Professional Documents
Culture Documents
DO
RIO
DE
JANEIRO
COMO
PARTE
DOS
REQUISITOS
Aprovada por:
____________________________________________
Prof. Nelson Francisco Favilla Ebecken, D.Sc.
____________________________________________
Prof. Alexandre Gonalves Evsukoff, D.Sc.
____________________________________________
Prof. Alair Augusto S. M. Damas dos Santos, D. Sc.
____________________________________________
Prof. Hlio Jos Corra Barbosa, D. Sc.
____________________________________________
Prof. Antonio Cesar Ferreira Guimares, D. Sc.
ii
A Deus,
aos meus pais,
minha esposa e
aos meus queridos filhos
iii
AGRADECIMENTOS
A Deus, por me confortar e me orientar em todos os instantes da vida, me dando
ainda a sade e a determinao necessrias ao desenvolvimento desse trabalho.
Aos meus pais, pelo incentivo e contribuio na minha formao como pessoa e
como profissional.
A minha esposa Andra pelo apoio, ajuda e pacincia em todos os instantes.
Ao professor Nelson, por todo o conhecimento e incentivo transmitidos, bem
como pela confiana em mim depositada.
Ao meu amigo Vincenzo pela ajuda e incentivo.
A todos os professores, colegas e funcionrios que, de alguma forma ajudaram
no desenvolvimento desse trabalho.
iv
Abril/2008
April/2008
INDICE
INTRODUO
1.1
OBJETIVOS .................................................................................................... 1
1.2
2.1.1
2.1.2
2.1.3
2.1.4
2.1.5
2.1.6
Indicaes da TC Cranioenceflica...................................................................13
2.2
2.2.1
2.3
........................................................................ 1
2.3.1
2.3.2
2.3.3
2.3.4
Aneurisma .........................................................................................................20
DICOM
.......................................................................24
3.1
INTRODUO ...............................................................................................24
3.2
EVOLUO HISTRICA..................................................................................25
3.3
IMAGENS MDICAS
.......................................................................30
4.1
4.2
PROCESSAMENTO DE IMAGENS...............................................................35
5.1
LIMIARIZAO .............................................................................................36
5.2
5.3
5.3.1
vii
5.3.2
Eroso Binria...................................................................................................39
5.3.3
Dilatao Binria...............................................................................................43
5.3.4
5.3.5
5.3.6
Abertura ............................................................................................................47
5.3.7
Fechamento .......................................................................................................48
5.4
5.5
VISUALIZAO 3D .......................................................................................52
INTRODUO ...............................................................................................53
6.2
6.3
6.4
6.5
6.6
EXEMPLO
DE
CAD
PARA
CARACTERIZAO
DE
MICROCALCIFICAES
EM
MAMOGRAFIA..........................................................................................................66
6.7
6.8
UTILIZAO
DA
ANLISE
DE
COMPONENTES PRINCIPAIS
REDES NEURAIS
RECUPERAO
DE
IMAGENS
POR
CONTEDO ATRAVS
DE
REGIES
EXTRAO
DE
CARACTERSTICAS
DE
NA
METODOLOGIA
.......................................................................83
7.1
INTRODUO ...............................................................................................83
7.2
7.2.1
7.2.2
Imagens .............................................................................................................87
7.2.3
Anamnese..........................................................................................................89
7.3
PRE-PROCESSAMENTO ..................................................................................92
7.3.1
Imagens .............................................................................................................92
7.3.2
Anamnese..........................................................................................................96
viii
7.4
7.4.1
Imagens .............................................................................................................97
7.4.2
Anamnese..........................................................................................................97
7.4.3
7.5
8
10
CODIFICAO...............................................................................................97
8.1.1
8.1.2
8.1.3
8.1.4
8.1.5
A FERRAMENTA
.....................................................................113
9.1
9.2
9.3
9.4
9.5
CONCLUSO
.....................................................................120
ix
Lista de Abreviaes
AAPM
ACR
AIT
AVC
AVE
CAD
DEV
DEVH
DEVI
DICOM
DNIPR
DNIR
HIC
HIP
HIV
HSA
IC
IOD
ISO-OSI
IT
JPEG
LCR
MM
NASA
NEMA
PACS
PCA
PI
RIND
RM
RNA
RSNA
TC
TCP/IP
ndice de Figuras
Figura 2.1 - Imagem de TC caracterstica de AVC Isqumico ..................................... 16
Figura 2.2 - Imagem de TC caracterstica de AVC Hemorrgico ................................. 18
Figura 2.3 - Vista inferior do crebro e das artrias da base do crebro........................ 21
Figura 2.4 - Representao esquemtica do polgono de Willis, artrias do crebro e
tronco cerebral .................................................................................................... 22
Figura 4.1 - Exemplo de escala de cinza...................................................................... 30
Figura 4.2 - Quadrados de densidades diferentes ......................................................... 30
Figura 4.3 - Insero de rea de baixa densidade ......................................................... 31
Figura 4.4 - Insero de reas de baixa e alta densidades............................................. 31
Figura 4.5 - Radiografia convencional......................................................................... 32
Figura 4.6 - Atenuao resultante de raio-X de imagem heterognea........................... 33
Figura 4.7 - Formao de uma imagem de Tomografia................................................ 34
Figura 5.1 Imagem de um exame de Tomografia Computadorizada do Crnio ......... 36
Figura 5.2 Imagem aps filtro por densidade (limiarizao) entre 60 e 80 UH.......... 36
Figura 5.3 Representao do elemento estruturante .................................................. 38
Figura 5.4 Outra representao do elemento estruturante.......................................... 39
Figura 5.5 Elemento estruturante transposto............................................................. 39
Figura 5.6 Representao do conjunto X .................................................................. 39
Figura 5.7 Exemplo de eroso de um conjunto X pelo elemento estruturante B ........ 40
Figura 5.8 - Exemplo de eroso com X e B ................................................................. 40
Figura 5.9 - Pixel irrelevante resultante do conjunto erodido ....................................... 41
Figura 5.10 - Pixel relevante resultante do conjunto erodido........................................ 41
Figura 5.11 Resultado da eroso............................................................................... 41
Figura 5.12 - Exemplo de eroso com X e B ............................................................... 41
Figura 5.13 - Pixel irrelevante resultante do conjunto erodido ..................................... 42
Figura 5.14 - Pixel relevante resultante do conjunto erodido........................................ 42
Figura 5.15 Resultado da eroso............................................................................... 42
Figura 5.16 Exemplo de eroso ................................................................................ 43
Figura 5.17 Exemplo de eroso ................................................................................ 43
Figura 5.18 Exemplo de dilatao de um conjunto X pelo elemento estruturante B .. 44
Figura 5.19 Exemplo de dilatao com X e B........................................................... 44
xi
Figura 8.2 Grfico comparativo das taxa de erro em relao quantidade de neurnios
na camada escondida para rede neural ............................................................... 106
Figura 8.3 Grfico comparativo da taxa de erro em relao ao valor de sada da rede
neural ................................................................................................................ 107
Figura 8.4 Variao da taxa de erro em relao quantidade de pocas para rede
neural backpropagation com 7 neurnios na camada escondida ........................ 108
Figura 8.5 Grfico comparativo da taxa de erro em relao aos parmetros utilizados
.......................................................................................................................... 109
Figura 8.6 Grfico comparativo da importncia dos parmetros clnicos e radiolgicos
.......................................................................................................................... 110
Figura 8.7 Grfico comparativo da importncia dos filtros morfolgicos................ 112
Figura 9.1 Diagrama do contexto do sistema CAD-BR........................................... 113
Figura 9.2 Diagrama de Fluxo de Dados (DFD) do sistema CAD-BR..................... 114
Figura 9.3 Diagrama de Transio de Estados (DTE) do sistema CAD-BR ............ 114
Figura 9.4 Tela de abertura..................................................................................... 116
Figura 9.5 Tela de seleo da pasta onde esto as imagens do exame ..................... 116
Figura 9.6 Seleo do arquivo de anamnese: importao ou preenchimento manual117
Figura 9.7 Tela de preenchimento da ficha de anamnese ........................................ 118
Figura 9.8 Tela de resultado ................................................................................... 119
xiii
ndice de Tabelas
Tabela 2.1 Diagnstico Clnico Diferencial entre DEVI e DEVH ............................. 12
Tabela 2.2 Regra dos 80/20 ...................................................................................... 13
Tabela 6.1 Codificao das patologias...................................................................... 82
Tabela 6.2 Registros utilizados como entrada da Rede Neural. ................................. 82
Tabela 7.1 Exemplo de quantificao para uma TC de Crnio.................................. 95
Tabela 7.2 Parmetros Clnicos - Grupo Primrio..................................................... 96
Tabela 7.3 Parmetros Clnicos - Grupo Secundrio................................................. 96
Tabela 7.4 Codificao dos parmetros clnicos ....................................................... 99
Tabela 7.5 - Registros da base de dados utilizados como entrada da rede neural ........ 100
Tabela 7.6 Codificao das Patologias.................................................................... 100
Tabela 8.1 - Resultados dos testes com tamanho da camada intermediria da RN...... 105
Tabela 8.2 Valores limite ....................................................................................... 105
Tabela 8.3 - Resultados dos testes da influncia do valor de sada na rede neural ...... 107
Tabela 8.4 Importncia dos dados secundrios da anamnese................................... 108
Tabela 8.5 Importncia dos parmetros clnicos e radiolgicos............................... 110
Tabela 8.6 Importncia dos filtros morfolgicos..................................................... 111
Tabela 9.1 Exemplos de arquivos texto .................................................................. 117
xiv
1 Introduo
1.1 Objetivos
Este estudo tem por objetivo a identificao de reas hiperdensas e/ou
hipodensas anormais em exames de Tomografia Computadorizada de Crnio em
conjunto com a histria clnica do paciente, para ajuda na deciso de procedimento
emergencial para o tratamento clnico de AVC Acidente Vascular Cerebral.
De importncia relevante est a identificao do posicionamento / mapeamento
das regies hiperdensas ou hipodensas na regio intracraniana sugerindo a ocorrncia de
Acidentes Vasculares Cerebrais (AVCs) Hemorrgicos ou Isqumicos, respectivamente.
A associao da histria clnica do paciente e o tipo de componente encontrado (alta ou
baixa densidade) so de fundamental importncia para a descrio do achado.
Perda sbita de movimentos e de fala no precedidas por cefalia ou outros
sintomas de doenas evolutivas podem significar a ocorrncia de AVC - Acidente
Vascular Cerebral.
Relatos mdicos revelaram que a tratamento clnico dos AVCs dependente do
tipo de leso ocorrida. No caso de leses hemorrgicas o tratamento clnico dever se
basear na administrao de medicamentos com funes de inibir o fluxo sanguneo e
priorizar a coagulao. Em contrapartida, se tratando de leses isqumicas, o tratamento
clnico emergencial dever ser fundamentado no aumento do fluxo sanguneo com a
administrao de medicamentos anticoagulantes.
Em funo do antagonismo existente entre os dois casos e de seus respectivos
tratamentos clnicos, faz-se necessria a realizao de exame de diagnstico por
imagens para definio da conduta mdica.
Considerando-se a necessidade de interpretao das imagens resultantes do
referido exame (geralmente Tomografia Computadorizada TC do Crnio), da urgncia
na identificao do tipo de leso e da possvel indisponibilidade momentnea de mdico
radiologista, torna-se de grande utilidade um sistema de suporte ao tratamento clnico
dos casos em questo.
Segundo TARR RW, os objetivos do estudo por imagens do encfalo em
pacientes com sintomas compatveis com sndrome de AVC so vrios:
denominada embolia ou embolismo a obstruo de um vaso (seja ele venoso, arterial ou linftico) pelo
deslocamento de um mbolo at o local da obstruo, que pode ser um cogulo (denominando-se ento
tromboembolia), tecido adiposo (embolia gordurosa), ar (embolia gasosa) ou um corpo estranho (como
embolias iatrognicas por pontas de cateter).
Punciona-se uma veia perifrica para colheita de exames (se for possvel,
deve-se fazer avaliao da glicemia por glicosmetro) e administram-se 40ml
de glicose a 50%.
Esta rotina de conduta visa tratar dois tipos bsicos de diagnsticos diferenciais
com o AVE: a hipoglicemia e as depresses de estado de conscincia devidas a
depressores do sistema nervoso central.
Devem-se procurar sistematicamente sinais indicativos de trauma. No
suficiente uma inspeo da cabea, sendo necessria a palpao do couro cabeludo
procura de hematoma subgaleal. Hematoma intracraniano traumtico pode simular
AVC.
A partir deste momento deve-se preocupar com dados de anamnese e com o
exame detalhado do enfermo, visando programar condutas especficas caso a caso. Na
maioria das vezes, uma anamnese bem conduzida identifica a instalao sbita no
traumtica de sintomas de disfuno enceflica e sugere fortemente a hiptese de AVE.
2.1.2 Conceitos e Classificaes
Na rea mdica, o nome AVC habitualmente o mais utilizado. Entretanto,
necessrio enfatizar que "crebro" a designao de uma das partes do encfalo, a qual
no inclui o tronco enceflico nem o cerebelo. Quando se utiliza o termo AVE,
excluem-se cerca de 20% dos casos que comprometem o tronco e/ou o cerebelo.
As designaes "doena cerebrovascular", "acidente vascular cerebral", "icto
cerebral" e "apoplexia cerebral" so as que usualmente compreendem-se como
sinnimos. Os termos acidente, icto e apoplexia geralmente refletem a instalao
2
A Escala de Coma de Glasgow uma escala neurolgica que mostra uma forma confivel e objetiva de
avaliar o estado de conscincia de uma pessoa, de modo inicial ou na avaliao contnua. Seu valor
tambm utilizado no prognstico do paciente.
Icto transitrio
Pequeno icto
Icto completo
Icto em evoluo
Icto em regresso
Seqela
plaquetrios)
que
se
originam
de
placas
ulceradas
tm
sido
causa de um PI. Neste sentido, acredita-se que a conceituao clnica de PI deve ser
mantida.
Do ponto de vista conceitual, desde que seja possvel estabelecer com clareza a
natureza isqumica da leso, justifica-se utilizar os termos AIT e RIND; entretanto,
parece-nos importante manter a conceituao fundamentalmente clnica de IT e PI
quando os pacientes que apresentam um DEV no tm a possibilidade de utilizar o
recurso da RM, da TC e do lquido cefalorraquidiano (LCR).
2.1.2.3 Icto Completo (IC)
Icto completo a denominao de um processo de disfuno enceflica de causa
vascular, cuja sintomatologia persiste por perodo superior a 24 horas e em cuja
recuperao exista algum grau de seqela.
O IC pode ser isqumico (DEVI) ou hemorrgico (DEVH).
O DEVI , em ltima anlise, decorrente de um infarto isqumico pela obstruo
de um vaso; tal obstruo pode ser causada por trombose ou por embolia.
Os fatores subjacentes mais freqentes no DEVI trombtico so a arteriosclerose
e a hipertenso arterial sistmica. A causa potencialmente mais freqente de DEVI por
embolia cardiognica a estenose mitral com fibrilao atrial; entretanto, mbolos no
se originam necessariamente do corao, podendo ser decorrentes de fragmentos de
placas (ou de trombos que se formam em placas ulceradas) em artrias extracranianas
ou mesmo intracranianas.
Outras causas menos freqentes de DEVI, como arterites (lues, outras doenas
infecciosas, lpus, arterite temporal etc.) tambm devem ser lembradas.
As outras causas que no a aterosclerose e a hipertenso arterial devem ser
especialmente lembradas em pacientes jovens. Entre estas, destacam-se as desordens
cardacas, as arterites, o uso de anticoncepcionais orais, alcoolismo, uso de drogas
ilcitas e a trombose traumtica da cartida (esta ltima situao pode passar
despercebida primeira vista; a trombose traumtica pode ser imediata e, ento, a
relao de causa e efeito torna-se clara; entretanto, um trauma pode causar uma leso
endotelial e a partir da uma trombose tardia, horas ou dias aps o trauma).
O DEVH pode ser subdividido em hemorragia intraparenquimatosa (HIP) e
hemorragia subaracnidea (HM).
A causa mais freqente de HIP a hipertenso arterial sistmica (ruptura dos
microaneurismas de Charcot-Bouchard, que se formam em decorrncia da hipertenso).
Outras causas so menos freqentes, como aneurismas e malformaes arteriovenosas
8
com
drogas
anticoagulantes,
discrasias
sangneas,
malformaes
10
leso; identificar a tendncia de evoluo do doente (se para melhora ou para piora). A
partir da, deve-se iniciar tratamento especfico caso a caso.
2.1.3 Como Identificar a Topografia da Leso?
A primeira preocupao topogrfica o reconhecimento da leso como
supratentorial ou infratentorial (na fossa posterior, abaixo da tenda).
Nesse sentido, a avaliao do estado de conscincia no contribui decisivamente,
pois um enfermo pode estar em coma tanto por uma leso infra quanto por uma leso
supratentorial. A avaliao das funes motoras mais especfica: na maioria das vezes,
uma hemiparesia6 completa (que envolve o membro superior, o inferior e o territrio
facial do mesmo lado) implica uma leso supratentorial; j o encontro de hemiparesias
alternas (que envolvem os membros de um lado e um territrio craniano do outro lado)
indica uma leso infratentorial.
Uma vez identificado o territrio como supratentorial, pode-se tentar estabelecer
se a leso capsular ou cortical. As hemiparesias capsulares costumam ser mais
intensas e proporcionadas (igual intensidade de dficit nos membros e na hemiface), ao
passo que as decorrentes de leso cortical tendem a ser desproporcionadas. Alm disso,
nas leses corticais com dficits motores discretos ou moderados pode haver
comprometimento do estado de conscincia, ao passo que nas leses capsulares, com
dficit motor acentuado ou moderado, usualmente no h comprometimento de
conscincia.
Na fossa posterior, de interesse separar as leses cerebelares das leses do
tronco enceflico. Nas fases iniciais, as leses cerebelares no provocam depresso do
estado de conscincia (que poder ocorrer quando esta leso expandir-se para diante,
comprimindo o tronco); o encontro de ataxia apendicular cerebelar usualmente sugere a
topografia cerebelar. Nas leses de tronco enceflico mais freqente a depresso do
estado de conscincia; o encontro de disfunes de nervos cranianos distantes (no
sentido longitudinal) sugere fortemente leso primria de tronco.
11
Hemorragia
Sexo Masculino
Dficit ao despertar
A anlise de outros estudos permite a utilizao da chamada "a regra dos 80/20",
resumida na Tabela 2.2.
Tabela 2.2 Regra dos 80/20
Supratentorial 80%
Infratentorial 20%
Isquemia 80%
Hemorragia 20%
Trombose 80%
13
15
hiperdensa observado em cerca de 35% dos pacientes com sintomas de infarto agudo
da artria cerebral mdia e pode prever um maior volume de infarto.
16
17
18
19
nodular em virtude
de
enchimento
no
centro
do
hematoma
por
neovascularizao em desenvolvimento.
O padro de realce, principalmente o realce nodular de hemorragia noneoplsica, pode ser confundido com o padro observado nas neoplasias hemorrgicas.
Tipicamente, h menor efeito de massa com uma hemorragia no-neoplsica que com
uma hemorragia tumoral no estado subagudo. Tambm, o volume de realce diminui
com o tempo com os HIP no-neoplsicos, ao contrrio do volume de realce em
hemorragias neoplsicas, que pode aumentar com o tempo.
2.3.3 HIV - Hemorragia Intraventricular
Como na HSA, a HIV visualizada em imagens de TC como reas de
hiperdensidade dentro do sistema ventricular. Como o cogulo sanguneo mais pesado
que o LCR, tende a depositar-se abaixo dele. O sangue coagulado pode obstruir os
forames de sada do sistema ventricular, resultando em hidrocefalia.
Da mesma forma que a HSA, aqui h sensibilidade limitada da RM na deteco
de HIV aguda. Novamente, isso devido elevada presso parcial de oxignio dentro
do LCR comparada ao parnquima enceflico e menor velocidade de decomposio
da hemoglobina.
2.3.4 Aneurisma
A causa mais comum de HSA no-traumtica a ruptura de aneurisma,
responsvel por aproximadamente 70% a 80% dos casos. A incidncia de ruptura de
aneurisma na Amrica do Norte de aproximadamente 28.000 por ano, e a mortalidade
nos primeiros 30 dias aps a ruptura de aproximadamente 50%. As estimativas da
prevalncia de aneurismas no rompidos na populao em geral, baseada em srie de
necrpsia, variam entre 0,1% e 9,0%. A taxa de sangramento anual de aneurismas norotos de aproximadamente 3%. A taxa recidiva do sangramento de aneurismas rotos
no tratados de aproximadamente 20% nas duas primeiras semanas.
20
A Figura 2.3 ilustra a vista inferior do crebro e das artrias da base do crebro.
Os aneurismas intradurais originam-se mais comumente no local de ramificao arterial
proximal, na adjacncia do crculo (ou polgono) de Willis7. As localizaes mais
comuns do aneurisma so: a juno da artria cerebral anterior com a artria
comunicante anterior (30%), a juno da artria cartida interna com a artria
comunicante posterior (25%), a bifurcao/trifurcao da artria cerebral mdia (15%),
e o final da artria cartida interna ou juno das artrias cartida e oftlmica (15%).
O polgono de Willis ou crculo de Willis (tambm chamado de crculo arterial cerebral ou crculo
arterial de Willis) um crculo de artrias que suprem o crebro.
21
22
contraste em bolo, seqncia de imagens dinmica, cortes finos (1,5 a 2,0 mm) e espao
mnimo entre os cortes (1,5 a 2,0 mm) atravs do crculo de Willis.
Em imagens de TC sem contraste, um aneurisma tipicamente visualizado como
uma rea arredondada de hiperdensidade muito prximo do crculo de Willis. Pode
haver calcificao. A calcificao tipicamente curvilnea e perifrica, mas pode
ocorrer mais centralmente dentro do trombo organizado. Se houver calcificao,
importante definir a relao entre a calcificao e o colo do aneurisma. A calcificao
do colo cirrgico pode ser uma contra-indicao ao grampeamento neurocirrgico.
23
3 DICOM
3.1 Introduo
Foi definido, em 1993, um padro para transferncia de imagens e informaes
associadas, conhecido como DICOM 3.0 (Digital Imaging and Communication in
Medicine).
O DICOM um padro para comunicao e armazenamento de imagens mdicas
e informaes associadas, atualmente utilizado por quase todas as modalidades de
imagens mdicas. O padro DICOM contm uma arquitetura para troca de informaes
entre modalidades e tambm definies de protocolos de comunicao que visa facilitar
o fluxo de imagens num hospital ou atravs de hospitais e tambm tornar compatveis,
equipamentos distintos e de diferentes fabricantes.
Tendo como palavra-chave conectividade, o objetivo principal deste protocolo
o aumento da qualidade dos servios de diagnstico por imagem, alm da reduo de
custos, seja de material ou pessoal atravs da troca de dados de imagens digitais e a
comunicao em rede entre produtos (equipamentos) de vrios fabricantes. Este
protocolo contm formatos padronizados para dados de imagens digitais, operaes de
usurios (mandar, receber, solicitar, imprimir, etc.) e um modelo comum para a
construo e a troca de informaes. Usurios deste protocolo podem proporcionar
servios de radiologia entre Hospitais e Clnicas e tambm atravs de regies
geogrficas, obter todas as vantagens dos recursos existentes e manter os custos baixos
atravs da compatibilidade dos equipamentos e sistemas atuais. Por exemplo, PCs,
workstations, Tomgrafos Computadorizados, Ressonncias Magnticas, Equipamentos
de Ultrasonografia e Medicina Nuclear, Radiografia Computadorizada, Digitalizadores
de Filmes, Impressoras Laser, arquivos compartilhados, host computers e mainframes
fabricados por diferentes empresas e localizados num mesmo site ou em vrios sites
podem se falar atravs de uma rede de sistema aberto.
O padro foi desenvolvido por um comit de trabalho, formado por membros do
American College of Radiology (ACR) e da National Electrical Manufactures
Association (NEMA) que iniciou os trabalhos em 1983, o qual foi organizado com o
intuito de desenvolver um padro para comunicao digital de informaes e imagens.
O comit publicou a primeira verso em 1985, que foi chamada de ACR-NEMA 3001985 ou (ACR-NEMA Version 1.0), e a segunda verso em 1988, chamada de ACR-
24
entre
equipamentos
de
imagens
mdicas
(tais
como
tomografia
25
hardware da verso 1.0, mas adicionou novos elementos de dados e corrigiu vrios erros
e inconsistncias da verso anterior.
O problema foi que em 1988 muitos utilizadores queriam uma interface entre
dispositivos de imagem e uma rede. Apesar de ser possvel tal empreendimento com a
verso 2.0, este padro no contemplava as partes necessrias a uma comunicao
robusta atravs da rede. Por exemplo, podia-se enviar a um dispositivo da rede uma
mensagem que contivesse um cabealho de informao e uma imagem, mas no se
saberia necessariamente o que tal dispositivo faria com os dados. Uma vez que a verso
2.0 no tinha sido projetada para ligar equipamentos diretamente a uma rede, a
resoluo destes problemas significaria fazer grandes alteraes ao standard.
A comisso tinha desde o incio adotado a idia de que futuras verses do
standard ACR-NEMA, manteriam compatibilidade com as verses anteriores, o que
colocou algumas restries ao WG VI. Numa deciso da maior importncia para o
standard, foi estabelecido que fosse desenvolvida uma interface para suporte de rede, a
qual iria requerer mais do que a adio de ajustes verso 2.0. Teria de ser feita a
reengenharia de todo o processo e o mtodo adotado foi o da Metodologia Orientada a
26
27
28
29
4 Imagens Mdicas
4.1 Anlise de Imagens Mdicas
A anlise de imagens (diagnstico por imagem) pode ser considerada uma das
etapas mais importantes no processo de diagnstico de doenas e deve ser efetuada
levando-se em considerao os aspectos densidade, forma, tamanho e localizao.
Ao se analisar cada aspecto em separado, pode-se dizer que a densidade de um
tecido numa imagem corresponde s variaes de tons que vo da cor branca cor
preta, passando pelo cinza. A Figura 4.1mostra apenas 21 subdivises desta escala.
30
31
Derivada da palavra grega tomo que significa seco ou fatia e graphy que
significa escrever, a tomografia emprega os mesmos princpios bsicos que a radiografia
convencional, com o objetivo de criar uma representao anatmica baseada na
quantidade de atenuao sofrida pela radiao incidente. O nome tomografia
computadorizada deve-se ao fato desta tcnica ser altamente dependente de
computadores para realizar os clculos matemticos relativamente complexos referentes
s informaes coletadas atravs da rotao de 360 do feixe de Raios-X ao redor do
paciente. a compilao dos mltiplos ngulos de viso provenientes da rotao
completa que proporcionar dados necessrios reconstruo (srie de clculos) da
fatia, como mostrado na Figura 4.7, que ser ento mostrada num monitor e
posteriormente fotografada numa pelcula de filme radiogrfico.
33
A anlise destas imagens das fatias extradas do corpo humano por mdicos
especialistas, gera pareceres com diagnsticos sobre os aspectos anatmicos inerentes
regio em estudo, na dependncia de correlao clnica.
34
5 Processamento de Imagens
A anlise de imagens por computador uma tecnologia de muita importncia na
atualidade, pois auxilia o desenvolvimento de atividades humanas em reas como:
medicina, geologia, meteorologia, astronomia, engenharia de produo, robtica,
arquitetura, artes e arqueologia, dentre outras.
As pesquisas em anlise de imagens iniciaramse no incio da dcada de sessenta,
como parte das atividades do programa espacial americano, conduzido pela NASA11. O
objetivo original era melhorar a qualidade das imagens captadas pelas sondas espaciais.
Com o passar dos anos a tecnologia desenvolvida foi reaproveitada em outros campos e
apareceram novos problemas, que motivaram novas descobertas. Historicamente, a rea
sofreu grande influncia das universidades americanas e caracterizouse pelo uso de
tcnicas digitais de diversas naturezas: filtragem linear, reconhecimento estatstico de
padres, gramticas formais, redes neurais, inteligncia artificial, etc.
Por volta do ano de 1964, na cole Nationale Suprieure des Mines de Paris,
MATHERON G e SERRA J decidiram experimentar uma abordagem singular para
resolver problemas de analise de imagens: extrair informao de imagens a partir de
transformaes de formas, realizadas atravs de dois operadores ou transformaes
elementares, que eles denominaram dilatao e eroso.
Entre 1964 e 1968, MATHERON G e SERRA J, com a ajuda do engenheiro Jean
Claude Klein, transformaram a sua idia em tecnologia, construindo o primeiro
analisador morfolgico de imagens: o Texture Analyser, um computador com
hardware especializado para realizar, com eficincia, dilataes, eroses e operaes
lgicas entre imagens binrias. Com esse instrumento muitos problemas prticos de
anlise de imagens foram resolvidos, o que motivou a sua industrializao e provocou
um grande impulso das pesquisas em uma nova disciplina: a Morfologia Matemtica
(MM).
Vrios recursos podem ser adotados com o objetivo de extrair informaes
relevantes da imagem e prepar-la para ser utilizada como dado de entrada de redes
neurais artificiais. Dentre eles podem ser citados a limiarizao (threshold) e a abertura
e o fechamento. Estes dois ltimos so combinaes das tcnicas de eroso e dilatao.
11
NASA - National Aeronautics and Space Administration uma agncia do governo dos Estados
Unidos, responsvel pelo seu programa espacial. A NASA foi criada em julho de 1958 pelo National
Aeronautics and Space Act.
35
5.1 Limiarizao
As informaes de valores de pixels em um arquivo DICOM proveniente de um
equipamento de Tomografia Computadorizada so valores de densidades, medidos em
Unidades Hounsfield e no valores de intensidade presentes em escala de cinza. Estes
valores de densidades so conhecidos para determinadas estruturas do corpo humano,
bem como os valores para o ar e para a gua. Uma das grandes vantagens do uso dos
valores de densidade que estes no esto sujeitos s variaes na visualizao, tais
como iluminao do ambiente e brilho e contraste do monitor.
A Figura 5.1 e a Figura 5.2 mostram a imagem original e a imagem resultante da
filtragem por densidade na faixa entre 60 e 80 UH (Unidades Hounsfield).
36
A palavra morfologia vem do grego e significa estudo (i.e. logia) das formas (i.e.
morphos).
A fora da MM reside no fato de quantificar a intuio do pesquisador, analisando
a estrutura geomtrica das imagens a partir de um conjunto perfeitamente definido e
conhecido - o Elemento Estruturante. Este vai interagir com cada entidade contida na
imagem em estudo, modificando a sua aparncia, a sua forma, o seu tamanho
permitindo assim tirar algumas concluses necessrias. A eficincia e tambm a
dificuldade da morfologia matemtica reside na escolha da deformao certa para
transformar a intuio intelectual em aplicao prtica.
Em resumo, sob um ponto de vista terico, a MM estuda decomposies de
operadores (mapeamentos ou transformaes) entre reticulados completos em termos de
quatro classes de operadores elementares: dilataes, eroses, antidilataes e anti
eroses. Sob um ponto de vista prtico, esta tcnica tem aplicaes em vrios problemas
de anlise de imagens, como restaurao, segmentao, medidas, descrio simblica e
deteco de silhueta, dentre outros.
De forma geral, existem dois tipos de morfologia matemtica, a morfologia
binria que se aplica sobre imagens binrias e a morfologia cinza que se aplica sobre
imagens em nveis de cinza. Na morfologia binria, na vizinhana de cada pixel da
imagem original, procurada uma configurao de pontos pretos e brancos. Quando a
configurao encontrada, ao pixel correspondente da imagem resultante dado o
rtulo verdadeiro; seno, o pixel resultante recebe o rtulo falso. Uma operao
morfolgica binria , portanto completamente determinada a partir da vizinhana
examinada ao redor do ponto central, da configurao de pontos pretos e brancos nessa
vizinhana e do algoritmo.
Na morfologia cinza, na vizinhana de cada pixel ou numa parte da vizinhana da
imagem original, necessrio conhecer o valor do pixel mais escuro MIN, o valor do
pixel mais claro MAX. O valor do pixel resultante corresponde a uma combinao
particular de MAX e MIN. O tamanho e a forma da vizinhana, as regies de pesquisa
37
38
Da mesma maneira, por ser binria, a imagem digital X contm dois tipos de
informao, o fundo (representado por ) e os pixels relevantes (representados por
). Na forma digital, a imagem X representada entre [] da seguinte forma:
39
(Equao 5.1)
40
41
42
(Equao 5.2)
ponto central na imagem resultado ser um pixel relevante . Caso contrrio, ele ser
marcado como irrelevante , como pode ser visto na Figura 5.19.
44
Como pode ser observado na Figura 5.22, a dilatao modifica o conjunto X. Este
fica maior em todos os casos.
45
[B (f)](x) = min f (x + b)
bB
46
[B (f)](x) = max f (x + b)
bB
5.3.6 Abertura
a combinao da operao de eroso seguida da dilatao em nveis de cinza,
utilizando o mesmo elemento estruturante.
47
A1 B A2 B
(Equao 5.5)
5.3.7 Fechamento
Baseia-se na dilatao da imagem f por um elemento estruturante B seguida da
operao de eroso do resultado por B.
A filtragem de uma imagem por fechamento est diretamente relacionada ao
elemento estruturante. O emprego de um determinado tamanho de B influencia na
imagem resultante:
Tamanho inferior ao rudo (pontos indesejveis na imagem), proporciona
durante a dilatao a eliminao parcial do mesmo. Porm, ser reconstrudo na eroso.
Tamanho superior ao rudo presente na imagem sob anlise o mais adequado
para eliminao deste problema.
Algumas caractersticas do fechamento:
Idempotncia;
48
A1 B A2 B
(Equao 5.6)
49
Linha
Cruz
Disco
Quadrado
50
51
5.5 Visualizao 3D
Pelo fato de serem conhecidas as distncias entre as imagens axiais e suas
espessuras em conjunto com medidas de rea pode-se estimar o volume de estruturas ou
malformaes, bem como permitir visualizaes 3D.
52
variaes intra e interpessoais, bem como perda de informao devido natureza sutil
do achado radiolgico, baixa qualidade da imagem, sobreposio de estruturas, fadiga
visual, distrao ou baixa experincia.
Alm disso, foi demonstrado que uma dupla leitura (por dois radiologistas) pode
aumentar a sensibilidade do diagnstico. A proposta do CAD funcionar como um
segundo especialista.
Basicamente, existem dois tipos de aplicaes de sistemas CAD. Um o auxlio
deteco de leses, a partir da localizao de padres anormais atravs da varredura da
imagem pelo computador (por exemplo, agrupamentos de microcalcificaes em
imagens mamogrficas ou ndulos pulmonares em imagens de trax). O outro o
auxlio ao diagnstico, atravs da quantificao de caractersticas da imagem e sua
classificao como correspondendo a padres normais ou anormais (por exemplo, a
associao da quantidade e forma das microcalcificaes presentes em um agrupamento
com a malignidade ou no do tumor, ou a associao da textura dos pulmes com leses
intersticiais em imagens de trax).
Em geral, os sistemas CAD utilizam-se de tcnicas provenientes de duas reas do
53
uma
rea
particularmente
interessante
para
aplicao
de
anlises
59
60
no agrupamento.
relacionados
ao
tamanho,
quantidade
12
distribuio
atributos
espacial
das
ROC - Caracterstica de resposta do observador. Em sua forma mais simples, a tarefa de diagnosticar
consiste na apresentao de imagens contendo ou no uma anormalidade associada, a um observador que
deve responder se existe ou no uma anormalidade presente. Para a anlise do desempenho em um teste
de diagnstico, a curva ROC plota a frao de verdadeiro-positivo (sensibilidade) contra a frao de
falso-positivo (especificidade) para toda a faixa de resultados possveis para o teste.
61
interesse contendo a leso. A acurcia da rede neural foi de 95% para a classificao das
leses malignas, com sensibilidade de 98%, especificidade de 93%, valor preditivo
positivo de 89% e valor preditivo negativo de 99%. Segundo esses autores, o sistema foi
capaz de diferenciar os ndulos slidos de mama com uma acurcia relativamente alta e
auxiliou operadores inexperientes a evitar diagnsticos errados.
A ressonncia magntica pode tambm auxiliar no diagnstico do cncer de
mama, como tcnica complementar mamografia, com a vantagem de propiciar a
obteno de informao tridimensional da mama. O realce decorrente da presena de
contraste utilizado para a diferenciao entre leses e tecidos normais, devido ao
aumento de vascularizao e permeabilidade capilar do tumor. Podem-se utilizar
atributos temporais e espaciais das leses para a sua caracterizao. Atributos temporais
incluem taxa mxima de realce da leso, o tempo em que isto ocorre, a velocidade
mxima de realce, e mudana na no-homogeneidade da leso no processo de realce.
Atributos espaciais incluem relao de contraste entre a leso e o fundo, nohomogeneidade dos valores dos voxels na leso, caractersticas das margens da leso,
textura, circularidade e irregularidade da leso. GILHUIJS et al. apresentaram um
sistema de classificao automatizada de leses de mama a partir de imagens de
ressonncia magntica, utilizando atributos temporais e espaciais calculados nas trs
dimenses.
Em um estudo inicial para distino entre leses benignas e malignas, realizado
com 27 casos, foi obtida uma rea sob a curva ROC igual a 0,96. NUNES et al.
concluram, como resultado de um estudo feito com atributos de arquitetura da mama,
que a caracterizao da margem da leso um determinante primrio da sua
malignidade.
ARMATO III et al. desenvolveram um mtodo automatizado para deteco de
assimetria anormal em radiografias pstero-anteriores digitais de trax. O mtodo
baseado em um thresholding de nvel de cinza para segmentao e extrao de contorno
de regies do pulmo contendo ar. Foram realizados testes em uma base de dados
contendo 600 imagens clnicas de trax, e a habilidade do mtodo em distinguir entre
casos normais e casos com assimetria anormal foi avaliada por intermdio da curva
ROC. O desempenho do mtodo alcanou uma rea sob a curva de 0,84. Segundo os
autores, a sensibilidade do mtodo torna-o potencialmente til como componente para
integrao de um sistema de CAD para radiografia digital de trax. VARGASVORACEK et al. apresentaram um estudo realizado com atributos de textura extrados
63
64
66
68
impedir que a segmentao por agregao de voxel invada outras estruturas do pulmo.
A borracha, por sua vez, um recurso do sistema que possibilita ao mdico apagar
estruturas indesejadas antes ou depois da segmentao, visando evitar e corrigir erros de
medio da evoluo do ndulo.
As prximas etapas a serem implementadas e adicionadas ao sistema sero
segmentao automtica dos ndulos, anlise da evoluo do ndulo baseada na sua
simetria, deteco de outras leses, como enfisema pulmonar, visualizao da rvore
brnquica e outros mtodos de reconstruo 3D, como raycasting ou shear-warp. O
sistema est em fase experimental e encontra-se sob avaliao clnica, sendo os
resultados iniciais promissores.
72
73
74
transformada
de
wavelet
pode
ser
desenvolvida
sobre
um
sinal
75
Figura 6.4 - Decomposio wavelet 2D. Imagem original, primeiro e segundo nvel de
decomposio.
76
idioptica,
tuberculose
miliar,
histoplasmose,
sarcoidose,
silicose,
77
b) Parmetros radiolgicos:
grau de leses apresentadas na rea superior, nas metades esquerda e direita;
grau de leses apresentadas na rea mdia, nas metades esquerda e direita;
grau de leses apresentadas na rea inferior, nas metade esquerda e direita;
apresentao de padro proximal ou perifrico;
homogeneidade das leses apresentadas;
apresentao de padro fino ou grosseiro;
apresentao de nodularidade;
apresentao de linhas septais;
apresentao de pulmo em favo de mel;
verificao de perda de volume pulmonar;
apresentao de linfadenopatia;
apresentao de efuso pleural;
tamanho cardaco alterado.
Para o levantamento dos casos clnicos, todos coletados no Hospital das Clnicas
da Faculdade de Medicina de Ribeiro Preto (HCFMRP), primeiramente fora realizada
uma pesquisa nos arquivos do hospital para levantamento dos casos registrados com
diagnstico para uma das patologias investigadas. Aps esse levantamento, eliminou-se
todo registro em que no houvesse uma comprovao concreta do diagnstico,
mantendo-se apenas os registros em que essa comprovao fosse possvel de
verificao. Esses registros foram ento levados novamente ao mdico especializado, o
qual excluiu os que apresentavam a patologia como causa secundria. Finalmente, esse
conjunto de elementos, j bastante reduzido, foi levado para a anlise, por um mdico
radiologista, o qual realizou a quantificao dos parmetros radiolgicos e o
preenchimento do protocolo utilizado como entrada de dados para o sistema.
78
Parmetros Clnicos
Idade
Sexo (0=Masc.; 1=Fem.)
Durao dos Sintomas (0 12 meses)
Temperatura (0=Normal; 1=Febre)
Imunidade (0=Normal; 1=Suprimido)
Doena Maligna (0=No; 1=Sim)
Fumante (0=No; 1=Sim)
Tratamento com Drogas (0=No; 1-No txico; 2=Pouco txico; 3=Txico)
Exposio Poeira (0=No; 1=Sim)
Exposio a Antgenos Orgnicos (0=No; 1=Sim)
Parmetros Radiolgicos
Campo Superior Esquerdo (0-5)
Campo Superior Direito (0-5)
Campo Mdio Esquerdo (0-5)
Campo Mdio Direito (0-5)
Campo Inferior Esquerdo (0-5)
Campo Inferior Direito (0-5)
Proximal/Perifrico (0-5; 0=Proximal; 5=Perifrico)
Homogeneidade (0-5)
Fino/Grosseiro (0-5; 0=Fino; 5=Grosseiro)
Nodularidade (0-5)
Linhas Septais (0-5)
Favo de Mel (0-5)
Perda de Volume Pulmonar (0-5)
Linfadenopatia (0-5)
Efuso Pleural (0-5)
Tamanho Cardaco (1-5)
79
maneira muito subjetiva, cujos valores poderiam ser diferentes quando realizada a
anlise por outro profissional. Mas isso o que realmente ocorre na prtica diria da
profisso.
Para o treinamento e testes do sistema, realizou-se o levantamento de dados no
Hospital das Clnicas da Faculdade de Medicina de Ribeiro Preto, conforme descrito
acima, no perodo de janeiro a dezembro de 2001, contando com o apoio de um
estudante de iniciao cientfica do curso de Cincias Mdicas dessa instituio, onde se
o teve um total de 79 (setenta e nove) casos das patologias investigadas, assim
distribudos: 21 casos de blastomicose sul-americana; 14 casos de histoplasmose; 11
casos de fibrose pulmonar idioptica; 10 casos de tuberculose miliar; 9 casos de
sarcoidose; 5 casos de esclerodermia; 4 casos de silicose; 3 casos de histiocitose X; e 2
casos de linfangite carcinomatosa.
O sistema computacional desenvolvido nesse trabalho baseou-se na tcnica de
redes neurais artificiais do tipo perceptron multicamadas. A opo por esse tipo de rede
se deu pelo fato de o problema tratado ser basicamente uma classificao de amostras
em determinados padres, sendo essa a principal aplicao dos perceptrons. Para o
treinamento da rede, utilizou-se o paradigma da aprendizagem supervisionada, atravs
do algoritmo de backpropagation.
De todas as configuraes testadas, a que apresentou melhores resultados e,
portanto a escolhida, contm apenas uma camada oculta com 19 ns, promovendo a
conexo entre a camada de entrada e a de sada. A funo de ativao dos elementos de
processamento utilizada foi a sigmide do tipo logstica, cujo parmetro de inclinao
(D), tambm foi alvo de variao em diferentes testes, tendo sido testado com os valores
1, 2 e 4.
Cada um dos 79 registros dessa base (total de casos coletados) compe-se de uma
cadeia de 35 valores numricos, representando os 26 campos do protocolo de entrada,
mais 9 valores para representar a sada esperada (a patologia previamente diagnosticada
pelo especialista). A codificao numrica das patologias investigadas, para a
implementao computacional mostrada na Tabela 6.1.
81
Representao numrica
Linfangite carcinomatosa
000000001
Histiocitose
000000010
Esclerodermia
000000100
Silicose
000001000
Sarcoidose
000010000
Histoplasmose
000100000
Tuberculose miliar
001000000
010000000
Blastomicose sul-americana
100000000
82
7 Metodologia
7.1 Introduo
Este captulo tem como objetivo descrever a metodologia que foi empregada no
desenvolvimento de uma ferramenta auxiliar na deteco de leses hemorrgicas ou
isqumicas, denominada CAD-BR. Os propsitos desta ferramenta so:
O estudo tem como proposta inicial a elaborao de uma Rede Neural Artificial
utilizando o algoritmo de backpropagation com aprendizado supervisionado.
Nesta abordagem, os dados relativos anamnese dos pacientes foram codificados
e apresentados camada de entrada da Rede Neural em conjunto com os dados
extrados das imagens.
Figura 7.1 - Uso dos dados da anamnese em conjunto com os dados das imagens
83
Como mostrado na Figura 7.1, no uso dos dados da anamnese em conjunto com
os dados extrados das imagens que reside a principal inovao do mtodo. Estudos
mostram o uso de dados de anamnese e imagens em Sistemas de Auxlio ao
Diagnstico, mas sempre separadamente.
As imagens dos exames utilizadas como entradas da RNA foram validadas pelos
laudos armazenados no banco de dados de um RIS (Sistema de Informaes em
Radiologia). Os laudos foram utilizados como gold standard14 neste estudo.
Todas as imagens e laudos foram anonimizados, anteriormente sua utilizao,
para preservar a identidade dos pacientes.
Para o levantamento dos casos clnicos, todos coletados em uma Clnica de
Diagnstico por Imagem no Rio de Janeiro, foi elaborada uma ficha de anamnese na
qual os pacientes ou seus acompanhantes deveriam responder a algumas questes
relevantes para a classificao das imagens.
Os parmetros radiolgicos foram quantificados pelo sistema CAD-BR com base
na anlise das imagens radiolgicas do paciente. Essa quantificao foi realizada com a
contagem dos valores dos pixels remanescentes aps processos de filtragem por
densidade e aplicao de operadores morfolgicos.
Um importante detalhe que se pde observar durante o desenvolvimento do estudo
foi a utilizao de valores concretos extrados das imagens dos exames. Outros estudos,
no entanto, relataram grande subjetividade apresentada pelos mdicos especialistas na
anlise e quantificao dos parmetros radiolgicos para a elaborao do diagnstico.
Na medicina, um teste padro ouro um teste de diagnstico ou uma avaliao tida como definitiva.
Isto pode ser referenciado a um processo de doena ou critrio pelo qual uma evidncia cientfica
avaliada. Um teste padro ouro ideal tem uma sensibilidade de 100%, ou poder estatstico de 100%
(identifica todos os indivduos com um processo de doena, no apresentando resultados falso-negativos).
Um teste padro ouro ideal tambm tem uma especificidade de 100%, no apresentando resultados falsopositivos. Na prtica, no existem testes padro ouro ideais. Como novos mtodos diagnsticos so
criados, o teste padro ouro pode mudar ao longo do tempo. Por exemplo, para o diagnstico de uma
disseco de aorta, o teste padro ouro utilizado era a aortografia, que tinha uma sensibilidade de 83% e
uma especificidade de 87%. Devido ao avano da RM, a angioressonncia passou a ser o teste padro
ouro para o caso citado, com uma sensibilidade de 95% e uma especificidade de 92%.
84
15
RIS Radiology Information System tem por objetivo gerenciar todo o fluxo de informaes em uma
clnica de diagnsticos por imagem. Cadastro de pacientes, laudos e faturamento so alguns dos mdulos
que deve conter um sistema de gesto em radiologia.
16
Firebird - utiliza-se do padro ANSI SQL-92 para prover a manipulao dos bancos de dados e algumas
funes que complementam tal padro, bem como a possibilidade de costumizao.
85
A linha grifada pode ser encontrada no banco de dados atravs da busca pela
palavra-chave isqumicas.
86
A linha grifada pode ser encontrada no banco de dados atravs da busca pela
palavra-chave hemorrgico.
7.2.2 Imagens
As imagens dos exames foram adquiridas em um Tomgrafo Computadorizado
marca General Electric, modelo High Speed. A matriz das imagens utilizadas neste
estudo 512x512 pixels. As imagens esto disponveis em formato DICOM e
armazenadas compactadas (sem perdas) em DVD-ROM. O arquivo de imagens conta
com aproximadamente 32.000 exames de Tomografia Computadorizada no perodo
selecionado, dos quais aproximadamente 9.000 so exames do Encfalo.
Uma vez localizados os exames relevantes ao presente estudo, suas imagens
foram restauradas dos DVDs para o disco rgido da estao onde foi realizada a etapa de
pr-processamento. A Figura 7.2 ilustra o fluxo descrito acima.
87
88
Foi criada uma funo com o objetivo de manter annimas as imagens dos
exames. Isto foi realizado atravs da substituio do nome do paciente por um nome
fictcio, como por exemplo, Paciente75. Para preservar a identidade dos pacientes, o
campo Patient Name foi alterado em cada imagem de cada estudo utilizado neste
trabalho, conforme mostrado na Figura 7.5.
7.2.3 Anamnese
Nesta etapa do estudo foi elaborado um questionrio a ser preenchido pelo
paciente ou seu acompanhante (anamnese) o qual foi utilizado nas etapas de treinamento
e validao das redes neurais em conjunto com as imagens dos exames.
Contando com a ajuda de especialistas e de acordo com os estudos realizados,
levantaram-se os principais parmetros clnicos a serem observados no exame clnico
89
Idade do paciente;
Sexo;
Fumante;
Vmito;
Diabetes;
Cefalia;
Tempo de cefalia;
Angina;
Dficit motor;
Presso alta;
17
Foi utilizada a Escala de Coma de Glasgow para quantificao da depresso do estado de conscincia.
Ela compreende trs testes: respostas de abertura ocular, fala e capacidade motora.
90
91
7.3 Pre-processamento
7.3.1 Imagens
Exemplos de imagens obtidas caracterizando AVC Hemorrgico e Isqumico
so mostrados na
Figura 7.7 e na Figura 7.8.
Foi realizada a filtragem por densidades das imagens dos exames. Leses
hemorrgicas mostram-se hiperdensas (mais claras, com densidades entre 60 e 75
92
UH - Escala onde 1000 mais escuro, 0 um cinza mdio e +1000 (ou mais) bem claro. Dessa
forma quanto mais Rx o objeto absorver (mais denso, como o osso), mais claro ele na imagem. A escala
de cinza formada por um grande espectro de representaes de tonalidades entre branco, cinza e o preto.
Uma escala de cinzas foi criada especialmente para a TC e sua unidade foi chamada de Unidade
Hounsfield (UH), em homenagem ao cientista que desenvolveu a TC - Godfrey Newbold Hounsfield.
93
Como pode ser observado na Figura 7.11, o processo de eroso elimina rudos
oriundos do processo de filtragem, mas tambm elimina pixels com pouca relao de
conexidade na regio da leso. Face ao exposto, faz-se necessria a utilizao do
operador morfolgico da dilatao, que visa restaurar os pixels retirados da regio da
leso sem, contudo, reinserir os rudos na imagem, como mostrado na Figura 7.12.
Imagem
15 20 UH 60 75 UH
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
277
172
112
146
135
154
115
173
218
283
304
558
1625
3858
5318
5332
2584
1255
382
46
33
37
21
17
26
0
44
31
73
57
39
50
44
26
13
73
90
62
82
87
100
0
0
0
normais, mas podendo fazer parte de um exame patolgico. Foi considerada uma
imagem normal aquela que obteve valores de contagem inferiores a 20 pixels no
processo de quantificao. Estas imagens no foram consideradas para fins de
treinamento e validao, diminuindo a carga de processamento da rede neural.
7.3.2 Anamnese
Aps estudos e consultas a especialistas, verificou-se que alguns parmetros
clnicos mostravam-se mais relevantes que outros para a deteco de AVCs.
Sendo assim, decidiu-se por classificar os parmetros clnicos nos grupos
primrio e secundrio, conforme a Tabela 7.2 e a Tabela 7.3. Foram realizados testes
para validar esta diviso, conforme descrito no captulo 8.
Tabela 7.2 Parmetros Clnicos - Grupo Primrio.
Primrio
Idade do paciente
Sexo
Vmito
Cefalia
Tempo de cefalia
Dficit motor
Depresso do estado de
conscincia
Tabela 7.3 Parmetros Clnicos - Grupo Secundrio.
Secundrio
Fumante
Diabetes
Angina
Presso alta
96
7.4 Codificao
Para a apresentao das informaes na rede neural foi necessria a codificao
dos dados obtidos na etapa de pr-processamento. Dividiu-se a codificao em dois
grupos: imagens e anamnese.
7.4.1 Imagens
Os parmetros radiolgicos foram quantificados pelo sistema CAD-BR com base
na anlise das imagens radiolgicas dos pacientes. Essa quantificao foi realizada com
valores inteiros oriundos da contagem dos pixels remanescentes. Do processo de
quantificao dos pixels remanescentes foram obtidos valores variando de 0 a 10.000
aproximadamente. Com o objetivo de normalizar a contagem, os valores encontrados
foram divididos por 1.000, sendo o valor 0 para a ausncia de leso. Valores de
contagem superiores a 1.000 foram representados pelo valor 1, que a codificao
mxima. Como exemplo, considerando uma leso retangular hipottica que seja
quantificada por 1.000 pixels, agrupados em 20 linhas e 50 colunas, onde cada pixel
tenha lado igual a 0,5mm. A leso ter as dimenses de 10mm por 25mm.
Conforme descrito anteriormente, foram gerados dois grupos com informaes
dos pixels remanescentes: um grupo representando a quantificao dos pixels que
caracterizam uma leso isqumica e outro grupo representando leses hemorrgicas.
Estes valores foram utilizados em separado, cada um representando uma entrada na rede
neural.
7.4.2 Anamnese
Os dados caracterizados como parmetros clnicos foram obtidos atravs do
questionrio respondido pelo paciente ou seu acompanhante, e quantificados da seguinte
maneira:
97
a) Idade
b) Sexo
c) Vmito
d) Diabetes
e) Fumante
f) Cefalia
g) Tempo de cefalia:
Pacientes que tiveram cefalia nas ltimas 24 horas receberam valor 0,25;
Pacientes que tiveram cefalia nas ltimas 48 horas receberam valor 0,5.;
h) Angina:
i) Dficit motor:
j) Presso alta
98
Parmetro Clnico
Possveis Valores
Idade do paciente
0,25
Sexo
0,5
0,75
0,5
Fumante
Vmito
1
0,5
0,5
Diabetes
Cefalia
0
Angina
0,5
0,25
0
Dficit motor
1
1
0,5
0,75
0,5
0,5
Presso alta
1
1
0,5
Tempo de cefalia
1
1
1
0,5
0a1
99
Codificao
Representao numrica
Neurnio 1 Neurnio 2
Exame Normal
AVC Hemorrgico
AVC Isqumico
100
101
8 Resultados e Discusso
Os testes foram realizados utilizando a base de dados criada para validao da
metodologia.
O sistema desenvolvido ao longo deste trabalho foi comparado com os laudos dos
exames de Tomografia Computadorizada de Crnio gold standard.
Outro aspecto importante para esta etapa foi a escolha dos testes realizados. Neste
trabalho, alm dos testes relativos validao da tcnica utilizada foram realizados os
seguintes testes com as seqncias de dados:
Sn =
TP
TP + FN
(Equao 8.1)
Sp =
TN
TN + FP
(Equao 8.2)
Onde:
103
2000,00
Erro
1500,00
1000,00
500,00
0,00
1
26 51 76 101 126 151 176 201 226 251 276 301 326 351 376 401 426 451 476 501 526 551 576 601 626 651 676 701 726 751 776
pocas
Figura 8.1 Variao da taxa de erro em relao quantidade de pocas para rede
neural Backpropagation com 7 neurnios na camada escondida
104
Tabela 8.1 - Resultados dos testes com tamanho da camada intermediria da rede neural
Treinamento
Validao
(%)
Sn
Sp
96,5
0,85
0,82
97,9
0,89
0,85
98,8
0,90
0,87
99,3
0,91
0,89
99,8
0,94
0,93
99,9
0,96
0,94
99,9
0,96
0,92
99,9
0,95
0,92
10
99,9
0,92
0,89
11
99,9
0,91
0,87
Neurnio 1 Neurnio 2
Normal
< 0,2
< 0,2
AVC Isqumico
< 0,2
> 0,8
AVC Hemorrgico
> 0,8
< 0,2
Ambos
> 0,8
> 0,8
105
Variao do Erro
1
0,95
0,9
Erro
Sn
Sp
0,85
0,8
0,75
2
10
11
Figura 8.2 Grfico comparativo das taxa de erro em relao quantidade de neurnios
na camada escondida para rede neural
106
Tabela 8.3 - Resultados dos testes da influncia do valor de sada na rede neural
Base de Dados Base de Dados
Treinamento
Camada de Sada
Validao
(%)
Sn
Sp
98,8
0,94
0,90
99,9
0,96
0,94
92,6
0,89
0,86
87,1
0,75
0,69
Erro
0,8
Sn
0,6
Sp
0,4
0,2
0
Sada <0,1 exame
Sada <0,2 exame
Sada <0,3 exame
Sada <0,4 exame
normal e >0,9 com AVC normal e >0,8 com AVC normal e >0,7 com AVC normal e >0,6 com AVC
Valores de sada
Figura 8.3 Grfico comparativo da taxa de erro em relao ao valor de sada da rede
neural
107
Treinamento
Validao
(%)
Sn
Sp
99,2
0,89
0,85
98,7
0,77
0,74
99,9
0,96
0,94
25,00
Erro
20,00
15,00
10,00
5,00
0,00
1
40
79
118 157 196 235 274 313 352 391 430 469 508 547 586 625 664 703 742 781 820 859 898 937 976
pocas
Figura 8.4 Variao da taxa de erro em relao quantidade de pocas para rede
neural backpropagation com 7 neurnios na camada escondida
108
0,8
Sn
0,6
Sp
0,4
0,2
0
Parmetros clnicos
primrios e pixels
remanescentes
Parmetros clnicos
secundrios e pixels
remanescentes
Todos os parmetros e
pixels remanescentes
Parmetros
Figura 8.5 Grfico comparativo da taxa de erro em relao aos parmetros utilizados
109
Treinamento
Validao
(%)
Sn
Sp
Parmetros clnicos
87,0
0,64
0,61
Parmetros radiolgicos
85,8
0,71
0,69
99,9
0,96
0,94
Erro
0,8
Sn
0,6
Sp
0,4
0,2
0
Parmetros clnicos
Parmetros
radiolgicos
Parmetros clnicos
e radiolgicos
Parmetros
110
Treinamento
Validao
(%)
Sn
Sp
93,3
0,68
0,63
97,2
0,88
0,87
99,9
0,96
0,94
111
0,8
Sn
0,6
Sp
0,4
0,2
0
Utilizando somente
filtragem por
densidade
112
9 A Ferramenta
Este captulo tem como objetivo descrever as tcnicas utilizadas no
desenvolvimento da ferramenta de auxlio diagnstico para o tratamento de AVC
(CAD-BR).
Estas tcnicas sero descritas utilizando a metodologia de anlise estruturada
moderna, descrita em YOURDON E.
Sero apresentados o diagrama do contexto, o diagrama de fluxo de dados e o
diagrama de transio de estados, alm das explicaes sobre o funcionamento da
ferramenta.
114
Pr-Processamento
Este subsistema realiza as funes de pr-processamento descritas
anteriormente. Alm destas funes, o pr-processamento realiza a
adequao dos dados para entrada na rede neural de acordo com os
parmetros clnicos e radiolgicos selecionados no banco de dados do
CAD-BR.
Rede Neural
Esta rede neural tem como objetivo aplicar a base de dados previamente
treinada selecionada sobre os parmetros clnicos e radiolgicos que esto
sendo analisados. O resultado desta etapa a informao numrica da
ocorrncia ou no de imagens patolgicas no exame.
Ps-Processamento
A tarefa desta etapa realizar os ajustes necessrios para a exibio das
informaes geradas pela rede neural de modo a ser compreendida pelo
usurio.
115
Em seguida (Figura 9.5), deve ser indicado o caminho onde esto contidas as
imagens dos exames a serem analisadas. Normalmente, as pastas contendo as imagens
dos exames recebem como identificao o nmero do exame.
116
A Figura 9.6 mostra onde pode ser realizada a opo por importar a ficha de
anamnese de um arquivo ou realizar o preenchimento manual.
Nesta tela pode ser feita a opo pela importao de um arquivo texto, gerado
automaticamente por um RIS, onde as informaes contidas devem estar separadas por
ponto-e-vrgula. Alguns exemplos so mostrados na Tabela 9.1. A ordem destas
informaes a mesma da ficha de anamnese descrita na seo 7.2.3 e exibida na
Figura 7.6
Tabela 9.1 Exemplos de arquivos texto
Formato do arquivo texto
70;m;no;sim;no;sim;<24h;no;no;no;no;alguns;no
58;f;no;no;no;sim;<semana;no;sim;no;todas;no;todos
85;f;no;no;sim;no;<24h;sim;sim;no;todas;alguns;todos
117
118
119
10 Concluso
Este trabalho tem como principal contribuio o desenvolvimento de uma nova
tcnica no uso dos dados da anamnese em conjunto com os dados extrados das imagens
combinada com redes neurais para a identificao de casos de AVC Hemorrgico ou
Isqumico, e a ferramenta CAD-BR que utiliza esta metodologia. Estudos relatam o uso
de dados de anamnese e imagens em Sistemas de Auxlio ao Diagnstico, mas sempre
separadamente.
Os objetivos deste trabalho foram alcanados, criando uma ferramenta amigvel.
De acordo com os resultados encontrados, o sistema desenvolvido exibiu valores
satisfatrios, com taxas de acerto variando entre 80% e 98% para os parmetros
treinados.
Pde-se perceber que somente a filtragem por densidade no suficiente para
deteco de AVCs. Isto ocorre devido existncia de valores dentro da faixa
selecionada que no correspondem leso (rudo). Quando se utilizou filtragem e
eroso ocorreu uma melhora significativa no desempenho da tcnica, isto ocorreu
devido diminuio dos pixels remanescentes fora da regio lesionada, o que se
mostrou bastante importante para o desempenho da rede. A generalizao foi
incrementada com a utilizao da dilatao. Esta operao diminuiu a influncia do
rudo resistente ao processo de eroso sobre os pixels da regio de interesse,
reconectando estes pixels das regies lesionadas.
De acordo com os resultados, o uso de todos os parmetros clnicos (primrios e
secundrios) em conjunto com os parmetros radiolgicos foi a estratgia que alcanou
o melhor desempenho. Percebe-se que a rede neural sem os parmetros clnicos
secundrios obteve um bom desempenho, mas inferior quando comparado rede com
todos os parmetros. Portanto, esta informao bastante importante para o
desempenho timo da rede.
Um importante detalhe que se pde observar durante o desenvolvimento do estudo
foi a utilizao de valores extrados das imagens dos exames, quantificados como pixels
remanescentes do pr-processamento. Outros estudos, no entanto, relataram grande
subjetividade apresentada pelos mdicos especialistas na anlise e quantificao dos
parmetros radiolgicos para a elaborao do diagnstico.
120
121
122
Referncias Bibliogrficas
AMBROSIO PE, Redes Neurais Artificiais no apoio ao diagnstico leses intersticiais
pulmonares, Dissertao de Mestrado, USP 2002.
ARMATO SG III, GIGER ML, MACMAHON H, Automated abnormal asymmetry
detection in digital posteroanterior chest radiographs. In: Doi K, Mac- Mahon H, Giger
ML, Hoffmann KR, eds. Computer- aided diagnosis in medical imaging. Amsterdam:
Elsevier Science, 1999.
ARMATO SG III, GIGER ML, MACMAHON H, Computerized detection of abnormal
asymmetry in digital chest radiographs, Med Phys - 1994.
ASGE-DICOM TUTORIAL, Introduction to Digital Imaging and Communication In
Gastrointestinal Endoscopy,
http://www.washington.med.va.gov/Endo/dicom/asgdintr.htm
ASHIZAWA K, ISHIDA T, MACMAHON H, VYBORNY CJ, KATSURAGAWA S,
DOI K, Artificial neural networks in chest radiography: application to differential
diagnosis of interstitial lung disease, Acad Radiol - 1999.
BAKER JA, KORNGUTH PJ, LO JY, FLOYD CE JR, Artificial neural network:
improving the quality of breast biopsy recommendations, Radiology - 1996.
BORTOLOTTI LM, TRAINA AJM, Recuperao de Imagens por Contedo Atravs de
Regies Determinadas Automaticamente pela Energia, USP 2004.
BOVIK A, Handbook of Image and Video Processing, Academic Press 2000, ISBN:
0-12-119790-5.
BOWYER K, KOPANS D, KEGELMEYER WP JR, et al, The digital database for
screening mammography, In: Doi K, Giger ML, Nishikawa RM, Schmidt RA, eds.
Digital mammography'96. Excerpta Medica, International Congress Series 1119.
Amsterdam: Elsevier - 1996.
CARVALHO RRA, Funo de Crena como Ferramenta para Selecionar Diagnsticos
em Raciocnio Baseado em Casos Dissertao de Mestrado. Braslia: UNB, Cincia da
Computao - 1996.
CASTAN CAB, TRAINA AJM, Caracterizao de Imagens atravs de Anlise
Multiresoluo por Wavelets para Sistemas CBIR, XXIX Conferncia LatinoAmericana
de Informtica - CLEI2003, 2003.
CASTLEMAN KN, Digital image processing, New Jersey: Prentice-Hall, 1996.
CHAN HP, DOI K, GALHOTRA S, VYBORNY CJ, MACMAHON H, JOKICH PM.
123
124
to
the
Standard
http://www.xray.hmc.psu.edu/dicom/dicom_intro/DICOMintro.html
IEEE STANDARD 610.4 - 1990, IEEE standard glossary of image processing and
pattern recognition terminology. New York: IEEE Press - 1990.
JOHNSON RA, Applied Multivariate Statistical Analysis, Prentice-Hall, EUA, 1998.
KATSURAGAWA S, DOI K, MACMAHON H. Image feature analysis and computeraided diagnosis in digital radiography: detection and characterization of interstitial lung
disease in digital chest radiographs, Med Phys - 1988.
KINOSHITA SK, AZEVEDO-MARQUES PM, SLAETS AFF, MARANA HRC,
FERRARI RJ. Characterization of breast masses using texture and shape features. In:
Doi K, MacMahon H, Giger ML, Hoffmann KR, eds. Computer-aided diagnosis in
medical imaging. Amsterdam: Elsevier Scienc - 1999.
LEVINE RI, DIANE E. DRANG E BARRY EDELSON, Inteligncia Artificial e
Sistemas Especialistas, So Paulo: McGraw-Hill - 1988.
LORENZI F, Raciocnio Baseado em Casos: Uma Aplicao na Gesto Hospitalar.
Universidade Luterana do Brasil. Rio Grande do Sul, 2001. Disponvel em
http://www.cbcomp.univali.br/pdf/2001/ina010.pdf - 2003.
LUXEM J, Filmless radiology department paves away for efficiency, cost savings and
improved patient services, Innovator, 3M Medical Imaging Systems, EUA - 1993.
MACMAHON H, Clinical application of CAD in the chest. In: Doi K, MacMahon H,
Giger ML, Hoffmann KR, eds. Computer-aided diagnosis in medical imaging,
125
(DICOM)
Part
6:
Data
Dictionary
Final
Text
1993,
ftp://ftp.xray.hmc.pcu.edu/dicom_docs/dicom3.0/word_hqx
NEMA STANDARDS PUBLICATION, Digital Imaging and Communications in
Medicine (DICOM) Part 10: Media Storage and File Format Final Text - 1993,
126
ftp://ftp.xray.hmc.pcu.edu/dicom_docs/dicom3.0/word_hqx
NISHIKAWA RM, GIGER ML, WOLVERTON DE, et al. Prospective testing of
clinical mammography workstation for CAD: analysis of the first 10,000 cases. In:
Karssemeijer N, Thijssen M, Hendriks J, van Erning L, eds. Digital mammography.
Dordrecht: Kluwer Academic Publishers - 1998.
NUNES LW, SCHNALL MD, OREL SG, et al. Breast MR imaging: interpretation
model, Radiology - 1997.
OSBORN AG, Diagnostic Neuroradiology, Mosby-Yearbook, Inc., EUA - 1994.
PEARL J, Probabilistic Reasoning in Intelligent Systems: networks of plausible
inference. Morgan Kaufmann, 1988.
PEREIRA JR RR, AZEVEDO-MARQUES PM, FRRE AF. Wavelet transform
improves contrast enhancement of digital mammographic images, Proceedings of the
6th International Workshop on Digital Mammography, Toronto, Canad, 2000.
PHILIPS MEDICAL SYSTEMS, DICOM Cook Book for Implementations in
Modalities,
Nederland
B.V.
1997
ftp://ftp.philips.com/pub/ms/dicom/DICOM_Information/CookBook.pdf
Raciocnio
baseado
em
casos
na
medicina.
Disponvel
em:
http://c3.eps.ufsc.br/rbc/medicina/index.html - 2002.
Raciocnio
baseado
em
casos.
Disponvel
em:
http://www.cerep.ufrgs.br/rbc/prosecontras.asp - 2002.
RIBEIRO HCS, Introduo aos Sistemas Especialistas. So Paulo: Livros Tcnicos e
Cientficos Editora SA, - 2003.
RUMELHART DE, MCCLELLAND JL and THE PDP RESEARCH GROUP, Parallel
Distributed Processing, Volume I, The MIT Press - 1986.
SANADA S, DOI K, MACMAHON H, Image feature analysis and computer aided
diagnosis in digital radiography: automated detection of pneumothorax in chest images,
Med Phys - 1992.
SICKLES EA, Mammographic features of 300 consecutive nonpalpable breast cancers.
AJR - 1986.
SILVA AC, CARVALHO PCP, Sistema de Anlise de Ndulos Pulmonares, II
Workshop de Informtica aplicada Sade, Itaja 2002.
SWETS JA, ROC analysis applied to the evaluation of medical imaging techniques.
Invest Radiol - 1979.
127
TARR RW, Doena Vascular Cerebral, In: Haaga JR et. al, Tomografia
Computadorizada e Ressonncia Magntica do Corpo Humano, Guanabara Koogan
1996.
THURFJELL EL, LERNEVALL KA, TAUBE AA. Benefit of independent double
reading in a population-based mammography screening program, Radiology 1994.
UFSC. Programa de Ps-Graduao em Engenharia de Produo, Fbrica de
Experincias
Raciocnio
Baseado
em
Casos.
Disponvel
em:
http://c3.eps.ufsc.br/rbc/fet_rbc299.html - 2002.
VARGAS-VORACEK R, FLOYD CE JR, Stochastic and deterministic texture
modeling and analysis for image processing in chest radiography. In: Doi K, MacMahon
H, Giger ML, Hoffmann KR, eds. Computer-aided diagnosis in medical imaging,
Amsterdam: Elsevier Science - 1999.
WATSON I, Appling case-based reasoning: techniques for enterprise systems. San
Francisco: Morgan Kauffman Pub.Inc, CA - 1997.
WIDMAN LE, Sistemas Especialistas em Medicina. Revista Informtica Mdica.
Disponvel em: http://www.epub.org.br/informaticamedica - 2002.
WINSBERG F, ELKIN M, MACY J, BORDAZ V, WEYMOUTH W, Detection of
radiographic abnormalities in mammograms by means of optical scanning and computer
analysis, Radiology - 1967.
YAMAGUCHI K, PEREIRA A S, Caracterizao de Microcalcificaes Espiculadas
em Mamografias, UNESP/IBILCE, So Jos do Rio Preto 2006.
YAZDANI M, Artificial Intelligence: principles and applications. London: Chapman
and Hall Ltd - 1986.
YIN FF, GIGER ML, DOI K, METZ CE, VYBORNY CJ, SCHMIDT RA.
Computerized detection of masses in digital mammograms: analysis of bilateralsubtraction images, Med Phys - 1991.
YOURDON E, Anlise Estruturada Moderna, Rio de Janeiro, Campus 1990.
128