré-processamento (realce)– Segmentação (regiões, fronteiras, Segmentação (regiões, fronteiras,
bordas ou linhas)bordas ou linhas)– Quantificação de atributos (métricos, Quantificação de atributos (métricos,
topológicos e de textura)topológicos e de textura) Inteligência ArtificialInteligência Artificial (classificação de (classificação de
padrões)padrões)
– Seleção de atributosSeleção de atributos– ClassificaçãoClassificação
PRÉ-PROCESSAMENTO(realce da imagem)
Métodos no domínio espacial (manipulação dos píxels da imagem)
transformações de intensidade
processamento do histograma
subtração e média de imagens.
filtragens espaciais de fundo (background) de suavização de realce
PRÉ-PROCESSAMENTO(realce da componente horizontal)
Filtro de Prewitt - horizontal
PRÉ-PROCESSAMENTO(realce da componente vertical)
Filtro de Prewitt - vertical
PRÉ-PROCESSAMENTO(soma das componentes)
PRÉ-PROCESSAMENTO(realce da imagem)
Métodos no domínio da freqüência (modificação da Transformada de Fourier da imagem)
filtragem passa-baixa filtragem passa-alta filtragem passa-banda
Métodos no domínio espaço-freqüência (modificação da Transformada "Wavelet" da imagem)
PRÉ-PROCESSAMENTO(realce da imagem)
PRÉ-PROCESSAMENTO(realce da imagem)
Realce de microcalcificações através da aplicação de Transformada Wavelet
CADCAD
CONHECIMENTOS ENVOLVIDOSCONHECIMENTOS ENVOLVIDOS
Visão ComputacionalVisão Computacional (extração de (extração de atributos)atributos)
– Pré-processamento (realce)Pré-processamento (realce)– Segmentação (regiões, fronteiras, Segmentação (regiões, fronteiras,
bordas ou linhas)bordas ou linhas)– Quantificação de atributos (métricos, Quantificação de atributos (métricos,
topológicos e de textura)topológicos e de textura) Inteligência ArtificialInteligência Artificial (classificação de (classificação de
padrões)padrões)
– Seleção de atributosSeleção de atributos– ClassificaçãoClassificação
SEGMENTAÇÃO
SEGMENTAÇÃO
Exemplo de Segmentação de Imagem(a) ROI original com cluster (b) imagem após realce (c) imagem diferença
(d) imagem segmentada (após aplicação de threshold adaptativo)
Exemplo de Segmentação de Imagem(a) ROI original com nódulo (b) imagem segmentada após aplicação
de threshold adaptativo e morfologia matemática
Ferrari RJ et al. Characterization of breast cancer using statistical approaches. In: Doi K, MacMahon H, Giger ML and Hoffmann KR, eds. Computer-Aided Diagnosis in Medical Imaging. Amsterdan: Elsevier Science, 1999:281-6
Kinoshita SK et al. Characterization of breast masses using texture and shape features. In: Doi K, MacMahon H, Giger ML and Hoffmann KR, eds. Computer-Aided Diagnosis in Medical Imaging. Amsterdan: Elsevier Science, 1999:265-70.
CADCAD
CONHECIMENTOS ENVOLVIDOSCONHECIMENTOS ENVOLVIDOS
Visão ComputacionalVisão Computacional (extração de (extração de atributos)atributos)
– Pré-processamento (realce)Pré-processamento (realce)– Segmentação (regiões, fronteiras, Segmentação (regiões, fronteiras,
bordas ou linhas)bordas ou linhas)– Quantificação de atributos (métricos, Quantificação de atributos (métricos,
topológicos e de textura)topológicos e de textura) Inteligência ArtificialInteligência Artificial (classificação de (classificação de
padrões)padrões)
– Seleção de atributosSeleção de atributos– ClassificaçãoClassificação
QUANTIFICAÇÃO DE ATRIBUTOS
Representação funcional unidimensional de uma fronteira
Digital Image Processing. Gonzalez RC, Woods RE. Addison-Wesley Publishing Company, New York, USA, 1992.
QUANTIFICAÇÃO DE ATRIBUTOS
Giger ML, MacMahon H. Radiologic Clinics Of North America, V.34, No 3, p.565-96, 1996.
QUANTIFICAÇÃO DE ATRIBUTOS
CADCAD
CONHECIMENTOS ENVOLVIDOSCONHECIMENTOS ENVOLVIDOS
Visão ComputacionalVisão Computacional (extração de (extração de atributos)atributos)
– Pré-processamento (realce)Pré-processamento (realce)– Segmentação (regiões, fronteiras, Segmentação (regiões, fronteiras,
bordas ou linhas)bordas ou linhas)– Quantificação de atributos (métricos, Quantificação de atributos (métricos,
topológicos e de textura)topológicos e de textura) Inteligência ArtificialInteligência Artificial (classificação de (classificação de
padrões)padrões)
– Seleção de atributosSeleção de atributos– ClassificaçãoClassificação
CLASSIFICAÇÃO DE PADRÕES
Esquema de uma rede neural artificial multi-camadas do tipo “feedforward”
CADCAD
EXEMPLOSEXEMPLOS
CADCAD
EXEMPLOSEXEMPLOS
Castellino RA. Computer-aided detection: An overview. Applied Radiology, Suplement November 2001:4-8.
CADCAD
EXEMPLOSEXEMPLOS
Castellino RA. Computer-aided detection: An overview. Applied Radiology, Suplement November 2001:4-8.
Processamento de Imagens Processamento de Imagens MédicasMédicas
INSPEÇÃO VISUALINSPEÇÃO VISUAL DIAGNÓSTICO AUXILIADO POR DIAGNÓSTICO AUXILIADO POR
COMPUTADOR COMPUTADOR (CAD – Computer-aided (CAD – Computer-aided diagnosis) diagnosis)
RECUPERAÇÃO DE IMAGEM RECUPERAÇÃO DE IMAGEM BASEADA EM CONTEÚDO BASEADA EM CONTEÚDO (CBIR – (CBIR – Content-based image retrieval)Content-based image retrieval)
RECUPERAÇÃO DE IMAGEM RECUPERAÇÃO DE IMAGEM BASEADA EM CONTEÚDO (CBIR)BASEADA EM CONTEÚDO (CBIR)
BD ORACLEBD ORACLE
CTCT
Imagens DICOMImagens DICOM
MÉDICOMÉDICO
??
O Sistema SRIS-HCO Sistema SRIS-HCRosa NA, Traina AJM. Uma abordagem prática e eficiente de consultas por similaridade para suporte ao diagnóstico por imagem. Dissertação de mestrado, ICMC/USP, 2002.
PROJETO cbPACSPROJETO cbPACS
BD ORACLEBD ORACLE
RadiologiaImagens
Características
CTCT
SRIS-HC - SISTEMA DE RECUPERAÇÃO DE IMAGENS SIMILARESSRIS-HC - SISTEMA DE RECUPERAÇÃO DE IMAGENS SIMILARES-- ARMAZENAMENTO ---- ARMAZENAMENTO --
Imagens DICOM com nº exame Imagens DICOM com nº exame
PROCESSAARQUIVO
DICOM
EXTRAÇÃO DE
CARACTERÍS-TICAS
TÉCNICOTÉCNICO
Dados do exame
Dados do exame
Nºexame gerado
Nºexame gerado
Nºexame gerado
Nºexame gerado
Imagens associadas
ao exame
Vetores deCaracterísticas
extraídas
Dados do exame
Dados do exame
ARMAZENAIMAGENS
PROJETO cbPACSPROJETO cbPACS
BD ORACLEBD ORACLE
RadiologiaImagens
Características
Oid Im. Ref.Oid Im. Ref.
OIds
SRIS-HC - SISTEMA DE RECUPERAÇÃO DE IMAGENS SIMILARESSRIS-HC - SISTEMA DE RECUPERAÇÃO DE IMAGENS SIMILARES-- CONSULTA POR SIMILARIDADE ---- CONSULTA POR SIMILARIDADE --
PROCESSAARQUIVO
DICOM
CONVERTE VETOR DE CARACTERÍSTICA EM
OBJETO DE BUSCA DA SLIM-TREE
EXTRAÇÃO DE CARACTERÍSTICAS
PESQUISA NA SLIM-TREE O OBJETO DE
BUSCA
BUSCA NA BASE O VETOR DE CARACTERÍSTICA QUE
CONTÉM O OID DA IMAGEM DE REF.
INFORMADA
BUSCA NA BASE AS IMAGENS ASSOCIADAS
AOS OIDs DOS OBJETOS ENCONTRADOS E
RESPECTIVAS INFORMAÇÕES TEXTUAIS
Objetos com Oids das Imagens e
Distâncias da Im. Ref.
Imagem de Ref. DICOMImagem de
Ref. DICOM
MÉDICOMÉDICO
Imagens similares
e respectivosexames, laudos
médicos,pacientes
Imagens similares
e respectivosexames, laudos
médicos,pacientes