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

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

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

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

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

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

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

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

Extração de Características: Determinação dos MBRs

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

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

Extração de Características: Determinação dos MBRs

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

Extração de Características: Determinação dos MBRs Imagem de entrada Sobel

Extração de Características: Determinação dos MBRs

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

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

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

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

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)

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)

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

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

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

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

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

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

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

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

Experimentos e Resultados

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

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

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