If áti Ali d IInformática Aplicada a Imagens Médicas MCP ... · PDF fileServiço de Informática Instituto do Coração – HC FMUSP If áti Ali d IInformática Aplicada a Imagens

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


Motivação: Análise

• Visualização 3D, 3D dinâmica (4D)• Visualização em direções oblíquasç ç q• Aspectos funcionais

– movimento, contração, ç– fisiologia, metabolismo

• Classificaçãoç


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


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


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


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


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


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


220 150 160 150


640h x 480v em 256 cores










640h x 480v em 256 tons de cinza


640h x 480v em 8 tons de cinza


640h x 480v - imagem binária

Modalidades de Imagens Médicas

RX



Cine-angio-coronariografia

MS

P-H

CFU

MIn

Cor

-



DSA Angiografia Digital SubtrativaDSA - Angiografia Digital Subtrativa

- =



Ultrassom: H O ZEcoOnda mecânica Pulso

H2O Z

Onda mecânica Pulso

Envia/Escuta tEnvia/Escuta t

AA

t


t


• Ultrassom

Modo B



UltUltrassom

M d BModo B

Virtual BodyB&N S ft


B&N Software


• Ultrassom Modo M


t


• Ultrassom Modo Doppler: Efeito Dopplerpp pp

F0 F1

F0 > F1

F VF~V



• Ultrassom Modo Color-Flow MapUltrassom Modo Color Flow Map



Ultrassom Modo Color-Flow MapUltrassom Modo Color-Flow Map



Ressonância Magnéticag



Ressonância MagnéticaRessonância Magnética


Modalidades de Imagens MédicasModalidades de Imagens MédicasggRessonância Magnética

Fr



• Ressonância Magnética



Reconstrução Tomográfica: Modalidade SPECTModalidade SPECT

Gama-câmara

Miocárdio marcado commaterial radioativo (Tc)


Modalidades de Imagens MédicasR t ã T áfiReconstrução Tomográfica:

Modalidade de Emissão de Raio-X

RX

RX R

X


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


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


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


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


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


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


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


Ruído Gaussiano

Originalg

histograma1 do ruído

50

255m

75


Ruído “Sal e Pimenta”

Mal funcionamento dos detectores

histograma1

histogramado ruído

255s p


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


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


Alargamento do contraste

0

v

buaau

vauu

v

0)(

vb

Lubbua

vbuvauv

b

a

)()(

vb

a b L

va

u


Limiar

v

L ua L uv

a L u


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



• 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



• 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


8L


• 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


Equalização do histograma

I i i l I ó li ã


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,


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 ,


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 ,


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 ,


Filtro Média Ponderada (passa-baixa)

1 2 12 3 2

1 1

lmknflkhmng 2 3 21 2 1

1 1

,,,k l

lmknflkhmng

lkh ,


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 ,


Filtro Gaussiano

3x33x3

5x5


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 ,


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 ,


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 ,


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


1 2 1-1 0 1

Filtro Gradiente (Máscara de Sobel)22 yxyxGauss

2exp, 2

22

yxfyxGaussyxg ,,,

22 GGG

yx

G

A B C


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 ,


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


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


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;


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;


Quantificação em Gated-SPECT (99mTc-MIBI)

ECG1234



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


imagem em a); c) estruturas das fibras em um ventrículodessecado



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


2

Energia Cinética Normalizada e Volume do VE

Energia Cinética Normalizada Energia Cinética e Volume do VE


Mapa Polar de Energia Cinética

Campo de Vetores deVelocidade

Seção transversal2D

Mapa Polar3D 2D

Energia Cinética do VE

2D 3D->2D


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


Saiba o que procurar em uma imagem

yxfyxGaussyxg ,,, 6000

8000

10000


yfyyg ,,,

0 50 100 150 200 250

0

2000

4000

Documents

If áti Ali d IInformática Aplicada a Imagens Médicas MCP ... · PDF fileServiço de Informática Instituto do Coração – HC FMUSP If áti Ali d IInformática Aplicada a Imagens