Metodologia para Redução de Ruído Quântico em Imagens Mamográficas e sua Aplicação em Sistemas Computacionais de Auxílio ao Diagnóstico (CAD)
|
|
- Inês Aquino Amado
- 6 Há anos
- Visualizações:
Transcrição
1 Metodologia para Redução de Ruído Quântico em Imagens Mamográficas e sua Aplicação em Sistemas Computacionais de Auxílio ao Diagnóstico (CAD) Marcelo A.C. Vieira Nelson D. A. Mascarenhas Lucas R. Borges, Homero Schiabel Departamento de Engenharia Elétrica Universidade de São Paulo - USP mvieira@sc.usp.br Departamento de Computação Universidade Federal de São Carlos - UFSCAR Departamento de Engenharia Elétrica Universidade de São Paulo - USP Abstract This paper presents an image denoising algorithm for quantum noise reduction in mammography. It uses the Anscombe transformation to convert the signal-dependent quantum noise into an approximately signal-independent Gaussian additive noise. In the Anscombe domain, noise is filtered through an adaptive Wiener filter, whose parameters are obtained considering local image statistics. This algorithm can be used as a preprocessing step for computer-aided detection (CAD) systems to improve the performance of radiologists on breast cancer screening. Preliminary assessment of the proposed method was obtained using synthetic images generated with different levels of quantum noise. Afterwards, we evaluated the effect of this algorithm on the performance of a previously developed CAD system for microcalcification detection on breast phantom images. Results indicated that the proposed method improved image quality by reducing image noise without significantly affecting image sharpness. Regarding CAD performance, it increased the detectability of microcalcifications without increasing the false-positive rates. 1. Introdução O câncer de mama é uma das principais causas de morte entre as mulheres em todo o mundo, com o surgimento de aproximadamente um milhão de novos casos a cada ano. Em 010, só no Brasil, houve o aparecimento de aproximadamente novos casos, dos quais 5% resultaram em morte [1]. Quando detectado em seu estágio inicial, a probabilidade de cura do câncer de mama aumenta em aproximadamente 30%. A mamografia por raios x ainda é considerada o exame padrão para o rastreamento do câncer de mama []. No entanto, a interpretação médica da mamografia não é uma tarefa fácil; estudos mostram que os radiologistas não detectam todas as anormalidades perceptíveis nas mamografias e também não caracterizam corretamente todas as lesões encontradas [3]; as taxas de erros nos laudos mamográficos variam entre 16 a 31% []. Com o objetivo de melhorar o desempenho dos radiologistas na interpretação das mamografias, sistemas computacionais de auxílio no diagnóstico (CAD - Computer-Aided Diagnosis) vêm sendo utilizados em centros de diagnóstico por imagem de todo o mundo [,3]. Os sistemas CAD auxiliam os radiologistas com uma análise computadorizada das imagens mamográficas, fornecendo uma segunda opinião na detecção de lesões e na elaboração do diagnóstico, o que faz com que ele seja uma ferramenta importante no auxílio à detecção precoce da doença [,3]. Atualmente, o rastreamento do câncer de mama auxiliado por CAD apresenta sensibilidade (taxas de verdadeiro-positivos) relativamente alta (88-9%). No entanto, a especificidade (taxas de verdadeiro-negativos) dos sistemas CAD ainda é muito baixa, com aproximadamente 1000 marcas falsopositivas por câncer detectado []. Na prática, isso significa que, para manter os exames mamográficos com alta taxa de detecção, muitas mulheres ainda são submetidas desnecessariamente a exames de biópsias, o que implica não só em um grande desconforto para elas, como também em um aumento do custo do rastreamento da doença. Um dos requisitos imprescindíveis para o bom desempenho do diagnóstico precoce do câncer de mama é uma imagem de boa qualidade, isto é, com alta resolução espacial e baixo nível de ruído [4]. Estudos mostraram que a qualidade da imagem mamográfica influencia significativamente o desempenho dos radiologistas e também dos sistemas CAD no rastreamento do câncer de mama [5,6]. Assim, uma abordagem muito utilizada para melhorar a qualidade das imagens mamográficas, de modo a torná-las mais adequadas à interpretação médica e à análise computacional por sistemas CAD, é o uso de
2 técnicas de pré-processamento [3,7,8]. Os objetivos do pré-processamento em sistemas CAD geralmente envolvem a redução do ruído e o realce do contraste de estruturas de interesse na mamografia, como as microcalcificações, que são pequenas estruturas de cálcio, com diâmetro entre 0, mm e 0,5 mm, que normalmente estão associadas a tumores malignos [8]. Contudo, para o uso adequado de técnicas de préprocessamento em imagens mamográficas, alguns aspectos importantes devem ser considerados. Primeiramente, técnicas para a redução de ruído, em geral, produzem um borramento na imagem, o que reduz sua nitidez e dificulta a detecção de detalhes finos e pequenas estruturas, como as microcalcificações [9]. Assim, se utilizados na mamografia, algoritmos para redução de ruído devem aumentar a especificidade do exame, mas ao mesmo tempo podem diminuir a taxas de verdadeiro-positivos, comprometendo sua sensibilidade. Além disso, técnicas de redução de ruído, em geral, partem do pressuposto de que o ruído incorporado na imagem é aditivo e independente do sinal [9]. No entanto, as imagens mamográficas não são corrompidas apenas por ruído aditivo. Na verdade, o principal ruído encontrado na mamografia é o ruído quântico [10], que não é aditivo e varia em função da intensidade da radiação utilizada. O ruído reduz o contraste entre o fundo e as estruturas de interesse na mamografia, dificultando a detecção principalmente de pequenos sinais, como as microcalcificações. Desse modo, a remoção desse ruído por técnicas regulares de pré-processamento é uma tarefa mais difícil, pois é necessário considerar a natureza do ruído no processo. Um estudo recente mostrou que o ruído quântico é o fator dominante na qualidade da imagem mamográfica e o parâmetro que mais influencia o desempenho do médico radiologista na detecção precoce do câncer de mama [11]. O ruído exerce maior influência do que a resolução espacial na detecção de microcalcificações e na classificação de nódulos na mamografia pelos radiologistas [11]. Além disso, a redução de falsopositivos é um dos principais desafios atuais dos sistemas CAD [,3] e o ruído é um dos principais responsáveis pela baixa especificidade do processo. Nesse contexto, este trabalho apresenta uma metodologia para redução de ruído quântico em imagens mamográficas digitais, com a finalidade de melhorar sua qualidade e, consequentemente, o desempenho dos esquemas CAD (e dos radiologistas) na detecção precoce do câncer de mama. O método usa a transformada de Anscombe [1] para estabilizar a variância do ruído e converter o ruído quântico, dependente do sinal, em um ruído aditivo, aproximadamente gaussiano e independente de sinal. No domínio de Anscombe, o ruído é removido através de um filtro de Wiener adaptativo [13], cujos parâmetros são obtidos considerando estatísticas locais da imagem. Assim, a metodologia proposta pode ser usada como um módulo de pré-processamento para sistemas CAD com o objetivo de melhorar o desempenho no rastreamento do câncer da mama.. Materiais e Métodos A transformada de Anscombe estabiliza a variância do ruído dependente do sinal com distribuição de Poisson e o converte em um ruído aditivo e independente do sinal, com distribuição aproximadamente gaussiana com média zero e variância unitária [1]. Seja a imagem degradada g( uma imagem corrompida pelo ruído quântico. A transformada de Anscombe de g( é dada pela seguinte equação [1]: 3 z ( = g( + (1) 8 Essa equação pode ser representada pelo seu modelo aditivo [1]: 1 z ( = u( + + v( = s( + v( () 8 onde u( é a taxa do sinal (ou seja, o valor esperado) com distribuição de Poisson e v( o termo aditivo, que é independente do sinal s( e tem uma distribuição aproximadamente gaussiana [1]. Assim, pode-se utilizar qualquer técnica de redução de ruído aditivo para restaurar a imagem z( no domínio de Anscombe. Nesse trabalho, foi utilizado o filtro de Wiener adaptativo [13] para se obter uma estimativa,,, da imagem mamográfica sem ruído no domínio de Anscombe. Assumindo que o ruído tem uma distribuição gaussiana com média zero e variância unitária no domínio de Anscombe, o filtro de Wiener tem a seguinte expressão: σ s sˆ ( = s + [ z( s] (3) σ + 1 s onde e são a média e a variância do sinal, respectivamente. Esses parâmetros podem ser calculados localmente considerando uma imagem que represente uma estimativa preliminar do sinal no domínio de Anscombe,,, que pode ser obtida borrando a imagem z( com um filtro da média de tamanho 3 3. Para o cálculo local dos parâmetros média e variância para o filtro de Wiener, foi considerada uma janela quadrada, de tamanho variável, que varre toda a imagem, calculando os parâmetros ao redor do pixel a ser processado. O tamanho dessa janela é ajustado automaticamente considerando o método proposto
3 originalmente por Rabbani [14]. Nesse método, primeiramente é escolhida uma região quadrada de tamanho 5 5 ao redor do pixel a ser processado. Para cada região calcula-se o parâmetro α, definido por: ˆ σ u ( α = (4) σ ( g onde, é a variância da estimativa preliminar do sinal,,, e, é a variância da imagem degradada, ambas medidas no domínio do espaço. A estimativa preliminar do sinal,,, foi obtida borrando a imagem degradada g( com um filtro da média 3 3. O parâmetro α é uma estimativa da atividade do sinal (variância) em função da variância do ruído calculada para cada região 5 5 ao longo de toda a imagem no domínio do espaço [14]. O parâmetro α está no intervalo (0,1): valores próximos de zero correspondem a áreas suaves, com pouca variação de sinal em comparação com o ruído; valores próximos a 1 implicam que a variação de sinal domina a variância do ruído e é um indicativo de áreas com bordas ou detalhes finos. Para áreas suaves (α < 0,) o tamanho da janela quadrada foi aumentado para ser 7 7 pixels. Para áreas com atividade moderada do sinal (0, < α < 0,6), foi considerada a região de 5 5 pixels e para áreas com α > 0,6, onde provavelmente há uma borda ou detalhes finos, um conjunto de operações de gradiente foi executado sobre os pixels da região 5 5 para detectar a orientação do gradiente [14]. Assim, um subconjunto da janela local é definido para que contenha apenas os pixels do lado da borda, apresentando estatísticas locais semelhantes ao pixel que está sendo processado. Esse procedimento permite que o filtro de Wiener reduza o ruído sem afetar significativamente a nitidez da imagem. Finalmente, após a restauração da imagem pelo filtro de Wiener adaptativo, deve-se utilizar a transformada inversa de Anscombe para se obter a estimativa,,, de uma imagem mamográfica sem ruído no domínio do espaço. A transformada inversa de Anscombe é dada pela seguinte equação [1]: 3. Resultados 1 1 u ˆ( = sˆ( (5) 4 8 Uma avaliação preliminar do algoritmo de restauração proposto foi efetuada utilizando imagens sintéticas degradadas com diferentes níveis de ruído quântico. Essas imagens foram restauradas pelo método proposto comparadas com uma imagem de referência (sem ruído) para avaliação qualitativa da metodologia proposta. Depois, foi avaliado o efeito da restauração no desempenho de um sistema CAD, previamente desenvolvido, para a detecção de microcalcificações de diferentes tamanhos em imagens mamográficas obtidas com um simulador de mama (phantom) Avaliação utilizando imagens sintéticas Para avaliar o desempenho do algoritmo de restauração proposto, foram geradas cinco imagens sintéticas (51 51 pixels) com o uso do software MATLAB. Quatro dessas imagens foram corrompidas por níveis diferentes de ruído quântico, que representavam aproximadamente o ruído produzido em um exame mamográfico utilizando respectivamente: 50% da dose normal para mamografia (11330 fótons/pixel na média), 5% da dose normal (5660 fótons/pixel na média), 1,5% da dose normal (830 fótons/pixel na média) e 6,5% da dose normal (1415 fótons/pixel na média). Uma dessas imagens não foi degradada para fornecer a imagem ideal, utilizada como referência (ground-truth) na análise dos resultados. Todas as quarto imagens degradadas foram restauradas utilizando três diferentes técnicas de redução de ruído: (1) imagens processadas por um filtro média 3 3; () imagens processadas pelo filtro de Wiener adaptativo no domínio do espaço e (3) imagens processadas pelo filtro de Wiener adaptativo no domínio de Anscombe, como proposto no presente trabalho. A Figura 1 mostra um exemplo do efeito de diferentes técnicas de restauração utilizando imagens sintéticas: a imagem no canto superior esquerdo é a imagem ideal sem degradação utilizada como referência. No canto superior direito está a sua representação como uma superfície. Na segunda linha está a imagem degradada, que nesse caso foi corrompida por um ruído quântico correspondente a uma exposição de radiação média de 1415 fótons/pixel, o que equivale a aproximadamente 6,5% da dose clínica normal utilizada na mamografia. Do lado direito está a mesma imagem representada como uma superfície. Na terceira linha mostra o resultado obtido com a restauração pelo filtro da média 3 3. Na quarta linha está a imagem restaurada pelo filtro de Wiener adaptativo no domínio espacial e na última linha está a imagem restaurada pelo filtro de Wiener adaptativo no domínio de Anscombe, como proposto nesse trabalho. As imagens da Figura 1 mostram que o algoritmo de restauração proposto, diferente dos outros métodos considerados nesse estudo, reduziu consideravelmente o ruído da imagem sem comprometer a sua nitidez, mesmo para uma imagem corrompida por um elevado nível de ruído quântico. Para a avaliação do método proposto, foram também consideradas métricas de avaliação da qualidade da imagem. O objetivo é fornecer medidas quantitativas que descrevem o grau de similaridade entre as imagens restauradas e a ideal. No presente estudo, foram considerados os seguintes parâmetros: pico da relação
4 sinal-ruído (peak signal-to-noise ratio - PSNR) [15] e a média do índice de similaridade estrutural (mean structural similarity index - MSSIM) [16]. A Tabela 1 mostra os resultados das medidas de PSNR e MSSIM para as imagens sintéticas antes e depois da restauração, considerando os três métodos descritos anteriormente. A melhora relativa na qualidade da imagem após a restauração também foi calculada, e é apresentada na Tabela. Tabela 1. Valores de PSNR e MSSIM calculados para imagens corrompidas por quatro diferentes níveis de ruído quântico. Os parâmetros foram medidos antes e depois de restauradas por três técnicas diferentes. Parâmetros Número médio de fótons/pixel Antes da restauração PSNR (db) MSSIM ,76 40,70 37,71 34,69 0,9588 0,905 0,8541 0,7478 Após a restauração Filtro da média 3 3 Filtro de Wiener no dom. do espaço Filtro de Wiener no dom. de Anscombe 40,98 40,73 40,6 39,48 0,9839 0,9775 0,9566 0, ,61 45,46 4,89 40,14 0,9880 0,9796 0,9713 0, ,8 5,85 50,43 47,97 0,9985 0,997 0,9947 0,9904 Tabela. Melhora relativa nas medidas de PSNR e MSSIM considerando imagens corrompidas por quatro diferentes níveis de ruído quântico e restauradas por três técnicas diferentes. Figura 1. Exemplos de imagens sintéticas utilizadas para avaliação do método de restauração proposto. Imagem ideal (1ª linha); imagem degradada (ª linha); imagem restaurada pelo filtro da média (3ª linha); imagem restaurada pelo filtro de Wiener no dom. do espaço (4ª linha) e no dom. de Anscombe (5ª linha) Melhora relativa na qualidade da imagem Número médio de fótons/pixel Filtro da média 3 3 Filtro de Wiener no dom. do espaço Filtro de Wiener no dom. de Anscombe Melhora no PSNR (db) Melhora no MSSIM (%)
5 3.. Avaliação utilizando um sistema CAD Foi avaliado também o efeito da restauração no desempenho de um sistema de CAD previamente desenvolvido para a detecção de microcalcificações em mamografia digital [17,18]. O objetivo foi comparar o desempenho do CAD ao utilizar imagens restauradas e imagens degradadas. Para isso, foram utilizadas três imagens mamográficas de um simulador de mama (phantom) obtidas com diferentes níveis de radiação, o que produziu diferentes níveis de ruído quântico. Todas as imagens foram restauradas pela metodologia proposta e o desempenho do CAD usando imagens degradadas e restauradas foi avaliado. O simulador utilizado foi o CIRS Tissue-Equivalent Phantom for Mammography, modelo 011A [19]. Esse phantom simula as propriedades radiográficas e estruturas de uma mama comprimida de espessura de 4,5 cm. Contém 1 agrupamentos de 6 microcalcificações cada, simulando 7 microcalcificações com tamanhos que variam entre 0,130 e 0,400 mm [19]. Imagens mamográficas digitais desse phantom foram obtidas com um equipamento mamográfico Lorad M-III e um sistema de mamografia digital da Agfa, modelo CR MM3.0 Mammo plate. As imagens digitais possuem 4096 níveis de cinza (1-bits) e tamanho de pixel de 50 μm, e foram obtidas com três níveis de exposição à radiação: 100%, 50% e 5% da dose normal de um exame mamográfico. A Figura mostra um exemplo de uma região ( pixels) extraída da imagem mamográfica do phantom adquirida com níveis de ruído quântico representativos de aproximadamente 5% da dose de radiação normal para a mamografia. No canto superior esquerdo é a imagem degradada (originalmente obtida sem nenhum pré-processamento) e na parte superior direita é a mesma imagem representada como uma superfície; abaixo está a imagem restaurada pela metodologia proposta e a sua correspondente representação como uma superfície. A Figura mostra que a restauração tornou as microcalcificações mais visíveis na imagem mamográfica. O ruído foi reduzido e as bordas e os pequenos detalhes foram preservados na imagem, mesmo com uma degradação gerada por um alto nível de ruído quântico. As três imagens mamográficas do phantom foram restauradas pela metodologia proposta e analisadas pelo sistema CAD para detecção automática das microcalcificações. Foi avaliado o desempenho do CAD na detecção das 7 microcalcificações presentes em cada uma dessas imagens, considerando a sensibilidade (taxa de verdadeiros-positivos) e a especificidade (taxa de falsos-positivos) do sistema por meio de uma análise estatística ROC (receiver operating characteristic) [0]. Assim, foi possível avaliar o impacto do préprocessamento proposto no desempenho do CAD. Os resultados estão mostrados na Tabela 3. Figura. Exemplo de imagens mamográficas do phantom mostrando o efeito da restauração na visibilidade das microcalcificações e na redução do ruído quântico. Imagem degradada (1ª linha); imagem restaurada (ª linha). Tabela 3. Sensibilidade e especificidade do sistema CAD na detecção de microcalcificações em imagens mamográficas degradadas e restauradas adquiridas com três diferentes níveis de ruído quântico. Dose de radiação Taxa de verdadeiro-positivo Taxa de falso-positivo Degradada Restaurada Degradada Restaurada Normal 0,806 0,931 0,04 0,014 50% 0,681 0,917 0,111 0,097 5% 0,375 0,79 0,055 0,055 Os resultados apresentados na Tabela 3 mostram que o desempenho do CAD depende do ruído incorporado na imagem: imagens obtidas com menor dose de radiação (mais ruído quântico) foram responsáveis pelo pior desempenho do sistema CAD. Após a restauração, o desempenho do CAD melhorou independentemente do nível de ruído quântico da imagem degradada. 4. Conclusões Neste trabalho foi investigado o uso da transformada de Anscombe e o filtro de Wiener adaptativo para redução de ruído quântico em imagens mamográficas digitais. O método proposto não requer qualquer conhecimento a priori sobre o sinal original, porque todos os parâmetros necessários são estimados diretamente da imagem degradada. Essa técnica de restauração pode ser usada
6 como um módulo de pré-processamento em sistemas CAD para melhorar o desempenho do rastreamento do câncer de mama. Resultados preliminares com imagens sintéticas corrompidas por diferentes níveis de ruído quântico mostraram que a metodologia proposta produziu imagens de melhor qualidade e mais similares em relação às imagens ideais (utilizada como referência) do que outras técnicas de restauração consideradas neste estudo. Estes resultados mostraram que a transformada de Anscombe foi eficiente ao converter o ruído quântico em um ruído gaussiano aditivo, que pôde ser removido mais facilmente pelo filtro de Wiener. Além disso, foi demonstrado que imagem restaurada pelo método é visivelmente menos ruidosa e mais parecida com a imagem de referência do que a degradada, preservando a nitidez, as bordas e os detalhes finos da imagem. Com relação ao desempenho do CAD, os resultados mostraram que a restauração melhorou as imagens para torná-las mais adequadas ao processamento digital utilizado na detecção de estruturas de interesse clínico. Considerando o sistema CAD utilizado nesse estudo, a restauração aumentou a detectabilidade das microcalcificações nas imagens do phantom sem aumentar as taxas de falsos-positivos. Isso mostra que a metodologia proposta pode ser utilizada como módulo de pré-processamento em esquemas CAD para melhorar seu desempenho sem prejudicar a especificidade do exame. Uma investigação mais profunda utilizando um número maior de imagens mamográficas, outros tipos de lesões de mama e outros sistemas de CAD deverá ser realizada, para se avaliar a possibilidade de utilização clínica da metodologia proposta. Além disso, deverá será feito em um trabalho futuro um estudo de como esta restauração poderia levar a uma redução da dose de radiação em exames de mamografia 5. Agradecimentos Os autores gostariam de agradecer à FAPESP pelo auxílio financeiro. 6. Referências [1] INCA - Instituto Nacional de Câncer. Acessado em: 16/03/01. Disponível em: < [] Boyer B, Balleyguier C, Granat O, Pharaboz C: CAD in questions/answers Review of the literature. Eur J Radiol 69(1):4-33, 009. [3] Giger ML, Chan H-P, Boone J: Anniversary paper: History and status of CAD and quantitative image analysis: the role of Medical Physics and AAPM. Med Phys 35(1): , 008. [4] Chan HP, Niklason LT, Ikeda DM, Lam KL, Adler DD: Digitization requirements in mammography: effects on computer-aided detection of microcalcifications. Med Phys 1(7): , [5] Schiabel H, Nunes FL, Escarpinati MC, Benatti RH: Investigations on the effect of different characteristics of images sets on the performance of a processing scheme for microcalcifications detection in digital mammograms. J Digit Imaging 14 (Suppl 1): 4-5, 001. [6] Garcia-Orellana CJ, Gallardo-Caballero R, Gonzalez- Velasco HM, Garcia-Manso A, Macias-Macias M: Study of a mammographic CAD performance dependence on the considered mammogram set. Conf Proc IEEE Eng Med Biol Soc 008: , 008. [7] Mencattini A, Salmeri M, Lojacono R, Frigerio M, Caselli F: Mammographic images enhancement and denoising for breast cancer detection using dyadic wavelet processing. IEEE Trans Instrum Meas 57(7): , 008. [8] Papadopoulos A, Fotiadis DI, Costaridou L: Improvement of microcalcification cluster detection in mammography utilizing image enhancement techniques. Comput Biol Med 38(10): , 008. [9] Gonzalez RC, Woods RE: Digital Image Processing 3rd ed., Upper Saddle River, NJ: Prentice Hall, 008. [10] Yaffe MJ: Digital Mammography. In: Beutel J, Kundel HL and Van Metter RL (Eds). Handbook of Medical Imaging Vol 1. Physics and Psychophysics, Bellingham, WA: SPIE Press, pp 39-37, 000. [11] Saunders RS, Baker JA, Delong DM, Johnson JP, Samei E: Does image quality matter? Impact of resolution and noise on mammographic task performance. Med Phys 34(10): , 007. [1] Mascarenhas NDA, Santos CAN, Cruvinel PE: Transmission tomography under Poisson noise using the Anscombe transformation and Wiener filtering of the projections. Nucl Instrum Meth A 43:65 71, [13] Jin F, Fieguth P, Winger L, Jernigan E: Adaptive Wiener filtering of noisy images and image sequences. In: 003 International Conference on Image Processing, Proceedings of IEEE Vol 3, New York (USA), pp , 003. [14] Rabbani M: Bayesian filtering of Poisson noise using local statistics. IEEE T Acoust Speech 36(6): , [15] Wang Z, Bovik AC: Mean squared error: Love it or leave it? A new look at signal fidelity measures. IEEE Signal Proc Mag 6(1):98-117, 009. [16] Wang Z, Bovik AC, Sheikh HR, Simoncelli, EP: Image quality assessment: from error visibility to structural similarity. IEEE T Image Process 13(4):600-61, 004. [17] Goes CE, Schiabel H, Nunes FLS: Evaluation of microcalcifications segmentation techniques for dense breast digitized images. J Digit Imaging 15(Suppl 1):31-33, 00. [18] Nunes FLS, Schiabel H, Goes CE: Contrast enhancement in dense breast images to aid clustered microcalcifications detection. J Digit Imaging 0(1):53-66, 007. [19] CIRS - Computerized Imaging Reference Systems, Inc. Model 011A manual. Norfolk, Va. [0] Metz C: ROC analysis in medical imaging: a tutorial review of the literature: Radiol Phys Technol 1:-1, 008.
INVESTIGATING THE USE OF BLOCK-MATCHING 3D DENOISING ALGORITHM TO REDUCE RADIATION DOSE IN DIGITAL MAMMOGRAPHY
INVESTIGATING THE USE OF BLOCK-MATCHING 3D DENOISING ALGORITHM TO REDUCE RADIATION DOSE IN DIGITAL MAMMOGRAPHY HELDER C. R. DE OLIVEIRA POLYANA F. NUNES LUCAS R. BORGES MARCELO A. C. VIEIRA 2 MOTIVAÇÃO
Leia maisMethod of Inserting Poisson Noise in Digital Mammography Images to Simulate Radiation Dose Reduction
Method of Inserting Poisson Noise in Digital Mammography Images to Simulate Radiation Dose Reduction Lucas R. Borges 1, Helder C. R. de Oliveira 1, Polyana F. Nunes 1, Marcelo A. da C. Vieira 1 1 Departamento
Leia maisInvestigating the use of Block-Matching 3D Denoising Algorithm to Reduce Radiation Dose in Digital Mammography
Investigating the use of Block-Matching 3D Denoising Algorithm to Reduce Radiation Dose in Digital Mammography Helder C. R. de Oliveira, Polyana F. Nunes, Lucas R. Borges, Marcelo A. da C. Vieira Departamento
Leia maisDiagnóstico Médico de Imagem Auxiliado por Computador
Diagnóstico Médico de Imagem Auxiliado por Computador Fundamentos de Sistemas Multimídia Flávio Luiz Seixas 2005 Agenda Agenda: Sistemas CAD Telemedicina Princípios da Tomografia Computadorizada Processamento
Leia maisInvestigating poisson noise filtering in Digital Breast Tomosynthesis
Universidade de São Paulo Biblioteca Digital da Produção Intelectual - BDPI Departamento de Engenharia Elétrica - EESC/SEL Comunicações em Eventos - EESC/SEL 2013 Investigating poisson noise filtering
Leia maisRESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
Leia maisRESTAURAÇÃO DE IMAGENS: OUTROS FILTROS E NOVAS TÉCNICAS PARA FILTRAGEM DE RUÍDO (DENOISING)
RESTAURAÇÃO DE IMAGENS: OUTROS FILTROS E NOVAS TÉCNICAS PARA FILTRAGEM DE RUÍDO (DENOISING) Non-local Means Wavelets Block-matching 3D POLYANA F. NUNES HELDER C. R. DE OLIVEIRA Realce: método subjetivo
Leia maisDetecção Auxiliada por Computador
Detecção Auxiliada por Computador (computer-aided detection - CAD) Márcio Eloi Colombo Filho - 6402378 Jessica Caroline Alves Nunes Temporal 7547611 Tiago Pedro de Santana Junior - 7961516 Mamografia Único
Leia maisAVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS
AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS Hedlund Erik Martins Távora 1, John Hebert Da Silva Felix 2, Darleison Rodrigues Barros Filho 3, Fausta Joaquim Faustino
Leia maisSTEMBERG, D. R. M, PACHECO, A. L. V., SCHIABEL, H.
Imagens mamográficas digitais obtidas em sistemas CR: o efeito de kv e mas no fator de correção da Curva Característica Digital mammography images obtained with a CR system: kv and mas effects on the Characteristic
Leia maisUNIVERSIDADE DE SÃO PAULO (USP) ESCOLA DE ENGENHARIA DE SÃO CARLOS (EESC)
UNIVERSIDADE DE SÃO PAULO (USP) ESCOLA DE ENGENHARIA DE SÃO CARLOS (EESC) BRUNO NOGUEIRA ANDREANI Utilização do Filtro de Wiener para Melhorar a Detecção de Microcalcificações em Imagens Mamográficas São
Leia maisCompressão Com Controle de Perdas de Imagens Mamográficas Utilizando Segmentação e o Algoritmo PPM
Compressão Com Controle de Perdas de Imagens Mamográficas Utilizando Segmentação e o Algoritmo PPM José R. T. Marques 1, JanKees v. d. Poel 3, Yuri de A. M. Barbosa 1, 4, Fabrizia M. de S. Matos 2, 5 1,
Leia maisAUTOMATED ASSESSMENT OF BREAST TISSUE DENSITY IN DIGITAL MAMMOGRAMS
AUTOMATED ASSESSMENT OF BREAST TISSUE DENSITY IN DIGITAL MAMMOGRAMS Introdução Câncer de mama É uma das neoplasias mais comuns que afligem as mulheres Globalmente, a cada 3 min uma mulher é diagnosticada
Leia maisEstudo sobre decodificação iterativa usando códigos de treliça
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Estudo sobre decodificação iterativa usando códigos de treliça Souza, I. M. M. Escola Politécnica de Pernambuco Universidade de Pernambuco
Leia maisVideo Quality Assessment in Java
Video Quality Assessment in Java Pós-graduação strictu sensu em Ciência da Computação PROCESSAMENTO DE IMAGENS, Prof. Tsang Ing Ren Estêvão Monteiro Ricardo Scholz Junho de 2014 Introdução Fidelidade de
Leia maisAnálise de Filtros Digitais na Remoção de Ruído em Imagens Mamográficas
1 Análise de Filtros Digitais na Remoção de Ruído em Imagens Mamográficas Leonardo de Castro Sousa 1 e Marcos Alberto Lopes da Silva 1 1 Sistema de Informação Centro Universitário do Triângulo (UNITRI)
Leia maisDETECÇÃO DE AGRUPAMENTOS DE MICROCALCIFICAÇÕES EM IMAGENS MAMOGRÁFICAS DIGITAIS UTILIZANDO ETAPAS DE SEGMENTAÇÃO DA MAMA E REALCE
1 DETECÇÃO DE AGRUPAMENTOS DE MICROCALCIFICAÇÕES EM IMAGENS MAMOGRÁFICAS DIGITAIS UTILIZANDO ETAPAS DE SEGMENTAÇÃO DA MAMA E REALCE VINICIUS RUELA PEREIRA BORGES 1, DENISE GULIATO 2 RESUMO Este artigo
Leia maisProcessamento digital de imagens para a detecção e classificação de nódulos em mamografias
Revista Eletrônica da Faculdade Metodista Granbery http://re.granbery.edu.br - ISSN 1981 0377 Curso de Sistemas de Informação - N. 9, JUL/DEZ 2010 Processamento digital de imagens para a detecção e classificação
Leia maisDetecção de Microcalcificações de Formas Especulares para Auxilio no Diagnóstico de Câncer de Mama
Detecção de Microcalcificações de Formas Especulares para Auxilio no Diagnóstico de Câncer de Mama Aledir Silveira Pereira, Kaori Yamaguchi Universidade Estadual de São Paulo (Unesp), Brasil Resumo Os
Leia maisMÉTODO BASEADO NA TRANSFORMADA
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO Lucas Rodrigues Borges MÉTODO BASEADO NA TRANSFORMADA DE ANSCOMBE PARA INSERÇÃO DE RUÍDO
Leia maisAnálise fractal para a diminuição de achados falso-positivos na detecção de clusters de microcalcificações
Análise fractal para a diminuição de achados falso-positivos na detecção de clusters de microcalcificações Evanivaldo Castro Silva Júnior Faculdade de Tecnologia FATEC/RP e Universidade de São Paulo USP/EESC
Leia maisArtigo Original STEMBERG, D. R. M, PACHECO, A. L. V., SCHIABEL, H.
Artigo Original Imagens mamográficas digitais obtidas em sistemas CR: o efeito de kv e mas no fator de correção da Curva Característica Digital mammography images obtained with a CR system: kv and mas
Leia maisAplicação da Transformada Wavelet para Melhoria de Visualização de Microcalcificações em Mamografias Digitais
Aplicação da Transformada Wavelet para Melhoria de Visualização de Microcalcificações em Mamografias Digitais T.A. Dócusse 1, A.S. Pereira 1, N. Marranghello 1, R.C. Guido, J.R. Furlani 1, P.S. Maturana
Leia maisFILTRAGEM DE RUÍDO EM IMAGENS DE PROJEÇÃO DE TOMOSSÍNTESE MAMÁRIA USANDO MÉTODOS NÃO-LOCAIS.
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO FILTRAGEM DE RUÍDO EM IMAGENS DE PROJEÇÃO DE TOMOSSÍNTESE MAMÁRIA USANDO MÉTODOS NÃO-LOCAIS.
Leia maisUtilização das transformadas wavelets na detecção de características em um sinal de ECG
Utilização das transformadas wavelets na detecção de características em um sinal de ECG Orientador: Prof. Dr. Aldo Artur Belardi Departamento: Engenharia Elétrica Candidato: Gabriel Diego Porfirio N FEI:.206.062-9
Leia maisAVALIAÇÃO DOS ACHADOS MAMOGRÁFICOS CLASSIFICADOS CONFORME SISTEMA BI RADS¹. Beatriz Silva Souza², Eliangela Saraiva Oliveira Pinto³
Avaliação dos achados mamográficos classificados... 205 AVALIAÇÃO DOS ACHADOS MAMOGRÁFICOS CLASSIFICADOS CONFORME SISTEMA BI RADS¹ Beatriz Silva Souza², Eliangela Saraiva Oliveira Pinto³ Resumo: Objetivou-se
Leia maisPré-processamento de Imagens Mamográficas Digitais: Uma Técnica para Realce de Microcalcificações no domínio da freqüência
Pré-processamento de Imagens Mamográficas Digitais: Uma Técnica para Realce de Microcalcificações no domínio da freqüência Larissa Cristina dos Santos Romualdo 1, Marcelo Andrade da Costa Vieira 2, Cláudio
Leia maisProcessamento de Imagens Médicas
Processamento de Imagens Médicas Prof. Dr. Paulo Mazzoncini de Azevedo Marques (pmarques@fmrp.usp.br) Prof. Dr. Lucas Ferrari de Oliveira (lferrari@inf.ufpr.br) DIAGNÓSTICO Teoria da Detecção de Sinal
Leia maisComparative study on Otsu, EICAMM and level set techniques to automatic segmentation of breast lesions in digital mammography
Comparative study on Otsu, EICAMM and level set techniques to automatic segmentation of breast lesions in digital mammography Karem D. Marcomini Departamento de Engenharia Elétrica Universidade de São
Leia maisAVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO
AVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO GUSTAVO TADEU ZANIBONI 1 LUCIANO VIEIRA DUTRA 1 1 INPE - Instituto
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisIntrodução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens. Prof. Dr. Marcelo Andrade da Costa Vieira
Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Realce x Restauração Realce: Processar a Imagem para obter um resultado
Leia maisSistema Para Controle de Qualidade de Mamógrafos Através da Análise Computacional de Imagens de Phantom Utilizando a Ferramenta WEKA
Sistema Para Controle de Qualidade de Mamógrafos Através da Análise Computacional de Imagens de Phantom Utilizando a Ferramenta WEKA Bruno Barufald Eduardo F. Santana, Leonardo V. Batista Programa de Pós-graduação
Leia maisRodrigo Pereira David. Técnica de Estimação de Canal Utilizando Símbolos Pilotos em Sistemas OFDM. Dissertação de Mestrado
Rodrigo Pereira David Técnica de Estimação de Canal Utilizando Símbolos Pilotos em Sistemas OFDM Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo
Leia maisUTILIZAÇÃO DE DIFERENTES SIMULADORES NA AVALIAÇÃO DA QUALIDADE DA IMAGEM EM MAMOGRAFIA DIGITAL
UTILIZAÇÃO DE DIFERENTES SIMULADORES NA AVALIAÇÃO DA QUALIDADE DA IMAGEM EM MAMOGRAFIA DIGITAL Leslie S. Pereira 1,2, Célia M. C. Coutinho 1, Luis A. G. Magalhães 2 e Carlos Eduardo de Almeida 2 1 Instituto
Leia maisFILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Leia maisUm Método para Correção de Imagens de Phantom e Classificação de suas Estruturas de Interesse
Um Método para Correção de Imagens de Phantom e Classificação de suas Estruturas de Interesse Bruno Barufal di 1, Amanda B. Cavalcanti 1, Leonardo V. Batista 1, Renata F. Góis 2, Homero Schiabel 2, José
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
Leia maisT4 Processamento de Imagem
T4 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Hélder Filipe Pinto de Oliveira Resumo 1. Manipulação ponto a ponto 2. Conetividade 3. Filtros espaciais 4. Extração de estruturas
Leia maisEN3604 FILTRAGEM ADAPTATIVA
EN3604 FILTRAGEM ADAPTATIVA Introdução Filtros adaptativos, os quais têm como meta transformar os sinais portadores de informação em versões limpas ou melhoradas, ajustam suas características de acordo
Leia maisRadiologia Digital versus Analógica, CAD e Telerradiologia
Radiologia Digital versus Analógica, CAD e Telerradiologia Prof. Dr. Paulo Mazzoncini de Azevedo Marques (pmarques@fmrp.usp.br) Centro de Ciências das Imagens e Física Médica CCIFM (http://cci.fmrp.usp.br)
Leia maisSegmentação do Músculo Peitoral em Imagens Mamográficas Através do Recorte Automático de ROI e da Binarização de Otsu
Segmentação do Músculo Peitoral em Imagens Mamográficas Através do Recorte Automático de ROI e da Binarização de Otsu José Rogério Bezerra Barbosa Filho Programa de Pós-Graduação em Informática, Universidade
Leia maisOrientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
Leia maisDetecção de Regiões de Suspeitas em Mamogramas.
Detecção de Regiões de Suspeitas em Mamogramas. Autor: Walter Borges Dias Orientadora: Professora Dra. Célia Zorzo Barcelos Orientadora: Professora Dra. Denise Guliato 1 Programa de Pós-Graduação em Ciência
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia maisImage Restoration. Image Processing scc moacir ICMC/USP São Carlos, SP, Brazil
Image Restoration Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Restoration 2011 1 / 58 Agenda 1 Introdução 2
Leia maisTE073 PDS II Programa de Graduação em Engenharia Elétrica
TE073 PDS II Programa de Graduação em Engenharia Elétrica Prof. Alessandro Zimmer zimmer@eletrica.ufpr.br www.eletrica.ufpr.br/~zimmer/te073 Processamento Digital de Imagens PDI: Segmentação Os algoritmos
Leia maisImage Descriptors: texture
Image Descriptors: texture Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: texture 2011 1 / 28 Agenda
Leia maisTOMOSSÍNTESE MAMÁRIA. Tomossíntese Mamária. Tomossíntese
TOMOSSÍNTESE MAMÁRIA Prof. André L. C. Conceição DAFIS Curitiba, 26 de setembro de 2016 Tomossíntese Mamária A tomossíntese mamária digital (TMD) é uma recente aplicação avançada da Mamografia Digital.
Leia maisSEGMENTAÇÃO DA MAMA: DETECÇÃO DO CONTORNO EXTERNO E EXTRAÇÃO DO MÚSCULO PEITORAL
CONVÊNIOS CNPq/UFU & FAPEMIG/UFU Universidade Federal de Uberlândia Pró-Reitoria de Pesquisa e Pós-Graduação DIRETORIA DE PESQUISA COMISSÃO INSTITUCIONAL DE INICIAÇÃO CIENTÍFICA 2008 UFU 30 anos SEGMENTAÇÃO
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Tópicos Detecção de Pontos Isolados Detecção de Linhas Prof. Sergio Ribeiro 2 Operações lógicas e aritméticas orientadas a vizinhança utilizam o conceito
Leia maisEstudo comparativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas
Estudo parativo de métodos de segmentação das bordas de lesões em imagens dermatoscópicas Pedro Vinícius Macêdo de Araújo, Geraldo Braz Junior Curso de Ciência da Computação Universidade Federal do Maranhão
Leia maisMAMOGRAFIA DIGITAL. Especialista em Controle de Qualidade p/ Radiologia computadorizada
MAMOGRAFIA DIGITAL Material gentilmente cedido pela Tecnóloga Vanessa Dias. Vanessa Dias Tecnóloga em Radiologia Médica 2001 Especialista em Imagens e Produtos para Mamografia Pós Graduação Tomografia
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia maisImplementação de uma Ferramenta para Recuperação de Imagens Mamográficas Baseada em Conteúdo
Implementação de uma Ferramenta para Recuperação de Imagens Mamográficas Baseada em Conteúdo Ana Paula O. Santos, Fátima L. S. Nunes, Márcio E. Delamaro Centro Universitário Eurípides de Marília UNIVEM
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Transformações de Intensidade Transformações Logarítmicas Comparação entre Diversas Técnicas 2 Transformações de Intensidade
Leia maisIntrodução a Análise de Imagens Digitais
Introdução a Análise de Imagens Digitais Uma imagem digital é uma representação de uma cena por meio de um conjunto de elementos discretos e de tamanhos finitos, chamados de pixels, colocados em um arranjo
Leia maisAPLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 0- de Novembro de 008 Universidade Federal do Rio Grande do Norte Natal/RN APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS
Leia maisRestauração de imagens CCD/CBERS-2 pelo método de Richardson-Lucy modificado. Paulo Eduardo Ubaldino de Souza 1
Restauração de imagens CCD/CBERS-2 pelo método de Richardson-Lucy modificado Paulo Eduardo Ubaldino de Souza 1 1 Instituto de Estudos Avançados - CTA/IEAv 12228-840 São José dos Campos - SP, Brasil souza@ieav.cta.br
Leia maisT4.1 Processamento de Imagem
T4.1 Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas 4.
Leia maisCapítulo II Imagem Digital
Capítulo II Imagem Digital Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Formação de uma imagem 2. Representação digital de uma imagem 3. Cor 4. Histogramas 5. Ruído
Leia maisCapítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Leia maisRespostas do Teste de Analise de Imagens :
Respostas do Teste de Analise de Imagens - 2004: 1Diga com suas palavras o que é: (Valor total da questão: 12) Filtragem passa alta (valor deste item até 0,3) - importante falar que apesar do nome ser
Leia maisMamas Densas. A importância das técnicas para formação das imagens para diagnóstico em mamografia
Mamas Densas A importância das técnicas para formação das imagens para diagnóstico em mamografia Patrícia Machado Gonçalves Tecnóloga em Radiologia Especialista em Imaginologia Mamografia Sensibilidade
Leia maisCOMPRESSÃO DE SINAIS DE ELETROMIOGRAFIA
Universidade de Brasília UnB Faculdade de Tecnologia FT Departamento de Engenharia Elétrica ENE COMPRESSÃO DE SINAIS DE ELETROMIOGRAFIA Marcus Vinícius Chaffim Costa 1, Alexandre Zaghetto 2, Pedro de Azevedo
Leia maisAVALIAÇÃO DE UM MÉTODO DE CONTORNOS ATIVOS GEODÉSICOS NA SEGMENTAÇÃO DE MICROCALCIFICAÇÕES EM MAMOGRAFIAS
AVALIAÇÃO DE UM MÉTODO DE CONTORNOS ATIVOS GEODÉSICOS NA SEGMENTAÇÃO DE MICROCALCIFICAÇÕES EM MAMOGRAFIAS M.A. Duarte 1, A.V. Alvarenga 2, C.M. Azevedo 3, A.F.C. Infantosi 1, W.C.A. Pereira 1 1 Programa
Leia maisRealce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens
Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti Jr.
Leia maisA CORREÇÃO DO EFEITO HEEL APLICADA EM IMAGENS RADIOGRÁFICAS DA MÃO
A CORREÇÃO DO EFEITO HEEL APLICADA EM IMAGENS RADIOGRÁFICAS DA MÃO C. J. Olivete, E. L. L. Rodrigues, M. Z. Nascimento Escola de Engenharia de São Carlos (EESC), Departamento de Engenharia Elétrica, Universidade
Leia maisAbstract. 1. Introdução
Registro de Imagens por Correlação de Fase para Geração de Imagens Coloridas em Retinógrafos Digitais Utilizando Câmera CCD Monocromática de Alta Resolução José A. Stuchi Marcelo A.C. Vieira Evandro L.
Leia maisSEL Introdução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens Parte 2
SEL5895 - Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Parte 2 Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Modelo de Degradação e Restauração g(x,y) = h(x,y)
Leia maisDesenvolvimento de técnicas computacionais para auxiliar testes de qualidade em imagens mamográficas que utilizam o phantom CDMAM 3.
Desenvolvimento de técnicas computacionais para auxiliar testes de qualidade em imagens mamográficas que utilizam o phantom CDMAM 3.4 Maria Angélica Zucareli Sousa 1, Bruno Barufaldi 2, Homero Schiabel
Leia maisUm esquema para restauração cega de imagens baseado em combinação de algoritmos adaptativos
Um esquema para restauração cega de imagens baseado em combinação de algoritmos adaptativos Daniela Brasil Silva e Magno T. M. Silva Resumo Neste artigo, é proposto um esquema para restauração cega de
Leia maisAmbiente de Data Warehouse Para Imagens Médicas Baseado Em Similaridade
Universidade de São Paulo - USP Instituto de Ciências Matemáticas e de Computação - ICMC Programa de Pós-Graduação em Ciências da Computação e Matemática Computacional Ambiente de Data Warehouse Para Imagens
Leia maisSEL-0339 Introdução à Visão Computacional. Aula 2 Processamento Espacial (Parte 2)
Departamento de Engenharia Elétrica - EESC-USP SEL-0339 Introdução à Visão Computacional Aula 2 Processamento Espacial (Parte 2) Prof. Dr. Marcelo Andrade da Costa Vieira Prof. Dr. Adilson Gonzaga mvieira@sc.usp.br
Leia maisProcessamento Digital de Imagens. Análise de Imagens
Processamento Digital de Imagens Análise de Imagens Eduardo A. B. da Silva Programa de Engenharia Elétrica - COPPE/UFRJ Laboratório de Sinais, Multimídia e Telecomunicações eduardo@smt.ufrj.br Sergio L.
Leia maisCompleta na Caracterização de Limiares de Detecção em Imagens
Avaliação e Comparação de Métricas de Referência Completa na Caracterização de Limiares de Detecção em Imagens Ronaldo de Freitas Zampolo, Diego de Azevedo Gomes e Rui Seara Resumo Este artigo propõe uma
Leia maisRealce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens
Realce de imagens parte 2: ltragem espacial SCC5830/0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2013/1 Moacir Ponti
Leia maisRestauração de Imagens. Tsang Ing Ren - UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática
Restauração de Imagens Tsang Ing Ren - tir@cin.ufpe.br UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Tópicos! Introdução! Modelo de degradação/restauração! Modelo de ruído! Restauração
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 3 de março de 2016 Transformação e filtragem de imagens
Leia maisExtração de características: textura
Extração de características: textura Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti (ICMCUSP) Extração de características: textura
Leia maisUNIVERSIDADE DE SÃO PAULO INVESTIGAÇÃO DE MICROCALCIFICAÇÕES E NÓDULOS SIMULADOS PARA OBTENÇÃO DE IMAGENS DE TESTES DE ESQUEMAS CAD EM MAMOGRAFIA
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS Departamento de Engenharia Elétrica INVESTIGAÇÃO DE MICROCALCIFICAÇÕES E NÓDULOS SIMULADOS PARA OBTENÇÃO DE IMAGENS DE TESTES DE ESQUEMAS CAD
Leia maisSistema Auxiliar na Análise de Mamogramas Digitais
Sistema Auxiliar na Análise de Mamogramas Digitais Adrião Duarte Dória Neto 1, Andrezza Cristina da Silva Barros 2, Marco Antonio Garcia de Carvalho 3 1,2 Universidade Federal do Rio Grande do Norte (UFRN),
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisTalita Conte Granado. Transformação de intensidade para realce de contraste em mamografias digitais
Talita Conte Granado Transformação de intensidade para realce de contraste em mamografias digitais Uberlândia, 2015 Universidade Federal de Uberlândia Faculdade de Engenharia Elétrica Talita Conte Granado
Leia maisCarlos Roberto da Costa Ferreira. Interpolação Modificada de LSF's. Dissertação de Mestrado
Carlos Roberto da Costa Ferreira Interpolação Modificada de LSF's Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo Programa de Pósgraduação em
Leia maisOtimização de Algoritmos de Processamento de Imagens Médicas Utilizando a Computação Paralela
Otimização de Algoritmos de Processamento de Imagens Médicas Utilizando a Computação Paralela Priscila T. M. Saito, Ricardo J. Sabatine, Fátima L. S. Nunes, Kalinka R. L. J. Castelo Branco Univem Centro
Leia maisUniversidade Federal do Rio de Janeiro. Flávio Henrique Schuindt da Silva. Estimativa de Fluxo Ótico com o método de Lukas-Kanade
Universidade Federal do Rio de Janeiro Programa de Engenharia de Sistemas e Computação Introdução ao Processamento de Imagens Flávio Henrique Schuindt da Silva Estimativa de Fluxo Ótico com o método de
Leia maisFiltragem MAP 2-D de Imagens CT Ruidosas
Filtragem MAP 2-D de Imagens CT Ruidosas Rafael José Geraldo Departamento de Computação Universidade Federal de São Carlos São Carlos, Brasil Email: rafael geraldo@dc.ufscar.br Nelson D. A. Mascarenhas
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS INVESTIGAÇÕES SOBRE DIGITALIZAÇÃO DE IMAGENS MAMOGRÁFICAS: PADRONIZAÇÃO DA QUALIDADE DA IMAGEM E SEU EFEITO NO DESEMPENHO DE ESQUEMAS DE PROCESSAMENTO
Leia maisRestauração de imagens NOAA por Morfologia Matemática
Restauração de imagens NOAA por Morfologia Matemática GERALD JEAN FRANCIS BANON 1 ANA LÚCIA BEZERRA CANDEIAS 1 1 DPI/INPE Divisão de Processamento de Imagens / Instituto Nacional de Pesquisas Espacias
Leia maisUma metodologia para aprimoramento do Video Colortoning
Graduação em Ciência da Computação Uma metodologia para aprimoramento do Video Colortoning Renato Oliveira dos Santos Trabalho de Graduação Recife 29 de outubro de 2014 Universidade Federal de Pernambuco
Leia maisALGORITMOS PARA ALINHAMENTO DE IMAGENS MÉDICAS: PRÍNCIPIOS E APLICAÇÃO EM IMAGENS DE ESCLEROSE MÚLTIPLA
ALGORITMOS PARA ALINHAMENTO DE IMAGENS MÉDICAS: PRÍNCIPIOS E APLICAÇÃO EM IMAGENS DE ESCLEROSE MÚLTIPLA Frederico L. Jacob, João Manuel R. S. Tavares, Ana Mafalda Reis Problemática Desenvolver metodologias
Leia maisComparação de filtros adaptativos para redução do ruído speckle em imagens SAR. Carina Regina de Macedo 1 Igor Ogashawara 1
Comparação de filtros adaptativos para redução do ruído speckle em imagens SAR Carina Regina de Macedo 1 Igor Ogashawara 1 1 Instituto Nacional de Pesquisas Espaciais - INPE Caixa Postal 515-12227-010
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
Leia maisCampus de Botucatu PLANO DE ENSINO. DISCIPLINA: Processamento e Análise de Sinais e Imagem Médica. DOCENTE RESPONSÁVEL: José Ricardo de Arruda Miranda
PLANO DE ENSINO I IDENTIFICAÇÃO CURSO: Física Médica MODALIDADE: Bacharelado DISCIPLINA: Processamento e Análise de Sinais e Imagem Médica (X) OBRIGATÓRIA ( ) OPTATIVA DEPARTAMENTO: Fisica e Biofísica
Leia maisExpansão de técnica de detecção de agrupamentos de microcalcificações em mamografias digitais
Universidade de São Paulo Escola de Engenharia de São Carlos Departamento de Engenharia Elétrica Expansão de técnica de detecção de agrupamentos de microcalcificações em mamografias digitais JARBAS DA
Leia maisSumário. Referências utilizadas. Introdução. MAFIA: Merging of Adaptive Finite Intervals. Introdução Visão Geral e Objetivos do MAFIA
Sumário : Merging of Adaptive Finite Intervals Elaine Ribeiro de Faria Análise de Agrupamento de Dados ICMC-USP Dezembro 2010 Introdução Visão Geral e Objetivos do Algoritmo Grid Adaptativo Algoritmo Algoritmo
Leia maisPLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS
PLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS PROFESSOR: Alexei Manso Correa Machado 1. EMENTA Percepção visual. Modalidades de aquisição e reconstrução tomográfica. Amostragem
Leia mais