• A imagem médica tem despertado atenção crescente nos últimos anos devido ao seu papel essencial nas aplicações de saúde.
  • A técnica de visão computacional demonstrou grandes aplicações em cirurgia e terapia de certas doenças.

A pesquisa em visão computacional, processamento de imagens e reconhecimento de padrões fez progressos substanciais nas últimas décadas. Além disso, a imagem médica atraiu atenção crescente nos últimos anos devido ao seu papel vital nas aplicações de saúde. Os pesquisadores publicaram uma infinidade de dados científicos fundamentais documentando os avanços e as aplicações da imagem médica na área da saúde.

Análise de imagem médica

Este tema busca abordar as melhorias e novas técnicas relacionadas aos métodos de análise de imagem médica. Primeiramente, a integração de informações multimodais de diferentes técnicas de imagem diagnóstica é essencial para uma caracterização completa da região examinada. Consequentemente, o registro de imagens tornou-se crucial tanto para a avaliação visual qualitativa quanto para a análise quantitativa multiparamétrica em aplicações de pesquisa. S. Monti et al.

na Itália « An Evaluation of the Benefits of Simultaneous Acquisition on PET/MR Coregistration in Head/Neck Imaging » comparam e avaliam o desempenho entre os métodos de registro tradicionais aplicados à PET e à RM adquiridas como modalidades únicas e os resultados obtidos com o registro implícito de uma PET/RM híbrida, em regiões anatômicas complexas como cabeça/pescoço (HN). Os resultados experimentais mostram que a PET/RM híbrida oferece maior precisão de registro do que as imagens registradas retrospectivamente.

Leia também:O que é aprendizado de máquina e visão computacional?

Leia também:5 aplicações da visão computacional

Visão computacional para análise preditiva e terapia

Visão computacionalA técnica devisão computacionaltem mostrado grandes aplicações em cirurgia e terapia de certas doenças. Recentemente, as tecnologias de modelagem tridimensional (3D) e prototipagem rápida estimularam o desenvolvimento das modalidades de imagem médica, como a tomografia computadorizada e a ressonância magnética. P. Gargiulo et al. na Islândia « New Directions in 3D Medical Modeling: 3D-Printing Anatomy and Functions in Neurosurgical Planning » combinam imagens de TC e RM com tratografia DTI e utilizam protocolos de segmentação de imagens para modelar em 3D a base do crânio, o tumor e cinco feixes de fibras eloquentes. Os autores oferecem uma potencial abordagem terapêutica de grande valor para o preparo neurocirúrgico avançado.

Pessoas idosas são propensas a quedas, o que prejudica seu corpo e, consequentemente, tem sérias repercussões mentais negativas sobre elas. T.-H. Lin et al. em Taiwan « Fall Prevention Shoes Using Camera-Based Line-Laser Obstacle Detection System » projetam um sistema interessante de detecção de obstáculos por linha de laser para prevenir quedas em idosos. Neste sistema, uma linha de laser atravessa um plano horizontal a uma altura específica do chão, e o eixo óptico de uma câmera tem um ângulo de inclinação específico em relação ao plano, permitindo que a câmera observe o padrão do laser para detectar obstáculos potenciais.

Infelizmente, este sistema projetado é principalmente útil para aplicações internas, em vez de ambientes externos.

Algoritmos fundamentais para imagem médica

A segmentação de órgãos é um pré-requisito para sistemas deCAD. De fato, o algoritmo de segmentação é o mais importante e fundamental para o processamento de imagens e também melhora o nível de previsão e terapia de doenças. C. Pan et al. na China « Leukocyte Image Segmentation Using Novel Saliency Detection Based on Positive Feedback of Visual Perception » utilizam o conjunto da máquina de aprendizado extremo poliharmônico (EPELM) e o feedback positivo da percepção para detectar objetos salientes, o que é totalmente orientado por dados sem qualquer conhecimento prévio ou amostras rotuladas em comparação com algoritmos existentes. Um módulo de feedback positivo baseado em EPELM concentra-se na área de fixação com o objetivo de intensificar objetos, inibir ruídos e promover a saturação da percepção. Experimentos em vários bancos de dados de imagens padrão mostram que o novo algoritmo supera os algoritmos convencionais de detecção de saliência e também segmenta com sucesso células nucleadas em diferentes condições de imagem.

Suas pesquisas identificam a necessidade crítica de perspectivas clínicas e teóricas sobre imagens médicas. Este blog apresenta diversos novos desenvolvimentos em visão computacional relacionados à imagem médica e aplicações clínicas.