Embed Size (px)
Citation preview
PAULO ROBERTO DA FONSECA FILHO
TÉCNICAS COMPUTACIONAIS PARA PROCESSAMENTO DE IMAGENS
BIOMAGNÉTICAS E SUAS APLICAÇÕES À TECNOLOGIA FARMACÊUTICA
Monografia apresentada ao Instituto de
Biociências de Botucatu - Universidade
Estadual Paulista “Júlio de Mesquita
Filho” como parte das exigências para o
Exame Geral de Qualificação do curso de
mestrado em Biologia Geral e Aplicada.
Orientador: Prof. Adj. José Ricardo de Arruda Miranda
Botucatu, 2009
1
Introdução
Imagens médicas têm passado por uma verdadeira revolução nas últimas décadas com
o desenvolvimento de técnicas mais rápidas, precisas e menos invasivas, o que levou à
conseqüente necessidade de desenvolvimento de software, especialmente novos algoritmos
de processamento de sinais e imagens [Angenent et al 2006]. Estes algoritmos são a base de
trabalho de muitas áreas dentro da física médica, informática médica, engenharias elétrica e
biomédica e ciência da computação, por exemplo.
As metodologias comumente disponíveis nos serviços de diagnóstico por imagens,
podemos citar radiografia convencional [Sprawls 1995], mamografia [Arodz et al 2006],
tomografia computadorizada (TC), ultrassonografia (US), ressonância magnética (RM) [Sprawls
1995; Hornak 1996; Hobbie 2001], ressonância magnética funcional (fRM), cintilografia
[Wilding et al 2001], tomografia por emissão de pósitrons (PET), tomografia por emissão de
fóton único (SPECT) [Cherry et al 2003]e fluoroscopia, entre outras. Ainda não disponível na
rotina clínica mas igualmente versátil e interessante para aplicações nesta área, a recém-
desenvolvida Biosusceptometria de Corrente Alternada também será incluída neste grupo
[Corá et al 2005b].
A aplicação de algumas dessas metodologias para caracterizar o desempenho de formas
farmacêuticas in vivo tem contribuído significativamente para o desenvolvimento de
formulações com maior eficiência terapêutica [Wilson et al 1997; Singh & Waluch 2000].
Nesse sentido, a cintilografia é a técnica padrão (gold standard) para avaliar diferentes
formulações e sua aplicação é amplamente difundida, já que dentre suas vantagens estão
pouca dose de radiação (quando comparada à radiologia), a possibilidade de quantificação
digital e a possibilidade de obter informações funcionais sobre o órgão e as formas
farmacêuticas sólidas estudadas [Sprawls 1995; Wilson 1998]. A ultrassonografia caracteriza-
2
se como uma técnica bastante acessível, de custo relativamente baixo e isenta de radiação
[Benini et al 1999]. Todavia não é comum encontrar estudos associados à FFS e também a
interpretação dos resultados é altamente dependente de operador experiente. Além disso,
algumas características anatômicas dificultam a visualização das FFS em estudos in vivo
[Schwizer et al 2002]. Este cenário favoreceu o uso da RM e da BAC, especialmente a RM que
vem se destacando por produzir imagens de alta qualidade com não-invasividade e também
por não utilizar radiação ionizante, apesar das limitações pela pouca acessibilidade, altos
custos operacionais e dificuldades de posicionamento de voluntários, para estudos in vivo
[Christmann et al 1997; Steingöetter et al 2003b; Kim et al 2000].
Ao aplicar tais metodologias à tecnologia farmacêutica, surgiu a oportunidade para
aplicação de técnicas computacionais para processamento e análise dessas imagens. Dentre os
problemas clássicos, merecem destaque [Angenent et al 2006, Gonzalez & Woods 2001]:
Realce: é uma das mais áreas mais simples de processamento de imagens.
Basicamente, consiste em revelar detalhes obscuros (ou que não estão em
destaque) que são de interesse numa imagem. Embora simples, é uma área
muito subjetiva, já que cabe a um observador julgar a qualidade do processo.
Restauração: esta área também objetiva melhorar a “aparência” de uma
imagem. Entretanto, ao contrário do realce, é um processo objetivo no sentido
de que seus métodos são baseados em modelos matemáticos ou estatísticos
do processo de degradação da imagem.
Processamento morfológico: reúne um conjunto de ferramentas para
extração de componentes da imagem que possam ser úteis para
representação e descrição da forma. É bastante aplicado para melhorar o
3
resultado de detectores de borda em operações como dilatação, erosão,
abertura e fechamento morfológicos.
Segmentação: A segmentação de imagens é um processo importante de
análise de imagens. Ela consiste de subdividir uma imagem em suas partes
constituintes e extrair aquelas de interesse.
Neste trabalho nos ateremos apenas a realce, restauração e segmentação. Assim
sendo, abaixo são apresentados conceitos básicos de processamento de imagens para
fundamentar os exemplos de aplicações ilustrados posteriormente.
Fundamentos de imagens digitais
Processamento de Imagens Digitais (PID) foram inicialmente desenvolvidos para duas
grandes áreas: interpretação humana e processamento de dados para percepção automática
de máquinas. A primeira, na qual este trabalho está inserido, possui suas mais antigas técnicas
datando da década de 1920, período no qual os esforços eram concentrados na melhoria de
ilustrações de jornais enviados por cabo submarino entre Londres e Nova Iorque [Gonzalez &
Woods 2003].
Uma imagem consiste na projeção de uma cena em um plano, normalmente
representada como uma matriz de valores de brilho. Sua aquisição é realizada a partir de um
sensor, que consiste em um dispositivo que recebe um sinal ou estímulo (energia) e responde,
geralmente, com um sinal elétrico.
Em linhas gerais, o problema pode ser proposto do seguinte modo: dado um sistema
, determinar sua função de transferência , tal que a saída resultante , proveniente de
uma entrada arbitrária , possa ser prevista de um único modo. Assim, em um sistema ideal, a
informação relativa a uma fonte pontual no plano objeto deveria ser representada por um
único ponto no plano “imagem”. No entanto, sistemas reais apresentam resposta não pontual 4
a esse “estímulo”, resultando numa degradação da imagem registrada, a qual necessita passar
por processamento para análise e interpretação [Gonzalez & Woods 2003].
Uma imagem digital consiste em uma função , que foi discretizada
tanto em coordenadas espaciais quanto em intensidade. Matematicamente, pode ser
considerada como uma matriz cujos índices de linhas e de colunas identificam um ponto na
imagem, sendo cada elemento dessa matriz denominado elemento da imagem ou “pixel”
[Andrews 1977].
O processo de formação de imagens esquematizado na Figura 1 apresenta uma fonte
de energia que excita o objeto do qual se pretende obter uma imagem. O sinal gerado que é
gravado no plano da imagem e, processado, é apresentado na forma de uma imagem digital
. Esta imagem pode apresentar ruído, deformações, artefatos, borrões, que são
característicos de cada sistema.
Figura 1: Esquema de um sistema de formação de imagem digital. Adaptada de Gonzalez &
Woods
Deste modo, após o registro de uma imagem digital é necessário processá-la a fim de
melhorar sua qualidade ou facilitar análise e interpretação. Este tratamento requer técnicas de
PID como deconvolução, regularização [Sekko et al 1999] e filtros como Wiener [Katsaggelos et
5
al 1997] e Kalman [Biemond et al 1983] que possibilitem a solução de problemas “clássicos” do
processamento de imagens como realce, restauração, remoção de ruídos e isolamento de
regiões de interesse [Angenent et al 2006].
Ao considerar que uma imagem é formada pela atuação de um operador
em uma função , o processo de formação de imagens pode ser proposto como na
Figura 2, onde se considera que um ruído aditivo é acrescentado à resposta
do sistema, sendo a imagem resultante filtrada para obter uma estimativa da imagem original:
Figura 2: Modelo do sistema de formação e restauração de imagens.
Matematicamente, esse processo de degradação pode ser descrito pela convolução
bidimensional (2D), representada pela equação 1:
1
ou seja,
2
em que são as coordenadas do pixel; é a imagem final ; representa a imagem real
ou imagem de entrada; é a PSF (point-spread function) do sistema; é o ruído aditivo do
sistema e * operador de convolução bidimensional.
6
yxf ,Filtros
restauradoresSistema de aquisição
mn,
mng , mnf ,ˆ+
A restauração é um processo que tenta reconstruir ou recuperar uma imagem que foi
degradada, empregando-se algum conhecimento a priori do fenômeno de degradação. Assim,
técnicas de restauração são orientadas para a modelagem de degradação e aplicação do
processo inverso no sentido de recuperar a imagem original, ou seja, obter uma estimativa de
através de . Essa abordagem usualmente envolve a formulação de um critério
de qualidade que forneça uma estimativa ótima do resultado desejado [Gonzalez &
Woods 2003].
É sabido que uma imagem nunca é a representação exata do objeto em observação,
uma vez que ela apresenta degradações intrínsecas do sistema. A PSF, ou , fornece
uma descrição quantitativa da resolução do sistema e caracteriza essa degradação resultante
do borramento da imagem pelo sistema [Russ 1999]. A PSF é importante também para
determinar a utilidade de um sistema de imagem para uma dada tarefa, pois permite
comparações entre sistemas e é uma informação “preciosa” em processos de restauração de
imagem [Dougherty & Kawaf 2001].
Para garantir que o valor médio da imagem degradada seja mantido após a
deconvolução, PSF é normalizada de modo que o somatório dos valores de cada pixel seja igual
a um, ou seja:
3
em que representam as coordenadas espaciais de cada elemento de uma imagem
com NxM pixels [Chalmold 1991] .
Um sistema ótimo (ideal) não apresenta borramento, ou seja, sua PSF tem um
comportamento próximo à função delta de Dirac, de modo que para cada ponto do objeto
corresponderia um ponto na imagem durante o processo de amostragem. Porém, um sistema 7
real de aquisição de imagens, como a BAC, apresenta essa degradação natural do sistema,
implicando numa função de amostragem espacial “degradada”.
Técnicas de realce
O principal objetivo do realce é processar uma imagem de modo que o resultado serja
mais apropriado do que a imagem original para uma tarefa específica, isto é, para cada
problema tem-se uma técnica de realce adequada. Não há uma teoria geral para realce.
Quando uma imagem é processada para interpretação visual, o observador é o juiz final de
quão eficiente um método é, o que torna o processo altamente subjetivo.
Técnicas de realce podem ser divididas em dois grupos: métodos no domínio do
espaço e métodos no domínio da freqüência. Aqueles que são realizados no domínio do
espaço referem-se ao plano da imagem, isto é, são técnicas baseadas na manipulação direta
dos pixels da imagem; aqueles referidos como baseados no domínio da freqüência, são
baseados em modificações diretas na transformada de Fourier da imagem e manipulação
“indireta” dos pixels no plano da imagem.
Dentre as técnicas de realce no domínio do espaço podem ser citados transformações
nos níveis de cinza, processamento de histograma, realce por operações lógicas / aritméticas e
alguns filtros suavizadores.
Estes processos podem ser denotados pela expressão:
4
em que é a entrada, é a imagem processada e T é um operador em ,
definido em uma determinada vizinhança de . Além do mais, T pode operar em um
conjunto de imagens, tais como realizar soma pixel a pixel de K imagens para reduzir ruído, por
exemplo.
Neste sentido, algumas transformações merecem destaque:
8
Negativo da imagem: o negativo da imagem com tons de cinza entre
é obtido pela transformação linear , em que L é o número de tons
de cinza e r é o nível de entrada.
Transformações logarítmicas: geralmente possuem a forma ,
em que c é uma constate e r é considerado maior ou igual a zero. Qualquer
curva com o comportamento feral desse tipo de função resultará em
espalhamento/compressão dos níveis de cinza na imagem final.
Transformações por leis de potência: Com a forma básica , em que c e
γ são constantes positivas. Do mesmo modo como transformações
logarítmicas, curvas de potência com valores fracionários de γ resultam em
transformação dos níveis mais escuros da imagem em um espectro mais amplo
de valores e, consequentemente, quando valores elevados de γ resultam em
“valorização” das regiões mais escuras da imagem.
Outros casos, como processamento de histograma,realce por operações logarítmicas e
suavização no domínio do espaço não serão descritos por não serem citados em nenhum
trabalho.
Técnicas de restauração
Na restauração de uma imagem, um filtro tido como ideal é o filtro inverso, onde a
imagem degradada é deconvoluída com a função de espalhamento (PSF) no domínio da
freqüência, admitindo que ambas sejam bem conhecidas [Dougherty & Kawaf 2001, Gonzalez
& Woods 2003; Gonzalez et al 2004]:
5
em que F, G e H são, respectivamente, as transformadas de Fourier de f, g e h [Owens 1997].
9
Todavia, filtros inversos podem apresentar instabilidades já que para sua
implementação assume-se que , ou seja, muito sensível a valores
muito próximos de zero, como ruído, por exemplo.
Nas imagens de BAC o filtro adotado é o filtro de Wiener Paramétrico Generalizado
[Moreira et al 2000] que possui a vantagem de suavizar o ruído aditivo e inverter o processo
de borramento simultaneamente [Wang et al 1999, Gonzalez et al 2004]. O filtro de Wiener
procura uma estimativa que minimize a função estatística erro. A solução para o
domínio da freqüência é dada pela equação 6:
6
em que:
7
8
é o filtro pseudo-inverso e é denominado razão sinal-ruído (signal-to-noise ratio
– SNR). O termo permite ter controle sobre o grau de atenuação do ruído. A “eficiência” da
redução de ruído cresce conforme aumenta, enquanto que o parâmetro permite
selecionar o decaimento da banda de transição do filtro: conforme aumenta, a banda de
transição torna-se mais abrupta. O processo de restauração da imagem pode apresentar
melhores resultados quando a imagem a ser restaurada é submetida a um pré-processamento,
que altera algumas características da imagem para melhorar os resultados do filtro.
Técnicas de quantificação
10
O uso de imagens com propósitos farmacêuticos requer um processo de quantificação
que reúna informações sobre área/volume da forma farmacêutica, seu perfil de hidratação
para que seu desempenho possa ser avaliado. Nesse sentido, diversos autores tem lançado
mão de algoritmos de quantificação por ROI (region of interest), em que é selecionada
manualmente uma região da imagem para reconstrução ou quantificação de intensidade do
sinal. Todavia, este é um processo bastante subjetivo e é fortemente dependente da
experiência do pesquisador, o que leva alguns grupos a implantar algoritmos para
quantificação baseados em segmentação de imagens.
A segmentação é um processo importante de análise de imagens. Ela consiste de
subdividir uma imagem em suas partes constituintes e extrair aquelas de interesse. Uma
grande variedade de algoritmos foi desenvolvida com este propósito [Pal & Pal 1993, Zhang
1997], mas em geral são baseados em duas características das imagens: descontinuidades e
similaridade. A primeira é baseada em alterações “bruscas” nos tons de cinza de pixels
próximos, possibilitando a detecção de pontos isolados e bordas na imagem. Já segmentação
baseada em similaridade está mais relacionada à limiarização, crescimento, divisão e fusão de
regiões [Gonzalez & Woods 2003].
O uso mais comum da limiarização dá-se quando uma região da imagem (por suas
características naturais ou por marcação com agente de contraste) possui intensidade média
diferente (significativamente maior ou menor) de sua vizinhança. Nesses casos, a aplicação de
limiares no histograma da imagem, isto é, atribuir valores 0 ou 1 a determinadas faixas de
intensidade pode produzir a separação da região de interesse a ser estudada.
Para detecção de descontinuidades podem ser empregados operadores (máscaras)
que aproximam derivadas de primeira e segunda ordem. Alguns exemplos mais comuns são os
11
métodos de Sobel, Roberts, Laplaciano de uma Gaussiana (LoG) , Prewitt [Prewitt 1970]e
Canny [Canny 1986], sendo estes últimos os mais comuns.
O operador Canny, comumente adotado para a segmentação das imagens de BAC,
encontra as bordas buscando o valor máximo do gradiente da imagem. O gradiente é calculado
usando a derivada de um filtro Gaussiano. O método usa dois limiares para detectar bordas
fortes e fracas, retornando as bordas fracas na imagem resultante somente se estas estiverem
conectadas com as bordas fortes. Já o operador de segmentação LoG busca bordas detectando
“zeros” após executar a segunda derivada de uma imagem suavizada por filtro gaussiano. Este
detector de bordas é extremamente sensível a ruído mas, por outro lado, é um dos mais
precisos quando corretamente implementado [Lim 1990; Pratt 2001; Gonzalez et al 2004].
Aplicações
Ressonância magnética
Ressonância magnética (RM) é uma modalidade de imagens muito poderosa que
fornece imagens internas de materiais e organismos vivos em escalas micro e macroscópica.
Sendo não-invasiva, não-destrutiva, uma das poucas metodologias que pode observar eventos
internos sem perturbar o meio, e ser extremamente versátil (uma grande variedade de
experimentos pode ser realizados em 2 ou 3D), tornou-se bastante difundida atualmente para
exames clínicos. Apesar disso, tem se mostrado uma ferramenta igualmente poderosa para
pesquisa e desenvolvimento na as ciências farmacêuticas [Richardson et al 2005].
Para aplicações in vitro, a RM tem se tornado uma ferramenta excepcional para
monitorar formas farmacêuticas de liberação controladas e compreender importantes
mecanismos relacionados à liberação de drogas [Melia & Davis 1989; Dorożyński et al. 2007;
Baumgartner et al. 2005]. Esta técnica também foi empregada para monitorar comprimidos
12
gastro-retentivos em condições fisiológicas (in vivo) sob influência da composição da refeição
na atividade gástrica [Steingöetter et al., 2003a,b].
A primeira aplicação de RM para avaliar comprimidos foi publicado por Nebgen
[Nebgen et al 1995] que utilizou comprimidos submersos em óleo de silicone “enriquecido”
com gadolínio para produzir contraste. Rajabi-Siahboomi et al estudaram a formação e o
crescimento de uma camada de pseudogel na superfície comprimidos de HMPC
(hydroxypropilmethylcellullose) conforme estes eram imergidos em água [Rajabi-Siahboomi et
al 1994]. Nesses casos, o crescimento uniforme da camada de gel foram registrados
analisando-se o perfil radiométrico da imagem onde observa-se que ocorria maior hidratação
nas bordas da formulação do que no núcleo.
Evoluindo para estudos quantitativos, Hyde [Hyde et al 1995] publicou o primeiro
estudo quantitativo da entrada de água numa formulação. Seus dados foram comparados com
outros métodos, apresentando boa correlação entre si. Nesse sentido, avaliações do processo
de erosão, mobilidade molecular e muitos outros aspectos de interesse da tecnologia
farmacêutica e formas farmacêuticas foram avaliados. Uma revisão desses trabalhos pode ser
encontrada nos trabalhos de Zeitler [Zeitler & Gladden 2008].
Como exemplo mais detalhado, abaixo é apresentada parte dos resultados obtidos no
trabalho de Souza [Souza 2008], que avaliou a desintegração de comprimidos revestidos
marcados com açaí (Euterpe oleracea). A partir de um aparelho de RM de 0,5T (Signa Contour,
General Electric Medical Systems, Estados Unidos), foram adquiridas imagens da desintegração
de comprimidos em um recipiente de vidro contendo 200 ml de água destilada a 36 o C (Figura
3). A cada instante de tempo, 12 cortes coronais eram registrados e aquele contendo a melhor
representação do comprimido era submetido a processamento.
13
Figura 3: arranjo experimental para avaliara a desintegração de comprimidos através de RM.
Determinadas quais eram as imagens com os melhores “cortes”, as seqüencias de
imagens que representavam a desintegração do comprimido eram submetidas ao seguinte
processamento:
Remoção de “intensidade de fundo” (valor médio da água) e normalização
pelo valor máximo da imagem para valorização de altas intensidades
resultantes do açaí hidratado (figura 4.a);
Detecção de background por operador morfológico e subtração do mesmo;
Ajuste de contraste por redistribuição das intensidades acima do valor médio
da imagem entre 0 e 1 (figura 4.b);
Confecção de uma ROI pelo operador do sistema para reduzir o tempo de
processamento;
14
ComprimidoRecipiente com água
Bobina de detecção da RM
Detecção de bordas por laplaciano da gaussiana dentro da ROI e processos
morfológicos de dilatação e erosão de bordas para determinar precisamente o
contorno do comprimido;
Medida de área (número de pixels contidos dentro da borda detectada) e
representação do resultado (figura 4.c).
a) b) c)
Figura 4: resultados passo a passo do processamento de imagens de RM para avaliar a
desintegração de comprimidos. a) imagem original; b) imagem pré-processada c) imagem
segmentada
Este mesmo procedimento aplicado a uma série temporal de imagens obtém
resultados similares aos apresentados na figura 5:
a) b) c) d)
Figura 5: Seqüência temporal de imagens de RM segmentadas para avaliar a desintegração de
comprimidos. Instante inicial (a); instantes intermediários (b e c) e comprimido desintegrado
(d).
15
Os valores de área, quando representados contra o tempo, produzem curvas como as
da figura 6, que podem ser utilizadas para caracterizar o efeito de diferentes excipientes
(curvas mais ou menos acentuadas, conforme a eficiência dos desintegrantes) e da força de
compressão (curvas mais ou menos deslocadas no tempo – processos mais lentos, conforme a
porosidade da forma farmacêutica diminui com a compressão), por exemplo.
Figura 6: perfil de área obtido por análise de imagens de RM para quantificar a desintegração
de comprimidos.
Biosusceptometria de Corrente Alternada
A Biosusceptometria é uma metodologia recentemente desenvolvida para
experimentos de esvaziamento e motilidade gástricos que vem sendo empregada para estudos
farmacotécnicos, principalmente para avaliar o processo de desintegração de formas
farmacêuticas sólidas (cápsulas e comprimidos).
Nesta linha merecem destaques os trabalhos relacionados ao tempo de trânsito
intestinal e desintegração de comprimidos [Corá et al 2006a, Corá et al 2006b], à
16
caracterização da BAC para situações de drug delivery [Corá et al 2005a], à aplicação de
imagens magnéticas para avaliar a desintegração de comprimidos no estômago humano [Corá
et al 2003, Corá et al 2005b] e, mais recentemente, à influência da força de compressão na
desintegração de comprimidos [Corá et al 2008].
As imagens de BAC são caracterizadas por elevada sensibilidade, baixa resolução
espacial e elevada resolução temporal para avaliar processos fisiológicos relacionados ao trato
gastrintestinal humano. A título de exemplo, a baixo são apresentados alguns dos resultados
publicados por Corá, Fonseca, Miranda e colaboradores [Corá et al 2008] quando investigavam
a influência da força de compressão na desintegração de comprimidos. Neste experimento,
uma guia plástica garantia o posicionamento de comprimidos dentro de um recipiente com
água à temperatura ambiente fixado em frente ao sistema de BAC multi-sensores (figura 7).
Figura 7: arranjo experimental para avaliara a desintegração de comprimidos através de BAC.
Como ainda não possui software embarcado para correção de artefatos e borramento,
é necessário incluir nos algoritmos de processamento de imagens de BAC processos de
17
Recipiente com água
Sistema de BAC
Guia plástica
restauração através do filtro de Wiener. Em linhas gerais, o processamento destas imagens é
realizado através dos seguintes procedimentos:
Realizada a coleta de dados, os sinais de cada canal são filtrados e submetidos
a um algoritmo que produzirá a cada intervalo de tempo uma imagem baseado
nas distribuições de campo magnético detectadas;
Conhecida a PSF do sistema para a distância fonte-sensor desejada, estas
imagens são restauradas por filtro de Wiener (figura 8);
Em seguida, são aplicados processos de ajustes de contraste por limiarização
de modo similar àqueles da RM;
Com esta imagem em mãos as bordas são detectadas a partir do operador
Canny e analogamente ao processamento de RM, são realizadas também
operações morfológicas de dilatação e erosão de bordas, sem que seja
necessário determinar ROIs ;
Os valores de área são computados e o resultado final é exibido (figura 9);
Figura 8: resultados do processamento de imagens de BAC para avaliar a desintegração de
comprimidos. À esquerda, imagem original; à direita, imagem pós-processada.
18
Este mesmo procedimento aplicado a uma série temporal de imagens obtém
resultados similares aos apresentados na figura 9:
a) b) c) d)
Figura 9: Seqüência temporal de imagens de BAC segmentadas para avaliar a desintegração
de comprimidos. Instante inicial (a); instantes intermediários (b e c) e comprimido
desintegrado (d).
Os valores de área, quando representados contra o tempo, produzem curvas
crescentes como às da figura 10, que podem ser utilizadas para caracterizar o efeito de
diferentes excipientes, da força de compressão e diversos outros aspectos de uma formulação.
Figura 10: perfil de área obtido por análise de imagens de BAC para quantificar a
19
desintegração de comprimidos.
Conclusões
Os resultados apresentaram diversas aplicações de imagens magnéticas à tecnologia
farmacêutica. Neles, o uso de algoritmos de processamento de imagens foi fundamental para a
quantificação de diversos parâmetros relacionados à confecção das formas farmacêuticas,
permitindo obter resultados mais rápidos e também mais precisos, uma vez que os processos
exemplificados são semi-automáticos.
Algumas técnicas como restauração por Wiener ainda são recentes, o que resulta
constante melhoria dos algoritmos e, conseqüentemente, dos resultados. Há uma constante
busca para o desenvolvimento de algoritmos de quantificação automáticos para atingir a
independência de um operador humano, que naturalmente introduz erros e subjetividade ao
processo.
Todos os resultados exemplificados neste texto estão em desenvolvimento, isto é,
fazem parte da dissertação de mestrado do aluno e num futuro próximo poderão ser
implementados nos demais projetos em andamento no Grupo de Pesquisa.
Referências bibliográficas
[Andrews 1977] ANDREWS, H. C.; Digital Image Restoration, Prentice Hall 1977.
20
[Angenent et al 2006] ANGENENT, S.; PICHON, E.; TANNENBAUM, A.; Mathematical methods
in image processing, Bulletin of the American Mathematical Society, v. 43, n.º 3, p.
365-396, 2006.
[Arodz et al 2006] ARODZ, T.; KURDZIEL, M.; POPIELA, T.J.; SEVRE, E.O.D.; YUEN, D.A.;
Detection of clustered microcalcifications in small field digital mammography,
Computer Methods and Programs in Biomedicine, v. 81, p. 56-65, 2006
[Baumgartner et al 2005] BAUMGARTNER, S.; Quantitative evaluation of polymer
concentration profile during swelling of hydrophilic matrix tablets using 1H NMR and
MRI methods , Eur. J. Pharm. Biopharm., v. 59, n. 2, p. 299-306, 2005.
[Biemond et al 1983] BIEMOND, J.; RIESKE, J.; GERBRANDS, J. J.; A Fast Kalman Filter for
Images Degraded by Both Blur and Noise. IEEE Trans. Acoust., Speech Signal
Processing, vol. 31, nº5, p. 1248 - 1256, 1983.
[Benini et al 1999] BENINI, L. et al Simultaneous measurement of gastric emptying of a solid
meal by ultrasound and by scintigraphy. Am. J. Gastroenterol., v. 94, p.2861-2865,
1999.
[Canny 1986] CANNY, J.; Computational approach to edge detection IEEE Transactions on
Pattern Analysis and Machine Intelligence, v.8, n. 6, p. 679-698, 1986.
[Corá et al 2003] CORÁ, L.A. et al; Desitegration of magnetic tablets in human stomach
evaluated by alternate current Biosusceptometry. Eur. J. Pharm. Biopharm., v. 56, p.
413-420, 2003.
[Corá et al 2005a] Corá, L. A. et al; AC Biosusceptometry in the study of drug delivery, Adv.
Drug Deliv. Rev., v. 57 n.º 8, p. 1223-1241,2005.
21
[Corá et al 2005b] CORÁ, L. A. et al Magnetic images of the disintegration process of tablets in
the human stomach by ac biosusceptometry, Phys. Med. Biol., v. 50, p. 5523-5534,
2005.
[Corá et al 2006a] Corá, L. A. et al; Gastrointestinal transit and disintegration of the magnetic
tablets assessed by AC Biosusceptometry, Eur. J. Pharm. Sci., v. 27, nº 1, p. 1-8, 2006.
[Corá et al 2006b] CORÁ, L.A. et al; Enteric Coated Magnetic HPMC Capsules Evaluated in
Human Gastrointestinal Tract by AC Biosusceptometry, Pharm. Res., v. 23, n.º 8,
p.1809-1816, 2006.
[Corá et al 2008] Corá et al ; Influence of compression forces on tablets disintegration by AC
Biosusceptometry, Eur. J. Pharm. Biopharm., v. 69, n. 1, p. 372-379, 2008.
[Chalmold 1991] CHALMOND, B.; PSF Estimation for Image Debluring, Cvgip. Graph. Models
Image Process., v. 53, n.º 4, p. 364-372,1991.
[Cherry et al 2003] CERRY, S.R.; SORENSON, J.A.; PHELPS, M.E.; Physics in nuclear medicine,
Philadelphia: Saunders, 2003, 523p.
[Christmann et al 1997] CHRISTMANN, V. et al Simultaneous in vivo visualization and
localization of solid oral dosage forms in the rat gastrointestinal tract by magnetic
resonace imaging (MRI), Pharm. Res., v.14, p.1066-1072, 1997.
[Dougherty & Kawaf 2001] DOUGHERTY, G.; KAWAF, Z.; The point spread function revisited:
image restoration using 2-D deconvolution, Radiography, v. 7, Issue 4, p. 255-262,
2001.
[Dorozynski et al 2007] DOROZYNSKI, P. et al Development of a system for simultaneous
dissolution studies and magnetic resonance imaging of water transport in
22
hydrodynamically balanced systems: A technical note. AAPS Pharm. Sci. Tech., v. 8, n.
1, art. no. 15, 2007
[Gonzalez & Woods 2001] GONZALEZ, R.C.; WOODS, R.E.; Digital Image Processing, Prentice-
Hall, Upper Saddle River – New Jersey, 2001, p793.
[Gonzalez & Woods 2003] GONZALEZ, R.C.; WOODS, R.E.; Processamento de Imagens Digitais,
Ed. Edgard Blücher, São Paulo, 2003.
[Gonzalez et al 2004] GONZALEZ, R.C.; WOODS, R.E, EDDINS, S.L.; Digital Image Processing
Using Matlab, 609p, Pearson Prentice Hall, 2004.
[Hobbie 2001] HOBBIE, R.K., Intermediate physics for medicine and biology, 3.ª ed, AIP Press,
2001.
[Hornak 1996] HORNAK,J.P.; The Basics of MRI, disponível em:
http://www.cis.rit.edu/htbooks/mri/, Acessado em: 02/04/05.
[Hyde et al 1995] HYDE, T.M. et al A nuclear-magnetic-resonance imaging study of the effect
of incorporating a macromolecular drug in poly (glycolic acid-co-dl-lactic acid), J.
Control. Release, v. 36, n.3, p. 261-257, 1995.
[Katsaggelos et al 1997] KATSAGGELOS, A.K.; BANHAM, M;. Digital Image Restoration, IEEE
Signal Process. Mag., vol. 14, n. º 2, p. 24-41, 1997.
[Kim et al 2000] KIM, D.Y.; MYUNG, S.J.; CAMILLERI, M. Novel testing of human gastric motor
and sensory functions: rationale, methods and potential applications in clinical
practice, Am. J. Gastroenterol., v. 95, p. 3365-3373, 2000.
[Lim 1990] LIM, J. S.; Two-dimensional signal and image processing, 694p, Prentice Hall, 1990.
23
[Melia & Davis 1989]MELIA, C.D.; DAVIS, S.S. Review article: mechanisms of drug release from
tablets and capsules. I: Disintegration. Aliment. Pharmacol. Therap., v.3, p.223-232,
1989.
[Moreira et al 2000] MOREIRA, M.; MURTA, L. O.; BAFFA, O.; Imaging ferromagnetic tracers
with an AC biosusceptometer, Rev. Sci. Instrum., v. 71, n. 6, p. 2532-2538, 2000.
[Nebgen et al 1995]NEBGEN G. et al, H-1-NMR microscopy of tablets, J. Pharm. Sci., v. 84, n. 3,
p. 283-291, 1995.
[Owens 1997] OWENS, R.; Computer Vision IT412, 1997 disponível em:
http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/OWENS/LECT4/ Acessado
em 18/01/05.
[Pal & Pal 1993] PAL; PAL; A review on image segmentation techniques, Pattern Recognition,
v. 26, n. 9, p. 1277-1294, 1993.
[Pratt 2001] PRATT, W. K.; Digital Image Processing, 3 ed., Wiley, 2001, 735p.
[Prewitt 1970] PREWITT, J. M. S., “Object Enhancement and Extraction,” In: LIPKIN, B. S.;
ROSENFELD, A.; Picture Processing and Psychopictorics,, eds., Academic Press, New
York, p.75-150, 1970.
[Rajabi-Siahboomi et al 1994] RAJABI-SIAHBOOMI, A.R. et al Structure and behavior in
hydrophilic matrix sustained release dosage forms: 2. NRM-imaging studies of
dimensional changes in the gel layer and core of HMPC tablets undergoing hydration,
J. Control. Release, v. 31, n. 2, p. 121-128, 1994.
[Richardson et al 2005] RICHARDSON J.C. et al; Pharmaceutical applications of magnetic
resonance imaging (MRI), Adv. Drug. Deliv. Rev. , v. 57, p. 1191-1209, 2005.
24
[Russ 1999] RUSS, J.C.; The Image Processing Handbook, 3ª ed., CRC, 1999.
[Sekko et al 1999] SEKKO, E.; THOMAS, G.; BOUKROUCHE, A. A deconvolution technique using
optimal Wiener filtering and regularization, Signal Process. , v.72, p.23-32, 1999.
[Schwizer et al 2002] SCHWIZER, W. et al. Non-invasive measurement of gastric
accommodation in humans. Gut, v. 51 (Suppl. 1), p. 59-62, 2002.
[Singh & Waluch 2000] SINGH, M.; WALUCH, V.; Physics and instrumentation for imaging in-
vivo drug distribution. Adv. Drug. Deliv. Rev., v.4, p.7-20, 2000.
[Sprawls 1995] SPRAWLS, P.; Physical Principles of Medical Imaging, Ed. Madison: Medical
Physics Publishing, 1995.
[Souza 2008] Souza, L.G.R.; A ressonância magnética no estudo da desintegração de
comprimidos marcados com açaí (Euterpe oleracea), 2008, 58f., Dissertação
(mestrado) – Instituto de Biociências, Universidade Estadual Paulista, Botucatu.
[Steingöetter et al 2003a] STEINGÖETTER, A. et al Magnetic Resonance Imaging for the in vivo
Evaluation of gastric-retentive Tablets. Pharm. Res, v. 20, n.12, p. 713-720, 2003.
[Steingöetter et al 2003b] STEINGÖETTER, A. et al Analysis of the meal-dependent intragastric
performance of a gastric-retentive tablet assessed by magnetic resonance imaging.
Aliment. Pharmacol. Ther., v.18, p.713-720, 2003.
[Wang et al 1999] WANG, C.; ZHANG H.; DORAN, A.; Image Restoration, 1999 disponível em:
http://www.owlnet.rice.edu/~elec539/Projects99/BACH/proj2/wiener.html Acessado
em 11/02/05.
[Wilding et al 2001] WILDING, I. R.; COUPE, A. J.; DAVIS, S.S.; The role of γ-scintigraphy in oral
drug delivery; Adv. Drug Deliv. Rev., v. 46, p. 103-124, 2001.
25
[Wilson et al 1997] WILSON, C.G. et al. Imaging of oily formulations in the gastrointestinal
tract. Adv. Drug Deliv. Rev., v.25, p. 91-101, 1997.
[Wilson 1998] WILSON, C.G. In-vivo monitoring of dosage forms. J. Pharm. Pharmacol., v.50,
n.º 4, p.383-386, 1998.
[Zhang 1997] ZHANG, Y.J.; Evaluation and comparison of different segmentation algorithms
Pattern Recognition Letters, v.18, n. 10, p. 963-974, 1997.
[Zeitler & Gladden 2008] ZEITLER J.A.; GLADDEN L.F.; In-vitro tomography and non-destructive
imaging at depth of pharmaceutical solid dosage forms. Eur. J. Pharm. Biopharm., v.
73, p. 2-22, 2008.
26
