Luis Marcelo Bortolotti Agma Juci Machado Traina ICMC - USP

Apresentação em tema: "Luis Marcelo Bortolotti Agma Juci Machado Traina ICMC - USP"— Transcrição da apresentação:

1 Luis Marcelo Bortolotti Agma Juci Machado Traina ICMC - USP
Recuperação de Imagens por Conteúdo Através de Regiões Determinadas Automaticamente pela Energia Criado com o Microsoft Office 2003 Talvez as animações não funcionem corretamente com versões anteriores do Office. Luis Marcelo Bortolotti Agma Juci Machado Traina ICMC - USP

2 Conteúdo Introdução Método Experimentos e Resultados Conclusões
Determinação dos MBRs Medidas de Textura Vetor de Características Experimentos e Resultados Conclusões

3 Introdução e Motivação
Sistemas de Informação Hospitalar (SIH) atuais Organização de dados textuais e numéricos sobre pacientes (exames realizados, procedimentos adotados) Em alguns casos é possível a associação de dados textuais com exames

4 Introdução e Motivação
PACS (Picture Archiving and Communication Systems) integração em um único sistema todas as informações dos pacientes (textos, imagens, gráficos) Devido ao alto custo, é comum a obtenção de alguns módulos e o desenvolvimento de soluções particulares

5 Introdução e Motivação
Como os sistemas PACS organizam as imagens provenientes de exames efetuados sobre os pacientes, seria interessante adicionar a capacidade de consultas basedas em conteúdo, ou seja, consultas do tipo: Quais são as 10 imagens de tomografia mais similares a uma imagem dada

6 Introdução e Motivação
Aqui é apresentado um método de extração de características extração de características de imagens baseado em MBRs (Minimum Bouding Rectangles) de regiões da imagem, determinados automaticamente através de informações de energia das linhas e colunas da imagem, e no processamento baseado em textura destas regiões

7 Conteúdo Introdução Método Experimentos e Resultados Conclusões
Determinação dos MBRs Medidas de Textura Vetor de Características Experimentos e Resultados Conclusões

8 Extração de Características
O método de extração de características de imagens é dividido em duas fases: Determinação automática dos Minimum Bounding Rectangles (MBRs) de regiões da imagem Realização de medidas de textura sobre estas regiões

9 Extração de Características: Determinação dos MBRs

10 Extração de Características: Determinação dos MBRs
A transformada de wavelets de Daubechies é utilizada para criar uma miniatura (thumbnail) da imagem Eliminação de ruídos de alta freqüência A imagem mantém as propriedades necessárias Maior velocidade no processamento da imagem

11 Extração de Características: Determinação dos MBRs
Imagem de entrada Miniatura Transformada de wavelets

12 Extração de Características: Determinação dos MBRs

13 Extração de Características: Determinação dos MBRs
Sobre a miniatura é aplicado o filtro de bordas de Sobel Realce das bordas das estruturas grandes da imagem

14 Extração de Características: Determinação dos MBRs
Imagem de entrada Sobel

15 Extração de Características: Determinação dos MBRs

16 Extração de Características: Determinação dos MBRs
Os MBRs das regiões são determinados por meio dos gráficos de energia das linhas e colunas da miniatura após a aplicação do filtro de Sobel Energia: concentração das intensidades dos pixels de uma imagem

17 Extração de Características: Determinação dos MBRs
Energia das Linhas: soma das intensidades dos pixels de uma dada linha da imagem Energia das Colunas: soma das intensidades dos pixels de uma dada coluna da imagem

18 Extração de Características: Determinação dos MBRs
Gráficos de Energia das Linhas e Colunas

19 Extração de Características: Determinação dos MBRs
Pontos de máximo são localizados nos gráficos de energia das linhas e colunas da imagem

20 Extração de Características: Determinação dos MBRs
As coordenadas dos MBRs são determinadas pelos pontos de intersecção entre os gráficos de energia Lista de MBRs MBR1: (x1,y1,x2,y2) MBR2: (x1,y1,x2,y2) MBR3: (x1,y1,x2,y2) MBR4: (x1,y1,x2,y2) MBR5: (x1,y1,x2,y2) ... MBRn: (x1,y1,x2,y2)

21 Extração de Características: Determinação dos MBRs
Uma razão entre a energia total do MBR e sua área é calculada para determinar quais MBRs serão inseridos nos conjunto resposta Lista de MBRs MBR1: (x1,y1,x2,y2) MBR14: (x1,y1,x2,y2) MBR2: (x1,y1,x2,y2) MBR15: (x1,y1,x2,y2) MBR3: (x1,y1,x2,y2) MBR16: (x1,y1,x2,y2) MBR4: (x1,y1,x2,y2) MBR17: (x1,y1,x2,y2) MBR5: (x1,y1,x2,y2) MBR18: (x1,y1,x2,y2) MBR6: (x1,y1,x2,y2) MBR19: (x1,y1,x2,y2) MBR7: (x1,y1,x2,y2) MBR20: (x1,y1,x2,y2) MBR8: (x1,y1,x2,y2) MBR21: (x1,y1,x2,y2) MBR9: (x1,y1,x2,y2) MBR22: (x1,y1,x2,y2) MBR10: (x1,y1,x2,y2) MBR23: (x1,y1,x2,y2) MBR11: (x1,y1,x2,y2) MBR24: (x1,y1,x2,y2) MBR12: (x1,y1,x2,y2) MBR25: (x1,y1,x2,y2) MBR13: (x1,y1,x2,y2)

22 Extração de Características: Determinação dos MBRs
Por fim as coordenadas são dos MBRs transpostas para a imagem de entrada Transposição dos pontos para a imagem original

23 Extração de Características: Medidas de Textura
A extração de características de textura é feita utilizando-se a matriz de co-ocorrência proposta por Haralick Para cada MBR pertencente ao conjunto de resposta, é calculada uma matriz de co-ocorrência A partir da matriz, são calculados as medidas de Entropia e a Homogeneidade

24 Extração de Características: Medidas de Textura
Matrizes de Co-ocorrência Medidas Entropia Homogeneidade Entropia Homogeneidade Entropia Homogeneidade … Entropia Homogeneidade

25 Vetor de Características
nMBR MBR1 MBR2 MBR3 ... Área Energia Homogeneidade Entropia Informações do MBR

26 Conteúdo Introdução Método Experimentos e Resultados Conclusões
Determinação dos MBRs Medidas de Textura Vetor de Características Experimentos e Resultados Conclusões

27 Experimentos e Resultados
Testes realizados com um conjunto de 250 imagens de vários tipos de exames radiológicos Angiogramas do coração Ressonância magnética de cabeça, corte axial Ressonância magnética de cabeça, corte sagital Ressonância magnética do abdômen Ressonância magnética de coluna

28 Experimentos e Resultados
Angiograma RM cabeça axial RM cabeça sagital RM abdômen RM coluna

29 Experimentos e Resultados
Consultas k-NN sobre o conjunto de imagens processadas Resultados analisados por meio dos gráficos de Precision x Recall

30 Experimentos e Resultados

31 Conteúdo Introdução Método Experimentos e Resultados Conclusões
Determinação dos MBRs Medidas de Textura Vetor de Características Experimentos e Resultados Conclusões

32 Conclusões O método apresenta baixo custo computacional
Pode ser utilizado como um processamento inicial de um conjunto de imagens Melhores resultados com imagens que apresentam predominância de tecidos moles Massa encefálica, tecido muscular

33 Luis Marcelo Bortolotti Agma Juci Machado Traina ICMC - USP
Recuperação de Imagens por Conteúdo Através de Regiões Determinadas Automaticamente pela Energia Muito Obrigado! Luis Marcelo Bortolotti Agma Juci Machado Traina ICMC - USP