Este documento descreve um estudo sobre a segmentação automática de imagens bidimensionais de seções transversais do tórax humano obtidas por ressonância magnética. O objetivo é identificar os contornos das regiões do pulmão e cavidades do coração usando algoritmos de processamento de imagens como detecção de bordas, dilatação e erosão. A metodologia propõe tratar os pulmões e coração separadamente usando heurísticas baseadas em suas características anatômicas e de tom de cinza. Os resultados são analis

1. Um Estudo Sobre Segmentação
Automática De Imagens
Bidimensionais De Seções
Transversais Do Tórax Humano
Obtidas Por Ressonância Magnética
Trabalho de Conclusão de Curso
Orientado: Charles Cássio da Silva
Orientador: Marcos Henrique Fonseca Ribeiro

2. O Problema
• A partir de uma imagem de uma seção transversal do
tórax humano, obtida por ressonância magnética, utilizar
algoritmos de segmentação de imagens, para identificar
bordas correspondentes, aproximadamente, aos
contornos das regiões do tórax, pulmões e cavidades do
coração.

3. Solução Ideal

4. Finalidade - Contexto
Informática Médica
• Estudo da informação e tecnologia na prestação de cuidados
de saúde;
• Recursos que podem ser aplicados no gerenciamento e
utilização da informação médica.

5. Finalidade - Contexto
Informática Médica
• Sistemas de informação da saúde;
• Telemedicina;
• Sistemas de apoio a decisão clinica;
• Mineração de dados médicos;
• Processamento de imagens médicas.

6. Finalidade

7. Processamento Digital de
Imagens
Passo Básico: Aquisição

8. Processamento Digital de
Imagens
Imagem Digital: Representação

9. Processamento Digital de
Imagens
Processos computacionais
Nível baixo
• Redução de ruído, realce, contraste, aguçamento, etc;
• Resultado: imagens.
Nível médio
• Segmentação (regiões, objetos), descrição (forma adequada)
e classificação (reconhecimento) objetos individuais;
• Resultado: bordas, contornos, identidades.
Nível alto
• “Dar sentido” a um conjunto de objetos reconhecidos;
• Resultado: funções cognitivas associadas à visão.

10. Processamento Digital de
Imagens
Segmentação
Passos fundamentais:

11. Processamento Digital de
Imagens
Vizinhança de Pixels
• Um pixel p na coordenada (x, y) tem quatro vizinhos horizontais e
verticais, chamados vizinhança-4 ou N4(p), cujas coordenadas são
dadas por:
(x + 1, y), (x - 1, y), (x, y + 1), (x, y - 1)
• Os quatro vizinhos diagonais, ND(p), têm coordenadas:
(x + 1, y + 1), (x + 1, y - 1), (x - 1, y + 1), (x - 1, y - 1)
• Juntos eles formam N8(p), vizinhança-8 de p.

12. Processamento Digital de
Imagens
Limiarização
• Processo intuitivo;
• Simplicidade na implementação; 1 𝑠𝑒 𝑓 𝑥, 𝑦 > 𝑇
𝑔 𝑥, 𝑦 =
• Velocidade computacional. 0 𝑠𝑒 𝑓 𝑥, 𝑦 ≤ 𝑇

13. Processamento Digital de
Imagens
Dilatação e Erosão
Processos que correspondem a operações de adição e subtração entre
elemento estruturante (N4 ou N8) e objeto, respectivamente;
Imagem 3.3 – Exemplos de Dilatação e Erosão, respectivamente.

14. Processamento Digital de
Imagens
Abertura e Fechamento
Abertura geralmente suaviza o contorno do objeto e elimina saliências
finas, enquanto o fechamento também tende a suavizar contornos, mas
geralmente funde as descontinuidades estreitas e preenche as lacunas
em um contorno.
Exemplos de abertura e fechamento, respectivamente:

15. Processamento Digital de
Imagens
Filtros Espaciais de Suavização
A ideia por trás é simples, substituir o valor de cada pixel de uma
imagem pela média dos níveis de intensidade da vizinhança definida
pela mascara, o processo resulta em uma imagem com perda de
nitidez, ou seja, com redução de transições abruptas nas intensidades.

16. Processamento Digital de
Imagens
Segmentação
A segmentação subdivide uma imagem em regiões ou objetos que a
compõem. O nível de detalhe em que a subdivisão é realizada depende
do problema a se resolvido.

17. Processamento Digital de
Imagens
Detecção de Bordas
Princípio básico: Descontinuidade, variações bruscas de nível de cinza.

18. Processamento Digital de
Imagens
Detecção de Bordas
Sendo a imagem uma função, pode-se aplicar o conceito de derivadas para
encontrar essas variações.

19. Processamento Digital de
Imagens
Detecção de Bordas
Exemplos da aplicação da máscara anterior

20. Processamento Digital de
Imagens
Detecção de Bordas
Algoritmo de Canny
Necessidade:
• Todas as bordas devem ser encontradas;
• Os pontos de borda devem estar mais próximos possível do real;
• Apenas bordas de espessura 1 para cada borda identificada.
Como solução o algoritmo propõe:
• Utilização de um filtro de suavização;
• Calculo do gradiente;
• Supressão não máxima;
• Dupla limiarização com análise de conectividade

21. Processamento Digital de
Imagens
Detecção de Bordas
Algoritmo de Canny

22. Metodologia
API Utilizada: OpenCV
OpenCV (Open Source Computer Vision Library) é multi-plataforma,
totalmente livre ao uso acadêmico e comercial. É escrita em C++ com
suporte a outras linguagens, como Java, Python e Visual Basic.

23. Metodologia
Imagens referência

24. Metodologia

25. Metodologia
Heurística
• Tratar as duas estruturas separadamente!
• Coração e pulmões são estruturas bem diferentes do ponto de vista
de formato, deformação com o movimento e, principalmente,
texturas e tom de cinza.

26. Metodologia
Heurística – Pulmões
• Órgãos que estão preenchidos com ar;
• Áreas mais escuras;
• Tamanho mais significativo e característico.

27. Metodologia
Heurística – Pulmões
Pré-processamento
cvSmooth( cvBlur, 6 )

28. Metodologia
Heurística – Pulmões
Pré-processamento
cvDilate( 3 ); cvErode( 6 )

29. Metodologia
Heurística – Pulmões
Segmentação
cvCanny( 0, 25, 3 )

30. Metodologia
Heurística – Pulmões
Segmentação
cvDilate( 2 )

31. Metodologia
Heurística – Pulmões
Segmentação
cvFindContours( )

32. Metodologia

33. Metodologia
Heurística – Coração
• Órgão de tons de cinza mais claro;
• Pouco mais claros que a grande maioria dos outros tecidos.
• Anatomicamente, se encontra centralizado na caixa torácica.

34. Metodologia
Heurística – Coração
Pré-processamento
cvSmooth( cvBlur, 6 )

35. Metodologia
Heurística – Coração
Pré-processamento
cvErode( 1 )

36. Metodologia
Heurística – Coração
Pré-processamento
cvThreshold( 50, 255, THRESH_BINARY )

37. Metodologia
Heurística – Coração
Pré-processamento
cvErode( 4 ); cvDilate( 4 )

38. Metodologia
Heurística – Coração
Segmentação
cvCanny( 10, 25, 3 )

39. Metodologia
Heurística – Coração
Segmentação
cvFindContours( )

40. Metodologia

41. Conclusões
• Análise dos resultados;
• Contribuições;
• Sugestões para trabalhos futuros;
• Referências:
 [1]Rafael, C. Gonzalez; Richard E. Woods. Processamento Digital
de Imagens. Pearson, 3ª Ed. 2010.
 [2]Peters, F. C., Barra, L. P. Estratégia para a solução numérica do
problema inverso da identificação de inclusões em domínio
condutor. Dissertação de Mestrado, Universidade Federal de Juiz
de Fora, 2010. Juiz de Fora, Brasil.
 [3]Peters, F. C., Barra, L. P., Santos, R. W. Determination of Cardiac
Ejection Fraction by Electrical Impedance Tomography. Em
“Medical Imaging”, 2011, ISBN 978-953-307-774-1