Processamento de Imagens Médicas - Estudo de Caso Pixeon

TCC-Karoline da Rocha

Autor: Karoline da Rocha

Orientador: Prof. Marcos Moecke, Dr

Curso: Engenharia de Telecomunicações

Instituto Federal de Santa Catarina (IFSC), São José – SC

karolrocha0802@gmail.com

RESUMO ESTENDIDO

Com passar dos anos as dores nas costas estão se tornando mais frequentes para a população devido ao sedentarismo e a má postura, aumentando a procura por tratamento adequado dessas dores, e a necessidade de diagnósticos médicos. Para detectar as vértebras e classificá- las é necessário que os médicos radiologistas analisem imagens médicas obtidas por CT, MRI ou radiografia. Estes diagnósticos podem ser demorados e as vezes imprecisos.

O objetivo deste trabalho é estudar, analisar e desenvolver alguns algoritmos (e.g., Histogram of Oriented Gradients (HOG), Scale-invariant feature transform (SIFT) e Adaboost), que serão utilizados para o treinamento de uma Support Vector Machine (SVM) na detecção e classificação das vértebras. Espera-se que o uso desses algoritmos resulte na aceleração dos diagnósticos, uma maior precisão, facilitando o diagnóstico dos médicos radiologistas.

Documentos DO TCC1

• A seguir à um link para apresentação realizada na disciplina de TCC1. Esta apresentação contém informações sobre:
  • Objeto de estudo:
  • Problema de pesquisa;
  • Objetivo Geral;
  • Objetivo Específico;
  • Estrutura do Marco Teórico;
  • Principais Fontes;
  • Cronograma;
  • Dificuldades;
  • Referências.
  • https://www.dropbox.com/s/jtvw3p6bnecjoru/apresentacao2_TCC_Karoline.pdf?dl=0

CRONOGRAMA

Etapas do cronagrama:

1. Estudo Básico da anatomia da coluna vertebral;
2. Estudo da aquisição de imagens médicas (MRI, CT, Radiografia);
3. Estudo do processamento de imagens, principalmente as técnicas de realce, processamento morfológico e segmentação;
4. Estudo dos algoritmos para segmentação e detecção de objetos (Adaboost, SIFT e HOG);
5. Estudo sobre Máquinas de Vetores de Suporte (SVM);
6. Estudo das toolboxes e funções do Matlab, para o processamento de imagens médicas e aprendizagem de máquina;
7. Escrita da proposta de TCC (Introdução, Fundamentação teórica e Proposta de trabalho), entrega deste para a banca, preparação da apresentação, defesa e correção do documento;
8. Implementação dos algoritmos;
9. Testes e comparações dos algoritmos;
10. Escrita do documento do TCC (Introdução, Proposta de trabalho, Fundamentação teórica, Implementação, Análises, Resultados e Conclusões), entrega deste para a banca, preparação da apresentação, defesa, correção do documento, e entrega da versão final para a coordenação do curso;

Etapas	Ago/2016	Set/2016	Out/2016	Nov/2016	Dez/2016	Jan/2017	Fev/2017	Mar/2017	Abr/2017	Maio/2017	Jun/2017
1				X
2	X
3		X	X	X	X
4			X	X
5				X
6	X	X
7				X	X
8					X	X	X
9						X	X
10							X	X	X	X	X

REFERÊNCIAS BIBLIOGRÁFICAS

1. ANATOMIA, A. de. COLUNA VERTEBRAL. 2001. Disponível em: <http: //www.auladeanatomia.com/novosite/sistemas/sistema-esqueletico/coluna-vertebral/>

2. COIMBRA, M. T. Capítulo II – Imagem Digital. 2011. Disponível em: <https://www.dcc.fc.up.pt/~mcoimbra/lectures/PSI_1011/Aula%203%20-%20Capitulo%20II.pdf>

3.COSTA, E. L. D. M. et al. UM ESTUDO DA COLUNA VERTEBRAL: POSICIONAMENTO E ANATOMIA. 2013. Disponível em: <http://aems.edu.br/iniciacao-cientifica/download/4c261f207f.pdf>

4. COTRIM, F. U. B.; PAULA, M. H. de. Watershed: Segmentação de Imagem. 2011. Disponível em: <http://fcotrim.com/blog/2016/03/21/watershed-segmentacao-de-imagem/>

5. FICEL, M. O. SAIBA O QUE É PACS E DICOM. 2006. Disponível em: <http://www.tecnologiaradiologica.com/materia_pacs_dicom.htm>

6. GONZAGA, A. Adaboost. 2012. Disponível em: <http://iris.sel.eesc.usp.br/sel886/ApresentacaoAdaBoost1.pdf>

7. GONZALES, G. L. G. APLICAÇÃO DA TÉCNICA SIFT PARA DETERMINAÇÃO DE CAMPOS DE DEFORMAÇÕES DE MATERIAIS USANDO VISÃO COMPUTACIONAL. 2011. Disponível em: <http://www.maxwell.vrac.puc-rio.br/17050/17050_5.PDF>

8. GONZALEZ, R. C. Processamento Digital de Imagens. third. [S.l.]: Pearson Prentice Hall, 2010.

9. HUANG, S.-H.; LAI, S.-H.; NOVAK, C. L. A statistical learning appproach to vertebra detection and segmentation from spinal mri. IEEE, 2008.

10. LECRON, F.; BENJELLOUN, M.; MAHMOUDI, S. Fully automatic vertebra detection in x-ray images based on multi-class svm. SPIE, 2012.

11. LOOTUS, M.; KADIR, T.; ZISSERMAN, A. Vertebrae Detection and Labelling in Lumbar MR Images. 2013. Disponível em: <https://www.robots.ox.ac.uk/~vgg/publications/2013/Lootus13/lootus13.pdf>.

12. MATHWORKS. Image Processing Toolbox Functions. 2016. Disponível em: <https://www.mathworks.com/help/images/functionlist.html>

13. MATHWORKS. Image Processing ToolboxTM User’s Guide. 2016. Disponível em: <http://www.uow.edu.au/~phung/resources/image/images_tb.pdf>

14. MATHWORKS. Statistics and Machine Learning Toolbox. 2016. Disponível em: <https://www.mathworks.com/help/stats/>

15. MCCORMICK, C. AdaBoost Tutorial. 2013. Disponível em: <http://mccormickml.com/2013/12/13/adaboost-tutorial/>

16. MCCORMICK, C. HOG Person Detector Tutorial. 2013. Disponível em: <http://mccormickml.com/2013/05/09/hog-person-detector-tutorial/>

17. MEDICA, R. Tomografia Computadorizada (TC). 2016. Disponível em: <http://www.radiacao-medica.com.br/tipos-de-imagens-medicas/raios-x/tomografia-computadorizada-ct>

18. MÉDICA, R. ao. Radiografia (Raios-X Simples). 2013. Disponível em: <http://www.radiacao-medica.com.br/tipos-de-imagens-medicas/raios-x/radiografia-raios-x-simples/>

19. MOREIRA, J.; GERCINA, C. Confira as doenças que mais dão afastamento no INSS. 2014. Disponível em: <http://www1.folha.uol.com.br/mercado/2014/09/1520341-veja-as-doencas-que-mais-dao-afastamento-no-inss.shtml>

20. NUNES, F. L. S. Introdução ao Processamento de Imagens Médicas para Auxílio ao Diagnóstico – Uma Visão Prática. 2006. Disponível em: <http://www.lbd.dcc.ufmg.br/colecoes/jai/2006/003.pdf>

21.OPENCV. Introduction to Support Vector Machines. 2016. Disponível em: <http://docs.opencv.org/2.4/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html>

22. PEREIRA, V. F.; SANTOS, P. E.; COZMAN, F. G. Reconhecimento de Objetos Baseado em Contexto Utilizando a Lógica de Descrição Probabilística CRALC. 2012. Disponível em: <http://fei.edu.br/~psantos/CSR/papers/ENIA2012.pdf>

23. SA, R. et al. Fast scale-invariant lateral lumbar vertebrae detection and segmentation in x-ray images. IEEE, 2016.

24. SCOPPETTA, C. Ressonância magnética. 2016. Disponível em: <http://www.clinicascoppetta.com.br/exames/ressonancia-magnetica/>