Medical Image Processing

Este curso apresenta os fundamentos do processamento de imagem médica digital em três e quatro dimensões. Tem uma ênfase particular nas aplicações à investigação biomédica, neurocientífica, e clínica.

Nos últimos anos, o campo do processamento de imagem médica tem registado um crescimento exponencial tanto no sector académico como no privado.

Os objectivos do processamento de imagem médica podem ser divididos em 3 grandes grupos: assistência diagnóstica; assistência ao tratamento e investigação em fisiopatologia de doenças; e desenvolvimento de biomarcadores. As imagens médicas têm representado um avanço na medicina desde as primeiras aplicações dos raios X. Hoje em dia, o número de modalidades de imagem está em constante crescimento, fornecendo uma variedade crescente de diferentes tipos de informação. A integração de diferentes modalidades de extracção, visualização e interpretação automática de informação é o principal motor do desenvolvimento de novas tecnologias de processamento de imagem médica. Em particular, o processamento da imagem médica desempenha vários papéis na medicina de hoje:

    • Visualização e quantificação de dados de imagem com o objectivo de reduzir o erro humano no diagnóstico
    • Assistência ao planeamento cirúrgico
    • Rastreio automatizado de alterações em resposta a um dado tratamento
    • Investigação da fisiopatologia da doença
    • Desenvolvimento de biomarcadores

    Neste curso veremos uma introdução geral ao campo, os principais problemas abertos, bem como as ferramentas matemáticas com as quais se podem desenvolver soluções para eles.

    Objectivos

    O principal objectivo deste curso é apresentar aos alunos uma introdução geral ao campo do processamento de imagens médicas, começando pela aquisição de imagens até às aplicações em planeamento cirúrgico e neurociências.

    Programa

    1. Aquisição: Fundamentos de tomografia computorizada e aquisição de imagem de ressonância magnética nuclear.
      • Introdução geral às diferentes modalidades de imagiologia médica em três e quatro dimensões: Tomografia Computadorizada, Ressonância Magnética Nuclear, Tomografia por Emissão de Positrões e, Tomografia Computadorizada por Emissão de Fotões Únicos .
      • Reconstrução de imagens de tomografia computorizada digital usando resolução de sistemas lineares

      • Aquisição de imagens de ressonância magnética nuclear. Em particular imagens anatómicas T1, T2, imagens funcionais de contraste dependentes do nível de oxigénio no sangue, e imagens ponderadas por difusão.
      • /ul>

    2. Processamento de sinal: Breve apresentação dos fundamentos da representação e processamento do sinal digital.
      • Introdução aos fundamentos dos sinais digitais, decomposição de Fourier, teoria da amostragem Nyquist, quantização, e relação sinal ruído.
      • Princípios de filtragem e melhoria da relação sinal ruído em imagens de duas ou mais dimensões.
    3. Image Segmentation and Object Identification: Fundamentos da segmentação de imagens em vários objectos de interesse, por exemplo, fundo e objecto principal; identificação de vários órgãos em tomografia computorizada de grande alcance, tais como o fígado e os pulmões; identificação de estruturas cerebrais corticais e subcorticais.

      • Segmentação utilizando limiares combinados e morfologia matemática.
      • Separação de funções de probabilidade multimodais para segmentação de diferentes tecidos.
      • Incorporação de conhecimento a priori em modelos de segmentação.
  • Representação tridimensional de estruturas anatómicas: Uma vez que as estruturas anatómicas de interesse tenham sido segmentadas, este módulo analisará várias formas de representar computacionalmente estas estruturas.
    • Extracção de objectos tridimensionais com base em imagens binárias, método Marching Cubes.
    • Representação de estruturas utilizando sistemas de partículas.
  • Registo de Imagem Médica: Introdução ao registo de imagem médica, registo entre pares de objectos, criação de atlas e registo de grupo
    • Registo de estruturas anatómicas: representação por marcos, superfícies tridimensionais, e imagens tridimensionais.
    • Modelos lineares: funções de semelhança, famílias de transformações, registo rígido e afim.
    • Modelos deformáveis: representação computacional de modelos deformáveis, campos de velocidade, modelos de poliafina, transformações invertíveis.

    • Métodos de optimização para registo de imagem médica.
  • Aplicações em estudos populacionais e planeamento cirúrgico
    • Aplicações de análise estatística da população: modelos de morfometria estatística baseados em voxel, análise de imagem por ressonância magnética funcional, e análise de morfometria tensora.
    • Aplicações ao planeamento cirúrgico cerebral e tóraco-abdominal.

  • Conhecimento prévio recomendado

    • Conhecimento de programação e estruturas de dados
    • Análise matemática e álgebra linear
    • Elementos de computação numérica

    Em particular, com respeito aos estudantes do Departamento de Informática da FCEyN, UBA, isto é equivalente a ter tomado as disciplinas:

      • Algoritmos e Estruturas de Dados I
      • Métodos Numéricos

    Deixe uma resposta

    O seu endereço de email não será publicado. Campos obrigatórios marcados com *