You are on page 1of 67

CLUDIO VINCIUS DE CARVALHO

ANLISE DO HIPOCAMPO EM IMAGENS DE RESSONNCIA MAGNTICA USANDO TRANSFORMADAS DE DISTNCIA

LAVRAS - MG 2010

CLUDIO VINCIUS DE CARVALHO

ANLISE DO HIPOCAMPO EM IMAGENS DE RESSONNCIA MAGNTICA USANDO TRANSFORMADAS DE DISTNCIA

Monografia de concluso de curso apresentada ao Departamento de Cincia da Computao da Universidade Federal de Lavras como parte das exigncias do curso de Bacharelado em Cincia da Computao, para a obteno do ttulo de Bacharel em Cincia da Computao.

Orientadora Prof. Ana Paula Piovesan Melchiori Co-Orientador Prof. Andr Vital Sade

LAVRAS MINAS GERAIS BRASIL 2010

CLUDIO VINCIUS DE CARVALHO

ANLISE DO HIPOCAMPO EM IMAGENS DE RESSONNCIA MAGNTICA USANDO TRANSFORMADAS DE DISTNCIA

Monografia de concluso de curso apresentada ao Departamento de Cincia da Computao da Universidade Federal de Lavras como parte das exigncias do curso de Bacharelado em Cincia da Computao, para a obteno do ttulo de Bacharel em Cincia da Computao

APROVADA em ___ de __________ de ______.

Prof. Bruno de Oliveira Schneider Prof. Ricardo Martins Abreu

(UFLA) (UFLA)

Prof. Ana Paula Piovesan Melchiori Orientadora Prof. Andr Vital Sade Co-Orientador

LAVRAS MINAS GERAIS - BRASIL

Dedico este trabalho a meus pais, Cludio e Eliane pelo apoio contnuo e por serem meu maior exemplo. A meu av Carlos, e minhas avs Valdete e Vilma. Aos meus irmos, Rassa e Yuri, aos primos, tios e amigos. Aos colegas da turma 2007/01 e s qualidades de cada um que serviram para tornar-me uma pessoa melhor. Em especial a Karoline, pelo carinho, conselhos valiosos e apoio incondicional durante todos estes anos.

AGRADECIMENTOS

professora Ana Paula Piovesan pela oportunidade de desenvolver este trabalho e pelas orientaes dadas. Ao professor Andr Sade pelos conhecimentos transmitidos na disciplina de Viso Computacional e por me dar a chance de desenvolver este trabalho. Aos colegas Alfredo Jos e Henrique Saab que participaram paralelamente do desenvolvimento deste trabalho dando contribuies e sugestes. Aos colegas de turma pelo incentivo e crticas construtivas respeito deste texto. pesquisadora Clarissa Yasuda do Laboratrio de Neuroimagem da Faculdade de Medicina da Universidade Estadual de Campinas por fornecer as amostras de hipocampos sem as quais este trabalho no seria possvel.

RESUMO

O uso de Imagens de Ressonncia Magntica em estudos clnicos e diagnstico de alteraes no corpo humano hoje comum, mas, em muitos casos, a anlise dos dados ainda demanda profissionais experientes e tempo elevado. Em especial, anomalias em uma estrutura cerebral chamada Hipocampo atraem a ateno de clnicos por estarem relacionadas ao aparecimento de vrias doenas degenerativas. Este trabalho apresenta uma tcnica baseada em Transformadas de Distncia para anlise de dados tri-dimensionais provenientes de ressonncia magntica que possa fornecer informaes e comparaes entre amostras desta importante estrutura e auxiliar na agilizao de diagnsticos. Palavras-chave: Anlise do hipocampo, Transformada de Distncia

ABSTRACT
The Magnetic Ressonance Images usage in clinical studies and diagnosis of changes in the human body is common nowadays, but the data analysis is often expensive and can require experts. In special, anomalies in a structure called Hippocampus attract the atention of doctors as they are related to the appearing of several neurodegenerative diseases. This paper purposes a Distance Transform-based technique for tri-dimensional analysis of the data coming from magnetic ressonance that can provide informations and comparison among samples of this important strucuture and help to speed the diagnosis. Keywords: Hippocampus analysis, Distance Transform

SUMRIO

1 2

Introduo ............................................................................................... 13 Referencial Terico ................................................................................. 15 2.1 2.2 2.3 Obteno de Imagens de Ressonncia Magntica ............................ 15 O Hipocampo ................................................................................... 16 Segmentao ................................................................................... 17 Thresholding ............................................................................ 19 Crescimento de Regies ........................................................... 19 Modelos Deformveis .............................................................. 19 Problemas na aquisio de Imagens de Ressonncia Magntica....... 22 Transformadas de distncia ............................................................. 23 Anlise de Forma ............................................................................. 27 Morfometria ............................................................................. 27 Esqueletos, eixos e superfcies mediais ..................................... 32 Descritores SPHARM .............................................................. 36 Wavelets .................................................................................. 37

2.3.1 2.3.2 2.3.3 2.4 2.5 2.6 2.6.1 2.6.2 2.6.3 2.6.4 2.7 3

Softwares disponveis ...................................................................... 38

Metodologia ............................................................................................ 40 3.1 3.2 Obteno de amostras de Hipocampos Segmentados ...................... 41 Pr-processamento.......................................................................... 43

3.3 4 5 6 7

Desenvolvimento do Software ......................................................... 44

Resultados ............................................................................................... 48 Discusso dos resultados ......................................................................... 51 Concluso ............................................................................................... 53 Referncias Bibliogrficas ....................................................................... 54

Glossrio......................................................................................................... 58 8 9 10 11 APNDICE A VOLUME DAS AMOSTRAS....................................... 59 APNDICE B OUTROS RESULTADOS OBTIDOS ........................... 60 APNDICE C OUTRAS FORMAS DE VISUALIZAO .............. 64 APNDICE D SEQUNCIA DE COMANDOS ............................... 66

LISTA DE FIGURAS

FIGURA 1: LOCALIZAO DO HIPOCAMPO EM IMAGENS DE RESSONNCIA MAGNTICA:A - CORTE CORONAL, B - CORTE SAGITAL, C - CORTE TRANSVERSAL, D - HIPOCAMPO DIREITO DESTACADO E AMPLIADO EXTRADO DA IMAGEM B ........16 FIGURA 2: COMPARAO ENTRE ALGUNS MTODOS DE SEGMENTAO: A - IMAGEM ORIGINAL DE UM HIPOCAMPO; B - HIPOCAMPO SEGMENTADO MANUALMENTE; C - THRESHOLDING DE (A); D - HISTOGRAMA DE (A) COM LIMIAR INDICADO; E SEGMENTAO POR CRESCIMENTO DE REGIES; F WATERSHED APLICADO SOBRE O GRADIENTE DE (A) COM SEGMENTAO MANUAL SOBREPOSTA. .........20 FIGURA 3: ILUSTRAO DE EFEITO DE VOLUME PARCIAL. ESQUERDA, A IMAGEM IDEAL; AO LADO, A IMAGEM OBTIDA. RETIRADO DE PHAM ET AL. (2000) ............22 FIGURA 4: OBJETO (PRETO) EM UMA MATRIZ DE PIXELS. DIREITA, PRIMEIRO PASSO DA TRANSFORMADA DE DISTNCIA DO FUNDO EM RELAO AO OBJETO. ..........24 FIGURA 5: PASSOS SEGUINTES DA TRANSFORMADA DE DISTNCIA. DIREITA, RESULTADO DA TRANSFORMADA, CONVERTIDA EM NVEI DE CINZA. ..................24 FIGURA 6: OBJETO ORIGINAL(A); TRANSFORMADA DE DISTNCIA APLICADA EM (A) COM MTRICA EUCLIDEANA DO OBJETO EM RELAO AO FUNDO. RETIRADO DE FISHER ET AL.(2003). ...............................................................................................26 FIGURA 7: CONECTIVIDADE DE VOXELS. RETIRADO DE PEIXOTO E CARVALHO (2000B).26 FIGURA 8: IMAGEM RETIRADA DE SCORZIN ET. AL. (2008) MOSTRANDO UMA FATIA DE UM HIPOCAMPO SEGMENTADO. O RESULTADO OBTIDO DO VETOR AZUL, REFERENTE AO SLICE COUNTING METHOD, SER MENOR QUE O OBTIDO PELO VETOR VERMELHO, QUE INDICA O VECTOR METHOD. ISTO PORQUE OS VETORES DO VECTOR METHOD SEGUEM O FORMATO CURVADO DO HIPOCAMPO E TENDEM A SER CLARAMENTE MAIORES .................................................................28 FIGURA 9: EXEMPLOS DE MBD E MBT. NA FIGURA DA ESQUERDA (MBD), AS SETAS INDICAM O DESLOCAMENTO ABSOLUTO APS FEITAS AS NORMALIZAES.

DIREITA (MBT) COMO O MESMO CRCULO FICARIA EM DIFERENTES LUGARES DO CREBRO APS O MESMO PROCESSO. RETIRADO DE ASHBURNER E FRISTON (2000). .....................................................................................................................30 FIGURA 10: (A)OBJETO ORIGINAL; (B)ESQUELETO DE (A); (C)EIXO MEDIAL DE (A). FONTE: FISHER ET AL. (2003). .................................................................................34 FIGURA 11: AMOSTRA DE HIPOCAMPO A UTILIZADA PARA DESENVOLVIMENTO, RENDERIZADA COM O SOFTWARE DISPLAY. VISTA SUPERIOR (ACIMA) E LATERAIS(ABAIXO). .................................................................................................42 FIGURA 12: EXTRAO DAS DIFERENAS. (A) FATIA DA AMOSTRA; (B) FATIA EQUIVALENTE DO PADRO; (C) DISTNCIAS DO FUNDO PARA A AMOSTRA; (D) DISTNCIAS DO FUNDO PARA O PADRO; (E) INTERSEO ENTRE (A) E (C); (F) INTERSEO ENTRE (B) E (D); (G) UNIO DE (E) E (F) .............................................46 FIGURA 13: (A) OBJETO DE AMOSTRA; (B) OBJETO DE REFERNCIA; (C) SOBREPOSIO DOS DOIS OBJETOS E REA QUE SER ELIMINADA EM DESTAQUE; (D) RESULTADO FINAL. ......................................................................................................................47 FIGURA 14: RESULTADOS OBTIDOS PARA AMOSTRA A1, RENDERIZADOS COM SOMBREAMENTO GOURAUD .................................................................................48 FIGURA 15: RESULTADOS OBTIDOS PARA AMOSTRA D, RENDERIZADOS COM SOMBREAMENTO GOURAUD .................................................................................49 FIGURA 16: AMOSTRA A1, MAPAS COMPARATIVOS DE DISTNCIA ...............................65 FIGURA 17: AMOSTRA D, MAPAS COMPARATIVOS DE DISTNCIA .................................65

LISTA DE ABREVIAES

ACM CT HD HE MBD MBT MBV MRI PET SPHARM SPECT SPM TLE SCM VM

Active Contour Models (Modelos de Contorno Ativo) Computed Tomography (Tomografia Computadorizada) Hipocampo direito Hipocampo esquerdo Morfologia Baseada em Deformao Morfologia Baseada em Tensor Morfologia Baseada em Voxel Magnetic Ressonance Image (Imagem de Ressonncia Magntica) Positron Emission Tomography (Tomografia de Emisso de Psitrons) Spherical Harmonics (Harmnicos Esfricos) Single Photon Emission Computed Tomography (Tomografia Computadorizada por Emisso de Fton nico) Statistical Parametric Mapping (Mapeamento Estatstico Paramtrico) Temporal Lobe Epilepsy (Epilepsia do Lobo Temporal) Slice Counting Method (Mtodo de Contagem de Fatias) Vector Method (Mtodo do Vetor)

13

INTRODUO

A anlise de formas um campo do processamento de imagens que se preocupa em identificar e reconhecer caractersticas importantes de um objeto baseado em sua forma. No contexto de anlise de imagens mdicas, a anlise de formas utilizada na identificao de alteraes em estruturas do sistema nervoso central, sendo uma tarefa rdua e importante no diagnstico de doenas neurodegenerativas. Atualmente, Imagens de Ressonncia Magntica (ou MRI Magnetic Ressonance Images) so ferramentas indispensveis nas mos de mdicos e neurocientistas para o diagnstico dessas anomalias e deciso sobre os procedimentos a serem adotados em cada caso clnico. Entre as muitas doenas cerebrais registradas pela neurocincia das quais se conhece as causas ou estruturas atingidas ou relacionadas, existem as que afetam uma estrutura no lobo temporal do crebro denominada Hipocampo. A atrofia desta estrutura est relacionada a epilepsia e outras doenas como o mal de Alzheimer e transtornos cognitivos e de memria. Nos casos de epilepsia, em especial, sua segmentao automatizada e consequente anlise volumtrica se torna uma importante ferramenta para neurocirurgies, j que a execuo manual desta tarefa requer um especialista treinado e demorada, mesmo para profissionais experientes. Existe atualmente grande necessidade de ferramentas que auxiliem no diagnstico de doenas neuro-degenerativas seja na segmentao da estrutura de interesse das imagens de ressonncia magntica, em sua anlise ou em sua classificao. Este trabalho tem como objetivo aplicar a tcnica de transformadas de distncia no desenvolvimento de um software para anlise visual do hipocampo em imagens de ressonncia magntica que possibilite o estudo de alteraes no hipocampo por mdicos e neurocientistas.

14

Com isso espera-se diminuir o tempo gasto no diagnstico de doenas degenerativas no hipocampo, especialmente em casos de pacientes que necessitem de interveno cirrgica imediata, estabelecendo prioridades para estes casos. Outros profissionais da rea mdica tambm poderiam fazer uso da ferramenta no diagnstico de anomalias e encaminhamento de pacientes para centros especializados. Alm disso, com quantidades maiores de dados podendo ser processados em um intervalo menor de tempo, tambm possvel desenvolver novas pesquisas na rea e incrementar pesquisas em andamento, na busca por novos tratamentos para esses males. Este trabalho encontra-se subdividido da seguinte forma: em Referencial Terico, encontra-se a base para terica para o desenvolvimento do projeto, principais conceitos e bibliografia bsica. Em Metodologia, os passos seguidos no decorrer do projeto e discriminao das etapas principais do seu desenvolvimento. Em Resultados e Discusses dos Resultados, os principais resultados alcanados e a explicao para os mesmos. Em Concluso, palavras finais sobre o trabalho.

15

REFERENCIAL TERICO

Nesta seo encontram-se detalhes sobre a anatomia do hipocampo, a forma como trabalham as mquinas de ressonncia magntica, problema encontrados na aquisio das imagens, etapas envolvidas na anlise de estruturas cerebrais e uma viso sobre as principais tcnicas empregadas atualmente, bem como os softwares mais usados para esta tarefa.

2.1

Obteno de Imagens de Ressonncia Magntica O surgimento de mquinas de ressonncia magntica em 1977 , e sua

popularizao partir de 1982, possibilitou a mdicos de todo o mundo a anlise, com razovel riqueza de detalhes, de estruturas internas e rgos at ento impossveis de serem estudados sem mtodos invasivos (CLUETT, 2006). Estes scanners podem ser encontrados espalhados por diversas instituies pelo globo, e tm mostrado que seu alto preo de aquisio e manuteno, so pequenos comparados aos benefcios que podem trazer. Os equipamentos de Ressonncia Magntica valem-se da propriedade de spin do tomos de hidrognio presentes no corpo humano. Tais mquinas possuem um magneto principal responsvel por gerar campos magnticos da ordem de 1.5 a 3 Teslas e uma bobina emissora de radio-frequncia. Quando ligado, o magneto faz com que os tomos de hidrognio girem em uma certa direo; a bobina, ao emitir pulsos de rdio, faz com que os tomos girem na direo oposta. O processo de girar em uma direo e voltar para a posio inicial, chamada ressonncia do tomo, produz um breve sinal de rdio que captado pela mesma bobina e que varia de acordo com a composio do tecido em questo. Estas diferentes intensidades de ressonncia, traduzidas por um

16

computador para nveis de cinza, tornam-se as Imagens de Ressonncia Magntica (IRM) (CLUETT, 2006).

2.2

O Hipocampo O Hipocampo uma importante estrutura presente no crebro humano e

no de outros mamferos (HEIJER et al., 2010). Ele encontrado em pares, localizados nos lados esquerdo e direito do crebro no sistema lmbico e tem um importante papel na memria de longo prazo e navegao espacial. Cada hipocampo tem em geral a forma de um tubo curvado, por vezes sendo feita analogia um cavalo marinho ou uma banana, como visto na Figura1.

Figura 1: Localizao do hipocampo em imagens de Ressonncia Magntica:A - Corte Coronal, B - Corte Sagital, C - Corte Transversal, D - Hipocampo direito destacado e ampliado extrado da imagem B

17

Tcnicas de anlise e volumetria do hipocampo tm sido usadas h dcadas no estudo da Epilepsia do Lobo Temporal (TLE Temporal Lobe Epilepsy) e outras doenas neurolgicas, como afirma Mueller (2007). Durante os ltimos anos vrios estudos volumtricos envolvendo o hipocampo em TLE, mal de Alzheimer, e outras doenas, foram realizados por meio de segmentao e clculo manuais do volume do hipocampo (BERNASCONI et al. 2003; TAE et al. 2008; SCORZIN et al. 2008). Entretanto, tais mtodos tornam-se inviveis para estudos mais robusto, pois, como sugere Leemput (2009), este um processo laborioso que limita severamente a quantidade de dados que podem ser analisados.

2.3

Segmentao Classicamente, a segmentao de uma imagem consiste em particion-la

em regies que no se sobrepe e homogneas com respeito certas caractersticas como intensidade ou textura. A anlise precisa da forma e volume de qualquer estrutura envolve, antes de tudo, uma segmentao adequada desta. No caso de imagens mdicas esta etapa crucial. Seja a modalidade de escolha MRI, PET, ultra-som, SPECT, CT, ou uma mirade de plataformas microscpicas, a segmentao de imagens um passo vital na anlise dos constituintes biolgicos ou alvos clnicos (SHAEFER, 2009). Pham(2000) cita diversas aplicaes da segmentao em imagens mdicas, como quantificao de volume de tecidos, diagnsticos, localizao de patologias, estudo de estruturas anatmicas, planejamento de tratamento e cirurgia com computao integrada.

18

De acordo com Gonzalez e Woods (2002), a segmentao o processo que particiona um imagem R em n sub-regies R1, R2, ,Rn, de forma que:

n Ri = R. i =1 R uma regio conexa, i = 1, 2, ..., n. i R R = para todo i e j , i j. i j P( R ) = VERDADEIRO para todo i = 1, 2, ..., n. i P( R R ) = FALSO para i j. i j
Em que P(Ri) um predicado lgico definido sobre os pontos no conjunto Ri, ou seja, a propriedade que deve ser satisfeita por todos os pixels da regio. Uma regio conexa aquela na qual todos os pixels esto interligados, dada uma conectividade. (O conceito de conectividade ser introduzido mais adiante). Tratando deste mrito, Pham (2000) divide os mtodos de segmentao em oito categorias, de acordo com a abordagem utilizada: (a) thresholding, (b) crescimento de regies, (c) classificadores, (d) clustering, (e) modelos de campo aleatrio de Markov (MRF), (f) redes neurais artificiais, (g) modelos deformveis e (h) guiadas por atlas. Por no ser este o foco deste trabalho nos limitaremos a descrever trs destes mtodos, de menor complexidade, com a nica finalidade de ilustrar melhor esta etapa do processo de anlise do hipocampo. So eles, Thresholding (ou limiarizao), Crescimento de Regies e Modelos Deformveis (ou Modelos de Contorno Ativo).

19

2.3.1

Thresholding O thresholding, ou limiarizao, segmenta a imagem em duas classes,

estabelecendo um limiar e agrupando os pixels com intensidade maior que o limiar em uma classe e todos os outros em outra classe, partir da anlise de seus histogramas (PHAM et al,2000). Entretanto, a aplicao de threshold s gera duas classes como visto na Figura 2(c), o que pode ser insuficiente para um problema maior. Alm disso, este mtodo afetado por inomogeneidades que alteram o histograma da imagem. 2.3.2 Crescimento de Regies O crescimento de regies o procedimento que agrupa pixels ou subregies em regies maiores baseado em um critrio pr-definido de intensidade ou bordas da imagem (GONZALEZ e WOODS, 2002). Por exemplo, pode-se definir como critrio todos os pixels que tenham intensidade menor que a intensidade de um pixel inicial somado 30 e gerar assim uma regio. Assim como o thresholding, o crescimento de regies raramente usado como forma nica de segmentao por possuir a desvantagem de necessitar que uma semente, o ponto de partida do mtodo, seja definida manualmente por um operador, e, apesar de atlas anatmicos ajudarem nesta tarefa, sua eficcia no garantida. Um conhecido mtodo que se enquadra nesta categoria o Watershed.

2.3.3

Modelos Deformveis Modelos Deformveis, ACMs (Active Contour Models, Modelos de

Contorno Ativo), ou snakes, como so popularmente conhecidos, so algoritmos de segmentao que baseiam-se na minimizao de uma funo energia como

20

forma de aproximar um contorno existente s bordas da regio a ser segmentada. Um contorno ativo um fino elstico colocado em uma imagem na esperana que ela v delinear o objeto desejado (ASTON,2009). Um contorno (snake) inicializado perto das bordas do objeto e durante a evoluo do algoritmo o contorno deformado de maneira a se adequar melhor s bordas. Esse um dos mtodos mais interessantes para segmentao de estruturas em imagens de ressonncia magntica pois, uma vez iniciado, a cada nova fatia da imagem s necessrio um pequeno ajuste (deformao) no contorno para adequ-lo s novas bordas (PHAM et al, 2000).

Figura 2: Comparao entre alguns mtodos de segmentao: a - Imagem original de um Hipocampo; b - Hipocampo segmentado manualmente; c - Thresholding de (a); d Histograma de (a) com limiar indicado; e - Segmentao por crescimento de regies; f Watershed aplicado sobre o gradiente de (a) com segmentao manual sobreposta.

21

A Figura 2 ilustra um ponto que pode levar a complicaes na segmentao: a regio do hipocampo muito heterognea, sendo este distinguvel das estruturas cerebrais em seu entorno por uma camada de matria branca que, em alguns cortes finssima e de baixo contraste, o que torna mtodos mais simples(thresholding e crescimento de regies) e mesmo mtodos mais robustos (Active Contour Models) suscetveis falhas sem processamentos e filtragens prvias. Aps a segmentao da regio desejada necessrio avaliar a performance da segmentao pelo mtodo escolhido devem. A maneira mais direta de consegui-las compar-lo a segmentaes manuais, feitas por um operador treinado. Esta abordagem, apesar de simples, no pode ser dada como garantida, visto que mesmo operadores apresentam discrepncias entre suas segmentaes e de outros, e entre suas prprias, no raro. Um exemplo de trabalho envolvendo segmentao computadorizada o de Pluta et al. (2009), que apresenta um protocolo robusto, de alta vazo, semiautomatizado para segmentao do hipocampo em casos de epilepsia do lobo temporal. Ele requer a segmentao aproximada de regies chave do hipocampo via interface grfica, combinada posteriormente com termos de similaridade de imagens para guiar a normalizao volumtrica. Apesar deste mtodo ser dependente de um pr-processamento e, portanto, no ser o modelo ideal para os objetivos do nosso trabalho, ele, segundo os autores, no apresenta a tendncia dos mtodos automticos de sobrestimar o volume do hipocampo. Ainda em 2009, Leemput et al. (2009) apresenta um mtodo que, usando inferncia Bayesiana, utiliza-se de um modelo de formao da imagem em torno do hipocampo para obter segmentaes automatizadas da regio. Os autores afirmam que a tcnica completamente reproduzvel, e rpida o suficiente para

22

permitir rotinas de anlises dos sub-campos do hipocampo em grandes estudos de imagens (LEEMPUT et al., 2009).

2.4

Problemas na aquisio de Imagens de Ressonncia Magntica Por mais isoladas e bem construdas que possam ser, mquinas de

ressonncia magntica no esto livres de artefatos de imagem. Artefatos so quaisquer elementos presentes na imagem gerada que no esto presentes no objeto original (Pham et. al, 2000), e podem ser causados por falhas na operao do aparelho de ressonncia, pacientes que se movem durante a captura, ou mesmo pelo movimento dos fludos corporais do paciente. Por exemplo, os efeitos de volume parcial surgem quando mais de um tecido contribui na intensidade de um nico pixel, causando embaamento das bordas (Figura 3). Isso se deve principalmente baixas resolues das mquinas de ressonncia. Hoje, entretanto, esse problema tende a diminuir medida que a resoluo das mquinas chega a nveis maiores. No que tange a segmentao de regies, h uma soluo para este efeito, que baseia-se em segmentaes que permitam que regies diferentes sobreponham-se (contrariando as definies de segmentao explicadas acima).

Figura 3: Ilustrao de efeito de volume parcial. esquerda, a imagem ideal; ao lado, a imagem obtida. Retirado de Pham et al. (2000)

23

Outro

contratempo

na

aquisio

de

imagens

mdicas

inomogeneidade de intensidade. Mquinas de ressonncia magntica podem, quando apresentam problemas nas bobinas ou operam em pacientes que possuem pedaos de metal no corpo (placas, pinos, parafusos, grampos, etc), inserir rudos nas imagens finais na forma de sombreamentos em regies da imagem que deveriam ser homogneas, tornando alguns algoritmos de segmentao inoperantes. Entre as diversas abordagens para contornar esse problemas para segmentao esto a pr-filtragem da imagem (Pham et al., 2000) e mtodos que segmentam a imagem enquanto calculam as inomogeneidades.

2.5

Transformadas de distncia Transformadas de distncia, mapas de distncia ou campos de distncia,

so operadores que, aplicados a uma imagem, retornam a distncia de cada ponto do objeto a um referencial - em geral, o fundo. Geralmente aplica-se transformadas de distncia em imagens binrias, imagens com apenas duas classes de valores possveis. Entretanto, a extenso do mtodo para imagens no-binrias acrescenta apenas o estabelecimento prvio de valores de limiar, ou threshold, para o discernimento de objeto e fundo. Citando Peixoto e Velho (2000b), A transformada de distncia T, aplicada a um objeto grfico O, calcula um campo escalar (ou vetorial) que representa distncias mnimas entre o objeto e os pontos do espao no qual ele est envolvido. Segue outra definio para transformada de distncia: seja X contido em Zn e M uma mtrica, a transformada de distncia do objeto X, com respeito mtrica M, denotada por TD , associa a cada ponto p X sua distncia ao

24

mais prximo ponto q em pode ser descrita como:

, com respeito mtrica M. Matematicamente, ela

TD

= min{DM(p, q), q

Figura 4: Objeto (preto) em uma matriz de pixels. direita, primeiro passo da transformada de distncia do fundo em relao ao objeto.

Figura 5: Passos seguintes da transformada de distncia. direita, resultado da transformada, convertida em nvei de cinza.

25

Desta forma, o resultado obtido por uma Transformada de Distncia depende da funo ou mtrica escolhida. Entre elas, esto a mtrica city block, a chessboard e a euclideana. A mtrica euclideana a mtrica ideal por aplicar-se tanto em objetos do mundo contnuo quanto discreto; na prtica, entretanto, ela difcil implementao e envolve quadrados e razes, exigindo maior custo computacional. (PEIXOTO e VELHO, 2000b). Sua frmula :

Na mtrica city block, considera-se que para ir de um ponto a outro, s se pode andar pelos eixos principais do sistema de coordenadas. Assim: dist(p,q) = | p1 - q1 | + | p2 q2 | + ... + | pn qn | No caso de volumes, ela define a topologia de conectividade 6, ou 6conectado, significando que s possvel seguir para um voxel conectado a uma das 6 faces do voxel de partida. A mtrica chessboard definida como: dist(p,q) = max(| p1 - q1 | + | p2 q2 | + ... + | pn qn |). Sendo assim, partindo de um voxel de origem possvel seguir para qualquer voxel que compartilhe uma face, aresta ou vrtice com este, ou seja, movimentar-se em qualquer direo, definindo a topologia de conectividade 26, ou 26 conectado.

26

Figura 6: Objeto original(a); Transformada de distncia aplicada em (a) com mtrica euclideana do objeto em relao ao fundo. Retirado de Fisher et al.(2003).

Como pode ser visto na Figura 4, Figura 5 e Figura 6 o resultado de uma transformada de distncia convertido para nveis de cinza d-se na forma de um gradiente, ou degrad em que os pontos so to mais claros quanto maior for sua distncia em relao ao referencial, respeitando-se a forma do objeto. Um conceito importante para esta operao o de conectividade de voxels. Diz-se que h conectividade 6, ou que dois voxels so 6-conetadados, quando s possvel acessar um voxel vizinho se estes compartilharem uma face. A conectividade 18 acontece quando dois voxel so considerados vizinhos se compartilharem uma face ou aresta. Voxels com conectividade 26, ou 26conectados, podem acessar quaisquer outros voxel com os quais compartilhem faces, arestas ou vrtices (PEIXOTO E CARVALHO, 2000b). As conectividades so ilustradas abaixo.

Figura 7: Conectividade de voxels. Retirado de Peixoto e Carvalho (2000b)

27

2.6 2.6.1

Anlise de Forma Morfometria A anlise da forma do hipocampo compreende o principal objetivo deste

trabalho, tendo a morfometria - campo que estuda as variaes na forma de estruturas, principalmente em organismos vivos e que podem apresentar constituies diversas um peso relevante. A morfometria nos permite realizar comparaes entre vrias amostras de um objeto de interesse, i.e., o hipocampo, e verificar regies onde ocorrem alteraes significativas. Sero explicadas seguir as tcnicas de Morfometria Baseada em Voxel, tcnicas que se valem de Superfcies Mediais, descritores SPHARM e Wavelets. As tcnicas de morfometria so diversas, indo dos mtodos que envolvem clculos simples de distncias e ngulos, a mtodos mais robustos, que utilizam-se de amplo leque de tcnicas de processamento de imagens, teoria matemtica e demandam alto custo computacional. Na primeira categoria pode-se classificar o trabalho de Scorzin et al.(2008), que compara duas tcnicas de quantizao da superfcie do hipocampo, a de contagem de pixels pertencentes ao hipocampo (SCM Slice Counting Method) e a da soma das distncias entre os pontos centrais das reas dos hipocampos segmentados em cada fatia(VM Vector Method), trabalho voltado para anlise do hipocampo quando da remoo de um pedao deste, em carter pr e ps-operatrio. O Vector Method descrito por Scorzin et al. (2008) comea com a gerao de quatro divisores radiais com ngulo inicial constante para que o centro da regio de interesse seja determinado. Com o clculo da mdia entre as componentes x e y de todos os pixels da regio, o centro automaticamente

28

calculado. A frmula utilizada para clculo do comprimento do segmento antes e depois do procedimento cirrgico mostrada abaixo, como descrita por Scorzin et al. (2008), sendo L o comprimento da regio do hipocampo e (x,y,z) as coordenadas espaciais:

Figura 8: Imagem retirada de Scorzin et. al. (2008) mostrando uma fatia de um hipocampo segmentado. O resultado obtido do vetor azul, referente ao Slice Counting Method, ser menor que o obtido pelo vetor vermelho, que indica o Vector Method. Isto porque os vetores do Vector Method seguem o formato curvado do hipocampo e tendem a ser claramente maiores

Em contraponto s mais simples, existem as tcnicas de morfometria mais robustas, como dito anteriormente, que tornam possveis comparaes entre diferentes amostras de crebros, das quais as mais conhecidas so a morfometria baseada em deformao (MBD), a morfometria baseada em tensor (MBT) e a morfometria baseada em voxel (MBV, ou, em ingls, VBM VoxelBased Morphometry), talvez a mais difundida das trs. Cada mtodo de morfometria tem um alvo diferente, podendo focar-se em localizar alteraes globais ou locais. Segundo Ashburner e Friston (2000), quando da comparao de grupos, a morfometria baseada em deformao (MBD) usa campos de

29

deformao para identificar diferenas nas posies relativas de estruturas nos crebros dos sujeitos, enquanto usamos o termo morfometria baseada em tensor (MBT) para referir aos mtodos que localizam diferenas na forma local das estruturas cerebrais. A MBD num sentido global pode, amparada por um pequeno nmero de parmetros, ser usada para simplesmente detectar se h diferenas significantes nas formas globais, como explica Ashburner e Friston (2000). Um exemplo de como a alterao destes parmetros pode fornecer resultados diferentes o trabalho descrito por Thompson e Toga (1999) apud Ashburner e Friston (2000), que envolve a criao de mapas paramtricos, mas no localiza regies do crebro com formas diferentes, e sim, indica quais encontram-se em posies relativas diferentes. Entretanto, estas regies com formas diferentes podem ser encontradas utilizando-se morfometria baseada em tensor (MBT). Como as imagens de ressonncia magntica apresentam-se como matrizes de voxels de alta resoluo, o custo computacional de uma abordagem baseada em tensor pode torn-la invivel, criando espao para tcnicas de custo menor, como a Morfometria Baseada em Voxel. Na introduo de seu artigo Voxel-Based MorphometryThe Methods de 2000, Ashburner e Friston resumem a tcnica de morfometria baseada em voxel na sua forma mais simples, como uma tcnica que envolve uma comparao voxel a voxel da concentrao local de matria cinzenta entre dois grupos de sujeitos. O procedimento inicial envolve normalizar espacialmente imagens de alta resoluo de todos os sujeitos do estudo no mesmo espao estereottico (ASHBURNER e FRISTON, 2000). Em seguida, a matria cinzenta das imagens normalizadas espacialmente segmentada e estes segmentos atenuados (smoothing). O prximo passo realizao de testes estatsticos paramtricos voxel a voxel que comparam as imagens da matria

30

cinzenta atenuada dos dois grupos[...] e, como correes se mostram necessrias quando da comparao de mltiplas amostras, estas so feitas usando a teoria dos campos Gaussianos aleatrios (ASHBURNER e FRISTON, 2000).

Figura 9: Exemplos de MBD e MBT. Na figura da esquerda (MBD), as setas indicam o deslocamento absoluto aps feitas as normalizaes. direita (MBT) como o mesmo crculo ficaria em diferentes lugares do crebro aps o mesmo processo. Retirado de Ashburner e Friston (2000).

As etapas principais do mtodo da Morfometria Baseada em Voxel so explicadas a seguir. 2.6.1.1 Normalizao De maneira pouco mais detalhada, a normalizao espacial o processo que encerra as vrias amostras disponveis dentro de um template, de modo que a soma dos erros quadrticos entre cada amostra e o template seja a menor possvel. Isso necessrio pois, como dito anteriormente, diversos fatores, biolgicos (tamanho da caixa craniana, quantidade de matria cinzenta), ou no (rudo gerado pela mquina, posio do corpo do paciente dentro da mquina,

31

movimentao do paciente durante a aquisio, das imagens, etc), contribuem para as mais diversas discrepncias entre pacientes. Vale atentar para o fato da normalizao no ter como objetivo o perfeito alinhamento de todas as estruturas do crebro com o template, visto que, alm desta tarefa ser praticamente impossvel do ponto de visto biolgico, ela torna o mtodo de morfometria baseada em voxel, que procura diferenas locais na concentrao de matria cerebral, sem sentido. Isto, entretanto, no significa que a normalizao deve ser grosseira, nem de resoluo muito baixa, pois tal prtica causaria efeitos de volume parcial indesejveis. 2.6.1.2 Registro das Imagens Segundo Zitov e Flusser (2003), o registro de imagens o processo de sobrepr duas ou mais imagens de um mesma cena tiradas em momentos diferentes ou de diferentes pontos de vista, e/ou por diferentes sensores, processo que alinha geometricamente duas imagens, a imagem base e outra que se deseje registrar. As tcnicas de registro de imagens se dividem basicamente em registro rgidas e no-rgidas. Segundo Crum et. al. (2004), as tcnicas rgidas aplicam-se quando as imagens necessitam de simples translaes e rotaes para corresponderem ao desejado e no-rgidas quando, em razo de diferenas biolgicas e/ou aquisio das imagens, a correspondncia entre as estruturas s conseguida esticando as imagens, sendo este ltimo o caso das imagens de estruturas do corpo humano, como o crebro. 2.6.1.3 Segmentao, pr-processamento e anlise em MBV A segmentao das imagens a prxima etapa do mtodo de MBV. Em seu artigo, Ashton e Friston (2000) utilizam um mtodo prprio para particionar

32

as imagens em matria cinzenta, matria branca e fludo cerebrespinhal, que inclui correes para inomogeneidades na intensidade das imagens. A matria cinzenta segmentada em seguida suavizada. Isto faz com que cada voxel possua o valor mdio dos pontos em seu entorno, tornando a anlise local mais prtica. Finalmente, so executados testes estatsticos nas imagens que passaram por todo o processo descrito, cujos resultados apresentam-se na forma de mapas paramtricos estatsticos (SPM Statistical Parametric Maps) (FRICKOWIAK et.al, 2004). Chupin et al. (2009) valeu-se do SPM5 para segmentao e normalizao das amostras de hipocampo em seu artigo. Usando um framework Bayesiano, os autores mostraram ser possvel obter a segmentao hipocampal em 15 minutos por amostra, (sendo 10 para registro e 5 para segmentao bilateral) no consta no trabalho o tamanho das imagens. A segmentao apresentou resultados corretos em 63% dos casos, aceitveis em 31% e no satisfatrios em 6%) e baseia-se no conceito de minimizao de energia, criando-se um objeto inicial com base em probabilidades em atlas anatmicos, e um objeto alternativo deformvel. Em cada iterao foram selecionados voxels candidatos nas fronteiras do objeto deformvel que seriam posteriormente reclassificados. Os bons resultados obtidos por Chupin et. al (2009) e outros pesquisadores em anlises de hipocampos usando Morfometria Baseada em Voxel, mtodo presente no SPM, servem como argumentos favorvel ao mtodo e para amenizar os calorosas discusses levantadas por Bookstein (2001) sobre a validade da MBV como mtodo cientfico. 2.6.2 Esqueletos, eixos e superfcies mediais

33

Outra tcnica de anlise de formas, a abordagem de esqueletos e superfcies mediais engloba mtodos que valem-se de representaes mediais para obter informaes sobre a simetria do objeto. Segundo Peixoto e Carvalho (2000a), esqueletos de objetos grficos so poderosas ferramentas para se ter uma representao simples e eficiente do objeto. Objetos volumtricos, em particular, so representados por uma grande quantidade de informaes O processo de esqueletonizao envolve reduzir as regies do objeto a um esqueleto que mantenha propriedades relevantes do objeto original mas que tambm possua informaes suficientes para que ele possa ser reconstrudo. Outro conceito importante o de eixo medial. Um eixo medial de um dado objeto definido como a unio dos centros das circunferncias de raio maximal, contidas no objeto. Tais circunferncias tocam o interior do objeto em pelo menos dois pontos Peixoto e Carvalho (2000a). Uma analogia difundida para eixos mediais, a da chama que avana sobre a grama: ao atear-se fogo sobre uma poro de grama na forma de um crculo, por exemplo, no local onde as chamas se encontram, tem-se o eixo medial. Apesar da definio supracitada de eixo medial, veremos adiante que o uso de circunferncias inscritas no objeto no a nica maneira de obt-los. Os conceitos de esqueleto e eixo medial so por vezes confundidos, ou tidos como um s. Fisher et al. (2003) estabelece a sutil diferena: um esqueleto uma simples imagem binria; um eixo medial, ou o resultado de uma Transformada de Eixo Medial, uma imagem em nveis de cinza em que a intensidade cada ponto do esqueleto representa sua distncia para a borda do objeto original. Em outras palavras, um esqueleto uma mera representao de uma forma, enquanto um eixo medial usadas para reconstru-la. contm informaes que podem ser

34

A definio de um eixo medial pode ser extrapolada para objetos de 3 dimenses, bastando substituir as circunferncias por esferas. Neste caso, alm de poder ser um eixo medial, o resultado tambm pode ser uma superfcie medial. As superfcies mediais so bases de vrias tcnicas para a obteno de descries compactas de estruturas volumtricas.

Figura 10: (a)Objeto original; (b)Esqueleto de (a); (c)Eixo medial de (a). Fonte: Fisher et al. (2003).

35

A maior preocupao quando do desenvolvimento de mtodos para extrair esqueletos de objetos manter propriedades de conectividade, centralizao e topologia. Justamente por ter que manter tais propriedades que mtodos para calcular esqueletos so desafiadores e, em geral, complexos. A conectividade fundamental, pois queremos garantir que a representao do objeto seja contnua, sem quebras. Num sistema de coordenadas de 3 dimenses, a conectividade vai alm das conectividades -4 e8, chegando conectividade -6, -18 e -26, como explicado anteriormente (Figura 7). A centralizao tenta garantir que o esqueleto esteja geometricamente centralizado no objeto, de maneira to precisa quanto possvel em um ambiente discreto. A preservao da topologia fundamental, pois queremos que o esqueleto represente fielmente o objeto original, mantendo buracos, imperfeies, etc. A preservao da conectividade est intrinsecamente relacionada a essa caracterstica. Bouix et al. (2005) defende o mtodo de superfcies mediais, destacando que esta abordagem das mais atrativas para anlise de formas pois pode-se dizer quo compacta a representao obtida. Mtodos que usam vetores de caractersticas e tentam discriminar classes diferentes de formas conhecidas permitem a computao de estatsticas relevantes, mas no provm dados de sada que sejam facilmente interpretados em termos anatmicos. Outra categoria, dos mtodos que baseiam-se na representao de uma superfcie que envolva o objeto, ou que esteja nele contida, e procuram encontrar deformaes que a transforme no objeto desejado, (similares aos descritos em Hogan et al. , 2004) e em Chupin et al, 2009), apesar de intuitivos, so de difcil implementao (BOUIX, 2005).

36

Na Figura 6b possvel perceber como as regies de maior intensidade (mais claras) no resultado da transformada de distncia podem servir de base para o clculo posterior do esqueleto. O clculo do esqueleto de um objeto pode ser feito de diversas maneiras. Alguns mtodos utilizam-se de eroses ou transformadas de distncias; outras abordagens envolvem diagramas de Voronoi. Shen et al. (2003), Styner et al. (2004), entre outros, valeram-se de descritores de objetos com harmnicos esfricos, mais especificamente a descrio SPHARM (Spherical Harmonics). A descrio SPHARM, por ser uma tcnica em crescimento e promissora, ser explicada a seguir. 2.6.3 Descritores SPHARM Outra maneira de estudar variaes na forma de objetos com o uso de descritores de formas. A descrio SPHARM (Spherical Harmonics) representa somente formas de topologia esfrica (STYNER et al.,2004). Ela uma descrio de fronteira, global, hierrquica e, segundo demonstrado por Styner (2004), pode servir para expressar deformaes em objetos. A representao resultante suave e precisa o suficiente para capturar informaes relevantes de estruturas permitindo a comparao entre duas ou mais destas. O software morfomtrico SPHARM, segundo o site da ferramenta (http://www.enallagma.com/SPHARM.php), usa uma representao de malhas triangulares e landmarks para construir um modelo harmnico esfrico de um objeto. A malha triangular consiste em uma densa cobertura de pontos (i.e,vrtices) na superfcie do objeto e linhas conectando os pontos para formar um conjunto completo de tringulos (i.e, faces) que definem a superfcie (McPeek). Os landmarks so usados para que a comparao entre dois objetos possa ser feita.

37

Vrios estudos tem-se utilizado da ferramenta SPHARM para anlise de estruturas cerebrais, destacando-se os trabalhos de Styner et al. (2001, 2004) , Shen (2003), entre outros. Shen et al. (2003) aplicou harmnicos esfricos em cada

hipocampo(esquerdo e direito), provando ser o SPHARM uma descrio flexvel para modelagem de formas e identificao de diferenas entre grupos, com resultados satisfatrios. J Styner et al. (2001, 2004) computou descries mediais estveis para populaes de formas, capturando variabilidades genticas de maneira eficaz. Nestes estudos, foi possvel extrair dados clinicamente relevantes, como o fato da atrofia no hipocampo no ser exclusiva de certas regies do hipocampo, e sim, distribuda uniformemente em certo estgio. Em seu artigo, Bouix et al. (2005) levanta hiptese contrria, de que a atrofia hipocampal no distribu-se de maneira uniforme, mas localiza-se em regies especficas. Sem entrar nos mritos de cada teoria, percebe-se que mesmo com mtodos baseado nas mesmas premissas, a de anlise de superfcies medias de objetos tridimensionais, pode-se obter resultados diversos, dados o nmero de variveis e caractersticas levadas em considerao. 2.6.4 Wavelets As tcnicas de anlise de estruturas cerebrais no limitam-se s descritas at aqui. Diversos mtodos j foram propostos na extensa bibliografia de processamento de imagens mdicas, muitos se firmaram e tantos outros ainda encontram-se em fase de aceitao pela comunidade cientfica. Uma abordagem diferente das apresentadas at aqui a proposta por Pinto et. al (SEM DATA) no artigo 3D Morphological Analysis of Brain MRI Using Wavelets. Wavelets so ferramentas oriundas da anlise de sinais. Quanto s transformadas de wavelets, Lima (2002) diz se tratarem de: mecanismos para

38

decompor ou quebrar sinais nas suas partes constituintes, permitindo analisar os dados em diferentes domnios de frequncias com a resoluo de cada componente amarrada sua escala. Alm disso, na anlise de wavelets, podemos usar funes que esto contidas em regies finitas, tornando-as convenientes na aproximao de dados com descontinuidades. Apesar de em seu artigo Pinto el at. (SEM DATA) usarem wavelets para distinguir sulcos cerebrais estreitos de outros mais largos, a abordagem pode, segundo os autores, ser extrapolada para outras estruturas, pois pode extrair frequncias instantaneamente.

2.7

Softwares disponveis Diversos softwares contribuem com os mdicos na visualizao da

Imagens de Ressonncia Magntica, sua segmentao e posterior anlise. Entre eles, podemos citar o Analyze (Mayo Clinic), que talvez seja o mais famoso software para este fim na comunidade mdica; alm deste h o BRAINS (Iowa Mental Health Clinical Research Center); 3D Slicer; MRIcro (Chris Rorden); DISPLAY (Brain Imaging Center of the Montreal Neurological Institute); SPHARM (Li Shen, Mark McPeek, Hany Farid); FreeSurfer. Entre os estudos que utilizaram-se de softwares para a segmentao totalmente automatizada do hipocampo, destaca-se o uso do software FreeSurfer por Tae et al. (2008) e Shen et al. (2010), comparando este mtodo com o mtodo manual. O FreeSurfer calcula sub-volumes do crebro atribuindo uma etiqueta a cada voxel em um volume de MRI baseado na informao probabilstica estimada automaticamente de um conjunto de treinamento etiquetado automaticamente.Walhovd et al. (2005) apud Suk Tae et al. (2008).

39

Suk Tae et al. (2008) concluiu que, apesar deste mtodo automtico ser eficiente na identificao de atrofia hipocampal, ele no atende os padres necessrios quando comparado aos manuais, obtendo volumes 35% superiores a este ltimos. Li Shen et al. (2010) mostrou que, apesar dos dois mtodos poderem no resultar em mesmas estimaes de volume,[...] o volume hipocampal determinado pelo mtodo de traado manual e o mtodo FreeSurfer[...] foram significativamente correlacionados, indicando uma possvel melhora no mtodo entre a data de publicao destes dois trabalhos. Outra explicao para a divergncia nos resultados pode ser a diferena na qualidade das imagens de ressonncia magntica utilizadas, tcnicas de prprocessamento adotadas, etc. importante ressaltar que estes trabalhos abrangeram as duas etapas, a de segmentao e anlise. Mueller et al. (2007), por exemplo, apresenta uma comparao entre o mtodo manual de segmentao do hipocampo e um semi-automatizado, o Radial Divider Technique (RDT), utilizando o software ANALYZE sobre dados previamente delineados por um profissional, e conclui que so necessrios maiores experimentos para determinar qual deles produz melhores resultados, i.e, determina o volume da estrutura com menor erro. Outro mtodo de mapeamento do hipocampo o HDM-LM(large deformation high-dimensional mapping) descrito por Hogan(2004), que permite uma avaliao estrutural de regies do hipocampo. Em seu artigo, a rea intracranial foi calculada tambm com auxlio do software ANALYZE. Para o clculo do volume, Hogan (2004) utilizou-se de uma malha triangular envolvendo o hipocampo segmentado e aplicou deformaes na malha aps a vetorizao com o Marching Cubes Algorithm de Lorensen and Cline (1987) apud Hogan (2004). Posteriormente o volume do hipocampo foi obtido calculando o volume da superfcie resultante das deformaes.

40

METODOLOGIA

O trabalho aqui descrito, um Anlise do hipocampo em imagens de ressonncia magntica usando transformadas de distncia, enquadra-se na categoria de pesquisas de natureza tecnolgica, ou aplicada, visto que se trata do desenvolvimento um software. Quanto aos objetivos, ela pode classificar-se como pesquisa exploratria, pois diversos mtodos foram analisados alm dos constantes na metodologia, bem como sua aplicabilidade ao problema, visando mostrar quais deles eram os mais adequados e quais no. Quanto aos procedimentos, pode ser classificada como pesquisa experimental, pois visamos descobrir novos mtodos ou variaes de mtodos conhecidos que gerem melhores resultados. Uma das toolboxes utilizadas foi o MINC (Medical Imaging NetCDF), concebido, escrito e lanado por Peter Neelin em 1992, que nasceu da frustrao em lidar com a infinidade de formatos de imagens existentes (http://en.wikibooks.org/wiki/MINC/History). Nas palavras do autor, no apenas cada modalidade e scanner tinha um formato diferente, mas quase todo programador tinha o seu prprio. O MINC fornece diversas opes de visualizao de imagens, informaes globais (mdia, mediana) da imagem e converso para alguns dos formatos mais populares (Analyze, Dicom, RAW, etc). Alm deste, outro importante conjunto de ferramentas adotado o PINK, contm diversas operaes morfolgicas para processamento de imagens como gradiente, eroso, dilatao, watershed e transformadas de distncia, sendo desenvolvido por Michel Couprie, da ESIEE, Frana. Ambas toolboxes, MINC e PINK, foram utilizadas no sistema operacional Linux.

41

Para a visualizao das imagens de ressonncia contamos com o software MRIcro, ferramenta gratuita e de fcil utilizao desenvolvida por Chris Rorden (http://www.cabiatl.com/mricro/), que aceita diversos formatos de imagem.

3.1

Obteno de amostras de Hipocampos Segmentados Para desenvolvimento da ferramenta foram utilizados os hipocampos

resultantes da segmentao de imagens de ressonncia magntica de 3 Tesla obtidas em um aparelho Achieva-Intera PHILIPS em grupos de pacientes de controle e portadores de epilepsia. Estas imagens apresentam a vista do crebro do paciente em trs eixos, ou cortes (sagital, coronal e transversal) e diversas fatias de visualizao de 1mm de espessura, a exemplo da Figura 1. Foram fornecidas pelo Departamento de Neurologia da Faculdade de Cincias Mdica da Unicamp treze amostras de hipocampos segmentados e seus respectivos volumes em mm3 (os dados podem ser consultados no Apndice A). Duas profissionais foram responsveis pelas segmentaes, feita de forma manual com o uso do software Display, que acompanha o pacote MINCTools, gerando arquivos de extenso .minc. As amostras fornecidas no foram acompanhadas de classificao, isto , no permitiam a discriminao entre hipocampos sadios e atingidos por alguma patologia.

42

Figura 11: Amostra de Hipocampo A utilizada para desenvolvimento, renderizada com o software Display. Vista superior (acima) e laterais(abaixo).

43

3.2

Pr-processamento Como na maioria dos problemas envolvendo processamento de imagens,

raramente possvel aplicar as tcnicas desejadas sem que haja um processamento prvio da imagens. O mesmo se aplica para objetos volumtricos. O primeiro passo de pr-processamento foi a escala de algumas imagens. A maioria das amostras possuam dimenses de 180x240x240 - linhas, colunas, profundidade -, mas seis delas (A5, A7, A17, B, D, DC) acusavam 180x224x224. Estas amostras sofreram o processo de escala e re-amostragem de voxels, disponvel na toolbox Minc sob o nome de mincresample. Outra etapa inicial refere-se ao estabelecimento da amostra base em relao qual todas as outras so comparadas, um hipocampo de referncia. Este hipocampo deve representar, idealmente, uma superfcie obtida pela mdia de vrias amostras neste caso, de hipocampos sadios. Apesar de ser possvel a gerao tal hipocampo partir das amostras disponveis, optou-se por no fazlo, pois, como citado, no se sabe quais amostras pertencem a pacientes saudveis e quais no, o que interferiria nos resultados. Para contornar essa situao, uma amostra foi escolhida para representar um hipocampo mdio. Inicialmente, obteve-se mdia e desvio padro do volume das amostras e eliminou-se as amostras (sete delas) que estavam acima ou abaixo de 1 (um) desvio padro. Das que sobraram, o critrio de escolha foi o hipocampo que possua a menor variao com relao mdia volumtrica de todas as amostras. Desta forma, ficou estabelecido que a amostra nomeada A seria a mais adequada para esta funo. Esta ser de agora em diante denominada hipocampo padro. Cada amostra de hipocampo gerada pelo software Display composta por um arquivo .minc contendo todo o volume do crebro, tal como obtido

44

atravs da ressonncia magntica, acompanhada de um arquivo de extenso .tag que contm a lista dos pontos que fazem parte do hipocampo. O mesmo arquivo .tag descreve ambos os hipocampos (direito e esquerdo), tendo um campo adicional que rotula o ponto, indicando a qual hipocampo o ponto pertence. Neste trabalho, como em todos da bibliografia consultada, optou-se por trabalhar com os hipocampos esquerdo e direito isoladamente, o que exigiu que os arquivos .tag de cada paciente fossem separados em dois. Essa escolha visa maior praticidade na anlise dos resultados, no tendo sido encontrado na bibliografia mdica especializada nenhum estudo que sugerisse que a distncia entre os dois hipocampos dentro do crebro tivesse relao com alguma doena conhecida. Cada paciente submetido ressonncia magntica possui caractersticas diferentes que podem afetar a anlise das imagens, sejam estas biolgicas, como tamanho do crebro, disposio dentro da caixa craniana ou devidas ao ambiente, como posio da cabea durante a obteno das imagens, alm de rudos provenientes de outras fontes. Entretanto, consideramos que as imagens, ao chegarem etapa de anlise j sofreram possveis correes de inomogeneidades e normalizaes que se mostrassem necessrias nas etapas iniciais de obteno e segmentao.

3.3

Desenvolvimento do Software Transformadas de distncia so, em geral, tcnicas usadas

majoritariamente como auxiliares na resoluo de problemas. No trabalho supracitado de Bouix et al. (2005) tais transformadas podem ser usadas para a extrao das superfcies mediais usadas pelo mtodos; Gerig et. al, 2001 utilizou-as para a validao dos segmentos cerebrais de que dispunha; elas ainda

45

podem usadas em problemas de segmentao e vrios outros da rea de processamento de imagens. Neste trabalho, porm, as transformadas de distncia no tm apenas o status de ferramenta de auxlio na anlise do hipocampo. Antes, o resultado da transformada de distncia utilizado como a informao a ser analizada diretamente por neurocientistas, fornecendo um mapa de cores que indicam as regies de maior atrofia/hipertrofia. O processo descrito em detalhes seguir. Tomamos duas formas a serem comparadas, sendo uma o hipocampo padro e a outra uma das amostras disponveis, como ilustrado na Figura 12(a) e (b) (o processo aqui ilustrado para apenas uma fatia (ou plano), mas deve ficar claro que ele aplicado em toda a extenso do volume). No primeiro passo, aplicada uma Transformada de Distncia, usando a mtrica Euclideana exata de conectividade-6 sobre o complemento da amostra, tudo que existe na imagem que no pertence amostra - fornecendo um mapa das distncias do fundo para o objeto. O resultado desta transformada pode ser visto na Figura 12(c). Em seguida, foi extrada a interseo entre este mapa de distncias e o volume padro, obtendo assim uma representao de todos os voxels que pertencem ao padro mas no pertencem amostra (Figura 12(e)). No segundo passo, o mesmo procedimento aplicado no outro sentido, isto , aplica-se a Transformada de Distncia - com os mesmo parmetros - sobre o complemento do padro (Figura 12(d)) e extrai-se a interseo entre este e a amostra, que representa os voxels que pertencem amostra mas no pertencem ao padro (Figura 12(f)). A unio entre o resultado destes dois passos fornece um mapa de diferenas entre a amostra e o padro, sendo o terceiro passo (Figura 12(g)). Matematicamente, pode-se resumir esta sequncia como: 1 passo: 2 passo: distPA = mnimo ( Dist (A), P) distAP = mnimo ( Dist (P), A)

46

3 passo:

distTotal = mximo ( distAP, distPA )

, onde P indica padro e A indica amostra.

A repetio deste procedimento por toda a extenso dos volumes fornece-nos ento um terceiro volume, composto por todas as diferenas entre nos amostra e padro. Os operadores mnimo e mximo referem-se a intensidade dos se voxels, sendo equivalentes, respectivamente, s operaes de interseo e unio.

Figura 12: Extrao das diferenas. (a) Fatia da amostra; (b) Fatia equivalente do padro; : (c) Distncias do fundo para a amostra; (d) distncias do fundo para o padro; (e) Interseo entre (a) e (c); (f) Interseo entre (b) e (d); (g) Unio de (e) e (f) (f

47

A Figura 13 ilustra o processo com outro exemplo, baseado nas imagens utilizada na seo 2.5 (Figura 4 e Figura 5). Cada objeto na figura em questo pode ser visto como sendo um corte transversal de um hipocampo.

Figura 13: (a) Objeto de amostra; (b) Objeto de referncia; (c) Sobreposio dos dois objetos e rea que ser eliminada em destaque; (d) Resultado final.

Apesar de computacionalmente mais cara, a mtrica euclideana tem seu uso justificado no problema em questo por representar medidas exatas de distncia - o que fundamental num problema que envolve diagnsticos e possveis intervenes cirrgicas.

48

RESULTADOS

O mtodo descrito de Transformadas de Distncia foi aplicado a todas as amostras de hipocampos disponveis, com exceo da amostra padro. Obtevese ao final, doze objetos volumtricos que representam as diferenas, ou mapa de distncias, entre cada amostra e o padro. No Apndice D encontra-se um exemplo da sequncia de comandos utilizada para o processo. Os mapas foram ento renderizados com o auxlio da ferramenta Display, que aplica o algoritmo Marching Cubes para triangulao dos voxels e gerao dos objetos. De maneira a facilitar a visualizao das diferenas de intensidade, os mapas foram submetidos a um mtodo de colorizao que aplica nveis de uma escala de cores pr-determinada de acordo com a intensidade do voxel, isto , de acordo com a distncia obtida.

Figura 14: Resultados obtidos para amostra A1, renderizados com sombreamento Gouraud

49

Figura 15: Resultados obtidos para amostra D, renderizados com sombreamento Gouraud

Nos exemplos das Figura 14 e Figura 15, foi usada a escala espectral, que abrange todo o espectro visvel, dos menores comprimentos de onda (violeta) aos maiores (vermelho). Os resultados apresentados acima apresentam a juno das diferenas amostra padro e padro amostra. No Apndice B encontram-se ilustraes de todos os outros resultados obtidos. Para que se saiba se as diferenas de intensidade foram causadas por excesso de volume ou por atrofia da amostra, as escalas foram normalizadas da seguinte forma: os valores da distncia amostra padro, isto , o volume presente na amostra mas no no padro foram normalizados entre 0 e 126; os valores da distncia padro amostra, isto , valores inexistentes na amostra, mas presentes no padro, foram normalizados entre 128 e 254. Em resumo, do preto ao verde, valores crescentes para distncia amostra padro; do verde ao branco valores crescentes para distncia padro amostra. O valor 127, o tom de verde no meio da escala indica a separao dos dois valores. A anlise dos mapas de distncia permite a extrao de informaes de duas naturezas, as referentes topologia e as referentes intensidade. O

50

primeiro caso diz respeito s caractersticas da forma do objeto; os buracos na superfcie e interior do volume indicam o quanto a amostra se aproxima do padro. Desta forma, os objetos com superfcie ponteada de buracos so aqueles que mais se encaixaram no padro; de maneira anloga, os objetos de superfcie mais regular, ainda que de interior oco, indicam maiores diferenas de volume com relao ao padro. O segundo caso est relacionado intensidade dos voxels, resultante do processo de Transformada de Distncia. Essa intensidade foi traduzida em cores, como explicado, para a melhor percepo das diferenas de intensidade entre voxels. Assim, possvel perceber o quanto os objetos so distantes entre si de acordo com a escala aplicada. Todas as operaes foram automatizadas por meio de scripts escritos na linguagem Python. Entre elas esto: a converso entre os diversos formatos diferentes utilizados pelas toolboxes adotadas (por exemplo, Mnc => Raw => PGM => Mnc; Tag <=> List); a aplicao dos algoritmos de transformada de distncia e operaes de mnimo e mximo; converso de tipos de dados (byte, long). Apesar de serem vrias as operaes aplicadas sobre cada uma das doze amostras utilizadas para o desenvolvimento, todo o processo no levou mais que alguns segundos em uma mquina com processador Core2Duo de 1.8Ghz e 3Gb de memria RAM: as converses entre formatos MINC e PINK, somados aplicao da transformada de distncia, levou em mdia 6.354s. A converso dos arquivos entre os formatos .tag e .list, 1.861s. A gerao de superfcies, renderizao e aplicao de cores para as doze amostras (24 hipocampos), em mdia 52.208s.

51

DISCUSSO DOS RESULTADOS

Em uma anlise superficial, os resultados obtidos parecem condizer com os dados volumtricos disponveis, onde, principalmente nas amostras com volume muito superior ou muito inferior ao do padro (como por exemplo as amostras D, E) possvel verificar regies de alta intensidade dos voxels. Um fato ocorrido que no pode ser facilmente constatado pela anlise visual das imagens diz respeito escolha da amostra padro. Ao ser escolhida dentre o conjunto de amostras, podemos garantir que ela tenha um volume prximo mdia de todas as amostras, mas isso no pode ser dito quanto distribuio deste volume, isto , quanto sua forma. Este fato pode acarretar o surgimento de diferenas nos objetos finais, ainda que no sejam to significativas. A gerao de um template baseado em um conjunto de amostras saudveis pode minimizar esta variao, e, consequentemente, fornecer resultados de maior acurcia. Uma contribuio relevante deste trabalho o estabelecimento de diferenas locais entre regies da estrutura hipocampal atravs de um mtodo de fcil implementao e entendimento. O nico estudo encontrado que utiliza-se direta e exclusivamente de transformadas de distncia aplicado ao hipocampo (Guerig et al. 2001) tem como objetivo a validao de segmentaes de hipocampos, e no a anlise deste. Os hipocampos padro e as amostras no foram alinhados neste trabalho antes da aplicao da tcnica, ao contrrio do que ocorre no mtodo de Bouix et al. (2005) e outros, como maneira de eliminar erros no posicionamento do hipocampo dentro do crebro. H, entretanto, estudos (Bernasconi et al. (2005)) que sugerem que h relao entre a posio e ngulo do hipocampo e a ocorrncia de doenas neuro-degenerativas, como a epilepsia, relao que seria

52

perdida caso fosse feito o alinhamento entre amostras. Para trabalhos futuros esperamos, caso sejam comprovadas estas relaes, utilizar a matriz de transformao usada para alinhar o hipocampo como um parmetro de entrada de um algoritmo que utilize-se de vetores de caractersticas para classificar os hipocampos entre sadios e saudveis. Alm disso, apesar de haver consenso sobre a relao entre a epilepsia e a perda de volume do hipocampo (Spoletini et al.,2009; Shamim et al. 2009;
Heijer et al. 2010), ainda no h tratados definitivos sobre como se distribui a

atrofia pela extenso do hipocampo. Bouix et.al (2005) aponta que a atrofia se d em regies especficas; Styner et al. (2001) acredita que a atrofia se espalha de maneira uniforme por todo o hipocampo; Apostlova et. al (2006) demonstra que a perda de volume da estrutura em casos de epilepsia se d sempre em uma ordem pr-determinada. Desta forma, a ferramenta desenvolvida poderia dar suporte a pesquisas e estudos sobre a distribuio da atrofia pelo hipocampo, auxiliando em trabalhos de monitoramento e acompanhamento de pacientes ao longo de um perodo de tempo.

53

CONCLUSO

A tcnica para anlise do hipocampo baseada em Transformadas de Distncia desenvolvida neste trabalho tem como caracterstica o uso de mtodos e conceitos simples de processamento de imagens digitais, o que torna sua implementao e, sobretudo seu entendimento, mais fceis. Entretanto, a ferramenta, no estgio de desenvolvimento em que se encontra, no elimina a necessidade da anlise dos resultados por um profissional capacitado. Para tanto pretende-se, em trabalhos futuros, increment-la com mtodos estatsticos que estabeleam a relao entre as amostras e o padro e algoritmos de classificao que recebam vetores de caractersticas dos dados e sejam capazes de determinar a probabilidade de que uma amostra encontre-se atingida por uma doena degenerativa. Alm disso, pode-se futuramente haver a integrao do trabalho a um mdulo de segmentao automtica que possibilitaria a composio de uma ferramenta completa, que recebesse imagens vindas diretamente de mquinas de ressonncia magntica e fornecesse um diagnstico. Por conta da ausncia de anlise estatstica incorporada ferramenta, sua real eficcia s poder ser determinada quando submetida a testes sob a coordenao de profissionais capacitados em posse da classificao das amostras (ou seja, o diagnstico do paciente). Porm, os resultados visuais obtidos at o presente momento parecem condizer com os dados de volume e indicar que a tcnica tem potencial para ser refinada e melhorada.

54

REFERNCIAS BIBLIOGRFICAS

APOSTOLOVA L.G., DINOV I.D., DUTTON R.A, HAYASHI K.M, TOGA A.W., CUMMINGS J.L., THOMPSON P.M. 3D comparison of hippocampal atrophy in amnestic mild cognitive impairment and Alzheimers disease. Brain, 129: 28672873, 2006. ASHBURNER J., FRISTON K.J. Voxel-Based MorphometryThe Methods, NeuroImage 11: 805821, 2000. BERNASCONI N., BERNASCONI A., CARAMANOS Z., ANTEL S. B., ANDERMANN F., ARNOLD D. L. Mesial temporal damage in temporal lobe epilepsy: a volumetric MRI study of the hippocampus,amygdala and parahippocampal region, Brain 126:462-469, 2003. BOUIX S., PRUESSNER J.C, COLLINS D.L, SIDDIQI K. Hippocampal shape analysis using medial surfaces, NeuroImage 25: 10771089, 2005. CHUPIN M., GRARDIN E., CUINGNET R., BOUTET C., LEMIEUX L., LEHRICY S., BENALI H., GARNERO L., COLLIOT O., Alzheimers Disease Neuroimaging Initiative. Fully Automatic Hippocampus Segmentation and Classification in Alzheimers Disease and Mild Cognitive Impairment Applied on Data From ADNI, HIPPOCAMPUS 19:579587, 2009. CLUETT J., About.com: Orthopedics, Disponvel http://orthopedics.about.com/cs/sportsmedicine/a/mri.htm. Acessado 06/09/2010. em: em

CRUM W.R., HARTKENS T., HILL D.L.G. Non-rigid image registration: theory and practice, The British Journal of Radiology, 77, 2004. FISHER R., PERKINS S., WALKER A., WOLFART E., Skeletonization/Medial Axis Transform. Disponvel em:http://homepages.inf.ed.ac.uk/rbf/HIPR2/skeleton.htm Acessado em 26/09/2010. FRACKOWIAK R.S.J, ASHBURNER J.T, PENNY W.D, ZEKI S., FRISTON K.J. Human Brain Function, 2 Edio, Academic Press, 2004.

55

GONZALEZ, R. C, WOODS, R.E. Digital Image Processing, 2.ed. Prentice Hall, 2002. 793p. GUERIG G., JOMIER M., CHAKOS M., Valmet: A new validation tool for assessing and improving 3D object segmentation, MICCAI, LNCS 2208: 516528, 2001. HEIJER T., LIJN F., KOUDSTAALL P.J., HOFMAN A., LUGT A., KRESTIN G.P., NIESSEN W.J, BRETELER M.M.B. A 10-year follow-up of hippocampal volume on magnetic resonance imaging in early dementia and cognitive decline. Brain, 133:1163-1172, 2010. HOGAN R. E., WANG L., BERTRAND M. E., WILLMORE L. J., BUCHOLZ R.D, NASSIF A.S, CSERNANSKY J.G. MRI-based high-dimensional hippocampal mapping in mesial temporal lobe epilepsy, Brain 127:1731174, 2004. LEEMPUT K.V, BAKKOUR A., BENNER T., WIGGINS G., WALD L.L, AUGUSTINACK J., DICKERSON B.C, GOLLAND P., FISCHL B. Automated Segmentation of Hippocampal Subfields From Ultra-High Resolution In Vivo MRI, HIPPOCAMPUS 19:549557 ,2009. LIMA P.C. Wavelets: uma introduo, Matemtica Universitria, 33:13-44, 2002. LORENSEN, W. E. and CLINE, H. E. Marching cubes: A high resolution 3D surface construction algorithm. Computer Graphics, 21(4), 163-169, 1987. MCCONNELL BRAIN IMAGING CENTRE, Montreal Neurological Institute McGill University. Disponvel em: www.bic.mni.mcgill.ca/ServicesSoftware/MINC. Acessado em 28/09/2010. MUELLER C., SCORZIN J., KOENIG R., URBACH H. , FIMMERS R, ZENTNER J, LEHMANN T., SCHRAMM J. Comparison of manual tracing versus a semiautomatic radial measurement method in temporal lobe MRI volumetry for pharmacoresistant epilepsy. Neuroradiology 49:189201, 2007. PEIXOTO A., CARVALHO P.C.P., Esqueletos de Objetos Volumtricos, PUCRio.Inf. MCC 34/00, 2000. (a) PEIXOTO A., VELHO L., Transformadas de Distncia, PUC-Rio.Inf. MCC 35/00, 2000. (b)

56

PHAM D.L, XU C., PRINCE J.L, Current Methods in Medical Image Segmentation, Annu. Rev. Biomed. Eng 02:31537, 2000. PINTO S. C. D., CESAR-JR R. M, GOKCAY D., COSTA L. F. 3d Morphological Analysis Of Brain Mri Using Wavelets, SEM DATA. PLUTA J., AVANTS B.B, GLYNN S., AWATE S., GEE J.C., DETRE J.A. Appearance and Incomplete Label Matching for Diffeomorphic Template Based Hippocampus Segmentation, HIPPOCAMPUS 19:565571, 2009. SCORZIN J. E., KNIG R, MLLER C.., FIMMERS R., URBACH H., LEHMANN T., ZENTNER J., SCHRAMM J. Comparison of two different measurement techniques of hippocampal resection length in temporal lobe epilepsy: results of a prospective study, Acta Neurochir (Wien) 150: 785795, 2008. SHAEFER G., HASSANIEN A. E., JIANG J. Computational Intelligence in Medical Imaging: Techniques and Applications, 1.ed, Chapman and Hall/CRC, 2009. 504p. SHAMIM S., HASLER G., LIEW C., SATO S., THEODORE W.H. Temporal lobe epilepsy, depression, and hippocampal volume. Epilepsia, 50:10671071,2009. SHEN L., SAYKIN A.J., KIM S., FIRPI H.A, WEST J.D, RISACHER S.L, MCDONALD B.C., MCHUGH T.L., WISHART H.A., FLASHMAN L.A. Comparison of Manual and Automated Determination of Hippocampal Volumes in MCI and Early AD, Brain Imaging and Behavior 4:8695, 2010. SPHARM Morphometric Software, por McPeek M.A. Disponvel em http://www.enallagma.com/SPHARM.php. Acessado em 07/06/2010. SPOLETINI I., CHERUBINI A., BANFI G., RUBINO I.A., PERAN P., CALTAGIRONE C., SPALLETTA G. Hippocampi, Thalami, and Accumbens Microstructural Damage in Schizophrenia: A Volumetry, Diffusivity, and Neuropsychological Study, Schizophrenia Bulletin, 2009. STYNER M., GERIG G., Medial models incorporating object variability for 3D shape analysis, IPMI, 2001.

57

STYNER M., LIEBERMAN J.A, PANTAZIS D., GERIG G., Boundary and Medial Shape Analysis of the Hippocampus in Schizophrenia, Medical Image Analysis, MICCAI, 2004. TAE W.S, KIM S.S, LEE K.U, NAM E, KIM K.W. Validation of hippocampal volumes measured using a manual method and two automated methods (FreeSurfer and IBASPM) in chronic major depressive disorder, Neuroradiology 50:569581, 2008. ZITOV B., FLUSSER J. Image registration methods: a survey, Image and Vision Computing , 21: 9771000, 2003.

58

GLOSSRIO

PIXEL contrao de Picture Element, a menor unidade de uma tela, um ponto individual em uma imagem, contendo coordenadas pela qual pode ser referenciado. VOXEL o equivalente volumtrico do pixel. Uma imagem tri-dimensional pode ser constituda por voxels, cada um referenciado por trs coordenadas (x, y, z).

59

APNDICE A VOLUME DAS AMOSTRAS

A tabela a seguir acompanhou as amostras recebidas e indica o volume das segmentaes hipocampais realizadas manualmente. Estes dados foram usados para a definio do hipocampo padro e para anlise dos resultados obtidos. Todos os volumes esto expressos em mm.
Identificao Hipocampo Esquerdo Hipocampo Direito A1 2494 3296 A5 2741 2963 A7 3860 2292 A16 4147 3883 A17 2583 3908 A21 2625 3749 A 3064 3198 AC 3813 3914 B 3423 3598 C 3516 3079 D 2800 1168 DC 3390 3323 E 2608 2825

60

APNDICE B OUTROS RESULTADOS OBTIDOS

61

62

63

64

10 APNDICE C OUTRAS FORMAS DE VISUALIZAO

Nos resultados apresentados no texto e apndice, pode-se julgar difcil distinguir o ponto zero, onde se passa das diferenas amostra padro para as padro amostra. Com o intuito de ajudar nesta tarefa, os dados podem ser visualizados separadamente, com escalas de cores diferentes. Abaixo, foram utilizados nveis de cinza e a escala personalizada Hotmetal, que simula tonalidades de metal aquecido. A escala em tons de marrom/vermelho indica o volume presente no padro e ausente na amostra (atrofia); a escala em nveis de cinza representa os volumes presentes na amostra que no existem no padro (excesso). Os nmeros ao lados das escalas indicam a distncia mxima em cada caso. Acima, a vista frontal e, abaixo das escalas, as vista laterais esquerda e direita. Entretanto, a funo de concatenao de objetos com escalas de cores diferentes disponvel na toolbox MINC no apresentou resultados satisfatrios e, assim, os mapas so apresentados sem o uso de renderizao. Embora de menor apelo visual, as imagens permitem distinguir perfeitamente as diferenas e so uma alternativa para visualizao que pode ser incorporada futuramente

65

Figura 16: Amostra A1, mapas comparativos de distncia

Figura 17: Amostra D, mapas comparativos de distncia

66

11 APNDICE D SEQUNCIA DE COMANDOS

A toolbox MINC mantida pelo McConnell Brain Imaging Center do Instituto Neurolgico de Montreal. Ela foi originalmente baseada no formato NetCDF, mas migrou para o formato HDF, que suporta arquivos maiores. No site www.bic.mni.mcgill.ca/ServicesSoftware/MINC pode-se obter a verso mais atual do MINC para diversos Sistemas Operacionais, bem como softwares para visualizao, registro e correes em imagens. O PINK tem sua utilizao menos difundida, mas pode ser encontrado no site do autor: http://www.esiee.fr/~coupriem/pink.tgz As linhas abaixo ilustram a sequncia de comandos utilizados para gerao dos mapas de distncia de cada amostra sob a forma de um script desenvolvido na linguagem Python.

./distc amostra.pgm 60 distAmostra.pgm ./byte2long padrao.pgm padraoLong.pgm ./scale padraoLong.pgm 50 padraoScaled.pgm ./min distAmostra.pgm padraoScaled.pgm difPadAmostra.pgm ./long2byte difPadAmostra.pgm difPadraoAmostra.pgm ./distc padrao.pgm 60 distPadrao.pgm ./byte2long amostra.pgm amostraLong.pgm ./scale amostraLong.pgm 50 ~/amostraScaled.pgm ./min distPadrao.pgm amostraScaled.pgm difAmostraPad.pgm ./long2byte difAmostraPad.pgm difAmostraPadrao.pgm ./max difPadraoAmostra.pgm difAmostraPadra.pgm diferencas.pgm

67

./scale ~/difs.pgm 10 ~/difs.pgm ./pgm2list ~/difs.pgm B ~/listaDifs.list ./pgm2raw ~/difs.pgm ~/difs.raw ./rawtominc -clobber -input ~/difs.raw ~/difs.mnc rs cs ds