Abstract
Computer-aided diagnosis (CAD) systems are computational tools that
aim to help medical professionals in their diagnostic decisions. These applica-
tions have opened new opportunities for computing professionals and have offe-
red varied researches for academia. This chapter presents the main concepts
of medical image processing, focusing on the construction of CAD systems that
have these images as their main source of data. We cover concepts related to
the formation of medical images and classical techniques of processing these
images. We present examples of computational applications implemented with
a combination of processing techniques to achieve the pre-determined objecti-
ves of CAD systems.
Resumo
Sistemas de auxlio ao diagnstico (computer-aided diagnosis CAD)
so ferramentas computacionais que visam a auxiliar profissionais da Medicina
nas decises a respeito de diagnsticos. Estas aplicaes tm aberto novas
oportunidades para profissionais de Computao e oferecido opes variadas
para pesquisas na academia. Este captulo apresenta os conceitos principais
de processamento de imagens mdicas, focalizando a construo de sistemas
CAD, que tm estas imagens como principal fonte de dados. So abordados
conceitos relacionados formao das imagens mdicas e s tcnicas clssi-
cas de processamento aplicadas a essas imagens. So tambm apresentados
exemplos de aplicaes computacionais implementadas com a combinao de
tcnicas de processamento para atingir objetivos pr-determinados em siste-
mas CAD.
2.1. Introduo
Sistemas de diagnstico auxiliado por computador (ou simplesmente
esquemas CAD, de computer-aided diagnosis) so sistemas computacionais,
muitas vezes acoplados a equipamentos mdicos, com a finalidade de auxiliar
73
L. S. Nunes
74
Introduo ao Processamento de Imagens Mdicas
75
L. S. Nunes
2.2.2. Radiografia
Na Radiografia a imagem se forma em conseqncia, entre outras coi-
sas, da interao dos ftons de Raios-X com a matria. Esses ftons atraves-
sam o objeto, sofrendo atenuaes, causadas pela sua absoro total ou par-
cial. O nvel de absoro depende dos elementos constituintes desse objeto.
Dentro do corpo humano, por exemplo, ossos, msculos e gordura absorvem
os ftons com diferentes nveis de absoro, levando a diferentes atenuaes
e, conseqentemente, diferentes intensidades de radiao que chegam ao an-
teparo no qual a imagem ser formada. Isso resulta em diferentes tons de
cinza. essa diferena que possibilita a formao do contraste, permitindo a
identificao de estruturas anatmicas. A seguir so apresentados alguns pro-
blemas inerentes Radiografia que influenciam na formao da imagem.
Os Raios-X constituem radiao ionizante e o excesso deste tipo de
radiao traz prejuzos ao organismo humano. Por isso, imprescindvel um
controle a fim de que a dose de radiao recebida pelo paciente no seja mais
prejudicial do que o benefcio a que ela se prope. Alguns fatores contribuem
para o aumento da dose absorvida, como o aumento da tenso e o aumento
da corrente para a produo de ftons e, ainda, o prolongamento do tempo de
exposio. Geralmente estas prticas so aplicadas quando desejada uma
imagem com intensidade mais acentuada (Curry III et al.,1990). Com relao
a esta caracterstica, as tcnicas de processamento de imagens podem con-
tribuir no sentido de realar a imagem de acordo com a intensidade desejada,
dispensando os costumeiros aumentos de tempo de exposio, tenso e/ou
corrente de tubo (Ishida et al., 1983).
O efeito Heel outro problema a ser enfrentado pelo processamento
de imagens, conforme destacado por Curry III et al. (1990) e Wilks (1987):
a intensidade da radiao do tubo no uniforme em todas as regies do
campo, sendo dependente do ngulo em que os ftons so emitidos do ponto
focal. Conseqentemente, o nvel de intensidade no filme poder variar para
estruturas que tm o mesmo ndice de absoro. Isso causa uma preocupao
constante com os mtodos a serem empregados nos sistemas de CAD: no
76
Introduo ao Processamento de Imagens Mdicas
possvel fixar valores de cores (em geral, nveis de cinza) que representem
as estruturas de interesse aps a digitalizao. So aplicadas, ento, tcnicas
adaptativas regio.
A radiao espalhada, causada por ftons desviados de suas trajetrias
ideais, um outro ponto que pode constituir um problema no processamento de
imagens. Por apresentar uma caracterstica randmica, no possvel prever o
seu efeito. Por isso, uma das possibilidades que cause rudos e reduo do
contraste na imagem, de acordo com Wilks (1987) e Curry III et al. (1990). Um
dos tipos de espalhamento mais citados na literatura o efeito Compton, onde
parte da energia do fton absorvida pela matria e outra parte permanece no
prprio fton. Ocorrendo o desvio deste fton em uma direo inesperada, seu
efeito pode ser desde rudos e diminuio do contraste da imagem (Jackson et
al.,1993) at aumento da dose no paciente.
O efeito da radiao espalhada pode ser diminudo com a utilizao
de grades (Scaff, 1979), que consistem em peas compostas por uma srie
de faixas de chumbo separadas por espaos. Acopladas ao sistema, o seu
funcionamento ideal deveria permitir a absoro da radiao espalhada sem
absorver a radiao primria e, ento, proporcionar o mximo contraste no fil-
me sem aumentar a exposio do paciente. No processamento de imagens, a
forma de superar o efeito da radiao espalhada estabelecer procedimentos
que removam rudos e aumentem o contraste da imagem, como a limiarizao
e filtros que suprimam os sinais de alta freqncia. No entanto, estes procedi-
mentos devem ser cuidadosos, visto que alguns componentes de alta freqn-
cia podem constituir estruturas de interesse em um diagnstico.
A distoro na imagem radiogrfica pode ser resultante da magnificao
desigual de diferentes partes do mesmo objeto, conforme afirmado por Curry
III et al. (1990). Muitas vezes a magnificao desigual devido ao posiciona-
mento do objeto. A distoro da imagem pode ser diferente para diferentes
partes do feixe de Raios-X. Assim, dois ou mais objetos podem sofrer distor-
es diferentes se estiverem posicionados em locais com distncias diferentes
do filme. A penumbra tambm constitui uma forma de distoro. Consiste em
uma regio de borramento que contorna a imagem real do objeto no filme. Na
mamografia, por exemplo, geralmente a mama est em contato com o local
de registro da imagem, o que, teoricamente, deveria eliminar a possibilidade
de penumbra. No entanto, a estrutura de interesse, estando espalhada pela
mama, nem sempre est em contato com o filme, causando, dessa forma, uma
penumbra (Schiabel et al., 1994). Distores causam complicaes em um
sistema para deteco de estruturas pequenas e cujo formato importante.
Muitas vezes, formato e tamanho so caractersticas empregadas para o reco-
nhecimento e classificao de estruturas de interesse.
A sobreposio de objetos outro aspecto que exerce grande influncia
no reconhecimento de padres, considerando que a imagem radiogrfica
a representao bidimensional de um objeto tridimensional. Dependendo do
posicionamento das estruturas internas do rgo cuja imagem est sendo ad-
77
L. S. Nunes
78
Introduo ao Processamento de Imagens Mdicas
2.2.3. Ultra-sonografia
Bronson (2002) e Bega et al. (2001) definem a Ultra-sonografia como
uma modalidade de exame baseada na reflexo de som. A imagem se forma
quando uma onda sonora refletida ao chocar-se com a regio anatmica em
anlise. Para formar as imagens da estrutura do corpo humano, esta modali-
dade utiliza uma faixa de ondas sonoras com uma freqncia maior do que a
audvel para o ser humano. Em aplicaes de diagnsticos mdicos so utiliza-
das freqncias de 1 a 10 MHz.
um dos mtodos, dentre os exames de diagnstico por imagem, mais
utilizado no rastreamento de doenas, especialmente por no ser invasivo, ter
boa sensibilidade e baixo custo, permitindo o exame de rgos abdominais,
plvicos e estruturas superficiais como mama, tireide, globo ocular e sistema
msculo-esqueltico. Por outro lado, pode-se citar como desvantagens o fato
de que a qualidade da imagem depende da habilidade do operador, a baixa
resoluo espacial e a presena constante de rudos na imagem.
O equipamento de ultra-sonografia porttil e o modelo padro for-
mado por monitor, aparelho de impresso, teclado e um emissor/receptor. As
imagens so geradas em nveis de cinza e em tempo real, sendo seu tamanho
definido por uma matriz que contm geralmente 512x512 pixels. As imagens
geradas so armazenadas em memria digital, videocassete, ou diretamente
no filme atravs de uma cmera multiformato. importante destacar que ru-
dos de outros equipamentos podem ser captados pelo aparelho de ultra-som
gerando faixas lineares ou pontos na imagem, criando certas deformaes e
irregularidades capazes de dificultar a anlise do exame.
79
L. S. Nunes
80
Introduo ao Processamento de Imagens Mdicas
81
L. S. Nunes
82
Introduo ao Processamento de Imagens Mdicas
a) Vizinhana
Gonzalez & Woods (2002) e Russ (1992) definem a vizinhana de um
pixel da forma a seguir. Seja p, um pixel nas coordenadas (x,y):
i. A vizinhana de 4 do pixel p ou N4(p) composta por seus
vizinhos de coordenadas (x+1,y), (x-1,y), (x,y+1), (x,y-1).
ii. A vizinhana diagonal do pixel p ou ND(p) composta por
seus vizinhos de coordenadas: (x+1,y+1), (x+1,y-1), (x-1,y+1),
(x-1,y-1).
iii. A vizinhana de 8 ou N8(p) composta pelo conjunto de
todos os pixels vizinhos, ou seja, N4(p) ND(p).
Na Figura 2.1 so apresentados exemplos dos conceitos de vizinhan-
a citados.
83
L. S. Nunes
b) Adjacncia
A adjacncia caracterstica de um par de pixels vizinhos que compar-
tilham uma borda ou um vrtice, sendo que:
um par de pixels compartilha uma borda dito adjacente por
borda ou 4-adjacente;
um par de pixels de uma imagem que compartilha um vrtice
dito adjacente por vrtice ou 8-adjacente.
Na Figura 2.1(a), por exemplo, observa-se que os pixels de cor cinza
so 4adjacentes e tambm 8-adjacentes do pixel de cor preta, pois compar-
tilham uma borda e um vrtice com este pixel. Na mesma figura, os pixels
brancos so somente 8adjacentes do pixel preto, pois compartilham somente
um vrtice com o mesmo.
c) Conectividade
A conectividade um importante conceito usado para estabelecer bor-
das de objetos e componentes de regies em uma imagem. Dois pixels so
conectados se:
a) so adjacentes e;
b) obedecem a um critrio de similaridade dentro de uma esca-
la de cor, isto , seus valores esto dentro de um conjunto
pr-estabelecido de valores de cinza.
Seja V={G1, G2, ..., Gk} o conjunto de k valores de nveis de cinza usa-
do para definir a conectividade. So definidos trs tipos de conectividade:
Conectividade-4: dois pixels p e q com valores em V e
qN4(p);
Conectividade-8: dois pixels p e q com valores em V e
qN8(p);
Conectividade-m: dois pixels p e q com valores em V e:
i) qN4(p) ou
ii) qND(p) e N4(p) N4(q) = .
84
Introduo ao Processamento de Imagens Mdicas
Distncia Euclidiana:
Distncia Chessboard:
85
L. S. Nunes
b) Quantizao do Histograma
A quantizao ou agrupamento do histograma a reduo da quanti-
dade de nveis de cinza diferentes na imagem. til para remover gradaes
indesejveis na imagem, promovendo um efeito de aumento de contraste.
86
Introduo ao Processamento de Imagens Mdicas
87
L. S. Nunes
88
Introduo ao Processamento de Imagens Mdicas
c) Splitting
A tcnica de Splitting visa a aumentar o contraste de uma imagem com
base no seu histograma. Como mostrado na Figura 2.7, esta operao divide
os pixels em dois grupos distintos de nveis de cinza. Desta forma, os pixels
com valores menores da imagem (cores escuras) so diminudos ainda mais e
aqueles com valores altos (pixels claros) tornam-se ainda mais claros.
Uma forma simples de implementar este algoritmo somar ou sub-
trair uma constante em cada pixel da imagem, considerando-se um limiar que
define os pontos de soma ou subtrao, conforme sugerido no algoritmo
apresentado na Figura 2.8.
89
L. S. Nunes
d) Equalizao
Tambm conhecida como Linearizao de Histograma, esta tcnica
tem a finalidade de obter um histograma uniforme, atravs do espalhamento
da distribuio dos nveis de cinza. Aparentemente comum, esta operao
muito poderosa, conseguindo, muitas vezes, recuperar imagens consideradas
perdidas.
H vrios mtodos empregados para a realizao da equalizao, sen-
do que muitos deles so baseados em distribuies estatsticas. Um exemplo
de um histograma equalizado pode ser observado na Figura 2.9. Na seo
2.3.2.3, que abordar com mais propriedade a questo especfica de realce de
contraste, ser apresentada uma forma de efetuar a equalizao com detalhes
de implementao.
90
Introduo ao Processamento de Imagens Mdicas
e) Utilizao de templates
A manipulao de imagens digitais pode ser efetuada no domnio da
freqncia ou no domnio espacial.
O domnio espacial refere-se ao conjunto de pixels que compem a
imagem. As tcnicas de processamento de imagem que trabalham neste do-
mnio so aplicadas diretamente nos pixels da imagem.
As tcnicas que trabalham no domnio da freqncia tm como princ-
pio bsico o teorema da convoluo, efetuando-se alteraes na transformada
de Fourier da imagem.
Em geral, o domnio da freqncia exige uma maior complexidade ma-
temtica, mas o processamento mais rpido. O domnio espacial no exige
grande complexidade matemtica, mas o processamento mais lento, uma vez
que muitas vezes vrias operaes so requeridas para obter-se o novo valor
de um pixel. A abordagem deste captulo relacionada ao domnio espacial,
no qual os pixels so considerados como uma matriz de atributos numricos,
conforme definido no incio da Seo 2.3.1. Tcnicas no domnio da freqncia
so abordadas com Gonzalez and Woods (2002) e Russ (1992).
Para a manipulao no domnio espacial, muitas vezes so utilizados
templates. Gonzalez and Woods (2002) definem um template como uma ms-
cara utilizada para a realizao de operaes na vizinhana de um pixel. Na
prtica, uma matriz cujo elemento central posicionado no pixel de interesse.
Os elementos da vizinhana, incluindo o pixel em questo, so multiplicados
pelos valores indicados nas posies correspondentes da matriz. A soma dos
resultados obtidos substitui o valor do pixel de interesse na imagem resultante.
Genericamente, uma mscara de tamanho 3x 3 pode ser representada da
forma indicada na Figura 2.10.
w1 w2 w3
w4 w5 w6
w7 w8 w9
91
L. S. Nunes
f) Mdia da Vizinhana
A mdia da vizinhana uma tcnica que consiste em gerar uma ima-
gem na qual o nvel de cinza de cada pixel obtido atravs da mdia dos va-
lores de cinza dos pixels de uma vizinhana pr-definida. uma tcnica muito
empregada para eliminao de rudos na imagem, apresentando, porm, bor-
ramento na imagem final obtida e conseqente perda na definio de bordas.
Considerando a imagem f(x,y) com NXM pixels, podemos definir a imagem
gerada g(x,y) conforme a equao 2.
, para x=0,1,...,N-1; y=0,1,...,M-1 (2)
onde:
S o conjunto de coordenadas de pontos na vizinhana do
ponto (x,y), incluindo o prprio (x,y);
V o nmero total de pontos na vizinhana escolhida.
A mostra dois exemplos de template, de tamanho 3x3 e 5x5, respectiva-
mente, utilizados para suavizar as imagens apresentadas na Figura 2.13. Uma
primeira observao importante que para implementar esta tcnica basta
multiplicar cada elemento da vizinhana do pixel de interesse pelo seu peso
respectivo e substituir o pixel de interesse pela soma desses resultados.
importante salientar, ainda, que quanto maior a dimenso do template, maior
ser o borramento na imagem resultante, visto que h influncia maior da vizi-
nhana do pixel processado.
92
Introduo ao Processamento de Imagens Mdicas
1 1 1
9 9 9
1 1 1
9 9 9
1 1 1
9 9 9
1 1 1 1 1
25 25 25 25 25
1 1 1 1 1
25 25 25 25 25
1 1 1 1 1
25 25 25 25 25
1 1 1 1 1
25 25 25 25 25
1 1 1 1 1
25 25 25 25 25
93
L. S. Nunes
g) Filtragem Mediana
A filtragem mediana uma tcnica de suavizao na qual cada pixel da
imagem final substitudo pelo nvel de cinza mediano em uma vizinhana do
pixel. O nvel mediano m de um conjunto de valores tal que metade dos valo-
res no conjunto so menores que m e a outra metade constituda de valores
maiores que m.
Na Figura 2.16 apresentado um exemplo de aplicao desta tcnica.
Comparando-se as imagens desta figura com as imagens da Figura 2.13
possvel verificar que o efeito de borramento desta tcnica menor quando
94
Introduo ao Processamento de Imagens Mdicas
95
L. S. Nunes
96
Introduo ao Processamento de Imagens Mdicas
97
L. S. Nunes
98
i) Quantizao do Histograma
Como mostrado anteriormente, a quantizao, tambm conhecida como
agrupamento do histograma, diminui a quantidade de nveis de cinza utilizados
para a representao da imagem, resultando em uma imagem com maior con-
traste, conforme pode ser verificado nos exemplos da Figura 2.21.
interessante observar que seus efeitos podem ser teis quando a
imagem mdica apresenta estruturas de interesse com grupos de nveis de
cinza com limites bem delineados. Nestes casos, as estruturas podem ser sa-
tisfatoriamente diferenciadas e a imagem pode auxiliar na identificao de ob-
jetos de interesse que indiquem possveis anomalias. Observa-se, ainda, que
o intervalo de nveis de cinza utilizado no processo exerce grande influncia
no resultado final, destacando as formas das estruturas com maior ou menor
adequao. Nas imagens das trs modalidades apresentadas na Figura 2.21
possvel perceber este efeito. Na imagem radiolgica, por exemplo, possvel
perceber o maior destaque das estruturas mais claras, correspondentes s
partes que absorvem maior quantidade de Raios-X.
99
L. S. Nunes
b) Splitting
Essa tcnica visa ao aumento de contraste por meio da diviso dos pi-
xels em dois grupos distintos de nveis de cinza. Assim, os pixels escuros ficam
100
Introduo ao Processamento de Imagens Mdicas
101
L. S. Nunes
c) Equalizao
A obteno de um histograma mais uniforme a regra para o realce de
contraste pela tcnica de equalizao. Vrios mtodos podem ser empregados
para a redistribuio dos pixels na imagem, de modo a espalh-los ao longo da
escala de cores utilizada.
O mtodo apresentado a seguir parte de conceitos estatsticos. Para
descobrir o novo nvel de cinza (q) de um pixel que possui um determinado va-
lor k de nvel de cinza so utilizadas as equaes 3 e 4. Primeiro, encontra-se
a quantidade ideal de pixels para cada valor de nvel de cinza, de acordo com
a escala de cores utilizada, conforme a equao 3. Em seguida, calcula-se o
novo nvel de cinza q, isto , o valor para o qual os pixels do nvel de cinza atual
sero removidos.
(3)
(4)
onde:
I a quantidade ideal de pixels em cada nvel de cinza da
escala usada
n a quantidade de linhas da imagem
m a quantidade de colunas da imagem
g a quantidade total de nveis de cinza da escala
q o novo nvel de cinza procurado
nj a quantidade de pixels no nvel de cinza j
arred indica o arredondamento do resultado obtido pela ex-
presso que constitui seu argumento.
102
Introduo ao Processamento de Imagens Mdicas
103
L. S. Nunes
104
Introduo ao Processamento de Imagens Mdicas
f f
x e y so as derivadas parciais nas direes x e y, res-
pectivamente.
Duas propriedades importantes do gradiente so:
i. o vetor G[f(x,y)] aponta na direo do mximo da funo
f(x,y);
ii. a magnitude de G[f(x,y)] dada pela equao 6.
(6)
Para uma imagem digital, a magnitude pode ser aproximada pelas
diferenas, sendo que uma abordagem comumente utilizada dada pela
equao 7.
(7)
Outra abordagem, ainda mais simples, a utilizao de valores absolu-
tos, que produzem resultados similares, conforme mostrado na equao 8.
(8)
105
L. S. Nunes
106
Introduo ao Processamento de Imagens Mdicas
e) Limiarizao
Tambm conhecida como Thresholding, a limiarizao a tcnica que
divide a imagem em duas ou mais partes considerando valores de limiares.
Consiste, basicamente, em alterar os valores dos pixels de uma imagem dei-
xando-a com uma quantidade menor de nveis com o objetivo de separar es-
truturas de interesse do fundo da imagem.
Como vantagem, esta tcnica tem a simplicidade de implementao,
como pode ser observado no algoritmo apresentado na Figura 2.28. O principal
problema a definio do valor de limiar. Vrios estudos so desenvolvidos
nesta rea, baseados principalmente na anlise do histograma da imagem.
Pontos de mnimos e mximos do histograma freqentemente so usados
como valores de limiar. Quanto um nico valor de limiar utilizado, a imagem
resultante contm apenas dois nveis de cinza (zero e mximo da escala). Nes-
te caso, a tcnica tambm conhecida como binarizao. A Figura 2.26 mostra
um exemplo de limiarizao em uma imagem genrica, com diferentes valores
de liminar e a Figura 2.27 apresenta resultados da aplicao da tcnica em
imagens mdicas com 255 nveis de cinza.
107
L. S. Nunes
108
Introduo ao Processamento de Imagens Mdicas
-1 -1 -1
-1 8 -1
-1 -1 -1
Figura 2.29. Mscara usada para deteco de pontos isolados em
imagens com fundo constante
109
L. S. Nunes
g) Deteco de linhas
De forma semelhante ao item anterior, podem ser utilizadas as msca-
ras demonstradas na Figura 2.31 para a deteco de linhas nas direes hori-
zontal, 45o, vertical e -45o, respectivamente. O clculo do valor do pixel central
realizado conforme j demonstrado. Imagens resultantes aps a aplicao de
algumas dessas mscaras so apresentadas na Figura 2.32.
-1 -1 -1 -1 -1 2 -1 2 -1 2 -1 -1
2 2 2 -1 2 -1 -1 2 -1 -1 2 -1
-1 -1 -1 2 -1 -1 -1 2 -1 -1 -1 2
Figura 2.31. Mscaras utilizadas para a deteco de linhas
110
Introduo ao Processamento de Imagens Mdicas
h) Deteco de bordas
Partindo da definio de borda como uma fronteira entre duas regies
com nveis de cinza relativamente distintos, os algoritmos utilizados para a
deteco de bordas so estruturados de forma a detectar as descontinuidades
existentes nas transies.
O operador gradiente um dos procedimentos utilizados para detectar
essas descontinuidades. A idia bsica de segmentao atravs deste mtodo
111
L. S. Nunes
x1 x2 x3 -1 -2 -1 -1 0 1
x4 x5 x6 0 0 0 -2 0 2
x7 x8 x9 1 2 1 -1 0 1
Figura 2.33. Regio e mscaras para deteco de bordas atravs de
operadores gradiente
112
Introduo ao Processamento de Imagens Mdicas
113
L. S. Nunes
i) Crescimento de Regio
Este mtodo consiste em agregar conjuntos de pixels em regies maio-
res. A aproximao de processamento mais simples a agregao de pixels,
isto : escolhe-se um pixel ou um conjunto de pixels denominados sementes
e faz-se o crescimento da regio atravs da agregao de pixels vizinhos s
sementes que possuem propriedades similares (intensidade, cor, textura etc).
O processo continua at se atingir uma condio pr-estabelecida de parada,
como por exemplo, um determinado nvel de cinza ou uma distncia especfica.
A vantagem que a imagem no precisa ser homognea, pois as suas
caractersticas so previamente analisadas e includas nos descritores de se-
melhana. As principais desvantagens so: dificuldade na seleo dos pixels
sementes (a aplicao deve ser conhecida); dificuldade no estabelecimento
das propriedades de semelhana (a aplicao e os tipos de dados da imagem
devem ser conhecidos) e dificuldade na determinao de condies de parada
(depende da anlise da imagem).
Devido aos motivos citados, a implementao do crescimento de regio
deve ser cuidadosa no sentido de analisar criteriosamente a imagem e definir
algoritmos que ofeream bom desempenho. A aplicao do algoritmo inicial,
executando-se a agregao de pixels a partir de uma semente pode ser com-
putacionalmente custosa. Por isso, abordagens alternativas so utilizadas em
imagens mdicas. Na Figura 2.35 mostrado um exemplo de crescimento de
regio que, em vez de agregar sementes, detecta a estrutura de interesse por
meio da estruturao de raios a partir de um ponto inicial.
114
Introduo ao Processamento de Imagens Mdicas
115
L. S. Nunes
116
Introduo ao Processamento de Imagens Mdicas
117
L. S. Nunes
118
Introduo ao Processamento de Imagens Mdicas
119
L. S. Nunes
120
Introduo ao Processamento de Imagens Mdicas
121
L. S. Nunes
122
Introduo ao Processamento de Imagens Mdicas
2.5. Concluses
Este captulo apresentou os conceitos bsicos sobre a formao de
imagens digitais, dando nfase s imagens mdicas e focalizando a imple-
mentao de sistemas de auxlio ao diagnstico, que tm as imagens mdicas
como principal fonte de dados.
Apesar de ser objeto de pesquisa de vrios grupos no Brasil e no mun-
do, vrios desafios ainda precisam ser vencidos. O primeiro desafio a ser con-
siderado na construo de tais sistemas obter uma alta taxa de acerto de
casos verdadeiros-positivos, isto , indicar a presena de uma doena quando
ela realmente existe, com uma baixa taxa de casos falsos-positivos (quando o
sistema indica a existncia de uma doena, sem esta de fato existir). Por meio
dos exemplos e aplicaes apresentados possvel verificar que no h tcni-
cas que funcionem adequadamente para todo tipo de imagem mdica e todo
tipo de diagnstico. Assim, para se obter um bom desempenho em relao aos
acertos, necessrio conhecer profundamente o problema a ser detectado
e a imagem mdica que ser utilizada para o diagnstico, considerando seu
processo de formao, que exerce influncia nas suas caractersticas. Tcni-
cas de inteligncia artificial e mtodos estatsticos de classificao tm sido
investigados para esta finalidade.
123
L. S. Nunes
124
Introduo ao Processamento de Imagens Mdicas
Referncias
[Arcuri et al. 2001] - Arcuri, S. M. and McGuire, P. K. (2001) Ressonncia magntica
funcional e sua contribuio para o estudo da cognio em esquizofrenia, Rev. Bras.
Psiquiatr., May 2001, v. 23 suppl.1, p.38-41.
[Arimura et al. 2004] - Arimura, H., Katsuragawa, S., Suzuki, K., Li, F., Shiraishi, J. and
Doi, K. (2004) Computerized scheme for automated detection of lung nodules in low-
dose CT images for lung cancer screening, Acad Radiol, v.11, p. 617-629.
[Ballard e Brown 1982] - Ballard, D.H. and Brown, C.M. (1982) Computer Vision, En-
glewood Cliffs, New Jersey, Prentice-Hall Inc.
[Bega et al. 2001]Bega, G., Lev-Toaff, A., Kuhlman, K., Kurtz, A., Goldberg, B. and Wap-
ner, R. (2001) Three-dimensional ultrasonographic imaging in obstetrics, J Ultrasound
Med., Canad., v. 20, p. 391-408.
[Bronson 2002] - Bronson, J. G. (2002) Ultrasound in Womens Health: The View in
2002, Medical Imaging. , http://www.medicalimagingmag.com, Maro 2003.
[Chan et al. 1987] - Chan,H-P., Doi, K., Galhotra, S., Vyborny, C.J., MacMahon, H. and
Jokich, P.M. (1987) Image feature analysis and computer-aided diagnosis in digital
radiography. I. Automated detection of microcalcifications in mammography., Medical
Physics, v. 14, n. 4, p.538-548.
[Chan et al. 1990] - Chan,H-P., Doi, K., Vyborny, C.J., Schmidt,R.A., Metz, C.E., Lan,
K.L., Ogura,T., Wu,Y. and MacMahon, H. (1990) Improvement in radiologists detec-
tion of clustered microcalcification on mammograms: the potential of computer-aided
diagnosis, Investigative Radiology, v. 25, p. 1102-1110.
[Curry et al. 1990] - Curry III, T. S., Dowdey, J. E. and Murry Jr., R.C (1990) Christensens
Physics of Diagnostic Radiology, 4. ed., Philadelphia, Lea & Febiger.
[Dainty 1976] - Dainty, J.C. and Shaw, R. (1976) Image Science, 3ed., New York, Aca-
demic Press.
[Dhawan e Royer 1988] - Dhawan, A.P. and Royer, E. L. (1988) Mammographic feature
enhancement by computerized image processing, Computer Methods and Programs
in Biomedicine, v.27, p.23-35.
[Doi 1991] - Doi, K. (1991) Computer-aided diagnosis: present and future. A new horizon
on medical physics and biomedical engineering., H. Abe, K. Atsumi, T. Iiuma, M. Saito,
M. Inoue, eds. Elsevier Science Publishers B.V., p. 59-66.
[Doi, et al. 1997] - Doi, K., Giger, M. L., Nishikawa, R. M. and Schmidt, R.A (1997) Com-
puter-aided diagnosis of breast cancer on mammograms, Breast Cancer, v.4, n.3,
p.228-233.
[Egan et al. 1980] - Egan, R.L., McSweeney, M. B. and Sewell, C.W (1980) Intramam-
mary calcifications without an associated mass in benign and malignant diseases,
Radiology, v.137, n.1, p.17.
[Ellis et al. 1993] - Ellis, I. O., Galea, M. H. and Locker, A. (1993) Early experience in
breast cancer screening: emphasis on development of protocols for triple assessment,
The Breast, v. 2, p. 148-153.
[Giger 2000] - Giger, M.L. (2000) Computer-aided diagnosis of breast lesions in medical
images, Computing in Science & Engineering, v. 2, n. 5, p. 39-45.
[Giger e MacMahon 1996] - Giger, M.L. and MacMahon, H. (1996) Image processing and
computer-aided diagnosis, Radiologic Clinics of North America, v.34, n.3, p. 565-595.
[Gonzalez, e Woods 2002] - Gonzalez, R.C. and Woods, R. E. (2002) Digital Image Pro-
cessing, Addison-Wesley Publishing Company, Massachusetts, 2a. Edio.
[Ishida et al. 1983] - Ishida, M., Frank, P.H., Doi, K. and Lehr, J.L. (1983) High quality
digital radiographic images: improved detection of low-contrast objects and preliminary
clinical studies, Radiographics, v.3, n.2, p.325-338.
125
L. S. Nunes
[ackson et al. 1993] - Jackson, V. P, Jachson, , V. P., Hendrick, E., Feig, S. A. and Kopans,
D.B. (1993) Imaging of the radiographically dense breast, Radiology, v.188, p.297-
301.
[Low 1991] - Low, A. (1991) Introductory Computer Vision and Image Processing, Mc-
Graw-Hill Book Company, London.
[Luiten 1981] - Luiten, A. L. (1981) Introduction to nuclear magnetic resonance, Medi-
camundi, v. 26, p. 82-85.
[Luz et al. 2004] - Luz, R. W., Hermosilla, L. G., Nunes, F. L. S., Delamaro, M. E., Semen-
tille, A. C., Brega, J. R. F. and Rodello, I. A. (2004) Aplicao de tcnicas de realidade
virtual para representao de fetos a partir de imagens bidimensionais de ultra-som.
In: IV Workshop de Informtica Mdica, Braslia. Anais do IV Workshop de Informtica
Mdica.
[Maintz et al. 1998] - Maintz, J. B. A. and Viergever, M. A. (1998) A survey of medical
image registration, Medical Image Analysis, v. 2, n. 1, p.1-36.
[Nappi et al. 2004] - Nappi, J. J., Frimmel, H., Dachman, A. H. and Yoshida, H. (2004)
Computerized detection of colorectal masses in CT colonography based on fuzzy mer-
ging and wall-thickening analysis, Med Phys, v.31, p.860-872.
[Nunes 2001] - Nunes, F. L. S. (2001) Investigaes em processamento de imagens ma-
mogrficas para auxlio ao diagnstico de mamas densas, So Carlos, 2001, 208p,
Tese (doutorado).
[Nunes 1997] - Nunes, F.L.S. (1997) Esquema de diagnstico auxiliado por computador
para deteco de agrupamentos de microcalcificaes por processamento de ima-
gens mamogrficas, So Carlos, 1997, 198p. Dissertao (Mestrado).
[Nunes 2001b] - Nunes, F.L.S. and Schiabel, H. (2001b) Deteco de agrupamentos de
microcalcificaes mamrias atravs de processamento de imagens mamogrficas
com deteco semi-automtica de regies de interesse, Revista Brasileira de Enge-
nharia Biomdica, v. 16, n. 13, p. 109-121.
[Nunes 2001a] - Nunes, F.L.S., Schiabel, H., Escarpinati, M.C. and Benatti, R. (2001a)
Comparisons of different contrast resolutions effects on a computer-aided detection
system intended to clustered microcalcifications detection in dense breasts images,
Journal of Digital Imaging, v. 14, n.2, suppl. 1, p. 217-219.
[Petrick et al. 1996] - Petrick, N., Chan, H-P., Sahiner, B. and Wei, D. (1996) An adaptive
density-weighted contrast enhancement filter for mammographic breast mass detec-
tion, IEEE Transactions on Medical Imaging, v.15, n.1, p.59-67.
[Russ 1992] - Russ, J.C. (1992), The Image Processing Handbook, CRC Press.
[Santos 2004] - Santos, R. (2004) Java Advanced Imaging: A Tutorial, Revista de Infor-
mtica Terica e Aplicada, v. 11, p.93-123.
[Scaff 1979] - Scaff, L. A. M. (1979) Bases Fsicas da Radiologia Diagnstico e terapia,
So Paulo, Sarvier S/A Editora.
[Schiabel et al. 1994] - Schiabel, H., Ventura, A. and Frre, A.F. (1994) Formal study of
lateral magnification and its effect on mammographic image sharpness, Medical Phy-
sics, v.21, n. 2, p.271-276.
[Silva et al. 2004] - Silva, K. C., Schiabel, H. and Nunes, F. L. S. (2004) Image processing
techniques for asymmetry detection in mammographic images. In: Proceedings of The
21st Meeting of The Society for Computer Applications in Radiology, Vancouver, v. 1.
[Wilks 1987] - Wilks, R.J. (1987) Principles of Radiological Physics, New York, Churchill
Livingstone.
126