Baixe o app para aproveitar ainda mais
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
Compartilhar