Processamento e Análise de Imagem Médica em...

Processamento e Análise de Imagem Médica em Biomecânica

João Manuel R. S. Tavares

[email protected] www.fe.up.pt/~tavares

Mestrado Integrado em Engenharia Biomédica

Porto, 9 Dezembro 2013

Sumário

1. Apresentação

2. Processamento e Análise de Imagem Médica em Biomecânica

i. Introdução

ii. Segmentação

iii. Análise e Simulação • Seguimento • Emparelhamento • Alinhamento • Simulação

iv. Visão 3D

3. Equipa

4. Publicações & Eventos

2 Processamento e Análise de Imagem Médica em Biomecânica 2013@João Manuel R. S. Tavares

Apresentação

Apresentação • Prof. Associado no Dep. de Eng. Mecânica (DEMec) da

FEUP • Investigador Sénior e Coordenador de Projecto no Lab. de

Óptica e Mecânica Experimental (LOME) do INEGI • Doutorado e Mestre em Eng. Electrotécnica e de

Computadores (FEUP) (com Tese e Dissertação na área do Processamento e Análise de Imagem)

• Licenciado em Eng. Mecânica (FEUP) • Áreas de Investigação: Processamento e Análise de

Imagem (segmentação, seguimento, emparelhamento, alinhamento e visão 3D), Interfaces Homem/Máquina (visualização de dados e percepção humana), Desenvolvimento de Produto (dispositivos biomédicos), Biomecânica, Movimento e Postura Humana

2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 4

Processamento e Análise de Imagem: Introdução

Introdução • O sistema sensorial de visão tem elevada importância

para grande parte dos seres vivos – Podendo disponibilizar informações de índole básica, como

verificar a existência ou não de obstáculos, ou complexa, como o seguimento e a análise de movimento

– Operações comuns: identificação (segmentação), seguimento e reconhecimento de movimento (seguimento e análise de movimento), correspondência e alinhamento (emparelhamento e alinhamento), interpolação de formas (simulação), obtenção da forma/informação 3D (Visão 3D)


Introdução • Os investigadores da área do Processamento e Análise

de Imagem tentam desenvolver algoritmos computacionais para realizar de forma automática, ou semi-automática, operações e tarefas desenvolvidas pelos (complexos) sistemas de visão dos seres vivos


Imagens originais

Azevedo et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(3):359-369

Modelo computacional 3D voxalizado e poligonizado

Introdução • Algoritmos de Processamento e Análise de Imagem

são de elevado interesse para a Sociedade, sendo frequentemente usados, por exemplo, em: – Ciências naturais, Desporto – Engenharia, Indústria – Medicina, Biologia

• Exemplos de tarefas comuns envolvendo algoritmos de Processamento e Análise de Imagem: – Segmentação, Reconhecimento (2D-4D) – Seguimento e análise de movimento, incluindo

emparelhamento, alinhamento e simulação (2D-4D) – Visão 3D


Introdução: Processamento e Análise de Imagem – Operações e Objectivos

Processamento e Análise de Imagem Médica em Biomecânica 9

Melhoramento de imagem

Segmentação de imagem / extração de características

seguimento

emparelhamento

simulação

Imagem / imagens

Análise de movimento alinhamento

Processamento de Imagem

Análise de Imagem / Visão Computacional

2013@João Manuel R. S. Tavares

Visão 3D

Visão por Computador

Introdução • (Pré-)Processamento de Imagem: suavização de ruído

por difusão anisotrópica

10 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica

Processamento e Análise de Imagem Médica em

Biomecânica: Segmentação

Segmentação • Pretende-se identificar de forma automática, ou semi-

automática, os objetos (2D/3D) presentes em imagens estáticas ou em sequências de imagem

• As técnicas mais comuns são baseadas em binarização por limiar, crescimento de regiões, redes neuronais, emparelhamento de protótipos, modelações geométricas, estatísticas e físicas

• É uma das operações mais usuais em Visão Computacional, sendo frequentemente a primeira “grande” tarefa considerada

• Problemas envolvidos: ruído, baixa resolução, reduzido contraste, formas não conhecidas, oclusões parciais, múltiplas estruturas presentes, etc.


• Segmentação de contornos em pedobarografia dinâmica: método de Otsu, operadores morfológicos, XOR

Imagens originais Após segmentação

Bastos & Tavares (2004) LNCS 3179:39-50

Segmentação

camada de contacto + vidro

câmara espelho

luz reflectida vidro

pressão camada opaca

lâmpada

lâmpada camada transparente


Region Growing, x=215; y=254

Segmentação • Segmentação de estruturas do ouvido: método de

crescimento de regiões

Imagem original Segmentação obtida (labirinto ósseo) Barroso et al. (2011) CNME 2011

Ferreira et al. (2012) Computer Methods in Biomechanics and Biomedical Engineering DOI:10.1080/10255842.2012.723700

X: 254 Y: 214Index: 116.7RGB: 0.459, 0.459, 0.459


Segmentação • Deteção de calcificações em mamografias:

transformada de Hough

Chagas et al. (2007) VipIMAGE 2007, 363-368

Imagem original Após segmentação


Segmentação • Reconhecimento de objetos em imagens:

emparelhamento de imagem protótipo

Carvalho & Tavares (2005) CMNI 2005

×fft fft

ift

( )3ift D CC( )2ift D CC

max CC

Imagem original Imagem protótipo


Segmentação • Segmentação de caraterísticas: protótipos deformáveis

geométricos

Carvalho & Tavares (2006) CompIMAGE 2006, 129-134 Carvalho & Tavares (2007) VipIMAGE 2007, 209-215

Exemplo de um protótipo deformável


Segmentação • Segmentação de caraterísticas faciais:

protótipos deformáveis geométricos

Carvalho & Tavares (2006) CompIMAGE 2006, 129-134 Carvalho & Tavares (2007) VipIMAGE 2007, 209-215

Imagem original e imagens de campos de energia (força)

Segmentação da íris usando um protótipo deformável (circulo)

Segmentação do olho usando um

protótipo deformável 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 18

Segmentação • Segmentação de regiões de pele em imagens: modelos

estatísticos

Amostras de pele usadas para construir o modelo

Imagem original e segmentação obtida

Carvalho & Tavares (2005) CMNI 2005 Carvalho & Tavares (2008) Tékhne VI(9):245-266

Função de probabilidade usada


Segmentação • Segmentação do fundo da cena/objeto em sequências

de imagens: modelos estatísticos

Subtracção do fundo

Detecção do objecto em movimento

Vasconcelos & Tavares (2008) WCCM8 / ECCOMAS 2008

Imagens originais


Segmentação • Segmentação do fundo da cena/objeto em sequências

de imagens: modelos estatísticos

Subtracção do fundo

Detecção do objecto em movimento

Vasconcelos & Tavares (2008) WCCM8 / ECCOMAS 2008 Vasconcelos & Tavares (2011) EUROMECH Colloquium 511

Imagens originais (www.nada.kth.se/cvap/actions)


Segmentação • Segmentação de objetos em imagens: modelos ativos

de forma

Vasconcelos & Tavares (2008) Computer Modeling in Engineering & Sciences 36(3):213-241 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 22

Segmentação • Análise do tracto vocal durante a fala partir de imagens

de ressonância magnética: modelos ativos de forma

Vasconcelos et al. (2011) Journal of Voice 25(6):732-742

Segmentação intermédia II

Imagem original +

modelo médio

Segmentação final

Segmentação intermédia I


Segmentação • Segmentação de objectos em imagens: modelos ativos

de aparência

Vasconcelos & Tavares (2008) Computer Modeling in Engineering & Sciences 36(3):213-241 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 24

Segmentação • Análise do tracto vocal durante a fala partir de imagens de

ressonância magnética: modelos ativos de aparência

Vasconcelos et al. (2011) Journal of Engineering in Medicine 225(1):68-76 Vasconcelos et al. (2012) Journal of Engineering in Medicine 226(3):185-196

Segmentações intermédias

Segmentação inicial

Segmentação final

Segmentações intermédias


Segmentação • Segmentação de objetos em imagens: contornos ativos

(i.e. snakes – modelos paramétricos)

Tavares et al. (2009) International Journal for Computational Vision and Biomechanics 2(2):209-220 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 26

Segmentação • Segmentação de objetos em imagens: contornos ativos

(i.e. snakes)

Imagem original e contorno inicial

Contorno final

Tavares et al. (2009) International Journal for Computational Vision and Biomechanics 2(2):209-220 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 27

Segmentação • Segmentação de objetos em imagens: contorno

deformável, FEM, equação de Lagrange

Imagens originais e contornos iniciais Contornos finais

Gonçalves et al. (2008) Computer Modeling in Engineering & Sciences 32(1):45-55

borracha k = 200N/m 14s


Segmentação • Segmentação de objetos em imagens: métodos de level

set – modelos geométricos

Ma et al. (2010) Medical Engineering & Physics 32(7):766-774 Ma et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(2):235-246


Segmentação • Segmentação de bifurcação da carótida em imagens de

Doppler: métodos de contornos ativos e de level set

Segmentação usando um modelo de contornos ativos (Yessi)

Silva et al. (2011) VipIMAGE 2011, 117-122 Santos et al. (2013) Expert Systems with Applications 40(16):6570-6579

Segmentação usando um modelo de level set (Chan-Vese)


Segmentação • Segmentação de objetos em imagens: métodos de level

set, conhecimento prévio

Ma et al. (2010) Medical Engineering & Physics 32(7):766-774 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 31

Segmentação • Segmentação do pavimento pélvico feminino a partir

de imagens de ressonância magnética: método de level set, conhecimento prévio

Ma et al. (2010) Medical Engineering & Physics 32(7):766-774 Segmentação do pavimento pélvico


Segmentação


Ma et al. (2013) Computers in Biology and Medicine 43(4):248-258 Ma et al. (2012) The Int. Journal for Numerical Methods in Biomedical Engineering 28(6-7):714-726

Segmentação de órgãos (bexiga, vagina, ânus) da cavidade pélvica (3 exemplos)

• Segmentação de órgãos da cavidade pélvica feminina a partir de imagens de ressonância magnética: modelos de level set, conhecimento prévio


Biomecânica: Seguimento, Emparelhamento, Alinhamento

e Simulação

Seguimento • Pretende-se seguir o movimento e/ou a deformação de

estruturas em sequências de imagem (2D/3D) • Nesta área, destacam-se as técnicas baseadas em fluxo

óptico, emparelhamento de blocos e em métodos estocásticos

• Usualmente, envolve a estimativa do movimento envolvido, a gestão das entidades seguidas, a análise do movimento seguido bem como a sua quantificação

• Problemas envolvidos: movimento não rígido, distorção geométrica, condições de iluminação variáveis, oclusão, ruído, múltiplas estruturas, etc.


Seguimento • Plataforma desenvolvida para

seguimento de entidades (pontos / rectas) em sequências de imagem: filtro de Kalman ou filtro Unscented Kalman, otimização, distância de Mahalanobis, modelo de gestão

Pinho et al. (2007) Int. Journal of Simulation Modelling 6(2):84-92 Pinho & Tavares (2009) VipIMAGE 2009, 299-304 Pinho & Tavares (2009) Computer Modeling in Engineering & Sciences 46(1):51-75


Seguimento • Seguimento de marcas em análise da marcha: filtro de

Kalman, distância de Mahalanobis, otimização, modelo de gestão

Previsão Incerteza Medição Correspondência Resultado

Pinho et al. (2005) ICCB 2005, 915-926 Pinho & Tavares (2009) Computer Modeling in Engineering & Sciences 46(1):51-75

(5 frames)


Sousa et al. (2007) ISHF2007, 331-340 Sousa et al. (2007) ICCB2007, 291-296

Seguimento • Análise da marcha com deteção de

eventos: filtro de Kalman, distância de Mahalanobis, otimização


Pinho et al. (2005) LSCCS, Vol. 4A:463-466 Pinho et al. (2007) International Journal of Simulation Modelling 6(2):84-92

(547 frames)

Seguimento • Seguimento de ratos em sequências longas de imagem:

filtro de Kalman, distância de Mahalanobis, otimização, modelo de gestão


Emparelhamento • É uma das tarefas mais usuais em Visão Computacional, por

exemplo, para alinhar objetos, reconhecer objetos, obter informação 3D, analisar movimento, etc.

• Geralmente é conseguido através da consideração de características invariantes, como a curvatura, ou de deslocamentos (assinaturas) em espaços globais/próprios, como no espaço modal ou de Fourier

• Problemas envolvidos: oclusão, deformações não rígidas, variações elevadas de forma, etc.


Emparelhamento • Emparelhamento de contornos em imagens: modelação

física/geométrica, análise modal, otimização

Bastos & Tavares (2006) Inverse Problems in Science and Engineering 14(5):529-541 Tavares & Bastos (2010) Progress in Computer Vision and Image Analysis 339-368


• Emparelhamento de contornos em pedobarografia dinâmica: FEM, análise modal, otimização

Emparelhamento

Imagens originais Contornos emparelhados

Bastos & Tavares (2004) LNCS 3179:39-50 Tavares & Bastos (2010) Progress in Computer Vision and Image Analysis, 339-368


câmara espelho

luz reflectida vidro

pressão camada opaca

lâmpada

lâmpada camada transparente


Emparelhamento • Emparelhamento de contornos e superfícies em

pedobarografia dinâmica: FEM, análise modal, otimização

Imagem de pedobarografia

dinâmica

Tavares & Bastos (2005) Electronic Letters on Computer Vision and Image Analysis 5(3):1-20

Emparelhamento de dois contornos

Emparelhamento entre duas superfícies de intensidade (pressão) (2 vistas)

Emparelhamento entre iso-contornos (2 vistas)


Alinhamento • É uma tarefa habitualmente necessária para comparar objetos

representados em imagens adquiridas em instantes de tempo distintos ou segundo diferentes condições/técnicas

• O alinhamento é geralmente essencial, por exemplo, em medicina para analisar a evolução de patologias a partir de imagens

• Geralmente é conseguido através da consideração de características invariantes, como pontos de curvatura máxima, emparelhamento e estimativa da transformação envolvida, ou pela minimização de uma medida de semelhança

• Problemas envolvidos: características não determinadas facilmente, deformações não rígidas, variações elevadas de forma, etc.


Alinhamento • Alinhamento de contornos em imagens: modelação

geométrica/física, otimização, programação dinâmica


Oliveira & Tavares (2008) Computer Modeling in Engineering & Sciences 31(11):1-11 Oliveira & Tavares (2009) Computer Modeling in Engineering & Sciences 43(1):91-110

Alinhamento • Alinhamento de imagens de pedobarografia: modelação

geométrica, otimização, programação dinâmica

Imagens originais e contornos extraídos

Contornos emparelhados e imagens antes e após alinhamento

Oliveira et al. (2009) Journal of Biomechanics 42(15):2620-2623 2013@João Manuel R. S. Tavares Processamento e Análise de Imagem Médica em Biomecânica 46

Alinhamento • Alinhamento de imagens de pedobarografia:

transformada de Fourier

Imagens originais Imagens antes e após alinhamento

Oliveira et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(6):731-740


Alinhamento • Alinhamento de imagens de pedobarografia: método

híbrido: Alinhamento de Contornos ou Alinhamento baseado na transformada de Fourier + Otimização de semelhança (MSE/MI/XOR)

Imagens originais, antes e após alinhamento

Oliveira & Tavares (2011) Medical & Biological Engineering & Computing 49(3):313-323


Alinhamento • Alinhamento de imagens de pedobarografia para

identificação (esq. / direito), extração de medidas e índices

Imagens originais, após normalização, contornos e áreas identificadas



Alinhamento • Alinhamento de imagens de uma mesma modalidade:

alinhamento de contornos – cont.

Imagens a alinhar

Contornos (Corpus Callosum) antes e após

emparelhamento




alinhamento de contornos

51

Imagens Alinhadas

Imagem originais

Soma

Soma Diferença




maximização direta da correlação cruzada (transformada de Fourier)

52

Imagens Alinhadas

Imagem originais (RM - proton density)

Soma

Soma Diferença



Alinhamento • Alinhamento intermodal (CT/RM): otimização pelo

Método de Powell (otimização) de medida de semelhança (MI)

53

Imagens Alinhadas

Imagem originais

CT RM CT+RM

CT+RM Diferença CT+RM

Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(3):313-323


Imagem modelo Imagem a alinhar

Imagem alinhada

Pré-alinhamento usando transformação rígida

Novo pré-alinhamento usando transformação afim

Alinhamento curvo “grosseiro” usando B-splines

Alinhamento “fino” usando B-splines

54 2013@João Manuel R. S. Tavares

Alinhamento • Otimização iterativa e alinhamento 3D curvo usando B-

splines

54 Processamento e Análise de Imagem Médica em Biomecânica

O alinhamento baseado em B-splines tem cariz local

• Alinhamento de imagens 3D: otimização iterativa, alinhamento 3D – cont.

Xadrez das imagens pré-alinhamento (CT, tórax – mesma pessoa, Δt: 8.5 meses)

(xadrez - construído substituindo algumas partes (voxels) da imagem modelo pelas partes da imagem a alinhar que têm as mesmas coordenadas das partes retiradas à imagem modelo)


Alinhamento


F F

F F F

F F F

M M M

M M M

M

M

Xadrez das imagens pós-alinhamento (Semelhança: MI, Transf.: rígida)


Alinhamento • Alinhamento de imagens 3D: otimização iterativa,

alinhamento 3D – cont.


Xadrez das imagens pós-alinhamento (Semelhança: MI, Transf.: B-splines cúbicas)


Alinhamento • Alinhamento de imagens 3D: otimização iterativa,

alinhamento 3D




Xadrez das imagens pré-alinhamento (CT, cérebro – duas pessoas)

Alinhamento




Xadrez das imagens pós-alinhamento (Semelhança: MI, Transf.: afim)

Alinhamento



• Alinhamento de imagens 3D: otimização iterativa, alinhamento 3D

Xadrez das imagens pós-alinhamento (Semelhança: MI, Transf.: B-splines cúbicas)

Alinhamento

60

Oliveira & Tavares (2012) Computer Methods in Biomechanics and Biomedical Engineering DOI:10.1080/10255842.2012.670855


Aplicação no estudo de imagens DaTSCAN SPECT


Alinhamento


Imagens DaTSCAN SPECT são usadas para auxiliar o diagnostico da doença de Parkinson e para a distinguir de outras doenças degenerativas. A solução desenvolvida é capaz de:

– Segmentar as áreas relevantes e realizar análises dimensionais – Quantificar os potenciais de ligação da ganglia basal – Computação automática de dados estatísticos relativamente a uma

população de referência

Normal Alzheimer Parkinsonismo idiopático

Tremor essencial


Alinhamento


Slice médio de uma população usado como referência

Slice correspondente de um paciente

Diferença de intensidades

Mapeamento dos Z-scores no slice (a vermelho valores mais elevados)

(Os retângulos azuis representam as ROIs 3D usadas para calculo dos potenciais de ligação)

Oliveira et al. (2012) The Quarterly Journal of Nuclear Medicine and Molecular Imaging (in press)



Alinhamento


Oliveira et al. (2012) The Quarterly Journal of Nuclear Medicine and Molecular Imaging (in press)


Ganglia basal “média” de uma

população normal

Ganglia basal de um paciente com parkinsonismo

idiopático

Ganglia basal de um paciente com parkinsonismo

vascular

Reconstrução 3D da ganglia basal e quantificação


Alinhamento


Oliveira & Tavares (2013) The International Journal for Numerical Methods in Biomedical Engineering (submitted)

Aplicação na segmentação e reconstrução 3D dos ossículos do ouvido médio em imagens de TC

Estrutura reconstruida a partir das segmentações obtidas

Slices com a estrutura a segmentar e a reconstruir

Alinhamento • Alinhamento de sequências de imagem 2D: alinhamento

espacial e temporal

Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(7):843-850 Oliveira & Tavares. (2013) Medical & Biological Engineering & Computing 51(3):267-276


Alinhamento • Alinhamento de sequências de imagem 2D de

pedobarografia dinâmica: alinhamento espacial e temporal

66

Sequências originais antes do alinhamento

Sequências pré-processadas

Sequências de imagem originais

Sequências após alinhamento


câmara espelho




Alinhamento • Alinhamento de sequências de imagem 2D de

pedobarografia dinâmica: alinhamento espacial e temporal

67

Sequências originais antes do alinhamento

Sequências pré-processadas

Sequências de imagem originais

Sequências após alinhamento




Simulação • É uma tarefa muito usada em Computação Gráfica (morphing) mas

também muito útil em Visão Computacional, por exemplo, para estimar a deformação existente entre dois objetos distintos ou entre dois instantes de um mesmo objeto, estimar as transições entre duas formas adquiridas com espaçamento temporal elevado, etc.

• Geralmente é conseguida através da consideração de transformações geométricas

• No entanto, quando se deve considerar o comportamento físico dos objetos envolvidas, devem ser usadas metodologias e modelações físicas (por exemplo, usando FEM) – Dificuldades comuns são relativas à estimativas das forças envolvidas

e das propriedades adoptadas para os materiais – Fase de emparelhamento dos objetos torna-se crucial

2013@João Manuel R. S. Tavares 68 Processamento e Análise de Imagem Médica em Biomecânica

Simulação


• Simulação (morphing) física de contornos em imagens: FEM, análise modal, otimização, eq. de Lagrange


• Simulação de contornos em imagens: FEM, análise modal, otimização, equação de Lagrange

Emparelhamento obtido

Deformações simuladas

Simulação


Tavares & Pinho (2005) Journal of Computer Science 4(1):9-18 Gonçalves et al. (2008) Computer Modeling in Engineering & Sciences 32(1):45-55

Imagens originais



Biomecânica: Visão 3D

Visão 3D • Pretende-se obter a forma 3D de objetos ou a

informação 3D de cenas a partir de imagens 2D • Nesta área, destacam-se: 1) formas exteriores: técnicas

ativas (com projecção de energia ou movimento relativo), passivas (sem projecção de energia ou movimento relativo) e de escavação espacial; 2) formas interiores: segmentação 2D (i.e. contornos) e interpolação, marching cubes e segmentação 3D

• Usualmente, envolve tarefas de calibração, segmentação, alinhamento, triangulação e interpolação

• Problemas envolvidos: distorção geométrica, iluminação variável, oclusão, ruído, formas complexas, etc.


Visão 3D • Reconstrução 3D de objetos a partir de slices:

segmentação 2D, Delaunay, marching cubes

Perdigão et al. (2005) CMNI 2005 Pimenta et al. (2006) CompIMAGE 2006, 343-348 Alexandre et al. (2007) VipIMAGE 2007, 359-362


Visão 3D • Reconstrução 3D de órgãos a partir de imagens

médicas: segmentação 2D, Delaunay, marching cubes

Segmentação realizada num slice e reconstrução 3D obtida

Órgãos do braço reconstruidos 3D Perdigão et al. (2005) CMNI 2005


Visão 3D • Reconstrução 3D de órgãos da cavidade pélvica

feminina partir de imagens axial e sagital de ressonância magnética: segmentação 2D, marching cubes, fusão


Ma et al. (2012) Medical Engineering & Physics DOI: 10.1016/j.medengphy.2013.05.002

Slices axial e sagital da cavidade pélvica (1 - bexiga, 2 - vagina)

Bexiga reconstruida usando informação axial e sagital (2 vistas)

Visão 3D • Reconstrução 3D de órgãos a partir de imagens de

diferentes modalidades: alinhamento, marching cubes, fusão


Oliveira & Tavares. (2012) Computer Methods in Biomechanics and Biomedical Engineering DOI:10.1080/10255842.2012.670855

slices coronal, sagital e axial, e segmentação obtida Visualização 3D após fusão

TC/SPECT

Visão 3D • Reconstrução 3D de cenas a partir de sequências de

imagem: visão estéreo densa


Azevedo et al. (2006) VISAPP 2006, 383-388

Visão 3D • Reconstrução 3D de uma cena a partir de par de

imagens: visão estéreo densa


Mapa de disparidade obtido

Par de imagens original

Azevedo et al. (2006) VISAPP 2006, 383-388

Visão 3D • Reconstrução 3D de objetos a partir de sequências de

imagem: escavação espacial


Azevedo et al. (2008) Advances in Computational Vision and Medical Image Processing: Methods and Applications, 117-136

Visão 3D • Reconstrução 3D de objetos a partir de sequências de

imagem: escavação espacial


Azevedo et al. (2008) Advances in Computational Vision and Medical Image Processing: Methods and Applications, 117-136 Azevedo et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(3):359-369

Imagens originais Modelo computacional 3D obtido voxalizado e poligonizado

Visão 3D


Azevedo et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(3):359-369

• Reconstrução 3D de objetos a partir de sequências de imagem: escavação espacial

Imagens originais Modelo computacional 3D obtido voxalizado e poligonizado

• Reconstrução 3D da coluna a partir de duas radiografias 2D e usando um modelo deformável (atlas)

Visão 3D


Moura et al. (2010) Computer Modeling in Engineering & Sciences 60(2):115-138 Moura et al. (2011) Medical Engineering & Physics 33(8):924-933

Interface desenvolvida Modelo ajustado (duas vistas) e reconstrução obtida

• Reconstrução 3D a partir de radiografias 2D: calibração – cont.

Visão 3D



Método desenvolvido

Calibração de um sistema de Raio-X

• Reconstrução 3D a partir de radiografias 2D: calibração

Visão 3D



Estimativa da distância entre a fonte de Raio-X e a mesa

Duas radiografias de uma coluna seca usada para validar a calibração e reconstrução 3D obtida

Processamento e Análise de Imagem Médica em Biomecânica:

Sumário

Sumário

• A área da Visão Computacional é complexa e exigente, mas de elevado interesse em muitos domínios, em particular em Medicina e em Engenharia

• Vários desafios existem, como, por exemplo, condições de aquisição difíceis, oclusão, formas e topologias complexas, movimentos complicados

• Trabalho considerável já foi desenvolvido, mas existem ainda muitos desafios importantes e difíceis a resolver

• Métodos e metodologias de outras áreas do conhecimento, como da Matemática, Mecânica Computacional, Medicina e Biologia, podem contribuir para a resolução de tais desafios

• Para tal, Colaborações são Necessárias e Bem-vindas 86 Processamento e Análise de Imagem Médica em Biomecânica 2013@João Manuel R. S. Tavares

Equipa

Equipa (Visão Computacional)


• Estudantes de Pós-Doutoramento (4) – Concluído: A. Carvalho, E. Sousa – Em curso: Z. Ma, S. Oliveira

• Estudantes de Doutoramento (14) – Concluído: D. Moura, T. Azevedo, S. Rua, Z. Ma, F. Oliveira – Em curso: R. Pinho, P. Gonçalves, M. Vasconcelos, I. Reis, J. Nunes, A.

Araújo, R. Oliveira, A. Ferreira, D. Jodas • Estudantes de Mestrado (25)

– Concluídos: E. Barroso, A. Jesus, C. Cruz, P. Alves, F. Jacob, D. Sousa, F. Oliveira, T. Azevedo, M. Vasconcelos, R. Pinho, L. Bastos, C. Coelho, J. Pereira, C. Tabuas, D. Cidre, L. Ferro, G. Queirós, D. Faria, N. Sousa, R. Teixeira, P. Gomes, L. Ribeiro

– Em curso: R. Alves, S. Figueiredo, A. Silva • Estudantes de Graduação (2)

– Concluídos: R. Ferreira, S. Pimenta

Agradecimentos

• Os trabalhos apresentados têm vindo a ser realizados parcialmente com o apoio da Fundação para a Ciência e a Tecnologia (FCT) em Portugal, nomeadamente, através dos projetos: – PTDC/BBB-BMD/3088/2012 – PTDC/SAU-BEB/102547/2008 – PTDC/SAU-BEB/104992/2008 – PTDC/EEA-CRO/103320/2008 – UTAustin/CA/0047/2008 – UTAustin/MAT/0009/2008 – PDTC/EME-PME/81229/2006 – PDTC/SAU-BEB/71459/2006 – POSC/EEA-SRI/55386/2004


Publicações & Eventos


Taylor & Francis journal “Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization”


Lecture Notes in Computational Vision and Biomechanics (LNCV&B) Series Editors: João Manuel R. S. Tavares, Renato Natal Jorge ISSN: 2212-9391 Publisher: SPRINGER

http://www.springer.com/series/8910


Eventos:

Webpage (www.fe.up.pt/~tavares)



João Manuel R. S. Tavares

[email protected] www.fe.up.pt/~tavares

Mestrado Integrado em Engenharia Biomédica

Porto, 9 Dezembro 2013

Processamento e Análise de Imagem Médica em...

Documents

Transcript of Processamento e Análise de Imagem Médica em...