processamento de imagens médicas prof. dr. paulo mazzoncini de azevedo marques...

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.


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)


MEDIDAS DE DESEMPENHOMEDIDAS DE DESEMPENHO

Curvas ROC (receiver operating characteristic curves)



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


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

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)


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)


Realce de microcalcificações através da aplicação de Transformada Wavelet

CADCAD






padrões)padrões)


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






padrões)padrões)


QUANTIFICAÇÃO DE ATRIBUTOS

Representação funcional unidimensional de uma fronteira

Digital Image Processing. Gonzalez RC, Woods RE. Addison-Wesley Publishing Company, New York, USA, 1992.


Giger ML, MacMahon H. Radiologic Clinics Of North America, V.34, No 3, p.565-96, 1996.

CADCAD






padrões)padrões)


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.

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

processamento de imagens médicas prof. dr. paulo mazzoncini de azevedo marques...

Documents