Simplificação do Método de Eklof & Ringertz para a Estimativa da Idade Óssea Através da Análise de Imagens Radiográficas da Mão

Documentos relacionados
Simplificações do método de Eklof & Ringertz para automatizar o processo de estimação da maturidade óssea

A CORREÇÃO DO EFEITO HEEL APLICADA EM IMAGENS RADIOGRÁFICAS DA MÃO

O EFEITO DA CORREÇÃO DO EFEITO HEEL EM IMAGENS RADIOGRÁFICAS DA MÃO

Metodologias para estimação da idade óssea utilizando a proporção divina com o auxílio da plataforma ANACARP

Maturidade óssea: estimação por simplificações do método de Eklof e Ringertz*

Estimativa da Idade Óssea Através da Análise Carpal Baseada na Simplificação do Método de Eklof & Ringertz

{olivete, ronaldo,

SOFTWARE AUTOMÁTICO PARA DETERMINAÇÃO DA IDADE ÓSSEA BASEADO NO MÉTODO DE EKLOF & RINGERTZ

Android Application Development for Bone Age Estimation in Cephalometric Radiographs

Universidade de São Paulo. André Luís Delorme

Utilização da proporção divina no processo de estimação da maturidade óssea

REVISÃO DA LITERATURA

PROPOSTA DE UM SISTEMA PARA RECONHECIMENTO DE IDADE ÓSSEA AUXILIADA POR COMPUTADOR UTILIZANDO REDES NEURAIS ARTIFICIAIS

Metodologia para Segmentação de ROI Visando a Extração Automática de Características das Vértebras Cervicais para Estimação de Idade Óssea

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE ENGENHARIA ELÉTRICA PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE ODONTOLOGIA ELEONORA SOARES BENEMANN

Orientador: Prof. Dr. Evandro Luís Linhari Rodrigues

CLASSIFICAÇÃO AUTOMÁTICA DE REGIÕES DE INTERESSE PARA AVALIAÇÃO DA IDADE ÓSSEA

EVANDRA MARIA RAYMUNDO

Comparison between bone and chronological age in Down s syndrome patients by Eklöf & Ringertz index with hand and wrist radiographies RESUMO UNITERMOS

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE ODONTOLOGIA ELEONORA SOARES BENEMANN

Conclusões e Trabalhos Futuros

CELSO OLIVETE JÚNIOR NOVOS MÉTODOS PARA ESTIMATIVA DA IDADE ÓSSEA BASEADOS NO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS DA MÃO

SEL-0339 Introdução à Visão Computacional. Aula 5 Segmentação de Imagens

Processamento de Imagens Digitais

Banco de dados on-line para auxílio à pesquisa em estimação da idade óssea

INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO

DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS

Figura 01: Aplicações do Filtro Espacial Passa-Baixa.

Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV

SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS

LOCALIZAÇÃO, SEGMENTAÇÃO E CLASSIFICAÇÃO AUTOMÁTICAS DE REGIÕES DE INTERESSE PARA A DETERMINAÇÃO DE MATURIDADE ÓSSEA

Processamento Digital de Imagens

Processamento Digital de Imagens

AVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO

Desenvolvimento e validação de um software para avaliação da maturidade óssea - EasyTW

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE ENGENHARIA ELÉTRICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

A IMPORTÂNCIA DOS ESTUDOS RADIOGRÁFICOS DE MÃO E PUNHO PARA DETERMINAÇÃO DA IDADE ÓSSEA

Método de Otsu. Leonardo Torok 1

Resultados da Segmentação

Introdução a Análise de Imagens Digitais

Realce de imagens parte 1: operações pontuais SCC0251 Processamento de Imagens

Information Portal to Support Research in Bone Age Estimation

Diego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo

Implementação de códigos no Matlab para detecção de falhas em cordão de soldas. Adailton Turczen de Melo Andrine M. Varela da Cruz Wallace Griz Ayres

Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo.

IMPLEMENTAÇÃO DE SISTEMA DE ATITUDE EM DSP

UFPB PRG X ENCONTRO DE INICIAÇÃO À DOCÊNCIA

Detecção e Correção Automáticas de Olhos Vermelhos

ESRIC EXTRACÇÃO, SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS A PARTIR DO CENTRO DA PUPILA

AUTOMATED ASSESSMENT OF BREAST TISSUE DENSITY IN DIGITAL MAMMOGRAMS

Processamento de Imagens Termais Aplicado à Navegação Autônoma. Wanessa da Silva

AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS

SEL Visão Computacional. Aula 2 Processamento Espacial

LOCALIZAÇÃO AUTOMÁTICA DE PLACAS DE VEÍCULOS UTILIZANDO VARIÂNCIA TONAL

5 Agregação das Reservas das Entidades

Reconhecimento de palma de mão. Peterson Wagner Kava de Carvalho

APLICAÇÃO DE TÉCNICAS DE PROCESSAMENTO DE IMAGENS DIGITAIS EM IMAGENS GERADAS POR ULTRA-SOM

ESTUDO DE TÉCNICAS PARA SOLUÇÃO DE PROBLEMAS DE PROCESSAMENTO DE IMAGENS UTILIZANDO A LINGUAGEM PYTHON

Processamento Digital de Imagens

Processamento Digital de Imagens

Extração de características: textura

CLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture

Processamento Digital de Imagens

Extração de atributos usando o método LBP - Local Binary Pattern

Descritores de Imagens

Um sistema de identificação biométrica utilizando reconhecimento de íris e OpenCV

Dr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015

1 RESUMO. Palavras-chave: Controle, encoders, motor CC. 2 INTRODUÇÃO

INSTITUTO FEDERAL DO ESPÍRITO SANTO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE CONTROLE E AUTOMAÇÃO DING YIH AN

Processamento de Imagem. Relaçionamentos entre pixels e Operações Aritméticas e Lógicas Professora Sheila Cáceres

Maturação biológica: da sua relevância à aprendizagem do método TW3

Segmentação de Exsudatos em Imagens de Fundo de Olho para Detecção de Retinopatia Diabética

Detecção Auxiliada por Computador

Princípios sobre imagens digitais

Simulação de uma banda pancromática para o sensor TM (Landsat 5), utilizando filtro combinado de restauração e interpolação.

EXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq ( )

Desenvolvimento de um programa computacional para implementação do método de leitura de idade óssea de Tanner e Whitehouse

Dermanostic: um método para normalização da iluminação em imagens de lesões cutâneas

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

PMR2560 Visão Computacional Conversão e Limiarização. Prof. Eduardo L. L. Cabral

Rastreamento de objeto e estimativa de movimento

PRÁTICA 5 Prof. Dr. Evandro Luis Linhari Rodrigues

Processamento de Imagem. A Imagem digital Professora Sheila Cáceres

CARACTERIZAÇÃO DE CROMOSSOMOS DE TARTARUGAS DA ESPÉCIE PHRYNOPS GEOFFROANUS (TESTUDINES: PLEURODIRA)

Centro Universitário Hermínio Ometto UNIARARAS DANIEL SADDI DOMINGUES

9 Trabalho - Segmentação do corpo caloso

Ambiente de Data Warehouse Para Imagens Médicas Baseado Em Similaridade

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto

Dr. Sylvio Barbon Junior. Departamento de Computação - UEL. 1 o Semestre de 2015

CAPÍTULO 4 SEGMENTAÇÃO DE IMAGENS SAR

PLANO DE TRABALHO: DISCIPLINA OPTATIVA PROCESSAMENTO DE IMAGENS MÉDICAS

5 Estudo de Caso e Resultados

Aquisição de Imagens

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Segmentação. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Rio de Janeiro. Flávio Henrique Schuindt da Silva. Estimativa de Fluxo Ótico com o método de Lukas-Kanade

IDENTIFICAÇÃO DAS ESTRUTURAS DE TECIDOS PLANOS ATRAVÉS DA CÂMERA DE SMARTPHONE

PARÂMETROS DOS EQUIPAMENTOS RADIOLOGIA

Introdução USP - EESC

Segmentação e Classificação. Prof. Herondino

Transcrição:

Simplificação do Método de Eklof & Ringertz para a Estimativa da Idade Óssea Através da Análise de Imagens Radiográficas da Mão Celso Olivete Junior, Alini da Cruz Queiroz, Evandro Luís Linhari Rodrigues Escola de Engenharia de São Carlos (EESC) Universidade de São Paulo (USP) São Carlos SP Brasil {olivete,aqueiroz,evandro}@sel.eesc.usp.br Abstract. This paper presents a semi-automatic and simplified methodology to estimate a skeletal age using the Eklof & Ringertz method. It is based on the processing and extraction of information of the hand radiographic images, having used a methodology to isolate the bones of the tissue of the hand to get the dimensions. These dimensions will be used as the information for the estimation of the skeletal age of human in growth phase, searching for a simplification of the Eklof & Ringertz method. The system in development is been implemented in the environment C++ Builder version 5.0 with Database Interbase version 6.0. Resumo. Este artigo apresenta uma metodologia semi-automática e simplificada para estimação da idade óssea baseada no método de Eklof & Ringertz. Fundamenta-se no processamento e extração de informações de imagens radiográficas da mão, propondo uma metodologia para isolar os ossos do tecido da mão, para obtenção de dimensões dos mesmos com a finalidade de utilizá-las para a estimação da idade óssea. Essas dimensões serão usadas como informações para a estimação da idade óssea de seres humanos em fase de crescimento, buscando uma simplificação do método de Eklof & Ringertz. O software foi implementado no ambiente de programação C++ Builder versão 5.0, com banco de dados Interbase versão 6.0. 1. Introdução A estimativa da idade óssea através da radiografia carpal é freqüentemente utilizada para avaliar desordens no crescimento em pacientes pediátricos, obtendo o quanto o seu crescimento evoluiu em relação à sua maturidade óssea. A idade cronológica não é um bom indicador para avaliar o desenvolvimento e o crescimento, pois existem diferenças relacionadas ao sexo, fatores genéticos, ambientais e nutricionais. Existem vários métodos para avaliação da idade óssea, sendo que os mais difundidos e utilizados no Brasil são Greulich & Pyle, que faz uma avaliação inspecional dos ossos da mão através de um Atlas, com padrões diferentes entre os sexos [Haiter et al 2000]; o método de Tanner & Whitehouse, que analisa 20 ossos da mão e punho atribuindo um escore específico para cada osso e sexo, onde através da soma dos escores obtém-se a idade óssea [Tanner et al 1969]; e o método Eklof & Ringertz, o qual baseia-se em medidas de comprimento e/ou largura de 10 centros de ossificação [Tavano 2001]. O método utilizado neste trabalho é o de Eklof & Ringertz,

que permite utilizar diretamente métodos computacionais simples alcançando resultados importantes para o auxílio de acompanhamento do crescimento humano. Um outro critério importante deste método é o fato de não utilizar uma análise inspecional e comparativa através do uso de Atlas. Os centros de ossificação utilizados por esse método podem ser observados na Figura 1. Figura 1. Centros de ossificação utilizados pelo método de Eklof & Ringertz [Tavano 2001]. Os centros de ossificação ilustrados na Figura 1, são formados por: 1- largura da epífise distal do rádio, 2- comprimento do capitato, 3- largura do capitato, 4- comprimento do hamato, 5- largura do hamato, 6- comprimento do metacárpico II, 7- comprimento do metacárpico III, 8- comprimento do metacárpico IV, 9- comprimento da falange proximal II e 10- comprimento da falange proximal III. Para a realização deste trabalho foram analisadas 450 imagens de radiografias da mão esquerda (banco de dados que está em construção no Departamento de Engenharia Elétrica da USP São Carlos), de pacientes do sexo masculino e feminino com idades entre 6 e 18 anos. Essas radiografias foram obtidas através de um aparelho convencional de raio-x utilizando valores padrão para esse procedimento e digitalizadas em um scanner progressivo Kodak modelo Is50 com resolução de 300 dpi. 2. Metodologia Nos itens a seguir são descritos os métodos de pré-processamento, segmentação e os procedimentos utilizados na simplificação da estimativa da idade óssea. a) Pré-processamento Para eliminar as variações da não uniformidade encontrada no fundo da imagem, foi aplicado um algoritmo desenvolvido por Nascimento et al (2003), para correção do efeito Heel, fenômeno que compromete a distribuição regular de intensidade dos raios-x, gerando uma iluminação não uniforme no fundo das imagens. Essa distribuição de intensidade depende do posicionamento relativo do dispositivo de gravação em relação à fonte dos raios-x, podendo variar não uniformemente entre 75% e 125%. Essa variação faz com que algumas partes do filme sejam pouco sensibilizadas, enquanto outras sejam sensibilizadas em excesso, prejudicando o contraste necessário para a obtenção de uma boa imagem, conforme apresentado no trabalho de Olivete et al (2004). A seguir foi aplicado um filtro do tipo passa-baixa,

utilizando média da vizinhança com uma matriz de 11 x 11 pixels, para suavização dos ruídos presentes na imagem. b) Segmentação Um método eficiente de thresholding (limiarização) deve ser capaz de fornecer automaticamente um valor (limiar) para o qual todos os pontos com valores de intensidade inferior a este devam ser eliminados [Gonzalez e Woods 1993]. Esta etapa da limiarização é utilizada para eliminar os pixels que não pertençam aos ossos. Os métodos implementados foram: Otsu, Pun, Niblack e Rosenfeld [Olivete et al 2004]. c) Estimativa da idade óssea Nos itens a seguir são descritos os procedimentos necessários para a estimativa da idade óssea: 2. Resultados Banco de dados de imagens carpais: foi criado um banco de dados para armazenar as imagens radiográficas da mão e suas informações, como por exemplo, nome do paciente, idade cronológica, resolução em que foi digitalizada a imagem, entre outras. No total, foram utilizadas 200 imagens com laudo médico e 250 imagens sem laudo médico. Banco de dados de medidas: construiu-se um banco de dados de medidas (em milímetros) de cada centro de ossificação e as suas idades correspondentes para os 10 centros de ossificação utilizados pelo método Eklof & Ringertz. Estas medidas foram extraídas de Tavano (2001). Marcação dos centros de ossificação: criou-se um procedimento que realiza automaticamente a marcação dos centros de ossificação, delimitando o início e o fim de cada osso, centros esses utilizados na estimativa da idade óssea. Obtenção das medidas: após a seleção de todos os centros de ossificação, calcula-se o comprimento de cada um dos ossos utilizando a distância Euclidiana. Estimativa da idade óssea: de posse das medidas, realiza-se uma busca no banco de dados de medidas e estima-se a idade óssea para cada um dos centros de ossificação analisados. A idade final estimada é obtida através da média de todas as idades encontradas nos centros de ossificação. A seguir serão apresentados os resultados do pré-processamento da imagem carpal e a estimativa da idade óssea utilizando todos os pontos de análise (10 centros de ossificação) propostos pelo método Eklof & Ringertz (Figura 2). A marcação dos 10 centros de ossificação foi realizada inicialmente de forma manual através do software desenvolvido, considerando-se valores de desvio padrão no intervalo que varia de 0.1 a 0.5 anos. A Figura 3 ilustra os resultados obtidos, utilizando

o intervalo de desvio padrão em relação ao laudo médico em imagens do sexo feminino e masculino. (a) (b) (c) Figura 2 (a): Imagem de entrada. (b): imagem pré-processada. (c): imagem segmentada e marcações dos centros de ossificação 83,33% 93,33% 100,00% 90,00% 93,33% 100,00% 46,67% 50,00% 23,33% 30,00% 0,1 0,2 0,3 0,4 0,5 0,1 0,2 0,3 0,4 0,5 (a) (b) Figura 3 Resultados obtidos utilizando os 10 centros de ossificação comparados com os laudos médicos. (a): sexo feminino, (b): sexo masculino Analisando a Figura 3, verifica-se que ao se utilizar os valores de desvio padrão de 0.1 e 0.2 anos, a porcentagem de concordância com o laudo médico foi pequena.

Quando utilizados desvios de 0.3 e 0.4 anos os resultados foram intermediários, e utilizando 0.5 anos obteve-se 100% de concordância. Um problema encontrado na estimação da idade óssea reside na sobreposição dos ossos do carpo, o que dificulta a obtenção das medidas dos centros de ossificação. Como tentativa de solução deste problema, buscou-se estimar a idade óssea baseando-se na análise de apenas 5 centros de ossificação, compostos por falanges e metacárpicos, descartando os ossos do carpo e punho, sendo necessários apenas 10 marcadores para a estimação, simplificando assim o método de Eklof & Ringertz. Para mostrar a eficiência da simplificação, foram gerados gráficos entre os valores obtidos pelo método original e pela simplificação, num intervalo de desvio padrão variando de 0.1 a 0.5 anos. A Figura 4 ilustra os resultados da comparação entre o método completo (1ª coluna do gráfico) e na 2ª coluna, o método simplificado (utilizando 5 centros de ossificação), em relação ao laudo médico para imagens do sexo feminino. 46,67% 56,67% 83,33% 90,00% 0,2 0,3 Método Completo 5 pontos Método Completo 5 pontos (a) (b) 93,33% 93,33% 100,00% 100,00% 0,4 0,5 Método Completo 5 pontos Método Completo 5 pontos (c) (d)

Figura 4 Gráficos gerados para as imagens utilizando o método completo e a simplificação proposta, utilizando um intervalo de desvio padrão. (a): desvio padrão de 0.2 anos. (b): 0.3 anos. (c): 0.4 anos e (d) 0.5 anos Nota-se que quando se utilizou um desvio padrão de 0.2 anos, a porcentagem de concordância em relação ao laudo médico foi muito baixa. Já quando utilizado os valores de desvio padrão de 0.3, 0.4 e 0.5 anos, os resultados foram semelhantes, obtendo-se discordância de 16,67% para o pior caso (desvio de 0.3 anos) e chegando a 100% de concordância quando utilizado o desvio padrão de 0.5 anos. Com esses resultados pode-se observar que com a análise dos 5 centros de ossificação escolhidos (simplificação) pode-se estimar com confiança a idade óssea a partir do método de Eklof & Ringertz. De posse dos resultados apresentados pela simplificação, buscou-se verificar uma nova simplificação, ou seja, estimar a idade óssea baseando-se na análise de um número inferior a 5 centros de ossificação. Para isto foram feitas todas as combinações possíveis entre os 5 centros selecionados no estudo (num total de 26 combinações), comparando-se com o laudo médico e também com os valores obtidos utilizando todos os centros de ossificação. A Figura 5 ilustra o gráfico gerado para cada imagem do conjunto, para analisar quais combinações mais se aproximavam do resultado do laudo médico. Todos os pontos que apresentavam o mesmo resultado do laudo médico foram selecionados. Quando isso não ocorreu, foram escolhidos os dois que mais se aproximavam do valor ideal, levando em consideração um desvio padrão de 0.4 anos dos pontos de análise. Este critério foi adotado após um estudo do comportamento destes pontos em relação ao laudo médico e verificou-se que quando escolhidos os que mais se aproximaram do laudo, também foi possível obter um valor estimado da idade óssea próximo do ideal. 10,00 9,80 9,60 9,40 9,20 9,00 8,80 8,60 8,40 P1 e P2 P1 e P3 P1 E P4 P1, P2 E P3 P4 E P5 P3 E P5 P3 E P4 P2 E P5 P2 E P4 P2 E P3 P1 E P5 Combinações geradas P1, P2 E P4 P1, P2 E P5 P2, P3 E P5 P2, P4 E P5 P2, P3 E P4 P1, P3 E P4 P1, P3 E P5 P1, P4 E P5 Laudo médico P3, P4 E P5 P1, P2, P3 E P4 P1, P2, P3 E P5 P2, P3, P4 E P5 P1, P3, P4 E P5 P1, P2, P3, P4 E P5 Figura 5. Combinações entre os centros de ossificação, comparadas com o laudo médico Após analisar o gráfico de todas as imagens do banco de dados, verificou-se que a média da combinação (P1, P3 e P5) obteve o resultado ideal (em relação ao laudo médico) em todos os casos, sendo possível estimar a idade através desses 3 centros de ossificação. Para mostrar a eficiência da metodologia e ilustrar os resultados das

simplificações, utilizando 5 e 3 centros de ossificação em relação ao método completo (10 centros) baseando-se nos resultados dos laudos, foram gerados gráficos levando em consideração os mesmos desvios padrão citados anteriormente (Figura 4), notando-se que a simplificação utilizando apenas 3 centros de ossificação apresentou o melhor resultado em todos os casos. 56,67% 70,00% 83,33% 90,00% 90,00% 46,67% 0,2 Método Completo 5 Pontos 3 Pontos 0,3 Método Completo 5 Pontos 3 Pontos (a) (b) 93,33% 93,33% 96,67% 100,00% 100,00% 100,00% 0,4 Método Completo 5 Pontos 3 Pontos 0,5 Método Completo 5 Pontos 3 Pontos (c) (d) Figura 6. Comparação entre método completo X simplificação inicial (5 centros de ossificação) e simplificação final (3 centros) para as imagens do banco de dados. (a): desvio de 0.2 anos. (b): 0.3 anos. (c): 0.4 anos e (d): 0.5 anos. Analisando a Figura 6, nota-se que os resultados obtidos pela média da combinação (P1, P3 e P5) foram satisfatórios, obtendo uma boa aproximação dos valores do laudo médico, quando utilizado o desvio padrão de 0.3 anos. Quando

utilizado os valores de 0.4 e 0.5 anos para o desvio padrão chegou-se a um excelente resultado. 3. Conclusões Com o algoritmo de correção do efeito Heel foi possível eliminar todas as variações de intensidade do fundo das imagens. O algoritmo de ajuste da imagem também contribuiu, eliminando (ou atenuando) pequenos ruídos que prejudicavam a aplicação dos métodos de limiarização implementados. Com base nos estudos conclui-se que é possível estimar com confiança a idade óssea baseando-se apenas nos ossos da mão, excluindo da análise os ossos do carpo e do punho, que são ossos necessários na análise completa do método de Eklof & Ringertz. Durante a análise do método completo (10 centros de ossificação), simplificação mínima e máxima (5 e 3 centros respectivamente), verificou-se que as dimensões obtidas em alguns centros de ossificação, quando participam da média, não contribuem positivamente para a obtenção de uma idade óssea final esperada (conforme o laudo médico), produzindo resultados com elevado desvio padrão. Conclui-se que a média da combinação que envolve a análise dos metacárpicos II e IV e a terceira falange, foi a que apresentou uma melhor aproximação em relação ao laudo médico, sendo possível estimar a idade óssea pelo método de Eklof & Ringertz. Um dos softwares atualmente existentes para estimar a idade óssea, denominado Radiocef Studio 2.0 e baseado no método de Eklof & Ringertz, é operado de forma manual. Todos os pontos que compõem os centros de ossificação são marcados manualmente, o que resulta em um tempo elevado para a fixação dos 20 pontos necessários para estimar a idade óssea. Neste trabalho desenvolveu-se uma metodologia e um software que operam de forma automática e simplificada, pois os marcadores são inseridos automaticamente e são utilizados apenas 6 pontos (3 ossos) para a estimação da idade óssea. O software Radiocef Studio 2.0 foi criado em 1994 pela empresa Radio Memory Ltda., localizada em Belo Horizonte, MG, Brasil. Home Page: <http://www.radiomemory.com.br>. Referências GONZALEZ, R. C.; WOODS, R. E. (1993). Digital Image Processing Techniques, Addison Wesley, New York. HAITER N., F. et al (2000). Comparative Study of the Greulich & Pyle and Tanner & Whitehouse Methods for Estimating Skeletal Age, Revista Odontológica Brasileira, v. 14, n. 4, p. 378-384. NASCIMENTO, M. Z. et al. (2003). Subtraction of images for automatic determination of center of the radiation field, Proc. 25 th Annual International Conf. of the IEEE Eng. in Medicine and Biology Society, Cancún, México, pp. 937-940. OLIVETE, J. C. et al (2004). Metodologia baseada em thresholding adaptativo aplicada à correção de imagens radiográficas da mão. In: III Latin-American Congress on Biomedical Engineering, 2004, João Pessoa - PB, 2004, volume 1, p. 106-106.

TANNER, J. M. et al (1969). A New System for Estimating Skeletal Maturity from Hand and Wrist, with Standarts Derived From a Study Of 2600 Healthy British Children, Departament of Growth and Development Institute of Child Health, University of London; and Departament of Statistics, Rothamsted Experimental Station, Harpenden. TAVANO, O. (2001). Radiografias Carpal e Cefalométrica como Estimadores da Idade Óssea e do Crescimento e Desenvolvimento, Bauru Brasil.