Aplicações da Visão Computacional em Biomedicina. João Manuel R. S. Tavares

Transcrição

1 Aplicações da Visão Computacional em Biomedicina João Manuel R. S. Tavares

2 Sumário 1. Apresentação 2. Visão Computacional em Biomedicina i. Introdução ii. iii. iv. Segmentação Análise e Simulação Seguimento Emparelhamento Alinhamento Simulação Visão 3D 3. Publicações & Eventos 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 2

3 Apresentação

4 Apresentação Prof. Associado no Dep. de Eng. Mecânica (DEMec) da FEUP Investigador Sénior e Coordenador de Projecto no Lab. de Óptica e Mecânica Experimental (LOME) do INEGI Doutorado e Mestre em Eng. Electrotécnica e de Computadores (FEUP) (com Tese e Dissertação na área do Processamento e Análise de Imagem) Licenciado em Eng. Mecânica (FEUP) Áreas de Investigação: Processamento e Análise de Imagem (segmentação, seguimento, emparelhamento, alinhamento e visão 3D), Interfaces Homem/Máquina (visualização de dados e percepção humana), Desenvolvimento de Produto (dispositivos biomédicos), Biomecânica, Movimento e Postura Humana 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 4

5 Visão Computacional: Introdução

6 Introdução O sistema sensorial de visão tem elevada importância para grande parte dos seres vivos Podendo disponibilizar informações de índole básica, como verificar a existência ou não de obstáculos, ou complexa, como o seguimento e a análise de movimento Operações comuns: identificação (segmentação), seguimento e reconhecimento de movimento (seguimento e análise de movimento), correspondência e alinhamento (emparelhamento e alinhamento), interpolação de formas (simulação), obtenção da forma/informação 3D (Visão 3D) 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 6

7 Introdução Os investigadores da área da Visão Computacional tentam desenvolver algoritmos computacionais para realizar de forma automática, ou semi-automática, operações e tarefas desenvolvidas pelos (complexos) sistemas de visão dos seres vivos Imagens originais Modelo computacional 3D voxalizado e poligonizado Azevedo et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(3): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 7

8 Introdução Algoritmos de Visão Computacional são de elevado interesse para a Sociedade, sendo frequentemente usados, por exemplo, em: Ciências naturais, Desporto Engenharia, Indústria Medicina, Biologia Exemplos de tarefas comuns envolvendo algoritmos de Visão Computacional: Segmentação, Reconhecimento (2D-4D) Seguimento e análise de movimento, incluindo emparelhamento, alinhamento e simulação (2D-4D) Visão 3D 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 8

9 Introdução: Visão Computacional Operações e Objectivos Imagem / imagens Melhoramento de imagem Processamento de Imagem Segmentação de imagem / extração de características seguimento Visão 3D Análise de movimento emparelhamento alinhamento Visão por Computador Análise de Imagem / Visão Computacional simulação 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 9

10 Introdução (Pré-)Processamento de Imagem: suavização de ruído usando um verme inteligente Manuel R. S. Tavares Imagens originais, corrompidas e melhoradas por diferentes métodos de suavização Araujo et al. (2014) Expert Systems with Applications 41(13): Aplicações da Visão Computacional em Biomedicina 10

11 Visão Computacional em Biomedicina: Segmentação

12 Segmentação Pretende-se identificar de forma automática, ou semiautomática, as estruturas (2D/3D) presentes em imagens estáticas ou em sequências de imagem As técnicas mais comuns são baseadas em binarização por limiar, crescimento de regiões, redes neuronais, emparelhamento de protótipos, modelações geométricas, estatísticas e físicas É uma das operações mais usuais em Visão Computacional, sendo frequentemente a primeira grande tarefa considerada Problemas envolvidos: ruído, baixa resolução, reduzido contraste, formas não conhecidas, oclusões parciais, múltiplas estruturas presentes, etc. 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 12

13 Segmentação Segmentação de contornos em pedobarografia dinâmica: método de Otsu, operadores morfológicos, XOR pressão camada opaca lâmpada camada transparente luz reflectida vidro lâmpada camada de contacto + vidro espelho câmara Imagens originais Após segmentação Bastos & Tavares (2004) LNCS 3179: @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 13

14 Segmentação Segmentação de estruturas do ouvido: método de crescimento de regiões Region Growing, x=215; y=254 X: 254 Y: 214 Index: RGB: 0.459, 0.459, Imagem original Segmentação obtida (labirinto ósseo) Barroso et al. (2011) CNME 2011 Ferreira et al. (2014) Computer Methods in Biomechanics and Biomedical Engineering 17(8): Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 14

15 Segmentação Segmentação de caraterísticas: protótipos deformáveis geométricos Exemplo de um protótipo deformável Carvalho & Tavares (2006) CompIMAGE 2006, Carvalho & Tavares (2007) VipIMAGE 2007, Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 15

16 Segmentação Segmentação de caraterísticas faciais: protótipos deformáveis geométricos Imagem original e imagens de campos de energia (força) Segmentação da íris usando um protótipo deformável (circulo) Carvalho & Tavares (2006) CompIMAGE 2006, Carvalho & Tavares (2007) VipIMAGE 2007, Segmentação do olho usando um protótipo deformável 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 16

17 Segmentação Segmentação de estruturas em imagens: modelos ativos de forma (Modelação Estatística) Vasconcelos & Tavares (2008) Computer Modeling in Engineering & Sciences 36(3): Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 17

18 Segmentação Análise do tracto vocal durante a fala partir de imagens de ressonância magnética: modelos ativos de forma Imagem original + modelo médio Segmentação intermédia I Segmentação intermédia II Segmentação final Vasconcelos et al. (2011) Journal of Voice 25(6): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 18

19 Segmentação Segmentação de estruturas em imagens: modelos ativos de aparência Vasconcelos & Tavares (2008) Computer Modeling in Engineering & Sciences 36(3): Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 19

20 Segmentação Análise do tracto vocal durante a fala partir de imagens de ressonância magnética: modelos ativos de aparência Segmentação inicial Segmentações intermédias Segmentações intermédias Segmentação final Vasconcelos et al. (2011) Journal of Engineering in Medicine 225(1):68-76 Vasconcelos et al. (2012) Journal of Engineering in Medicine 226(3): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 20

21 Segmentação Segmentação de estruturas em imagens: contornos ativos (i.e. snakes modelos paramétricos) Tavares et al. (2009) International Journal for Computational Vision and Biomechanics 2(2): Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 21

22 Segmentação Segmentação de estruturas em imagens: contornos ativos (i.e. snakes) Imagem original e contorno inicial Contorno final Imagem original e contorno inicial Contorno final Gonçalves et al. (2008) Computer Modeling in Engineering & Sciences 32(1): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 22

23 Segmentação Segmentação de melanomas em imagens dermoscópicas: contornos ativos (i.e. snakes) Araujo et al. (2012) Avanços em Visão Computacional, ISBN: , Imagens originais e contornos determinados 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 23

24 Segmentação Segmentação de estruturas em imagens: métodos de level set modelos geométricos Ma et al. (2010) Medical Engineering & Physics 32(7): Ma et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(2): Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 24

25 Segmentação Segmentação de estruturas em imagens: métodos de level set Imagem original Segmentação inicial Segmentação final Perdigão et al. (2005) Encontro_1_Biomecânica, Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 25

26 Segmentação Segmentação de bifurcação da carótida em imagens de Doppler: métodos de contornos ativos e de level set Segmentação usando um modelo de contornos ativos (Yessi) Segmentação usando um modelo de level set (Chan-Vese) Silva et al. (2011) VipIMAGE 2011, Santos et al. (2013) Expert Systems with Applications 40(16): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 26

27 Segmentação Segmentação de estruturas em imagens: métodos de level set, conhecimento prévio Ma et al. (2010) Medical Engineering & Physics 32(7): Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 27

28 Segmentação Segmentação do pavimento pélvico feminino a partir de imagens de ressonância magnética: método de level set, conhecimento prévio Segmentação do pavimento pélvico Ma et al. (2010) Medical Engineering & Physics 32(7): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 28

29 Segmentação Segmentação de órgãos da cavidade pélvica feminina a partir de imagens de ressonância magnética: modelos de level set, conhecimento prévio Segmentação de órgãos (bexiga, vagina, ânus) da cavidade pélvica (3 exemplos) Ma et al. (2013) Computers in Biology and Medicine 43(4): Ma et al. (2012) The Int. Journal for Numerical Methods in Biomedical Engineering 28(6-7): Ma et al. (2011) Annals of Biomedical Engineering 39(8): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 29

30 Visão Computacional em Biomedicina: Seguimento, Emparelhamento, Alinhamento e Simulação

31 Seguimento Pretende-se seguir o movimento e/ou a deformação de estruturas em sequências de imagem (2D/3D) Nesta área, destacam-se as técnicas baseadas em fluxo óptico, emparelhamento de blocos e em métodos estocásticos Usualmente, envolve a estimativa do movimento envolvido, a gestão das entidades seguidas, a análise do movimento seguido bem como a sua quantificação Problemas envolvidos: movimento não rígido, distorção geométrica, condições de iluminação variáveis, oclusão, ruído, múltiplas estruturas, etc. 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 31

32 Seguimento Plataforma desenvolvida para seguimento de entidades (pontos / rectas) em sequências de imagem: filtro de Kalman ou filtro Unscented Kalman, otimização, distância de Mahalanobis, modelo de gestão Pinho et al. (2007) Int. Journal of Simulation Modelling 6(2):84-92 Pinho & Tavares (2009) VipIMAGE 2009, Pinho & Tavares (2009) Computer Modeling in Engineering & Sciences 46(1): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 32

33 Seguimento Seguimento de marcas em análise da marcha: filtro de Kalman, distância de Mahalanobis, otimização, modelo de gestão (5 frames) Previsão Incerteza Medição Correspondência Resultado Pinho et al. (2005) ICCB 2005, Pinho & Tavares (2009) Computer Modeling in Engineering & Sciences 46(1):51-75 Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 33

34 Seguimento Análise da marcha com deteção de eventos: filtro de Kalman, distância de Mahalanobis, otimização Sousa et al. (2007) ISHF2007, Sousa et al. (2007) ICCB2007, Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 34

35 Seguimento Seguimento de ratos em sequências longas de imagem: filtro de Kalman, distância de Mahalanobis, otimização, modelo de gestão (547 frames) Pinho et al. (2005) LSCCS, Vol. 4A: Pinho et al. (2007) International Journal of Simulation Modelling 6(2):84-92 Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 35

36 Emparelhamento É uma das tarefas mais usuais em Visão Computacional, por exemplo, para alinhar estruturas, reconhecer estruturas, obter informação 3D, analisar movimento, etc. Geralmente é conseguido através da consideração de características invariantes, como a curvatura, ou de deslocamentos (assinaturas) em espaços globais/próprios, como no espaço modal ou de Fourier Problemas envolvidos: oclusão, deformações não rígidas, variações elevadas de forma, etc. 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 36

37 Emparelhamento Emparelhamento de contornos em imagens: modelação física/geométrica, análise modal, otimização Bastos & Tavares (2006) Inverse Problems in Science and Engineering 14(5): Tavares & Bastos (2010) Progress in Computer Vision and Image Analysis Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 37

38 Emparelhamento Emparelhamento de contornos em pedobarografia dinâmica: FEM, análise modal, otimização pressão camada opaca lâmpada camada transparente luz reflectida vidro lâmpada camada de contacto + vidro espelho câmara Imagens originais Contornos emparelhados Bastos & Tavares (2004) LNCS 3179:39-50 Tavares & Bastos (2010) Progress in Computer Vision and Image Analysis, @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 38

39 Alinhamento É uma tarefa habitualmente necessária para comparar estruturas representadas em imagens adquiridas em instantes de tempo distintos ou segundo diferentes condições/técnicas O alinhamento é geralmente essencial, por exemplo, em medicina para analisar a evolução de patologias a partir de imagens Geralmente é conseguido através da consideração de características invariantes, como pontos de curvatura máxima, emparelhamento e estimativa da transformação envolvida, ou pela minimização de uma medida de semelhança Problemas envolvidos: características não determinadas facilmente, deformações não rígidas, variações elevadas de forma, etc. 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 39

40 Alinhamento Alinhamento de contornos em imagens: modelação geométrica/física, otimização, programação dinâmica Oliveira & Tavares (2008) Computer Modeling in Engineering & Sciences 31(11):1-11 Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 40

41 Alinhamento Alinhamento de imagens de pedobarografia: modelação geométrica, otimização, programação dinâmica Imagens originais e contornos extraídos Oliveira et al. (2009) Journal of Biomechanics 42(15): Contornos emparelhados e imagens antes e após alinhamento 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 41

42 Alinhamento Alinhamento de imagens de pedobarografia: transformada de Fourier Imagens originais Imagens antes e após alinhamento Oliveira et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(6): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 42

43 Alinhamento Alinhamento de imagens de pedobarografia: método híbrido: Alinhamento de Contornos ou Alinhamento baseado na transformada de Fourier + Otimização de semelhança (MSE/MI/XOR) Oliveira & Tavares (2011) Medical & Biological Engineering & Computing 49(3): @João Manuel R. S. Tavares Imagens originais, antes e após alinhamento Aplicações da Visão Computacional em Biomedicina 43

44 Alinhamento Alinhamento de imagens de uma mesma modalidade: maximização direta da correlação cruzada (transformada de Fourier) Soma Imagem originais (RM - proton density) Imagens Alinhadas Oliveira et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(6): @João Manuel R. S. Tavares Soma Aplicações da Visão Computacional em Biomedicina Diferença 44 44

45 Alinhamento Alinhamento intermodal (CT/RM): otimização pelo Método de Powell (otimização) de medida de semelhança (MI) CT RM CT+RM Imagem originais Imagens Alinhadas Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(3): Manuel R. S. Tavares CT+RM Aplicações da Visão Computacional em Biomedicina Diferença 45 CT+RM 45

46 Alinhamento Alinhamento de imagens 3D: otimização iterativa, alinhamento 3D cont. Xadrez das imagens pré-alinhamento (CT, tórax mesma pessoa, Δt: 8.5 meses) F M F M M F M F F M F M M F M F (xadrez - construído substituindo algumas partes (voxels) da imagem modelo pelas partes da imagem a alinhar que têm as mesmas coordenadas das partes retiradas à imagem modelo) 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 46

47 Alinhamento Alinhamento de imagens 3D: otimização iterativa, alinhamento 3D Xadrez das imagens pós-alinhamento (Semelhança: MI, Transf.: B-splines cúbicas) Oliveira & Tavares (2014) Computer Methods in Biomechanics and Biomedical Engineering 17(2):73-93 Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 47

48 Alinhamento Alinhamento de imagens de pedobarografia para identificação (esq. / direito), extração de medidas e índices Oliveira et al. (2012) Computer Methods in Biomechanics and Biomedical Engineering 15(11): @João Manuel R. S. Tavares Imagens originais, após normalização, contornos e áreas identificadas Aplicações da Visão Computacional em Biomedicina 48

49 Alinhamento Aplicação no estudo de imagens DaTSCAN SPECT Imagens DaTSCAN SPECT cerebrais são usadas para auxiliar o diagnostico da doença de Parkinson e para a distinguir de outras doenças degenerativas. A solução desenvolvida é capaz de: Segmentar as áreas relevantes e realizar análises dimensionais Quantificar os potenciais de ligação da ganglia basal Computação automática de dados estatísticos relativamente a uma população de referência Normal Alzheimer Parkinsonismo idiopático 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina Tremor essencial 49

50 Alinhamento Aplicação no estudo de imagens DaTSCAN SPECT Slice médio de uma população usado como referência Slice correspondente de um paciente Diferença de intensidades Mapeamento dos Z- scores no slice (a vermelho valores mais elevados) (Os retângulos azuis representam as ROIs 3D usadas para calculo dos potenciais de ligação) Oliveira et al. (2014) The Quarterly Journal of Nuclear Medicine and Molecular Imaging 58(1):74-84 Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 50

51 Alinhamento Aplicação no estudo de imagens DaTSCAN SPECT Reconstrução 3D da ganglia basal e quantificação Ganglia basal média de uma população normal Ganglia basal de um paciente com parkinsonismo idiopático Ganglia basal de um paciente com parkinsonismo vascular Oliveira et al. (2014) The Quarterly Journal of Nuclear Medicine and Molecular Imaging 58(1): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 51

52 Alinhamento Aplicação na segmentação e reconstrução 3D dos ossículos do ouvido médio em imagens de TC Slices com a estrutura a segmentar e a reconstruir Estrutura reconstruida a partir das segmentações obtidas Oliveira & Tavares (2014) Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine (submitted) 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 52

53 Alinhamento Alinhamento de sequências de imagem 2D: alinhamento espacial e temporal Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(7): Oliveira & Tavares (2013) Medical & Biological Engineering & Computing 51(3): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 53

54 Alinhamento Alinhamento de sequências de imagem 2D de pedobarografia dinâmica: alinhamento espacial e temporal Sequências de imagem originais Sequências originais antes do alinhamento camada de contacto + vidro espelho câmara Sequências préprocessadas Sequências após alinhamento Oliveira et al. (2011) Medical & Biological Engineering & Computing 49(7): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 54 54

55 Simulação É uma tarefa muito usada em Computação Gráfica (morphing) mas também muito útil em Visão Computacional, por exemplo, para estimar a deformação existente entre duas estruturas distintas ou entre dois instantes de uma mesma estrutura, estimar as transições entre duas formas adquiridas com espaçamento temporal elevado, etc. Geralmente é conseguida através da consideração de transformações geométricas No entanto, quando se deve considerar o comportamento físico das estruturas envolvidas, devem ser usadas metodologias físicas (por exemplo, usando FEM) Dificuldades comuns são relativas à estimativas das forças envolvidas e das propriedades adoptadas para os materiais Fase de emparelhamento dos objetos torna-se crucial 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 55

56 Simulação Simulação (morphing) física de contornos em imagens: FEM, análise modal, otimização, eq. de Lagrange Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 56

57 Simulação Simulação de contornos em imagens: FEM, análise modal, otimização, equação de Lagrange Emparelhamento obtido Deformações simuladas Imagens originais Tavares & Pinho (2005) Journal of Computer Science 4(1):9-18 Gonçalves et al. (2008) Computer Modeling in Engineering & Sciences 32(1):45-55 Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 57

58 Visão Computacional em Biomedicina: Visão 3D

59 Visão 3D Pretende-se obter a forma 3D de estruturas ou a informação 3D de cenas a partir de imagens 2D Nesta área, destacam-se: 1) formas exteriores: técnicas ativas (com projecção de energia ou movimento relativo), passivas (sem projecção de energia ou movimento relativo) e de escavação espacial; 2) formas interiores: segmentação 2D (i.e. contornos) e interpolação (marching cubes) e segmentação 3D Usualmente, envolve tarefas de calibração, segmentação, alinhamento, triangulação e interpolação Problemas envolvidos: distorção geométrica, iluminação variável, oclusão, ruído, formas complexas, etc. 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 59

60 Visão 3D Reconstrução 3D de estruturas a partir de slices: segmentação 2D, marching cubes Perdigão et al. (2005) CMNI 2005 Pimenta et al. (2006) CompIMAGE 2006, Alexandre et al. (2007) VipIMAGE 2007, @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 60

61 Visão 3D Reconstrução 3D de órgãos da cavidade pélvica feminina partir de imagens axial e sagital de ressonância magnética: segmentação 2D, marching cubes, fusão Slices axial e sagital da cavidade pélvica (1 - bexiga, 2 - vagina) Bexiga reconstruida usando informação axial e sagital (2 vistas) Ma et al. (2013) Medical Engineering & Physics 35(12): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 61

62 Visão 3D Reconstrução 3D de órgãos a partir de imagens de diferentes modalidades: alinhamento, marching cubes, fusão slices coronal, sagital e axial, e segmentação obtida Visualização 3D após fusão TAC/SPECT Oliveira & Tavares (2014) Computer Methods in Biomechanics and Biomedical Engineering 17(2): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 62

63 Visão 3D Reconstrução 3D de estruturas a partir de sequências de imagem: escavação espacial Azevedo et al. (2008) Advances in Computational Vision and Medical Image Processing: Methods and Applications, @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 63

64 Visão 3D Reconstrução 3D de estruturas a partir de sequências de imagem: escavação espacial Imagens originais Modelo computacional 3D obtido voxalizado e poligonizado Azevedo et al. (2010) Computer Methods in Biomechanics and Biomedical Engineering 13(3): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 64

65 Visão 3D Reconstrução 3D da coluna a partir de duas radiografias 2D e usando um modelo deformável (atlas) Interface desenvolvida Modelo ajustado (duas vistas) e reconstrução obtida Moura et al. (2010) Computer Modeling in Engineering & Sciences 60(2): Moura et al. (2011) Medical Engineering & Physics 33(8): @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 65

66 Aplicações da Visão Computacional em Biomedicina: Sumário

67 Sumário A área da Visão Computacional é complexa e exigente, mas de elevado interesse em muitos domínios, em particular em Medicina e em Engenharia Vários desafios existem, como, por exemplo, condições de aquisição difíceis, oclusão, formas e topologias complexas, movimentos complicados Trabalho considerável já foi desenvolvido, mas existem ainda muitos desafios importantes e difíceis a resolver Métodos e metodologias de outras áreas do conhecimento, como da Matemática, Mecânica Computacional, Medicina e Biologia, podem contribuir para a resolução de tais desafios Para tal, Colaborações são Necessárias e Bem-vindas 2014@João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 67

68 Publicações & Eventos

69 Taylor & Francis journal Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 69

70 Lecture Notes in Computational Vision and Biomechanics (LNCV&B) Series Editors: João Manuel R. S. Tavares, Renato Natal Jorge ISSN: , Publisher: SPRINGER Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 70

71 Eventos: Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 71

72 Webpage ( Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 72

73 Agradecimentos Os trabalhos apresentados têm vindo a ser realizados parcialmente com o apoio da Fundação para a Ciência e a Tecnologia (FCT) em Portugal, nomeadamente, através dos projetos: PTDC/BBB-BMD/3088/2012 PTDC/SAU-BEB/102547/2008 PTDC/SAU-BEB/104992/2008 PTDC/EEA-CRO/103320/2008 UTAustin/CA/0047/2008 UTAustin/MAT/0009/2008 PDTC/EME-PME/81229/2006 PDTC/SAU-BEB/71459/2006 POSC/EEA-SRI/55386/ @João Manuel R. S. Tavares Aplicações da Visão Computacional em Biomedicina 73

74 Aplicações da Visão Computacional em Biomedicina João Manuel R. S. Tavares