Técnicas de processamento digital de imagens

Prévia do material em texto

Técnicas de processamento digital 
de imagens para segmentação de 
tumores cerebrais em imagens de 
ressonância magnética
Beatriz Vasconcelos e William Dantas
Universidade Federal do Rio Grande Norte
Centro de Tecnologia
Departamento de Engenharia Biomédica
Processamento digital de imagens
Discente: Heliana Bezerra Soares
ÍNDICE
03
INTRODUÇÃO
Contextualização 01
02
05
BANCO DE DADOS
Dataset utilizado
Metodologia
Métodos utilizados
RESULTADOS
Resumo dos melhores 
resultados
CONCLUSÃO
Desfecho do projeto06
#
#
INTRODUÇÃO
01
O tumor cerebral é causado devido à divisão 
descontrolada de células no cérebro ou ao redor 
dele. A presença de tumor em um determinado 
local do cérebro afeta as atividades controladas 
por essa parte do sistema nervoso.
INTRODUÇÃO
O tumor cerebral é uma das principais causas de 
aumento nas taxas de mortalidade entre adultos e 
crianças em todo o mundo e constitui cerca de 
1–2% de todas as doenças malignas nos Estados 
Unidos 
(Estatísticas do Central Brain Tumor Registry dos Estados Unidos, CBTRUS)
INTRODUÇÃO
A identificação e classificação 
nestes exames de imagem 
restringem-se a habilidade e 
experiência dos profissionais 
competentes que as analisam, o 
que não é algo trivial. 
 
 INTRODUÇÃO
Dessa forma, o intuito deste estudo é no 
desenvolvimento de um algoritmo 
computacional aplicado à imagem de 
ressonância magnética para 
segmentação de tumores cerebrais, por 
meio de ferramentas de processamento 
digital de imagens, para o auxílio de 
prognósticos.
BANCO DE DADOS
02
BANCO DE DADOS
3064 imagens
Meningiomas (708), gliomas (1426) e 
tumores hipofisários (930)
233 pacientes
Label, PDI, image, tumorBorder, tumorMask 
512x512 int16
PNG
https://figshare.com/articles/dataset/brain_tumor_da
taset/1512427/5?file=7953679
O conjunto de imagens de 
ressonância magnética 
cerebral ponderadas em 
T1, que foram obtidas no 
período de 2005 a 2010, no 
Nanfang Hospital, 
Guangzhou - China, e no 
General Hospital, Tianj ing 
Medical University - China.
https://figshare.com/articles/dataset/brain_tumor_dataset/1512427/5?file=7953679
https://figshare.com/articles/dataset/brain_tumor_dataset/1512427/5?file=7953679
METODOLOGIA
03
 METODOLOGIA
As técnicas de processamento 
digital de imagens realizadas 
neste estudo foram aplicadas 
sobre imagens de ressonância 
magnética (IRM), referente aos 
tumores de meningioma, glioma e 
tumor hipofisário.
Meningioma
Glioma 
tumor hipofisário
Geralmente adjacentes a 
crânio, massa cinzenta e 
líquido cefalorraquidiano
Geralmente envolvem 
substância branca
São adjacentes ao seio 
esfenoidal, artérias carótidas 
internas e quiasma óptico
METODOLOGIA
Pré
processamento Segmentação
Pós
processamento
Erosão do 
crânio
Filtro de 
média
Variação de 
intensidade
k-means Fechamento
PRÉ-PROCESSAMENTO
Eliminação da região do 
crânio por erosão
Para fim de simplificação para as 
próximas técnicas a serem utilizadas, é 
feito a erosão. Onde é possível definir o 
limite de um objeto, primeiro erodindo o 
objeto com um pequeno elemento 
estruturante e, em seguida, subtraindo o 
resultado da imagem original.
Erosão do crânio em um cérebro com meningioma
 PRÉ-PROCESSAMENTO
Com intuito de melhorar a compreensão 
da imagem foi-se utilizado um filtro de 
média. Sendo o melhor máscara aplicada 
às imagens de IRM, foi a de média 5x5.
Filtro de média Variação de intensidade
Para a facilitação da segmentação e 
aquisição do tumor, foi realizado a 
variação da intensidade em tons de cinza 
da imagem, fazendo correspondência ao 
nível de cinza entre 0 e 127.
Imagem com máscara de média 5x5 Imagem com nível de cinza entre 0-127
SEGMENTAÇÃO
k-means com 5 clusters Pseudo lables Pós-processamento
Examina os dados e procura padrões de ocorrência natural ou clusters dentro dele. Uma vez que esses 
clusters foram encontrados, pode-se então construir a decisão limites para classificar dados algoritmos. 
Assume-se que o tumor seja o cluster mais brilhante e que seus pixels sejam rotulados como tumor. E por fim, é 
preenchido os buracos com que possam haver no referido cluster. Enfim, o tumor é segmentado do restante do 
cérebro.
k-means
PÓS-PROCESSAMENTO
Operação morfológica: Fechamento
O fechamento também tende a suavizar 
contornos, mas, ao contrário da abertura, 
geralmente funde as descontinuidades 
estreitas e alonga os golfos finos, elimina 
pequenos buracos e preenche as lacunas 
em um contorno. Com isso prenhe buracos 
que possam haver no tumor segmentado.
RESULTADOS
04
RESULTADOS
Resultado da segmentação do tumor de meningiomaComparação com segmentação dos especialistas
RESULTADOS
Resultado da segmentação do tumor hipofisárioComparação com segmentação dos especialistas
RESULTADOS
Resultado da segmentação do tumor gliomaComparação com segmentação dos especialistas
CONCLUSÃO
05
CONCLUSÃO
Os resultados obtidos demonstraram que o sistema desenvolvido neste estudo 
teve um desempenho satisfatório, segmentando o tumor de forma concisa em mais da 
metade das imagens de teste e apresentando boa compatibilidade com as máscaras 
delimitadas pelos especialistas.
 
 
■ [1] Richard C. Woods, Rafael C. Gonzalez, 
Processamento Digital de Imagens, Pearson, 2008. 
■ [2] M. G. e. K. Sasidhar, “Non-invasive Brain 
Tumor Detection using Magnetic Resonance Imaging 
based Fractal Texture Features and Shape Measures,” 
IEEE, 7-8 fevereirro 2020.
■ [3] Cheng, Jun, et al. "Enhanced Performance of Brain
Tumor Classification via Tumor Region Augmentation
and Partition." PloS one 10.10 (2015).
■ [4] Akshya Kumar Sahoo and Priyadarsan Parida 2021 
J. Phys.: Conf. Ser. 1921 012007
■ [6] E. A. J. e. R. d. D. L. Maryana de Carvalho Alegro, 
“Segmentação computadorizada de tumores do 
encéfalo em imagens de ressonância magnética,” 23 
Fevereiro de 2012. 
REFERÊNCIAS
■ [7] MASCARENHAS, Layse Ribeiro; RIBEIRO JÚNIOR, 
Audenor dos Santos; RAMOS, Rodrigo Pereira. Automatic 
segmentation of brain tumors in magnetic resonance 
imaging. einstein (São Paulo), São Paulo, v. 18, eAO4948, 
Mar. 2020. 
https://doi.org/10.31744/einstein_journal/2020AO4948.
■ [8] P.-L. Bazin, “Topology-Preserving Tissue 
Classification of Magnetic Resonance Brain Images,” IEEE, 
2007.
■ [9] M. A. M.-G. A. L. Ruben F. Molgora, “Evaluation of 
Preprocessing Techniques for Brain Analysis using 
Compressed and Uncompressed Magnetic Resonance 
Imaging,” IEEE, 2018. 
■ [10] S. Y. M. M. Syed Muhammad Anwar, “Brain tumor 
segmentation on Multimodal MRI scans using EMAP 
Algorithm,” IEEE, 2018.
■ [11] A. S. e. D. A. Rai, “CT Scan Based Brain Tumor 
Recognition and Extraction using Prewitt and 
Morphological Dilation,” IEEE, 2021.
CREDITS: This presentation template was created by Slidesgo, including 
icons by Flaticon, and infographics & images by Freepik. 
Please keep this slide for attribution.
OBRIGADO!
Dúvidas ou questionamentos?
http://bit.ly/2Tynxth
http://bit.ly/2TyoMsr
http://bit.ly/2TtBDfr