Acidentes Vasculares Cerebrais

FERRAMENTA DE AUXLIO DIAGNSTICO PARA O TRATAMENTO
DE ACIDENTES VASCULARES CEREBRAIS
Elias Restum Antonio
TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAO DOS

PROGRAMAS DE PS-GRADUAO DE ENGENHARIA DA UNIVERSIDADE
FEDERAL
DO
RIO
DE
JANEIRO
COMO
PARTE
DOS
REQUISITOS
NECESSRIOS PARA A OBTENO DO GRAU DE DOUTOR EM CINCIAS

EM ENGENHARIA CIVIL.
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.
RIO DE JANEIRO, RJ BRASIL

ABRIL DE 2008
ANTONIO, ELIAS RESTUM

Ferramenta de Auxlio Diagnstico para o
Tratamento de Acidentes Vasculares Cerebrais
[Rio de Janeiro] 2008
XIV, 128 p. 29,7 cm (COPPE/UFRJ, D.Sc.,
Engenharia Civil, 2008)
Tese - Universidade Federal do Rio de
Janeiro, COPPE
1. Radiologia
2. Redes Neurais
3. Interface
I. COPPE/UFRJ
ii
II. Ttulo (srie)
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
Resumo da Tese apresentada COPPE/UFRJ como parte dos requisitos necessrios

para a obteno do grau de Doutor em Cincias (DSc.)
FERRAMENTA DE AUXLIO DIAGNSTICO PARA O TRATAMENTO

DE ACIDENTES VASCULARES CEREBRAIS
Abril/2008
Orientador: Nelson Francisco Favilla Ebecken
Programa: Engenharia Civil
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 o 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.
O principal objetivo deste trabalho a aplicao de tcnicas de inteligncia
computacional e processamento de imagens na 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.
As inovaes propostas so a utilizao da tcnica de redes neurais com entradas
baseadas nas anamneses coletadas, em conjunto com as imagens dos exames, para
deteco da ocorrncia de AVC hemorrgico ou isqumico e a disponibilizao de uma
ferramenta amigvel para ajuda no processo de deciso do tratamento clnico.
Os objetivos deste trabalho foram alcanados. Foram obtidos valores de
sensibilidade e especificidade de 96% e 94%, respectivamente, que demonstraram o
bom desempenho do mtodo e da ferramenta.
v
Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the

requirements for the degree of Doctor of Science (DSc.)
A COMPUTER-AIDED DIAGNOSIS TOOL TO HELP THE

TREATMENT OF VASCULAR CEREBRAL ACCIDENTS
April/2008
Advisor: Nelson Francisco Favilla Ebecken
Department: Civil Engineering
Sudden loss of movements and speak non preceded by headache or other

symptoms of evolutive diseases can indicate a Cerebral Vascular Accident CVA.
Medical reports revealed that the treatment of CVAs is dependant of the type of the
lesion occurred. In case of hemorrhagic lesions, the clinical treatment must be based on
the administration of medicines with the goal of inhibiting blood flow and priorizing
coagulation. In the other hand, ischemic lesions require that the clinical treatment must
be established considering the increasing of blood flow with the administration of
anticoagulation medicines.
The main objective of this work is the use of computational intelligence and
image processing techniques in the identification of abnormal hyperdensive and/or
hypodensive areas in Computed Tomography exams of the Brain together with the
analysis of the patients clinical history, to help in the decision of the emergency
procedure of the CVA treatment.
The main innovations proposed in this work are the use of neural networks and
image processing with inputs based on the collected anamnesis and the images of the
exams, with the goal of detecting hemorrhagic or ischemic CVA and to make available
to physicians a tool suitable to help in the decision of the clinical treatment.
The targets of this work were reached. Sensitivity and specificity values were
96% and 94%, respectively, which showed the good performance of both the method
and the tool.
vi
INDICE
INTRODUO
1.1
OBJETIVOS .................................................................................................... 1
1.2
COMPOSIO DO TRABALHO ......................................................................... 2
SNDROME DE ACIDENTE VASCULAR CEREBRAL ............................... 3

2.1
ACIDENTES VASCULARES ENCEFLICOS ........................................................ 3
2.1.1
Abordagem Inicial do Paciente com Possvel AVC............................................4
2.1.2
Conceitos e Classificaes ..................................................................................5
2.1.3
Como Identificar a Topografia da Leso?.........................................................11
2.1.4
Como Identificar a Natureza da Leso? ............................................................12
2.1.5
Como Identificar a Fase de Evoluo da Doena?............................................12
2.1.6
Indicaes da TC Cranioenceflica...................................................................13
2.2
DOENA VASCULAR CEREBRAL ISQUMICA ..................................................14
2.2.1
2.3
........................................................................ 1
TC do Infarto Cerebral ......................................................................................15
DOENA VASCULAR CEREBRAL HEMORRGICA ............................................17
2.3.1
HSA Hemorragia Subaracnide .....................................................................18
2.3.2
HIP Hemorragia Intraparenquimatosa ...........................................................19
2.3.3
HIV - Hemorragia Intraventricular ...................................................................20
2.3.4
Aneurisma .........................................................................................................20
DICOM
.......................................................................24
3.1
INTRODUO ...............................................................................................24
3.2
EVOLUO HISTRICA..................................................................................25
3.3
CONSTITUIO DA NORMA ...........................................................................27
IMAGENS MDICAS
.......................................................................30
4.1
ANLISE DE IMAGENS MDICAS ...................................................................30
4.2
IMAGENS MDICAS RX E TC .....................................................................32
PROCESSAMENTO DE IMAGENS...............................................................35
5.1
LIMIARIZAO .............................................................................................36
5.2
MORFOLOGIA MATEMTICA .........................................................................37
5.3
MORFOLOGIA BINRIA .................................................................................38
5.3.1
Aspecto Digital .................................................................................................38
vii
5.3.2
Eroso Binria...................................................................................................39
5.3.3
Dilatao Binria...............................................................................................43
5.3.4
Eroso em escala de cinza.................................................................................46
5.3.5
Dilatao em escala de cinza.............................................................................47
5.3.6
Abertura ............................................................................................................47
5.3.7
Fechamento .......................................................................................................48
5.4
MEDIDAS DE TAMANHO ................................................................................51
5.5
VISUALIZAO 3D .......................................................................................52
CAD COMPUTER-AIDED DIAGNOSIS.....................................................53

6.1
INTRODUO ...............................................................................................53
6.2
VISO COMPUTACIONAL E INTELIGNCIA ARTIFICIAL ...................................54
6.3
AUXLIO DETECO ..................................................................................57
6.4
AUXLIO AO DIAGNSTICO ...........................................................................60
6.5
MEDIDAS DE DESEMPENHO E CARACTERSTICAS ...........................................64
6.6
EXEMPLO
DE
CAD
PARA
CARACTERIZAO
DE
MICROCALCIFICAES
EM
MAMOGRAFIA..........................................................................................................66
6.7
EXEMPLO DE CAD PARA ANLISE DE NDULO PULMONAR ...........................68
6.8
UTILIZAO
DA
ANLISE
DE
COMPONENTES PRINCIPAIS
REDES NEURAIS
ARTIFICIAIS PARA CLASSIFICAO DE NDULOS EM MAMOGRAFIAS DIGITALIZADOS 70

6.9
RECUPERAO
DE
IMAGENS
POR
CONTEDO ATRAVS
DE
REGIES
DETERMINADAS AUTOMATICAMENTE PELA ENERGIA................................................71

6.10
EXTRAO
DE
CARACTERSTICAS
DE
IMAGENS MDICAS BASEADAS
NA
DISTRIBUIO DE COR NOS ESPAOS DE WAVELETS .................................................75

6.11
7
EXEMPLO DE CAD BASEADO EM DADOS CLNICOS .......................................77
METODOLOGIA
.......................................................................83
7.1
INTRODUO ...............................................................................................83
7.2
CONSTRUO DO BANCO DE DADOS .............................................................84
7.2.1
Busca de informaes relevantes no Banco de Dados do RIS ..........................85
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
Conjunto de treinamento e testes ......................................................................99
7.5
8
10
REDE NEURAL ............................................................................................100
RESULTADOS E DISCUSSO .....................................................................102

8.1
CODIFICAO...............................................................................................97
AVALIAO DO MODELO PARA DETECO DE AVCS ...................................103
8.1.1
Seleo de dados .............................................................................................103
8.1.2
Testes para a escolha da melhor arquitetura de rede neural ............................104
8.1.3
Teste da importncia dos dados secundrios da anamnese .............................108
8.1.4
Teste da importncia dos parmetros clnicos e radiolgicos .........................109
8.1.5
Teste da importncia dos filtros morfolgicos................................................111
A FERRAMENTA
.....................................................................113
9.1
DIAGRAMA DO CONTEXTO DO SISTEMA CAD-BR .......................................113
9.2
DIAGRAMA DE FLUXO DE DADOS DO SISTEMA CAD-BR .............................113
9.3
DIAGRAMA DE TRANSIO DE ESTADOS DO SISTEMA CAD-BR ...................114
9.4
FUNCIONAMENTO DO SISTEMA CAD-BR.....................................................115
9.5
TELAS DO PROGRAMA .................................................................................116
CONCLUSO
.....................................................................120
REFERNCIAS BIBLIOGRFICAS ...................................................................123
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
American Association of Physicists in Medicine

American College of Radiology
Ataque Isqumico Transitrio
Acidente Vascular Cerebral
Acidente Vascular Enceflico
Computer Aided Diagnosis
Doena encefalovascular
Doena encefalovascular hemorrgica
Doena encefalovascular isqumica
Digital Imaging and Communication in Medicine
Dficit neurolgico isqumico parcialmente reversvel
Dficit neurolgico isqumico reversvel
Hemorragia intracraniana
Hemorragia intraparenquimatosa
Hemorragia intraventricular
Hemorragia subaracnidea
Icto completo
Objeto de informao
International Standards Organization Open Systems Interconnection
Icto transitrio
Joint Photographic Experts Group
Lquido cefalorraquidiano
Morfologia Matemtica
National Aeronautics and Space Administration
National Electrical Manufactures Association
Picture Archiving and Communication System
Anlise de Componentes Principais
Pequeno icto
Reversible Ischemic Neurologic Deficit
Ressonncia Magntica
Rede Neural Artificial
Radiological Society of North America
Tomografia Computadorizada
Transmission Control Protocol/Internet Protocol
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 5.20 - Pixel irrelevante resultante do conjunto dilatado .................................... 44

Figura 5.21 - Pixel relevante resultante do conjunto dilatado....................................... 45
Figura 5.22 Resultado da dilatao........................................................................... 45
Figura 5.23 Exemplo de dilatao ............................................................................ 46
Figura 5.24 Exemplos de elementos estruturantes..................................................... 49
Figura 5.25 Exemplos de elementos estruturantes..................................................... 50
Figura 5.26 - Imagem aps aplicao de filtro por eroso............................................ 50
Figura 5.27 - Imagem aps aplicao de filtro por dilatao ........................................ 50
Figura 5.28 Cabealho de um arquivo DICOM contendo, dentre outras informaes, o
tamanho do pixel................................................................................................. 51
Figura 5.29 Medies de distncia realizadas em imagem DICOM .......................... 52
Figura 5.30 Vistas frontal, superior e inferior na visualizao 3D............................. 52
Figura 6.1 - Extrao do parnquima pulmonar........................................................... 69
Figura 6.2 Aplicao da transformada de wavelets sobre uma imagem ..................... 72
Figura 6.3 Grficos da energia ................................................................................. 73
Figura 6.4 - Decomposio wavelet 2D. Imagem original, primeiro e segundo nvel de
decomposio...................................................................................................... 76
Figura 7.1 - Uso dos dados da anamnese em conjunto com os dados das imagens ....... 83
Figura 7.2 Fluxo de separao das imagens dos exames ........................................... 87
Figura 7.3 Imagens de um exame de Tomografia Computadorizada - AVC Isqumico
............................................................................................................................ 88
Figura 7.4 Imagens de um exame de Tomografia Computadorizada - AVC
Hemorrgico ....................................................................................................... 88
Figura 7.5 Cabealho DICOM mostrando alterao do nome do paciente................. 89
Figura 7.6 Ficha de Anamnese ................................................................................. 91
Figura 7.7 - AVC Hemorrgico................................................................................... 92
Figura 7.8 - AVC Isqumico ....................................................................................... 92
Figura 7.9 - AVC Isqumico e imagem ps filtragem.................................................. 93
Figura 7.10 - AVC Hemorrgico e imagem ps filtragem............................................ 93
Figura 7.11 - Eroso.................................................................................................... 94
Figura 7.12 - Dilatao................................................................................................ 94
Figura 7.13 Exemplo da rede neural utilizada......................................................... 101
Figura 8.1 Variao da taxa de erro em relao quantidade de pocas para rede
neural Backpropagation com 7 neurnios na camada escondida ........................ 104
xii
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
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:
Documentar a presena ou ausncia de hemorragia. Esta informao fundamental,

pois a anticoagulao um tratamento padro para acidentes vasculares cerebrais
isqumicos trombticos ou emblicos.
1
Determinar a localizao e a extenso da leso enceflica.
Principalmente no estgio subagudo, excluir outras condies tais como massas

intra-axiais ou extra-axiais que podem imitar a sndrome de acidente vascular
cerebral.
1.2 Composio do Trabalho

Alm do captulo introdutrio com os objetivos da pesquisa e conceitos bsicos de
radiologia, esta proposta conta com outros oito captulos e est dividida conforme se
segue:
Captulo 2 Este captulo visa apresentar os principais aspectos relativos
sndrome de acidente vascular cerebral.
Captulo 3 Descreve as principais caractersticas do protocolo DICOM, um
breve histrico e a constituio da norma.
Captulo 4 Apresenta conceitos sobre imagens mdicas e a Tomografia
Computadorizada.
Captulo 5 Este captulo tem por objetivo apresentar as tcnicas de
processamento de imagens utilizadas neste trabalho.
Captulo 6 Descreve os principais objetivos de ferramentas CAD, bem como
apresenta estudos de casos na utilizao da ferramenta e medidas de desempenho.
Captulo 7 Apresenta a metodologia que ser empregada para o
desenvolvimento da ferramenta auxiliar para o tratamento de pacientes com suspeita de
acidente vascular cerebral.
Captulo 8 Descreve os testes e as discusses sobre a tcnica proposta.
Captulo 9 Apresenta a ferramenta desenvolvida no trabalho.
Captulo 10 Apresenta a concluso e sugestes de trabalhos futuros.
2 Sndrome de Acidente Vascular Cerebral

2.1 Acidentes Vasculares Enceflicos
Os acidentes vasculares enceflicos, tambm conhecidos como acidentes
vasculares cerebrais ou pelas siglas AVE e AVC, so leses vasculares que ocorrem no
interior do encfalo e dividem-se basicamente em leses isqumicas e hemorrgicas. A
apresentao clnica dessas entidades muito semelhante, pois apresentam incio sbito
e so, geralmente, manifestas por dficit motor e sensorial de um lado do corpo,
associado dificuldade de fala.
A importncia da parte de imagem est essencialmente na deteco dessas leses
e principalmente na diferenciao do evento isqumico para o evento hemorrgico. O
principal mtodo de diferenciao a tomografia computadorizada que permite um
exame rpido, com boa capacidade de diferenciao entre eventos isqumicos e
hemorrgicos, permitindo tambm fazer o diagnstico de outras entidades que podem
simular os acidentes vasculares enceflicos como eventualmente tumores.
Segundo MODIC M T, em um estudo envolvendo 756 casos de AVC, 82%
tiveram origem tromboemblica1 (isqumica) enquanto 18% tiveram origem
hemorrgica.
Os acidentes vasculares enceflicos, por serem eventos emergenciais, podem
ocorrer em situaes e momentos onde o mdico no est no momento da execuo do
exame tomogrfico, tornando-se, portanto, importante o desenvolvimento de um mtodo
que permita a caracterizao e principalmente diferenciao dos eventos isqumicos e
hemorrgicos. Atualmente vrias clnicas e hospitais mantm operante o servio de
Tomografia Computadorizada ao longo do dia, porm no necessariamente tm um
mdico em associao para execuo e interpretao do laudo tomogrfico.
Quanto ao aspecto de imagem, a leso isqumica se manifesta por reas
hipodensas, ou seja, de menor densidade que o parnquima adjacente, e as leses
hemorrgicas se apresentam com imagens hiperdensas, ou seja, de maior densidade que
o parnquima cerebral enceflico adjacente.
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).
A sndrome de acidente vascular cerebral pode ser definida como a ocorrncia de

um dficit neurolgico focal sbito, no convulsivo. a doena neurolgica com risco
de vida mais comum e a terceira principal causa de morte nos Estados Unidos,
superada apenas pelo cncer e pela cardiopatia. A incidncia anual de novos acidentes
vasculares cerebrais de aproximadamente 500.000. H mltiplas possveis etiologias
da sndrome de acidente vascular cerebral. Para o objetivo deste estudo, as doenas so,
de maneira geral, classificadas como isqumicas ou hemorrgicas.
H cerca de trs dcadas o "rtulo diagnstico" de AVC, especialmente o
hemorrgico, implicava para a maioria dos mdicos uma situao altamente
desfavorvel, da qual a sada inevitvel era a morte ou seqelas severas. Daquele tempo
aos dias de hoje, dois aspectos bsicos contriburam decisivamente para modificar a
referida situao: o primeiro deles o melhor conhecimento da doena e a adequao de
mtodos de tratamento (dentre os quais, destacam-se os estudos dos fatores de risco e a
imediata aplicao de profilaxia de AVC); o segundo aspecto refere-se maior
possibilidade de difuso, entre os prprios mdicos, do conhecimento mdico.
De modo geral, pode-se dizer que o prognstico de um doente com AVC
depende de trs fatores bsicos: condies prvias, gravidade do AVC e adequao do
tratamento empregado. apenas neste ltimo fator que se pode atuar quando se atende
um paciente com AVC instalado.
2.1.1 Abordagem Inicial do Paciente com Possvel AVC
Usualmente o que sugere um AVC a apresentao de um quadro agudo, no
qual o paciente encontra-se com depresso do estado de conscincia e/ou dficits
motores. Deve-se, portanto, ter sempre em mente a possibilidade de diagnsticos
diferenciais, em alguns dos quais os pacientes podem ser tratados com melhores
resultados, e que a falta de tratamento adequado pode representar a diferena entre a
recuperao completa e a morte ou seqelas graves.
Frente a um paciente com possvel AVC, a rotina de atendimento anloga
adotada para um doente com depresso do estado de conscincia:
Se no h parada cardaca (fato que requer medidas especficas como

massagem cardaca, adrenalina etc.), a ventilao do doente deve ser mantida
adequadamente (mesmo que os parmetros respiratrios sejam bons). O
rpido exame da cavidade orofarngea deve ser feito e retirados possveis
obstculos mecnicos, como prteses dentrias mveis. Existem protocolos
4
que sugerem que qualquer paciente com depresso de estado de conscincia

abaixo de 8 ou 10 na Escala de Glasgow2 deve ser submetido intubao
endotraqueal; a prtica diria mostra que nem sempre se est habilitado para
tal procedimento (se assim for, pelo menos deve-se manter o paciente em
decbito lateral para evitar aspirao de vmitos).
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%.
Inicia-se tratamento para crise hipertensiva ou choque. No se deve corrigir

hipertenso arterial, a menos que os nveis sejam acima de 200/l20mm de
Hg.
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.
abrupta de um processo (apoplexia refere-se mais especificamente paralisia e perda de

conscincia causadas por hemorragia).
Outra restrio deve ser aplicada ao termo "derrame", freqentemente utilizado
para dar informaes aos pacientes e/ou familiares. Este termo significa extravasamento
e seria aplicvel s hemorragias; se utilizado genericamente, poderiam ser excludos
cerca de 80% dos casos de DEV, que so de natureza isqumica. Prefere-se a utilizao
de termos como "isquemia", "infarto", "trombose", "embolia", "hemorragia" ou
"hematoma".
Entende-se por DEV todas as alteraes onde uma rea enceflica , transitria
ou definitivamente, afetada por isquemia e/ou sangramento, ou na qual um ou mais
vasos enceflicos so envolvidos num processo patolgico.
Classificaes que consideram a fase de evoluo da DEV so mais teis, pois
levam consigo as implicaes teraputicas com nfase na profilaxia. So elas:
Paciente assintomtico de alto risco
Icto transitrio
Pequeno icto
Icto completo
Icto em evoluo
Icto em regresso
Seqela
2.1.2.1 Icto Transitrio (IT)

A situao clnica, sintomatologia de durao menor do que 24 horas, nos anos
1970 foi definida com o termo icto isqumico transitrio ou ataque isqumico
transitrio (AIT). Entretanto, desde ento, inmeros autores destacam que patogenias
no vasculares podem levar a tal sintomatologia; alm disso, dados de Ressonncia
Magntica (RM) tm demonstrado que pode haver rea de infarto estabelecido. Estudos
recentes demonstram que a maioria dos pacientes com IT recupera-se em menos de uma
hora; mdia de 14 minutos para a circulao carotdea e de oito minutos para a
vertebrobasilar.
O IT definido como um dficit neurolgico de causa vascular, de durao
menor do que 24 horas. Em grande parte dos casos de IT, a disfuno de natureza
isqumica e a patogenia baseia-se em fenmenos tromboemblicos. Os mbolos

(usualmente
plaquetrios)
que
se
originam
de
placas
ulceradas
tm
sido
responsabilizados em muitos casos.

As placas ulceradas so mais freqentes na artria cartida, em especial na
regio da bifurcao. Uma situao clnica rara praticamente patognomnica de placa
ulcerada da artria cartida; trata-se da cegueira monocular transitria, na qual os
mbolos originam-se de fragmentao do trombo que se pode formar nesta placa e
promovem a obstruo da artria oftlmica deste mesmo lado. Os mbolos podem
originar-se, entretanto, em outras artrias e tambm a partir do corao.
Em outros casos o IT pode ser causado por fenmenos de "roubo", conseqentes
subocluso de vasos extracranianos.
Outras situaes que podem ocasionar IT so as compresses vasculares
extrnsecas. Assim que a presena de costela cervical pode, por compresso da artria
vertebral, causar tontura ou perda de conscincia quando o indivduo faz movimento de
rotao da cabea.
necessrio lembrar novamente que o IT pode ser decorrente de fenmeno
hemorrgico, tanto em conseqncia de aneurismas ou malformaes arteriovenosas
congnitas que se rompem no interior do parnquima enceflico quanto de hemorragia
por ruptura de aneurismas adquiridos (os de Charcot Bouchard da hipertenso arterial,
os micticos), assim como por qualquer outra causa de hemorragia intraparenquimatosa
espontnea. Uma situao de diagnstico clnico especialmente difcil ocorre quando o
icto isqumico transitrio decorre de embolia a partir de aneurisma parcialmente
trombosado ou de fenmeno de roubo em malformao arteriovenosa.
2.1.2.2 Pequeno Icto
Pequeno icto a designao para uma situao na qual h recuperao funcional
completa. Ele deve ser separado conceitualmente do IT, pois na realidade tem causas
diferentes (as mesmas que podem ocasionar o icto completo) e tambm tem evoluo
natural diferente: os pacientes que apresentaram IT (especialmente quando a durao foi
de menos de cinco minutos) tm risco maior de desenvolver icto completo do que os
que tiveram PI (especialmente os que apresentaram durao da sintomatologia acima de
trs semanas).
A designao usualmente encontrada na lngua inglesa, RIND (Reversible
Ischemic Neurologic Deficit), deve ser vista com restries, pois a hemorragia pode ser
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
congnitos, aneurismas micticos, tumores cerebrais metastticos ou primrios,

tratamento
com
drogas
anticoagulantes,
discrasias
sangneas,
malformaes
arteriovenosas crticas, abuso de lcool, uso de drogas ilcitas e angiopatia amilide

cerebral primria familiar.
Nota-se que trs quartos dos HIPs ocorrem nos gnglios da base. A quarta parte
restante uniformemente distribuda entre a regio subcortical dos lobos (com
predomnio da regio temporal), o cerebelo (com evidente predomnio nos lobos
cerebelares em relao ao verme) e o tronco cerebral (no qual a ponte a regio onde
ocorre a maioria dos casos).
Embora a sintomatologia decorrente de um HIP numa determinada regio varie,
especialmente em decorrncia de tamanhos diversos, existem alguns aspectos que so
peculiares localizao da HIP.
Na HIP putaminal ocorre moderada depresso do estado de conscincia,
hemiparesia completa contralateral HIP, desvio ocular horizontal ipsilateral;
caracteristicamente, a estimulao dolorosa do hemicorpo partico provoca reao com
hipertonia flexora (decorticao) ou extensora (descerebrao) no membro superior e
extensora no membro inferior.
Na HIP talmica ocorre moderada/acentuada depresso do estado de conscincia,
reao em descerebrao contra ou bilateralmente, desvio ocular para baixo e pupilas
miticas.
A HIP pontina acompanha-se de acentuada depresso do estado de conscincia,
descerebrao bilateral, miose puntiforme bilateral e oftalmoplegia extrnseca tambm
bilateral.
A hemorragia cerebelar pode acarretar a trade de Ou, caracterizada por ataxia
cerebelar apendicular, paralisia facial perifrica e paralisia de olhar conjugado lateral, os
trs sinais ipsilaterais HIP.
Em relao s HIPs da regio subcortical dos lobos, apenas a da regio occipital
pode proporcionar um quadro clnico altamente sugestivo: cefalia sbita na regio
rbito-frontal associada hemianopsia contralateral.
Deve-se insistir que o padro sintomatolgico descrito para a HIP de cada regio
citada no necessariamente ocorre; mas o encontro de tal sintomatologia num caso
suspeito de HIP altamente sugestivo da localizao citada.
A causa mais freqente de HM a ruptura de aneurisma3 congnito; a segunda

causa malformao arteriovenosa congnita. Com exceo da hipertenso arterial, as
outras causas apontadas para a HIP eventualmente podem ocasionar HM.
Os aneurismas congnitos apresentam-se predominantemente na regio da base
do polgono de Willis. Uma das regies mais freqentes na emergncia da artria
comunicante posterior da cartida (neste aspecto, um quadro de HM que se acompanha
de paralisia completa do terceiro nervo craniano sugere fortemente a topografia do
aneurisma). Menos freqentes so os aneurismas da cartida, na poro intracavernosa
(aqui h tambm um quadro de HM associado paralisia dos nervos cranianos III, IV,
VI e do primeiro ramo do V, que aponta para a topografia do aneurisma). Outras regies
menos freqentes de aneurismas so a da comunicante anterior, da diviso principal da
artria cerebral mdia e, por ltimo, o territrio arterial dependente das vertebrais e da
basilar.
O diagnstico de HM facilmente identificado quando se caracteriza na
anamnese a instalao abrupta, no traumtica, de cefalia.
2.1.2.4 Icto em Evoluo (IE)
A sintomatologia de um paciente com DEV pode agravar-se, dependendo de dois
mecanismos bsicos: aumento da rea de infarto4 ou processo expansivo intracerebral
(seja ele HIP ou mesmo edema cerebral crescente). Deve-se, evidentemente, considerar
se os aspectos sistmicos no foram determinantes na piora do quadro.
A trombose5 retrgrada um dos mecanismos de aumento da rea de infarto e
pode originar quadro de sintomatologia crescente.
A trombose progressiva ou em evoluo (outro mecanismo de aumento da rea
de infarto e geralmente localizada na artria cartida, na cerebral mdia ou na basilar), a
HIP e o edema cerebral crescente geralmente ocasionam sintomatologia que piora de
maneira contnua e no escalonada, como na trombose retrgrada.
Um procedimento tentar conduzi-lo pelas linhas horizontais, evitando-se as
oblquas e especialmente as verticais. Isto implica impedir a evoluo para a piora do
paciente com DEV. Pode-se, didaticamente, dividir esta fase em etapas diferentes, que
na realidade so imbricadas: identificar a topografia da leso; identificar a natureza da
3
Um aneurisma uma dilatao vascular de uma artria.

Um infarto ou enfarte definido como uma leso tecidual isqumica irreversvel, isto , devida falta
de oxignio e nutrientes, geralmente associado a um defeito da perfuso sangunea (ocluso do
suprimento arterial ou da drenagem venosa).
5
Trombose a formao de um trombo (cogulo de sangue) no interior de um vaso sangneo.
4
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.
Hemiparesia a paralisia parcial de um lado do corpo.
11
2.1.4 Como Identificar a Natureza da Leso?

Todos os estudiosos do assunto apontam para a grande dificuldade em
determinar, apenas com dados clnicos, o diagnstico diferencial em hemorragia e
isquemia. Entretanto, alguns aspectos usualmente apontados esto na Tabela 2.1.
Tabela 2.1 Diagnstico Clnico Diferencial entre DEVI e DEVH

Isquemia
Hemorragia
Idade acima de 55 anos
Sexo Masculino
Histria de angina ou DEV ou diabetes
Apresentao com cefalia e/ou vmitos
Dficit ao despertar
Coma ou depresso do estado de conscincia desde o incio
Apresentao inicial com dficit focal
Presso arterial inicial acima de 220/120mmHg
Nestas duas etapas, de identificao da topografia e da natureza da leso, a TC

o primeiro exame de escolha. Embora, na fase inicial do processo, a TC possa no
definir a topografia e/ou extenso de uma rea de isquemia, ela identifica com muita
clareza um sangramento dentro do parnquima enceflico. A TC o exame mais
fidedigno para o diagnstico da HIP; realizado na fase aguda e sem a utilizao do
contraste, o exame mostra a rea de hemorragia com um alto coeficiente de atenuao,
apenas menor do que o de leses calcificadas. O exame pode inclusive sugerir a
presena de aneurismas, mal-formaes arteriovenosas ou tumores.
necessrio, porm, que se considere a possibilidade de erro diagnstico atravs
de TC quando se trata de HM pura (sem que haja sangramento para o interior do
parnquima). A TC pode identificar a presena de sangue no lquido cefalorraquiadino
(LCR) quando h um hematcrito igual ou superior a 16%. Neste sentido o exame do
LCR muito mais elucidativo, visto que a olho nu um residente de neurologia pode
identificar sangue no LCR a partir de 1 % de hematcrito.
2.1.5 Como Identificar a Fase de Evoluo da Doena?
Determinar num momento estanque em que fase de evoluo da DEV o paciente
se encontra impossvel apenas com o exame do enfermo. So os dados da anamnese
detalhada ou o exame seqencial do paciente que nos permitem esta identificao.
Com as dificuldades de se estabelecer este roteiro diagnstico, topografia,
natureza da leso e fase de evoluo, alguns aspectos estatsticos podem ser utilizados.
12
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%
Territrio carotdeo 80%
Territrio vertebrobasilar 20%
Trombose 80%
Embolia Cardiognica 20%
Hemorragia intraparenquimatosa (HIP) 80%
Hemorragia menngea (HM) 20%
HIP nos gnglios da base 80%
HIP nos outros locais 20%
HM no territrio carotdeo 80%
HM no territrio vertebrobasilar 20%
Icto completo 80%
Icto em evoluo 20%
A abordagem do paciente com DEV pode, portanto, ser resumida em identificar

a topografia e a natureza da leso e identificar a tendncia de evoluo do doente. A
partir da, programa-se a conduta caso a caso.
2.1.6 Indicaes da TC Cranioenceflica
A TC deve ser realizada em todos os pacientes com DEV na fase aguda. O
mtodo extremamente seguro e as complicaes eventuais relacionam-se com a
possibilidade de reao de tipo alrgico ao contraste, que costuma ser facilmente
contornvel. A TC , inquestionavelmente, um exame de grande utilidade.
necessrio que seja realizado o exame sem e com contraste (o qual pode ser
inico ou no inico). A etapa com contraste pode demonstrar particularidades que no
so identificadas sem ele (como malformaes arteriovenosas, aneurismas, suspeita de
tumores e outros focos menores de leso no suspeitados, como pode ocorrer em
embolias mltiplas, vasculites, granulomas e metstases).
O exame em questo tambm se presta para o acompanhamento temporal da
leso. Neste sentido, uma leso isqumica no identificada num primeiro exame pode
tornar-se evidente aps alguns dias. Outra utilidade da TC seqencial a anlise da
evoluo do tamanho de uma HIP e da absoro que est ocorrendo. A anlise
seqencial tambm pode contribuir para identificar a progresso de compresso do
encfalo e herniaes.
13
2.2 Doena Vascular Cerebral Isqumica

A isquemia cerebral pode ser focal em conseqncia de doena arterial,
embolizao, doena venosa, ou distrbios hematolgicos. A isquemia cerebral tambm
pode ser global, em conseqncia de diminuio do dbito cardaco, reduo da
resistncia perifrica, ou distrbios metablicos. O espectro clnico de isquemia/infarto
cerebral inclui ataques isqumicos transitrios (AIT), dficit neurolgico isqumico
reversvel (DNIR), dficit neurolgico isqumico parcialmente reversvel (DNIPR), e
acidente vascular cerebral. Os AIT so curtos episdios de disfuno neurolgica que
comumente cessam em minutos, mas podem durar at 24 horas. Os DNIR so episdios
de disfuno neurolgica que duram mais de 24 horas e cessam completamente em
vrios dias. Um acidente vascular cerebral implica em um elemento de dficit
neurolgico fixo.
A presso de perfuso do encfalo a diferena entre a presso intra-arterial
quando os vasos entram no espao subaracnide e a presso nas veias de paredes finas
no espao subaracnide imediatamente antes de sua entrada nos seios venosos durais
mais rgidos. Em circunstncias habituais, a vascularizao cerebral possui a
surpreendente capacidade de auto-regulao. Isto , na presena de alterao das
presses de perfuso, o fluxo sangneo cerebral mantido constante em virtude de
vasoconstrio ou vasodilatao cerebral. Nas circunstncias fisiolgicas habituais, o
fluxo sangneo cerebral permanece constante entre os limites da presso de perfuso de
50 e 130 mm Hg. Alm destes limites, os mecanismos autorreguladores so incapazes
de manter o fluxo sangneo cerebral constante, e o fluxo sanguneo modifica-se com
alteraes da presso de perfuso. O fluxo sangneo cerebral normal para o crtex
enceflico de aproximadamente 50 a 60ml/100g/minuto. Quando a presso de
perfuso cerebral cai abaixo de nveis crticos, ocorre isquemia tecidual. A evoluo de
um estado reversvel de isquemia para um estado irreversvel de infarto depende tanto
do grau de reduo do fluxo sangneo quanto do perodo em que o tecido cerebral
submetido a fluxo sangneo reduzido. Em geral, o limiar do fluxo sangneo cerebral
para atividade eltrica dos neurnios de aproximadamente 18 m1/100 g/minuto.
A isquemia cerebral pode ser focal em conseqncia de doena arterial,
embolizao, doena venosa, ou distrbios hematolgicos. Ela pode tambm ser global,
em conseqncia de diminuio do dbito cardaco, reduo da resistncia perifrica ou
distrbios metablicos. O espectro clnico de isquemia/infarto cerebral inclui ataques
14
isqumicos transitrios (AIT), dficit neurolgico isqumico reversvel (DNIR), dficit

neurolgico isqumico parcialmente reversvel (DNIPR), e acidente vascular cerebral.
Os AIT so curtos episdios de disfuno neurolgica que comumente cessam em
minutos, mas podem durar at 24 horas. Os DNIR so episdios de disfuno
neurolgica que duram mais de 24 horas e cessam completamente em vrios dias. Um
acidente vascular cerebral implica em um elemento de dficit neurolgico fixo.
A aparncia microscpica do infarto enceflico depende do momento do exame
aps o ictus inicial. Nenhuma alterao observada microscopicamente por at 6 horas
aps o ictus. As alteraes microscpicas iniciais consistem em tumefao das
mitocndrias neuronais e vacuolao citoplasmtica, o que leva a tumefao neuronal
generalizada. Aps 24 a 48 horas, os neurnios tornam-se retrados e picnticos. Os
astrcitos e oligodendrcitos sofrem tumefao e fragmentao, e as bainhas de mielina
degeneram. No estgio subagudo, trs zonas distintas tornam-se visveis: a zona central
de necrose de coagulao demonstra perda de todos os tipos celulares; a zona reativa
(localizada na periferia da zona central) contm axonios tumefeitos, infiltrados
mononucleares e leucocticos, e capilares em regenerao; e a zona marginal contm
astrcitos reativos, fibras astrogliais depositadas e colorao neuronal varivel. No
estgio crnico, o material necrtico reabsorvido por elementos da microglia e resta
uma cavidade. A cavidade atravessada por elementos gliais e fibrovasculares.
2.2.1 TC do Infarto Cerebral
O aspecto do infarto cerebral a TC mostrado na Figura 2.1 e reflete as
alteraes patolgicas previamente descritas e , assim, tempo-dependente. Alteraes
iniciais em imagens de TC sem contraste de infartos mesmo grandes freqentemente so
discretas, e embora possam ser detectadas dentro de 6 a 8 horas aps o ictus, podem no
ser evidentes at 24 horas aps o ictus. Estes achados incluem ligeira hipodensidade,
efeito de massa mnimo (frequentemente observado como assimetria dos sulcos dos
hemisfrios), e perda da distino entre as densidades das substncias cinzenta e branca.
Especificamente, a perda da faixa insular foi descrita como sendo um sinal precoce de
infarto agudo da artria cerebral mdia. Estes achados iniciais em imagens de TC sem
contraste resultam do desenvolvimento de edema citotxico. Ocasionalmente, cortes de
TC atravs da cisterna supra-selar demonstraro uma artria cerebral mdia hiperdensa,
indicativa de trombo dentro da artria, na fase aguda. O sinal da artria cerebral mdia
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.
Figura 2.1 - Imagem de TC caracterstica de AVC Isqumico

Vinte e quatro horas aps o ictus, o efeito de massa e a diminuio do coeficiente
de atenuao aumentam por uma combinao de edema citotxico e vasognico. O
edema citotxico caracterizado por tumefao de todos os elementos celulares do
encfalo e secundrio falncia das bombas inicas celulares energia-dependentes,
resultando em um fluxo de gua osmoticamente influenciado para o interior das clulas.
O edema vasognico caracterizado por um aumento do volume de lquido extracelular
em virtude de uma alterao da integridade funcional de clulas endoteliais capilares,
resultando em uma ruptura.
O efeito de massa por edema tipicamente mximo cerca de trs a dez dias aps
o ictus e, se suficientemente intenso, pode levar herniao. O efeito de massa diminui
aps dez dias e geralmente est completamente resolvido em cerca de trs semanas.
O realce no interior do infarto pode ocorrer raramente 24 a 48 horas aps o ictus,
mas geralmente comea trs a seis dias aps o ictus. A quantidade e o grau de realce
aumentam at cerca de trs semanas aps o ictus. A seguir o realce diminui e
geralmente est ausente cerca de trs meses aps o ictus, mas raramente pode persistir
at seis meses aps o ictus. O realce basicamente o resultado de ruptura da barreira
hemato-enceflica, embora um componente tambm possa ser devido perfuso
luxuriante.
16
No estgio ps-ictus subagudo (10 a 21 dias), o edema e o efeito de massa do

infarto comeam a desaparecer. Durante este estgio tambm h invaso de clulas da
microglia. A invaso de clulas da microglia, bem como o edema reduzido, pode tornar
a rea de infarto isodensa em relao ao encfalo normal em imagens de TC sem
contraste. Este fenmeno de isodensidade paradoxal denominado efeito
obscurecimento.
No estgio ps-ictus crnico (> 21 dias) o edema desaparece completamente. As
clulas da microglia reabsorvem o tecido necrtico, e este tecido substitudo por
lquido extracelular, bem como por fibras gliais de unio. A aparncia TC sem
contraste de uma transparncia bem definida, envolvendo tanto a crtex quanto a
substncia branca. H evidncia de perda de volume com alargamento dos sulcos
adjacentes e dilatao ventricular ipsilateral. Pode haver faixa cortical fina residual na
regio do infarto, representando neurnios preservados. Alguns neurnios em uma rea
de infarto podem ser preservados devido ao desenvolvimento precoce de fluxo
sanguneo colateral leptomenngeo aps o evento isqumico. Alm disso, determinadas
camadas (I, II e VI) provavelmente so menos susceptveis isquemia que outras.
Raramente, pode ser observada calcificao macroscpica no leito infartado.
Como afirmado previamente, o realce aps a administrao intravenosa de
material de contraste pode estar presente no estgio crnico, mas geralmente no est
presente por volta de 3 a 6 meses aps o ictus.
2.3 Doena Vascular Cerebral Hemorrgica

A hemorragia intracraniana (HIC) no-traumtica frequentemente apresenta-se
com uma alterao sbita da condio neurolgica acompanhada por cefalia. Imagens
de TC, como a da Figura 2.2, sem contraste so a modalidade de imagem inicial de
escolha para pacientes que se apresentam com achados sugestivos de HIC. A extrema
sensibilidade da TC a hemorragias agudas permite rpida identificao da hemorragia
bem como localizao anatmica precisa. As causas mais comuns de HIC notraumtica incluem aneurisma, malformao vascular, hipertenso, infarto hemorrgico,
hemorragia tumoral, trombose venosa, embolia sptica, abuso de drogas e vasculite.
Frequentemente, a distino entre estas pode ser feita com base na histria clnica e nos
achados em estudos de TC e RM. Alm disso, a determinao da localizao de
hemorragia subaracnide (HSA), hemorragia intraventricular (HIV), hemorragia
17
intraparenquimatosa (HIP), ou uma associao destas importante na distino da

etiologia do sangramento. Segundo OSBORN AG, a HIC uma frequente indicao
para estudos neurorradiolgicos de urgncia.
Figura 2.2 - Imagem de TC caracterstica de AVC Hemorrgico
2.3.1 HSA Hemorragia Subaracnide

A HSA geralmente um evento agudo acompanhado por cefalia intensa e
frequentemente seguido por perda da conscincia. A TC sem contraste a modalidade
de imagem de escolha para detectar HSA aguda. No estgio agudo, a HSA visualizada
como aumento da densidade dentro dos sulcos, cisternas e fissuras do encfalo. A
sensibilidade da TC sem contraste para deteco de HSA de aproximadamente 90%
nas primeiras 24 horas aps o ictus inicial e de 50% uma semana aps o ictus inicia1. A
imagem de TC em janela e ajustes de nvel intermedirios entre o encfalo e o osso
pode possibilitar a deteco de HSA sutil na interface encfalo-osso. Mais de uma
semana aps o ictus inicial, a TC muito menos sensvel para a deteco de HSA. Isso
devido ao fato de que medida que a hemoglobina progressivamente decomposta, o
sangue torna-se cada vez mais isointenso em relao ao LCR. Na verdade, se for
visualizado aumento da densidade no espao subaracnide mais de uma semana aps o
evento inicial, deve ser considerado um episdio de recidiva do sangramento. Mesmo
no estgio agudo, uma imagem de TC negativa sem contraste no exclui uma pequena
quantidade de HSA de origem intracraniana, ou HSA de origem raquiana. Portanto, se
18
no houver contra-indicao, deve ser realizada uma puno lombar em um paciente

com suspeita de HSA no qual a imagem de TC sem contraste negativa.
Embora vrios estudos tenham relatado a capacidade de estudos de RM de
detectar HSA aguda, a RM menos sensvel que a TC na deteco de HSA no estgio
agudo. A sensibilidade da RM para a deteco de hemoderivados extravasados depende
da decomposio progressiva de hemoglobina. Os estudos de RM so relativamente
insensveis para a deteco de HSA aguda porque a presso parcial de oxignio
relativamente maior no LCR retarda a converso de oxi-hemoglobina em desoxihemoglobina e metemoglobina. Esta converso essencial para alterar as velocidades
de relaxamento de prtons vizinhos, o que permite deteco de hemorragia em estudos
de RM. Embora os estudos de RM sejam relativamente insensveis para HSA aguda,
esta tcnica extremamente sensvel aos efeitos da HSA crnica. Isso devido
deposio subpial de hemossiderina no estgio crnico, o que resulta em siderose
superficial. A deposio subpial crnica de hemossiderina visualizada como acentuada
hipointensidade revestindo a superfcie parenquimatosa, sendo mais bem visualizada em
sequncias em spin-eco ou gradiente-eco com TR longo/TE longo.
2.3.2 HIP Hemorragia Intraparenquimatosa
Patologicamente, a HIP pode ser dividida em quatro estgios: aguda (l a 3 dias),
subaguda (4 a 8 dias), cpsula (9 a 13 dias), e organizao (> 13 dias). O aspecto da HIP
TC varia com o tempo e correlaciona-se com as alteraes neuropatolgicas descritas
previamente. Agudamente, imagens de TC sem contraste demonstram uma massa
hiperdensa bem marginada devido ao elevado contedo protico de hemcias intactas.
Pode haver alguma baixa densidade no encfalo adjacente devido inflamao e edema
perivascular. medida que ocorre lise dos eritrcitos e perda progressiva da
hemoglobina no estgio subagudo, o hematoma torna-se progressivamente isodenso em
relao ao parnquima enceflico. No estgio de organizao inicial, o enchimento do
hematoma acelular com uma matriz vascularizada pode fazer com que o hematoma
torne-se novamente um pouco hiperdenso em comparao com as estruturas enceflicas.
Finalmente, uma rea de encefalomcia observada como uma rea de baixa densidade
com efeito de massa negativo.
O realce do hematoma observado pela primeira vez no estgio subagudo e est
relacionado inflamao perivascular. O padro de realce inicialmente um anel
19
completo ou quase completo ao redor da periferia do hematoma. No estgio de cpsula

e de organizao inicial, a neovascularizao em desenvolvimento contribui para o
padro de realce anular. O anel de realce diminui gradualmente de dimetro e torna-se
mais irregular e mais intenso. Finalmente o padro anular de realce substitudo por um
padro
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%).
Figura 2.3 - Vista inferior do crebro e das artrias da base do crebro

Aproximadamente 15% dos aneurismas originam-se no sistema vertebrobasilar,
mais comumente na terminao da artria basilar ou na origem da artria cerebelar
posterior inferior. Uma representao esquemtica do polgono de Willis, artrias do
crebro e tronco cerebral pode ser vista na Figura 2.4.
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
Figura 2.4 - Representao esquemtica do polgono de Willis, artrias do crebro e

tronco cerebral
Mais comumente, os aneurismas intracranianos so saculares e acredita-se que
possuam uma etiologia combinada congnita e do desenvolvimento, originando-se de
uma associao de fraqueza intrnseca da parede arterial e tenso hemodinmica.
O papel das neuroimagens na avaliao do aneurisma inclui rastreamento da
populao de alto risco ou suspeita, diagnstico de HSA aps ruptura, e deteco de
complicaes de ruptura do aneurisma.
As imagens de TC podem rotineiramente detectar aneurismas maiores que 1 cm;
entretanto, a sensibilidade e a especificidade de imagens por TC na deteco de
pequenos aneurismas variam muito segundo os estudos realizados. Podem ser usadas
vrias tcnicas que otimizaro a capacidade da TC de detectar um aneurisma: injeo de
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
NEMA 300- 1988 ou (ACR-NEMA Version 2.0). A terceira verso do padro,

nomeada de DICOM 3.0, apresentada em 1993, quando foi substancialmente enfatizado
o contedo alterado, discutidos alguns problemas da primeira e da segunda verso e
criados novos processos, principalmente o protocolo de comunicao para rede (FRITZ,
1999).
O padro hoje est essencialmente completo, apesar das mudanas que ainda
possam acontecer devido evoluo, pois ele um padro multi-partes, podendo ter
suas informaes acrescidas quando necessrio.
Como um padro estvel e desenvolvido, ele est sendo utilizado por diversas
empresas tecnolgicas e produtoras de equipamentos de imagens mdicas. O DICOM
considerado adequado para o desenvolvimento e implantao de sistemas de radiologia
sem filme (Filmless).
O padro DICOM diferencia-se dos outros formatos de imagens tais como
(JPEG8, TIFF9, GIF10 e outros), por permitir que as informaes dos pacientes sejam
armazenadas juntamente com a imagem, mas de forma estruturada. Isto , elas so
armazenadas contendo delimitadores, conhecidos como tags, que identificam e
limitam as informaes.
A grande vantagem dessa estrutura permitir a leitura do arquivo e extrao das
informaes necessrias para uma comunicao direta, ou seja, gerenciar as imagens e
informaes dos pacientes de forma coerente, mantendo sua integridade (NEMA, 2001).
3.2 Evoluo histrica

A comisso ACR-NEMA (American College of Radiology National Electrical
Manufacturers Association) nasceu em 1983, com a misso de desenvolver uma
interface
entre
equipamentos
de
imagens
mdicas
(tais
como
tomografia
computadorizada, ressonncia magntica, medicina nuclear e ultra-sons) e qualquer

outro dispositivo com que o utilizador quisesse se comunicar. Alm das especificaes
para a ligao do hardware, o padro a ser desenvolvido deveria incluir um dicionrio
8
Em informtica, JPEG a sigla de Joint Photographic Experts Group, tratando-se de um formato de

compresso, aplicado em imagens digitais.
9
O TIFF (acrnimo para Tagged Image File Format) um formato de arquivo raster (popularmente
chamado de Bitmap, no Brasil) para imagens digitais.
10
GIF (Graphics Interchange Format, que se pode traduzir como "formato para intercmbio de grficos")
um formato de imagem de mapa de bits muito usado na world wide web, quer para imagens fixas, quer
para animaes.
25
de elementos de dados, que possibilitasse a interpretao e a visualizao corretas da

imagem.
A comisso examinou muitas interfaces normalizadas j existentes, mas
nenhuma demonstrou ser inteiramente satisfatria. No entanto, algumas dessas
interfaces sugeriram idias bastante teis. Por exemplo, a AAPM (American Association
of Physicists in Medicine) tinha desenvolvido um ano antes, um formato padro para
gravar imagens em banda magntica. Este formato era constitudo por um cabealho
(Header) contendo a descrio da imagem e pelos elementos de dados (tais como
patient name). O conceito de usar elementos de dados de tamanho varivel,
identificados por uma tag ou key (o nome do elemento), foi adotado pela comisso por
parecer particularmente interessante.
Aps dois anos de trabalho, a primeira verso do padro - ACR-NEMA 3001985 (tambm chamada ACR-NEMA verso 1.0) - foi distribuda no encontro anual da
RSNA (Radiological Society of North America) e publicada pela NEMA. Como em
todas as primeiras verses, foram encontrados erros e sugeridos alguns melhoramentos.
A comisso ACR-NEMA criou o grupo de trabalho WG VI (Working Group VI), para
prosseguir a criao do padro. Em 1988, foi publicado o ACR-NEMA 300-1988 (ou
ACR-NEMA verso 2.0).
Este usou substancialmente a mesma especificao de
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
Objetos (Object Oriented Design).

Alm disso, um exame cuidadoso dos tipos de servios necessrios para se
comunicar atravs de redes diferentes, mostrou que a definio de um servio bsico
permitiria camada do topo do processo de comunicao (a camada de Aplicao), se
comunicar com diversos protocolos de rede - protocolos estes modelados como uma
srie de camadas e por isso muitas vezes referidos por pilhas. A pilha existente na
verso 2.0, que definia uma ligao ponto-a-ponto, era um dos protocolos. Foram
escolhidos outros dois baseados na sua popularidade e futura expanso: o TCP/IP
(Transmission Control Protocol/Internet Protocol) e o ISO-OSI (International
Standards Organization Open Systems Interconnection). A filosofia bsica de
concepo, consistia numa dada aplicao de imagem mdica (fora do domnio do
standard), poder se comunicar sobre qualquer uma das pilhas com outro dispositivo
usando a mesma pilha. Com a adeso ao standard tornar-se-ia possvel comutar as
pilhas de comunicao sem ter de reescrever os programas de aplicao.
Aps trs anos de trabalho, o grupo WG VI, com a ajuda de muitas sugestes
provenientes tanto da indstria como dos meios acadmicos, completou o ACR-NEMA
DICOM tambm chamado DICOM 3.0.
3.3 Constituio da Norma

A especificao do standard DICOM 3.0 encontra-se dividida em vrias partes.
Tal diviso permite que cada parte possa expandir-se individualmente sem haver
necessidade de reeditar todo o standard. Dentro das partes, as seces sujeitas s
adies ou modificaes encontram-se em suplementos, reduzindo assim o esforo de
edio necessrio quando da atualizao das mesmas.
O DICOM 3.0 compreende 13 partes distintas e 35 suplementos. De forma a dar
uma idia geral do contedo do standard, descreve-se resumidamente em que consiste
cada uma das 13 partes constituintes.
Parte 1 - Introduction and Overview
o documento que proporciona uma viso geral sobre o standard. Descreve os
princpios usados na concepo deste, define muitos dos termos utilizados e faz uma
breve descrio das restantes partes que o constituem.
Parte 2 - Conformance
Nesta parte apresentada a definio de conformncia (Conformance) ao
27
DICOM e descrita a forma de consegui-la.

Parte 3 - Information Objects Definitions
Esta descreve como que so definidos os objetos de informao (IODs),
definindo em seguida as classes de objetos de informao usadas no DICOM.
Parte 4 - Service Class Specifications
Contm as especificaes das Service Classes. Os papis (roles) de SCU e
SCP tambm so definidos nesta parte, sendo igualmente especificado o comportamento
esperado de cada um deles, em cada classe.
Parte 5 - Data Structure and Semantics
O processo de codificao dos dados na forma de mensagem para posterior
comunicao especificado nesta parte. Pode dizer-se que a principal funo da parte 5,
a de definir a linguagem que dois dispositivos devem usar para comunicarem um
com o outro. So tambm definidos, o conjunto de caracteres usado (para texto), a
forma como uma imagem comprimida JPEG codificada, a maneira como os elementos
de dados so estruturados e a sintaxe de transferncia usada.
Parte 6 - Data Dictionary
Esta parte a listagem completa de todos os elementos de dados, com a
indicao dos seus nomes numricos (ou tags), dos seus nomes textuais, da sua
representao (texto, nmero em vrgula flutuante, etc.), se contm um ou mais itens, e
quais os valores permitidos para aqueles elementos que s podem tomar certos valores.
Parte 7 - Message Exchange
Esta parte especifica as operaes e o protocolo usados para trocar mensagens.
Estas operaes so usadas para executar os servios definidos pelas Service Classes
(Parte 4).
Parte 8 - Network Com. Support for Message Exchange
Define os servios e protocolos usados para trocar mensagens (Parte 7)
diretamente em redes OSI e TCP/IP.
Parte 9 - Point-to-Point Com. Support for Message Exchange
Define os servios e protocolos usados para trocar mensagens (Parte 7)
diretamente usando a interface DICOM de 50-pinos (obsoleto).
Parte 10 - Media Storage and File Format
Define os formatos lgicos para armazenar informao DICOM em vrios meios
(Media).
28
Parte 11 - Application Profiles

Define uma forma dos utilizadores e vendedores especificarem a seleo do meio
de armazenamento (Media) entre os existentes na Parte 12 e os objetos de informao
(Information Objects) entre os definidos na Parte 3.
Parte 12 - Formats and Physical Media for Data Interchange
Referencia as especificaes da indstria para os meios fsicos (Physical Media)
e para os sistemas de formatao de pasta desses meios (Media Formatting File
Systems). Inclui cinco tipos de meios (Media): CD-R 650 MByte, 5.25 MOD 650
MByte, 5.25 MOD 1.3 GByte, 3.25 MOD 128 MByte e 3.5 Floppy Disk.
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.
Figura 4.1 - Exemplo de escala de cinza

A caracterstica que geralmente sobressai quando se analisa uma imagem, uma
diferena de densidades (tons). E a partir da presena de tons distintos que pode-se
estabelecer o que normal e o que considerado anormal, e s ento levar em
considerao a forma, o tamanho e a localizao desta densidade discordante do padro
normal, previamente estabelecido para cada caso a ser estudado.
Figura 4.2 - Quadrados de densidades diferentes

Ao se analisar a Figura 4.2 e definir que o quadrado da esquerda representativo
de uma densidade normal, no nos resta outra possibilidade a no ser afirmar que o
quadrado da direita no representa uma densidade normal.
30
Figura 4.3 - Insero de rea de baixa densidade

De maneira anloga ao que pode ser visto na Figura 4.3, caso seja considerado
que o padro normal representado pela imagem da esquerda e, ao se analisar a imagem
da direita pode ser constatada a presena de uma rea escura (baixa densidade) no canto
superior esquerdo, deve-se classificar esta ltima imagem como no normal ou, melhor
dizendo, anormal.
Figura 4.4 - Insero de reas de baixa e alta densidades
Analisando-se a Figura 4.4, aplicando-se o processo visto anteriormente, e

adotando-se como normal a existncia de uma rea de baixa densidade no canto
superior esquerdo da imagem da esquerda, a rea de alta densidade (quadrado branco),
contida na imagem da direita, d a esta imagem a qualidade de anormal.
31
4.2 Imagens Mdicas RX e TC

A Figura 4.5 refere-se Radiografia convencional. Nela pode-se ver que uma
fonte emite feixe de Raios-X em forma cnica, a qual colimada para um determinado
tamanho, e esta emisso chamada de radiao incidente.
Figura 4.5 - Radiografia convencional
Os Raios-X irradiam o paciente e sofrem atenuao da anatomia interna. A

radiao resultante, chamada de feixe transmitido, ento passada a uma pelcula de
filme de Raios-X. A emulso da superfcie do filme ir expor de acordo com a
intensidade da radiao transmitida. A quantidade de exposio no filme considerada
em termos de densidade ptica evidencia uma representao qualitativa da atenuao
(reduo da intensidade) do feixe.
Dentre algumas das vantagens da Radiografia convencional, esto um grande
campo de viso, excelente detalhamento sseo, velocidade e baixo custo. No entanto, a
grande limitao est no fato de haver superposio de todas as estruturas anatmicas
no filme, a qual pode ocultar detalhes importantes, como estruturas que diferem
levemente em densidade, como tumores e o tecido que os envolve.
Outra dificuldade que muitas reas anatmicas so simplesmente inacessveis
devido s estruturas sseas que as envolvem.
A Figura 4.6 ilustra o resultado de se utilizar esta tcnica num objeto de densidade
heterognea, como o corpo de um paciente, no qual existem partes da anatomia interna
que apresentam densidades diferentes. Partindo do princpio que a imagem de um objeto
tridimensional (o paciente) ser transformada numa representao bidimensional atravs
32
do filme, grande parte da estrutura interna identificada por densidades diferentes

permanecer desconhecida, o que quer dizer que mesmo que a radiao incidente sofra
graus diferentes de atenuao medida que passa pelo objeto, a atenuao resultante ou
total pode parecer a mesma.
Figura 4.6 - Atenuao resultante de raio-X de imagem heterognea
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
Figura 4.7 - Formao de uma imagem de Tomografia
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).
Figura 5.1 Imagem de um exame de Tomografia Computadorizada do Crnio
Figura 5.2 Imagem aps filtro por densidade (limiarizao) entre 60 e 80 UH
36
Aps a segmentao proporcionada pela aplicao de thresholding podem ser

utilizadas tcnicas de Eroso e Dilatao para filtrar possveis rudos (pixels isolados).
5.2 Morfologia matemtica
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
de MIN e MAX e o algoritmo determinam completamente uma operao de morfologia

cinza.
5.3 Morfologia Binria
A morfologia matemtica representa um ramo no linear das tcnicas de

processamento de imagens. De forma geral, a anlise de imagens necessita da extrao
de parmetros. Pode-se dizer que atrs de qualquer parmetro, foi usada uma
transformao de imagens. Um bom exemplo disso o clculo da rea de uma entidade
digital. Calcular a rea consiste em verificar o nmero de pontos contidos nesta
entidade. Esta operao pode ser interpretada pela quantidade de vezes que um ponto
teste, percorrendo a imagem, encontra a entidade estudada.
5.3.1 Aspecto Digital
A partir de agora, B representa o elemento estruturante. Nas diferentes

transformaes, Bx representa o elemento estruturante B centrado no pixel x. Em
funo do contexto e por necessidade de simplificao, Bx poder ser simplesmente
notado B. Um elemento estruturante definido pelos pixels que o formam e que so
representados por ( e ), como mostrado na Figura 5.3.
Um pixel marcado um pixel inativo ou neutro, e quer dizer que ele no
interage com o conjunto X. O pixel , simplesmente, aparecer no elemento
estruturante para visualizar o seu aspecto geomtrico. Um pixel marcado significa
um pixel ativo que tem um papel a desenvolver na interao com a imagem X.
Os pixels do elemento estruturante criam um subconjunto que vai agir com a
imagem X. O resultado dessa interao colocado numa posio especfica, a do ponto
central (PC) do elemento estruturante, na imagem no momento da ao. O smbolo ()
representa este ponto central PC no elemento estruturante.
Figura 5.3 Representao do elemento estruturante
38
Na maioria dos exemplos a serem apresentados, o ponto central do elemento

estruturante corresponder a seu centro fsico. Neste caso, num objetivo de
simplificao, o smbolo () ser omitido, como pode ser observado na Figura 5.4.
Figura 5.4 Outra representao do elemento estruturante
Muitas vezes ser necessrio introduzir o elemento transposto
Figura 5.5 Elemento estruturante transposto
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:
Figura 5.6 Representao do conjunto X

5.3.2 Eroso Binria
A eroso de um conjunto X pelo elemento estruturante B :

ero B ( X ) = XeroB = {x X : B x X
39
(Equao 5.1)
Figura 5.7 Exemplo de eroso de um conjunto X pelo elemento estruturante B

Segundo a definio, o elemento estruturante B deve deslizar na imagem X
(Figura 5.7). Por ser binria, X contm dois tipos de informao, o fundo (representado
por ) e os pixels relevantes (representados por ). O significado da definio que
o elemento estruturante Bx, posicionado e centrado no pixel x de X, tenta aparelhar-se
com a vizinhana de x. Entende-se que cada pixel relevante de Bx deve encontrar-se na
mesma posio na vizinhana de x. Caso seja verificado, o ponto central na imagem do
resultado ser um pixel relevante. Caso contrrio, ele ser marcado como irrelevante. A
Figura 5.8 mostra um exemplo de eroso com X e B.
Figura 5.8 - Exemplo de eroso com X e B

Em cada posio x de X, deve ser posicionado B, virando assim Bx. Pode-se ver
imediatamente que nos pixels nas bordas de X, Bx est parcialmente fora. A aplicao
da definio no pode ser rigorosamente seguida. Este fato ocorrer sempre, porque a
borda de uma imagem por definio descontnua. Portanto, em todos os exemplos
citados as bordas sero ignoradas e as imagens X sero escolhidas de maneira a no
fazer aparecer pixels relevantes naquelas bordas.
No primeiro caso onde x apontado com [ ] , Bx no se aparelha com a
vizinhana de x. Os pontos relevantes de B no coincidem com os pixels relevantes da
40
vizinhana de x. Ento, x no pertence ao resultado parcial do conjunto erodido, e vira

um pixel irrelevante, como na Figura 5.9.
Figura 5.9 - Pixel irrelevante resultante do conjunto erodido

No segundo caso, x apontado com [ ], Bx se aparelha com a vizinhana de x. Os
pontos relevantes de B coincidem com os pixels relevantes da vizinhana de x. Ento, o
x pertence ao conjunto erodido, e vira um pixel relevante.
Figura 5.10 - Pixel relevante resultante do conjunto erodido
Como resultado final, tem-se:
Figura 5.11 Resultado da eroso
O papel do ponto central PC do elemento estruturante de definir a posio do

resultado de X com B. Seja o exemplo mostrado na Figura 5.12 parecido com o anterior
onde PC no mais o centro de B.
Figura 5.12 - Exemplo de eroso com X e B
41
No primeiro caso onde x apontado com [ ], Bx no se aparelha com a vizinhana

de x. Ento, o ponto x vira um pixel irrelevante.
Figura 5.13 - Pixel irrelevante resultante do conjunto erodido
No segundo caso, x apontado com [ ], Bx se aparelha com a vizinhana de x. Os

pontos relevantes de B coincidem com os pixels relevantes da vizinhana de x. Ento x
pertence ao conjunto erodido e vira um pixel relevante.
Figura 5.14 - Pixel relevante resultante do conjunto erodido
Assim, tem-se como resultado final:
Figura 5.15 Resultado da eroso
Pode-se constatar que o conjunto obtido no exemplo da Figura 5.15 idntico ao

obtido no exemplo da Figura 5.11. A nica diferena ocorre na posio do resultado.
Mudar a posio do ponto central do elemento estruturante B gera uma translao do
resultado, porm incluindo um novo pixel relevante.
Pelos exemplos anteriores, pode ser constatado que a eroso modifica o conjunto
X. Este fica menor em todos os casos.
Na Figura 5.16 pode-se verificar um exemplo onde o elemento estruturante B
maior que X. Pela definio, pode-se constatar que os trs conjuntos no tm pontos
comuns, o que explica o desaparecimento do objeto erodido. De forma geral, pode-se
42
afirmar que, o elemento estruturante faz desaparecer os conjuntos inferiores ao seu

tamanho.
Figura 5.16 Exemplo de eroso

No exemplo da Figura 5.17 o conjunto X apresenta um furo. Pode-se constatar
que o furo no resultado maior. De forma geral, pode-se afirmar que a eroso aumenta
os furos interiores aos conjuntos. Neste caso particular, por ter o tamanho de um pixel, o
conjunto erodido tem o furo do tamanho e forma do elemento estruturante.
Figura 5.17 Exemplo de eroso
5.3.3 Dilatao Binria
A dilatao de um conjunto X por um por um elemento estruturante B :

dil B ( X ) = XdilB = {x X : B x X 0}
(Equao 5.2)
As duas operaes de eroso e de dilatao so, portanto, duais e a interpretao

da dilatao complementar da interpretao da eroso. O complemento da proposio
Bx est includo em X a proposta a interseo de Bx e X no vazia.
Segundo a definio, o elemento estruturante B deve deslizar na imagem X. O
significado que o elemento estruturante Bx, posicionado e centrado em cada pixel x de
X, verifica uma possvel interseo com a vizinhana de x. Caso seja verdadeiro, o
43
ponto central na imagem resultado ser um pixel relevante . Caso contrrio, ele ser
marcado como irrelevante , como pode ser visto na Figura 5.19.
Figura 5.18 Exemplo de dilatao de um conjunto X pelo elemento estruturante B
Figura 5.19 Exemplo de dilatao com X e B
B posicionado em cada posio x de X, virando assim Bx. Pode-se ver

imediatamente que nos pixels nas bordas de X, os exemplos sero escolhidos de
maneira a no fazer aparecer pixels relevantes nas bordas para evitar ambigidades
nelas.
No primeiro caso onde x apontado com [ ], os pontos relevantes de Bx no tem
interseo com os pixels correspondentes na vizinhana de x. Ento, na posio atual do
ponto central de Bx em X, colocado um pixel irrelevante.
Figura 5.20 - Pixel irrelevante resultante do conjunto dilatado
44
No segundo caso, onde x apontando com [ ], Bx chega a ter pelo menos

interseo com os pixels correspondentes na vizinhana de x. Pelo menos um ponto
relevante de B coincide com um pixel relevante da vizinhana de x. Ento o x pertence
ao conjunto dilatado e vira um pixel relevante.
Figura 5.21 - Pixel relevante resultante do conjunto dilatado
Como pode ser observado na Figura 5.22, a dilatao modifica o conjunto X. Este
fica maior em todos os casos.
Figura 5.22 Resultado da dilatao
A Figura 5.23 mostra a dilatao em um conjunto que apresenta um furo irregular

inferior em tamanho ao elemento estruturante. Pela definio, utilizando um elemento
estruturante em cruz sem ponto mdio, pode-se constatar que o elemento estruturante
preenche o furo. De forma geral, pode-se afirmar que a dilatao preenche todos os
furos que so inferiores ao elemento estruturante.
45
Figura 5.23 Exemplo de dilatao
5.3.4 Eroso em escala de cinza

O operador de eroso definido como a combinao de dois conjuntos atravs
da subtrao vetorial entre elementos dos mesmos, desde que o resultado continue
contido em um desses conjuntos.
Esses conjuntos so duas matrizes: uma pertencente imagem original e a outra
ao elemento estruturante, que representa alguma caracterstica de forma que se deseja
avaliar.
A eroso da imagem f para um dado pixel x definida como o valor mnimo
(min) da imagem em uma janela definida pelo elemento estruturante B, estando a
origem de B na posio de x, ou seja:
(Equao 5.3)
[B (f)](x) = min f (x + b)
bB
Onde b um pixel pertencente ao elemento estruturante B.

O resultado dessa operao diz que a imagem resultante apresenta-se mais escura
que a imagem de entrada se todos os elementos de B forem positivos. Os detalhes claros
reduzidos na imagem so menores que o tamanho do elemento estruturante.
Algumas caractersticas presentes na eroso:
46
Dualidade ao operador de dilatao: Isto significa que complementando-se o

resultado do operador de dilatao/eroso sobre o complemento da imagem, obtm-se a
eroso/dilatao da mesma;
Anti-Extensividade;
No-comutativa.
5.3.5 Dilatao em escala de cinza

O operador de dilatao definido como a combinao de dois conjuntos atravs
de soma vetorial entre elementos dos mesmos. Esses conjuntos so representados pela
imagem sob anlise e o elemento estruturante.
A definio est baseada na seleo do pixel de maior valor (max) em uma
vizinhana definida pelo formato do elemento estruturante, ou seja:
(Equao 5.4)
[B (f)](x) = max f (x + b)
bB
Onde b um pixel pertencente ao elemento estruturante B.

O resultado dessa operao diz que a imagem resultante apresenta-se mais clara
que a imagem de entrada se todos os elementos de B forem positivos. Os detalhes
escuros reduzidos na imagem dependem da forma e valores do elemento estruturante.
Algumas caractersticas presentes:
Extensividade: Indica que a origem pertence ao elemento estruturante;
Dualidade;
Comutativa: Indica que: A B = B A
Aplicaes alternadas da dilatao e da eroso levam formao de duas novas
operaes denominadas abertura e fechamento.
5.3.6 Abertura
a combinao da operao de eroso seguida da dilatao em nveis de cinza,
utilizando o mesmo elemento estruturante.
47
A filtragem de uma imagem por abertura est diretamente relacionada ao

elemento estruturante. O emprego de um determinado tamanho do elemento estruturante
influencia na imagem resultante:
Tamanho inferior ao rudo (pontos indesejveis na imagem), proporciona
durante a eroso a eliminao parcial do mesmo. Porm, ser reconstrudo na dilatao.
Tamanho superior ao rudo presente na imagem sob anlise o mais adequado
para eliminao deste problema.
Algumas caractersticas da operao:
Idempotncia: garante a estabilidade dos resultados aps a primeira aplicao do
operador, ou seja, a repetio do mesmo operador (por ex: abertura) sobre uma dada
imagem no produz novas modificaes;
Preservao da monotonicidade:
A1 A2
A1 B A2 B
(Equao 5.5)
Anti-Extensividade: O resultado de uma abertura um subconjunto da imagem

de entrada;
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
Extensividade: A imagem de entrada um subconjunto do resultado de um

fechamento.
Preservao da monotonicidade:
A1 A2
A1 B A2 B
(Equao 5.6)
Os filtros morfolgicos so mtodos no lineares da morfologia matemtica

baseados em uma forma. Seu objetivo principal corrigir a imagem completando
pequenos buracos e eliminando rudos e regies isoladas de poucos pixels. Eles
exploram as propriedades geomtricas dos sinais. Para filtros morfolgicos, as mscaras
so denominadas elementos estruturantes e apresentam valores 0 ou 1 na matriz que
correspondem ao pixel considerado. Os filtros morfolgicos bsicos so o filtro da
mediana, eroso e dilatao.
O filtro morfolgico de eroso provoca efeitos de eroso das partes claras da
imagem (altos nveis de cinza), gerando imagens mais escuras. Ele usado para afastar
grupos de pixel, que so menores que a mscara definida numa imagem binria ou em
tons de cinza.
O filtro morfolgico de dilatao provoca efeitos de dilatao das partes escuras
da imagem (baixos nveis de cinza), gerando imagens mais claras. Ele usado para
fechar "buracos", que so menores que a mscara definida numa imagem binria ou em
tons de cinza, mas tambm para expandir uma classe.
A Figura 5.24 e a Figura 5.25 mostram exemplos de elementos estruturantes
muito comuns.
Figura 5.24 Exemplos de elementos estruturantes
49
Linha
Cruz
Disco
Quadrado
Figura 5.25 Exemplos de elementos estruturantes

Exemplos de imagens resultantes de testes realizados so mostrados na Figura
5.26 e na Figura 5.27.
Figura 5.26 - Imagem aps aplicao de filtro por eroso
Figura 5.27 - Imagem aps aplicao de filtro por dilatao
50
5.4 Medidas de Tamanho

Em funo do arquivo de imagem ser do tipo DICOM, medies lineares precisas
podem ser realizadas. No header (cabealho) de cada arquivo de imagem existe a
informao de tamanho do pixel em milmetros. Sendo assim, contando-se o nmero de
pixels so obtidas informaes de distncia precisas.
Figura 5.28 Cabealho de um arquivo DICOM contendo, dentre outras informaes, o

tamanho do pixel
A informao de tamanho do pixel (pixel spacing) dada em milmetros e est

contida na tag (0028,0030) do cabealho DICOM.
51
Figura 5.29 Medies de distncia realizadas em imagem DICOM
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.
Figura 5.30 Vistas frontal, superior e inferior na visualizao 3D
A Figura 5.30 mostra reconstrues 3D de um exame caracterizando AVC

Hemorrgico. A reconstruo foi realizada aps o processo de filtragem por densidade.
52
6 CAD Computer-Aided Diagnosis

6.1 Introduo
Diagnstico auxiliado por computador (Computer-Aided Diagnosis CAD) pode
ser definido como um diagnstico feito por um radiologista que utiliza o resultado de
anlises quantitativas automatizadas de imagens radiogrficas como uma segunda
opinio para a tomada de decises diagnsticas. importante ressaltar que o
computador utilizado somente como uma ferramenta para obteno de informao
adicional, sendo o diagnstico final sempre feito pelo radiologista, o que diferencia
claramente o conceito bsico de diagnstico auxiliado por computador do conceito de
diagnstico automatizado, que foi um conceito proposto e estudado nas dcadas de 60
e 70.
A finalidade do CAD melhorar a eficincia do diagnstico, assim como a
consistncia da interpretao da imagem radiolgica, mediante o uso da resposta do
computador como referncia. A resposta do computador pode ser til, uma vez que o
diagnstico do
radiologista baseado em avaliao subjetiva, estando sujeito a
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
conhecimento: viso computacional, que envolve o processamento de imagem para

realce, segmentao e extrao de atributos, e inteligncia artificial, que inclui mtodos
para seleo de atributos e reconhecimento de padres.
Por ter base conceitual genrica e ampla, a idia do CAD pode ser aplicada a
todas as modalidades de obteno de imagem, incluindo radiografia convencional,
tomografia computadorizada, ressonncia magntica, ultra-sonografia e medicina
nuclear. Pode-se, tambm, desenvolver esquemas de CAD para todos os tipos de exame
de todas as partes do corpo, como crnio, trax, abdome, osso e sistema vascular, entre
outros. Porm, os principais objetos de pesquisa para o desenvolvimento de sistemas
CAD tm sido as reas de mamografia, para a deteco precoce do cncer de mama;
trax, para a deteco de ndulos pulmonares, leses intersticiais e pneumotrax; e
angiografia, para a anlise quantitativa de estenoses e de fluxo sanguneo.
6.2 Viso Computacional e Inteligncia Artificial

Viso computacional envolve a utilizao de um computador para extrao de
atributos de uma imagem em formato digital. De modo geral, os conceitos de viso
computacional utilizados em sistemas CAD podem ser divididos em duas etapas
principais.
A primeira o processamento da imagem para realce e segmentao das leses. A
segmentao o processo que subdivide a imagem em suas partes ou objetos
constituintes e utiliza as propriedades bsicas de descontinuidade dos nveis de cinza
para segmentao atravs de bordas, fronteiras e linhas, ou de similaridade destes para
separao de regies que apresentem determinada caracterstica em comum. Como
resultado da segmentao, obtm-se um conjunto de objetos que permitir uma
descrio da imagem digitalizada por meio da quantificao de determinadas
propriedades.
Vrias tcnicas de processamento de imagens tm sido utilizadas para diferentes
tipos de leses. Algumas das tcnicas mais empregadas incluem filtragem baseada na
anlise de Fourier, transformada wavelet, filtragem morfolgica e tcnicas de
imagem-diferena, entre outras. O mtodo de stretching, ou linearizao do
histograma, um mtodo simples, mas muito utilizado em processamento de imagens e
tem por objetivo aumentar o contraste da imagem. Este mtodo pode ser aplicado
54
imagem antes da etapa de segmentao e extrao de atributos, para aumentar o

contraste e normalizar os nveis de cinza entre os limites mximo e mnimo da escala de
tons de cinza. A tcnica imagem-diferena geralmente utilizada para o realce de
microcalcificaes e ndulos mediante supresso das estruturas de fundo da imagem,
causadas pela anatomia normal da mama. Este procedimento realizado por dois filtros
espaciais gerando uma imagem com as microcalcificaes realadas e outra com as
microcalcificaes suprimidas. Nesta ltima permanecem apenas as estruturas de fundo
da mamografia, uma vez que os sinais so suprimidos. Subtraindo as duas imagens,
tem-se uma terceira imagem em que as altas variaes e densidade de fundo so
removidas.
A tcnica de thresholding local adaptativo baseada em estatsticas locais (mdia
e desvio padro) dos valores de cinza dos pixels contidos em uma regio quadrada de
mm pixels, tendo por finalidade a binarizao da imagem.
Para cada regio da imagem calculado o valor do limiar (threshold), sendo o
valor do seu pixel central ajustado para o nvel de cinza mximo (255) ou mnimo (0),
dependendo se o seu valor inicial , respectivamente, maior ou menor do que o valor
calculado. Aps a binarizao, a imagem varrida para a separao das
microcalcificaes, que so os objetos constituintes da imagem.
Aps o realce e a segmentao, a etapa seguinte do processamento envolve a
quantificao de atributos da imagem, como tamanho, contraste e forma dos seus
objetos constituintes. Dependendo da sua natureza, estes atributos podem ou no ser
compatveis com a viso humana.
possvel a definio de um grande nmero de atributos baseados em frmulas
matemticas que podem no ser facilmente compreendidos por um observador humano.
Porm, geralmente mais til definir, particularmente nos estgios iniciais de
desenvolvimento de sistemas CAD, atributos de imagem que j tenham sido
anteriormente reconhecidos e descritos subjetivamente pelos radiologistas, uma vez que
estes so baseados na observao de um nmero muito grande de casos e possibilitam
diagnsticos com alta preciso e confiabilidade. De modo geral, os atributos so
quantificados a partir de propriedades mtricas, topolgicas e de textura dos objetos.
Conceitualmente, propriedades mtricas utilizam generalizaes da noo de
distncia euclidiana, sendo, pois sensveis a qualquer distoro elstica do plano
imagem. As propriedades mtricas mais diretas que podem ser utilizadas na descrio
de formas so: a rea, o permetro, a razo de delgadeza e a razo de aspecto. A razo
55
de delgadeza uma relao entre a rea da figura e o permetro ao quadrado e fornece

uma noo de quanto a figura arredondada (gorda) ou alongada (magra). Figuras mais
arredondadas tero razo de delgadeza prxima de 1 (1 o valor mximo e ser obtido
quando a figura for um crculo), e figuras com formas prximas a linhas tero razo de
delgadeza prxima de zero.
Alm disso, a razo de delgadeza adimensional, dependendo somente da forma
da figura e no da escala. A razo de aspecto tambm uma medida do alongamento de
uma figura. A razo de aspecto de um retngulo a razo do seu comprimento por sua
largura, de modo que uma razo de aspecto prxima de 1 indica um retngulo gordo.
Para estender este conceito a figuras arbitrrias, deve-se envolver a figura em um
retngulo e considerar que a razo de aspecto da figura ser a mesma que a do retngulo
que a envolve. Pode-se notar que muitos resultados so possveis, dependendo das
vrias maneiras que se coloca o retngulo ao redor da figura. A definio mais simples
especifica que os lados do retngulo devem ser paralelos aos eixos coordenados do
plano da imagem. Outra maneira possvel de se caracterizar um subconjunto de uma
imagem especificar algumas de suas propriedades topolgicas. Uma propriedade
topolgica uma propriedade invariante (insensvel) s distores elsticas do plano
imagem, ou seja, uma propriedade que no ser modificada por deformaes do tipo
alongamento ou contrao do plano imagem. So propriedades que no envolvem
noes de distncia e nem propriedades que dependam dessas noes. As propriedades
topolgicas geralmente utilizadas so o nmero de elementos conectados e o nmero de
buracos existentes na figura. Podem-se utilizar tambm combinaes dessas
propriedades, como, por exemplo, o nmero de Euler (definido como o nmero de
elementos conectados menos o nmero de buracos).
De modo geral, as propriedades topolgicas so utilizadas como auxlio para
outras formas de descrio. Normalmente, um problema para o qual uma descrio
topolgica sozinha seja suficiente bastante raro.
Uma definio genrica de textura poderia ser a disposio ou caractersticas dos
elementos constituintes de alguma coisa, especialmente no que se refere aparncia
superficial ou qualidade tctil. Porm, no caso de imagens, uma definio mais
adequada poderia ser uma caracterstica representativa da distribuio espacial dos
nveis de cinza dos pixels de uma regio. Ou seja, um atributo de textura um valor,
calculado a partir da imagem de um objeto, que quantifica algumas caractersticas da
variao dos nveis de cinza desse objeto.
56
Normalmente, um atributo de textura independente da posio, orientao,

tamanho, forma e brilho do objeto.
Aps a extrao de informao, os atributos quantificados so utilizados no
processo de classificao das estruturas presentes na imagem. Inteligncia artificial
envolve o uso do computador para o processamento de dados, visando distino entre
padres normais e anormais, a partir dos atributos extrados das imagens.
As tcnicas relacionadas a essa rea do conhecimento incluem mtodos para a
seleo de atributos, como os baseados na separabilidade entre as distribuies de
probabilidades das classes e algoritmos genticos, e classificadores, como os baseados
em tcnicas de anlise discriminante, sistemas especialistas baseados em regras
especficas, mtodos estatsticos e redes neurais artificiais.
6.3 Auxlio Deteco

A deteco automatizada de leses envolve a localizao pelo computador de
regies contendo padres radiolgicos suspeitos, porm com a classificao da leso
sendo feita exclusivamente pelo radiologista. Sistemas para auxlio deteco tm sido
desenvolvidos principalmente para imagens de trax e de mama.
Estudos mostram que 30% a 50% dos casos de cncer de mama detectados por
meio de mamografia apresentam agrupamentos de microcalcificaes associados. Alm
disso, estudos demonstraram que 26% dos casos de cncer no-palpvel de mama
apresentam ndulos associados na mamografia e 18% apresentam ndulos e
microcalcificaes. Por isso, a maioria dos sistemas de auxlio ao diagnstico em
mamografia voltada para a deteco de ndulos e microcalcificaes.
Desde 1987, pesquisadores da Universidade de Chicago, EUA, tm apresentado
uma metodologia para a deteco automatizada de microcalcificaes em mamografias.
Esta metodologia inclui etapas de pr-processamento para realce das imagens, filtragem
para remoo de estruturas de fundo, segmentao das microcalcificaes para extrao
de atributos e o uso de redes neurais artificiais para reduo do nmero de deteces
falso-positivas.
A deteco automatizada de ndulos em mamografias digitalizados mais difcil
do que a deteco de microcalcificaes, devido similaridade de muitos ndulos com
o tecido parenquimatoso normal que os envolve. Segundo GIGER, provavelmente um
57
dos primeiros estudos sobre a anlise computadorizada de imagens mamogrficas foi

apresentado em 1967 por WINSBERG et al., que descrevem um mtodo
computadorizado para comparao de padres de densidade em vrias reas de uma
mesma mama e entre as mamas direita e esquerda. O mtodo foi aplicado em um
nmero pequeno de casos selecionados. Atualmente existem muitos trabalhos voltados
para a deteco de leses espiculadas, assimetrias, aumentos de densidade, leses
circunscritas e distores de parnquima. Pesquisadores da Universidade de Chicago
tm trabalhado, tambm, no desenvolvimento de uma metodologia para a deteco de
ndulos em mamografias, a qual baseada nas diferenas de simetria de arquitetura
entre as mamas esquerda e direita, com as assimetrias indicando possveis ndulos. Em
um estudo prospectivo de 10.000 mamografias, realizado pelos pesquisadores da
Universidade de Chicago, empregando um sistema CAD como segunda opinio, o
computador indicou a presena de cncer cerca de um ano antes de este ser clinicamente
diagnosticado em aproximadamente 15% de todos os casos de cncer, e em 56% dos
casos foi detectado cncer em um estudo retrospectivo de mamografias considerados
clinicamente negativos. A taxa de falso-positivos foi de aproximadamente 1,3
agrupamento falso por imagem e 2,1 ndulos falsos por imagem.
Em junho de 1998, o Food and Drug Administration (FDA), dos Estados Unidos,
aprovou o ImageChecker M1000 (R2 Technology, Los Altos, Califrnia) como um
sistema de auxlio deteco, para ser utilizado por radiologistas na rotina de leitura de
mamografias. Um amplo estudo, envolvendo a anlise retrospectiva de 1.083 casos de
cncer e o acompanhamento prospectivo de 14.817 casos, foi realizado como parte dos
requisitos para a sua aprovao pelo FDA. Neste estudo, a sensibilidade alcanada foi
de 98,3% para a deteco de agrupamentos de microcalcificaes e 72% para a deteco
de ndulos, com uma taxa de falso-positivo mdia de um (agrupamento ou ndulo) por
imagem. Segundo GIGER, em um estudo realizado na Universidade de Nijimen
(Holanda), utilizando o ImageChecker, no foi observada diferena entre uma dupla
leitura com dois radiologistas e uma dupla leitura utilizando o sistema de CAD.
Ao contrrio da anlise da mamografia, na qual existem basicamente duas
respostas possveis, cncer ou no, a radiografia de trax pode apresentar uma variedade
de patologias possveis, cuja deteco o objetivo de alguns sistemas de CAD. Estes
sistemas incluem mtodos de processamento para realce de imagens, como subtrao de
dupla energia e temporal, e esquemas para deteco automatizada de padres suspeitos,
como ndulos, pneumotrax, cardiomegalia, assimetrias torcicas e leses intersticiais.
58
A deteco radiogrfica de pequenos ndulos um aspecto importante no diagnstico e

conduo do tratamento de pacientes com cncer de pulmo. Porm, a no deteco
pode ocorrer devido sobreposio com costelas, brnquios, vasos sanguneos e outras
estruturas anatmicas normais. A taxa mdia de perda na deteco radiogrfica de
ndulos precoces estimada em cerca de 30%.
Segundo MACMAHON, um sistema para deteco de ndulos pulmonares vem
sendo desenvolvido pelos Laboratrios Rossmann, da Universidade de Chicago, h mais
de dez anos, tendo recebido numerosos refinamentos neste perodo. A finalidade bsica
deste sistema a distino de opacidades focais anormais do fundo anatmico complexo
da radiografia de trax, tendo por objetivo chamar a ateno do radiologista para a
regio suspeita.
Atualmente, o programa de computador possui sensibilidade de aproximadamente
70% para ndulos pulmonares sutis, com uma mdia de um a dois falso-positivos por
imagem. Segundo o autor, embora essa preciso seja menor do que a apresentada pela
maioria dos radiologistas, os erros cometidos pelo computador tendem a ser diferentes
daqueles cometidos pelos radiologistas, o que faz com que o uso do programa possa
auxiliar mesmo radiologistas experientes na tarefa de deteco de ndulos.
A deteco e quantificao de leses pulmonares intersticiais pelos radiologistas
esto reconhecidamente sujeitas a uma grande variao inter e intrapessoal, sendo, por
isso,
uma
rea
particularmente
interessante
para
aplicao
de
anlises
computadorizadas. KATSURAGAWA et al. e MONNIER-CHOLLEY et al.

apresentaram esquemas computadorizados para avaliao de leses intersticiais a partir
de atributos de textura extrados de imagens radiogrficas. Inicialmente, regies de
interesse so automaticamente selecionadas em radiografias de trax e, ento,
processadas para eliminao de estruturas anatmicas e realce de detalhes finos da
textura dos pulmes. Um processamento da imagem baseado na transformada de
Fourier utilizado para a descrio da magnitude e rugosidade da textura. Os autores
descrevem valores de sensibilidade e especificidade na ordem de 89% para uma base de
dados contendo 100 casos patolgicos. Outros programas de CAD tm sido
desenvolvidos, dirigidos para a deteco de pneumotrax, cardiomegalia e assimetria
anormal de trax. Artigos e detalhes podem ser encontrados nos anais do International
Workshop on Computer-Aided Diagnosis.
59
6.4 Auxlio ao Diagnstico

Uma vez que uma leso foi detectada, cabe ao radiologista sugerir e ao mdico
assistente decidir o encaminhamento do caso, ou seja, se necessria a realizao de
algum outro exame ou de uma bipsia, por exemplo. Ou ento, se um simples
acompanhamento suficiente e, neste caso, qual deve ser o intervalo at o prximo
exame. Sistemas de anlise computadorizada esto sendo desenvolvidos para auxiliar a
distino entre leses malignas e benignas e aumentar a sensibilidade e especificidade
do diagnstico. Estes sistemas utilizam atributos extrados e quantificados de forma
automatizada e tambm por radiologistas.
As vantagens da extrao automatizada (pelo computador) so a objetividade e a
reprodutibilidade da medida dos atributos escolhidos. Por outro lado, os radiologistas
utilizam uma grande quantidade de atributos, os quais so extrados e interpretados
simultnea e instantaneamente. importante ressaltar que um dos objetivos dos
sistemas de auxlio classificao a reduo do nmero de casos benignos
encaminhados para bipsia.
Porm, como o custo da perda de uma leso maligna muito maior que o de
uma classificao errnea de um caso benigno, os sistemas de auxlio ao diagnstico
devem ser desenvolvidos com o propsito de aumentar a especificidade, porm sem
reduzir a sensibilidade. No que se refere ao cncer de mama, mtodos de auxlio
classificao esto sendo desenvolvidos para a caracterizao de leses a partir de
informaes extradas de imagens de mamografia, ultra-sonografia e de ressonncia
magntica.
Vrios pesquisadores tm utilizado a anlise computadorizada de atributos
extrados por inspeo visual para auxlio tomada de deciso quanto ao
encaminhamento do tratamento do paciente. De modo geral, este tipo de anlise utiliza
uma lista de atributos que devem ser avaliados e quantificados pelo radiologista em uma
escala preestabelecida, em conjunto com um mtodo para composio destes valores
utilizando coeficientes otimizados. As respostas obtidas, em geral, apresentam a
probabilidade da presena de determinada condio (por exemplo, de uma leso
previamente detectada ser maligna). GALE et al. apresentam um aumento de
especificidade de 67% para 88% entre o diagnstico de cncer de mama feito sem
auxlio e com auxlio de um sistema computadorizado. Porm, houve reduo na
sensibilidade de 87% para 79% com o sistema computadorizado. COOK e FOX relatam
60
um aumento na preciso diagnstica de mdicos residentes, de 40% para 73%, e de

mdicos radiologistas, de 70% para 73%, com a utilizao de um sistema especialista
voltado para a diferenciao de 16 tipos de leses de mama circunscritas, a partir da
identificao de achados radiolgicos por inspeo visual. Pesquisadores da Duke
University, EUA, utilizaram as categorias do padro BI-RADS (American College of
Radiology Breast Imaging Reporting and Data System) como entradas para redes
neurais artificiais, visando distino entre leses benignas e malignas e previso da
potencialidade de invaso do cncer de mama. Os resultados mostraram o potencial do
uso dos padres do BI-RADS no diagnstico auxiliado por computador.
ASHIZAWA et al. apresentaram os resultados da utilizao de uma rede neural
artificial para auxlio ao diagnstico diferencial de leses intersticiais de pulmo. A rede
neural foi projetada para distinguir entre 11 leses intersticiais a partir de dez
parmetros clnicos e 16 achados radiolgicos obtidos por radiologistas especializados
em trax. Foram utilizados 150 casos reais, 110 casos publicados e 110 casos
hipotticos. O desempenho da rede foi avaliado por meio de curva ROC12 (receiver
operating characteristic), tendo sido obtida uma rea sob a curva igual a 0,947 para os
casos clnicos. Foram obtidos valores de sensibilidade e especificidade em torno de
90%, considerando-se a resposta correta contida dentro dos dois maiores valores de
sada para as 11 patologias.
O desenvolvimento de mtodos de auxlio classificao, baseados na extrao e
quantificao automatizada de atributos, exige que inicialmente sejam definidos quais
atributos so clinicamente significativos e depois estabelecidos os mtodos para sua
extrao e quantificao. Segundo GIGER, nos ltimos cinco anos houve expressivo
aumento no nmero de trabalhos sobre desenvolvimento de mtodos de classificao
automatizada de leses em imagens mamogrficas. De modo geral, um mtodo
automatizado para classificao de microcalcificaes agrupadas envolve a extrao de
atributos que se correlacionam qualitativamente com a experincia dos radiologistas,
estimando a probabilidade de malignidade a partir da aparncia das microcalcificaes
existentes
no agrupamento.
relacionados
ao
tamanho,
O computador extrai automaticamente

forma,
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
microcalcificaes, e um classificador (uma rede neural artificial, por exemplo)

utilizado para combinar estes atributos e fornecer uma estimativa da probabilidade de
malignidade. Esta estimativa pode ento ser utilizada pelos radiologistas como auxlio
na deciso se a leso maligna ou benigna. Resultados de estudos aplicados tm
mostrado melhorias estatisticamente significativas de desempenho quando os
radiologistas utilizam sistemas de auxlio computadorizado, em comparao com
situaes em que estes sistemas no so empregados.
So relatados aumentos de sensibilidade, de 73% para 87%, e de especificidade,
de 32% para 40%. Resultados como estes indicam que o computador pode
potencialmente ser utilizado para auxiliar os radiologistas a decidirem quais mulheres
devem ser encaminhadas para bipsia, podendo reduzir o nmero de procedimentos
desnecessrios.
No caso de ndulos, uma leso maligna pode ser diferenciada de uma leso
benigna, em virtude da sua aparncia mais espiculada na imagem mamogrfica e, de
modo geral, para a classificao deste tipo de leso, o ndulo primeiramente extrado
do fundo anatmico do mamografia utilizando-se alguma tcnica de processamento de
imagem (como crescimento de regio, por exemplo). Ento, atributos de forma,
contorno, nveis de cinza e textura so extrados e utilizados por um classificador para o
clculo da probabilidade de malignidade associada.
Em trabalho realizado por pesquisadores da Universidade de Chicago, com um
sistema desenvolvido para a classificao de ndulos mamogrficos a partir do seu grau
de espicularidade, foram obtidos, para a base de dados utilizada, sensibilidade de 100%
e valor preditivo positivo de 83% (12% acima do valor obtido por radiologistas
especializados em mamografia e 21% acima da mdia de outros radiologistas menos
experientes).
A ultra-sonografia de mama tambm utilizado como importante auxiliar no
diagnstico mamogrfico, sendo tipicamente aplicado para avaliar leses palpveis e
mamograficamente detectadas quanto sua natureza slida ou cstica. A acurcia do
ultra-som tem sido apontada como sendo de 96% a 100% no diagnstico de leses
csticas benignas. CHEN et al. relataram um mtodo baseado em rede neural artificial
para auxlio ao diagnstico diferencial de tumores slidos de mama em imagens de
ultra-som. Foram avaliadas 140 imagens de ndulos slidos de mama, sendo 52
correspondentes a tumores malignos e 88 a tumores benignos, todos confirmados por
bipsia. Atributos de textura foram extrados, aps a seleo manual da regio de
62
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
de radiografias de trax. O experimento foi realizado utilizando-se uma base de dados

contendo 200 regies de interesse (ROIs) extradas de radiografias digitalizadas de
pacientes com leses intersticiais de pulmo e pacientes com radiografias normais.
Nenhum pr-processamento foi realizado nas imagens. Os atributos calculados para
cada ROI foram utilizados como entrada em uma rede neural artificial. O desempenho
diagnstico da rede foi bastante bom, alcanando sensibilidade de 90% e especificidade
de 84%, com uma rea sob a curva ROC igual a 0,85. MCNITT-GRAY et al.
desenvolveram uma metodologia para caracterizao de ndulos pulmonares solitrios,
obtidos por exame de tomografia computadorizada de alta resoluo, como sendo
benignos ou malignos, por meio da quantificao de atributos de tamanho, forma,
atenuao e textura.
Um estudo inicial, realizado com 31 pacientes com diagnsticos definitivos (14
benignos e 17 malignos) e utilizando dois atributos de textura considerados os mais
discriminantes (entropia e correlao), resultou em uma taxa de acerto na classificao
de 90,3%.
6.5 Medidas de Desempenho e Caractersticas

Existem vrios ndices de desempenho que podem ser utilizados na avaliao de
sistemas de auxlio ao diagnstico. Uma medida possvel e muito utilizada a anlise da
caracterstica de resposta do observador (ROC), introduzida no contexto das imagens
mdicas por SWETS e METZ. A anlise por curva ROC fundamentada na teoria de
deteco de sinal, tendo como base a idia de que para qualquer sinal sempre existir
um fundo ruidoso que varia aleatoriamente sobre um valor mdio. Quando um estmulo
est presente, a atividade que ele cria no sistema de obteno de imagem adicionada
ao rudo existente naquele momento. Este rudo pode estar dentro do prprio sistema ou
fazer parte do padro de entrada.
A tarefa do observador (ou sistema automtico) determinar se o nvel de
atividade no sistema devido apenas ao rudo ou resultado de um estmulo adicionado
ao rudo. 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
64
resultados possveis para o teste.

A anlise por curva ROC baseia-se na premissa de que o processo de deciso do
observador pode ser modelado por uma varivel randmica que se ajusta a um modelo
bi-normal. As funes de densidade de probabilidade desta varivel para as duas
hipteses (presena de anormalidade e ausncia de anormalidade) so consideradas
normalmente distribudas. A menos que as condies do teste sejam perfeitas, estas
distribuies se sobrepem e um limiar de deciso (threshold) ir sempre envolver um
compromisso entre os resultados falso-positivos (no existe anormalidade, mas o
observador indica que existe) e falso-negativos (existe anormalidade, mas o observador
indica que no existe). Uma mudana no limiar ir causar mudanas na especificidade e
sensibilidade do teste.
Os observadores humanos, assim como os sistemas de auxlio ao diagnstico,
operam em pontos ao longo da curva ROC. Os pontos de operao sobre a curva
(sensibilidade versus especificidade) mudam de acordo com os valores de custo
atribudos aos resultados falso-positivos ou falso-negativos.
A medida mais comum extrada da curva ROC a rea sob a curva. A rea sob a
curva ROC varia de 0,5 (comportamento aleatrio) a 1,0 (discriminao perfeita), sendo
que quanto mais a curva se aproxima do canto esquerdo superior do grfico melhor o
desempenho do teste.
Os parmetros de aquisio da imagem digital, as caractersticas da base de dados
utilizada para treinamento e teste dos algoritmos, a comparao entre mtodos e a
determinao da viabilidade de aplicao clnica so tambm caractersticas
fundamentais no processo de avaliao de sistemas de CAD. As imagens podem ser
obtidas diretamente em formato digital ou a partir da digitalizao de filmes. Para a
digitalizao de filmes, a qualidade da imagem original fundamental, uma vez que
imagens de baixa qualidade iro afetar tanto a inspeo visual como o desempenho da
anlise automatizada. O tamanho do pixel e o nmero de nveis de quantizao tambm
iro afetar a resposta do sistema, uma vez que modificaes nos valores de entrada iro
produzir sadas diferentes. bastante difcil a comparao entre os vrios mtodos de
diagnstico auxiliado por computador que esto sendo desenvolvidos, devido s
diferentes bases de dados utilizadas e os variados mtodos de descrio dos resultados.
Algumas bases de dados esto sendo estruturadas para desenvolvimento e teste de
sistemas de CAD. A forma como a base de dados utilizada ir tambm influenciar o
desenvolvimento e a apresentao de resultados do sistema. Por exemplo, um sistema
65
computadorizado para auxlio na deteco de leses de mama, treinado com projees

mdio-laterais oblquas, ir fornecer resultados tendenciosos (ter um bias) se forem
utilizadas projees crnio-caudais nos testes. Os resultados tambm sero tendenciosos
se, com uma base de dados limitada, os parmetros do classificador forem determinados
usando-se os mesmos dados que foram empregados para a seleo dos atributos mais
discriminantes. Alm disso, diferentes formas de medida iro causar variaes nos
resultados obtidos. Por exemplo, se a sensibilidade do sistema dada em funo da
porcentagem de leses detectadas por imagem ou por caso, ou ento, se a porcentagem
de sobreposio entre a leso real e a leso detectada pelo computador calculada
levando-se em considerao sua interseco ou a interseco dividida pela sua unio.
6.6 Exemplo de CAD para Caracterizao de Microcalcificaes em

Mamografia
O cncer de mama provavelmente o mais temido pelas mulheres devido sua
alta freqncia de incidncia e, sobretudo pelos seus efeitos psicolgicos, que afetam a
percepo de sexualidade e a prpria imagem pessoal. Ele relativamente raro antes dos
35 (trinta e cinco) anos de idade, mas acima desta faixa etria sua incidncia cresce
rpida e progressivamente.
Um dos melhores e mais precisos mtodos de diagnstico de cncer de mama
ainda atravs da mamografia (mamografia). YAMAGUCHI e PEREIRA utilizaram o
mtodo de Threshold para binarizar a imagem, objetivando distinguir a cena
(background) dos objetos (microcalcificaes). O mtodo baseia-se na escolha de um
limiar utilizando o histograma13 de nveis de cinza que auxilia na escolha do limiar.
Para a distino entre a cena e os objetos na imagem o mtodo da segmentao foi
utilizado. A segmentao um dos mais importantes elementos na anlise automatizada
da imagem, pois nessa fase que os objetos ou outras entidades de interesse so
extrados de uma imagem para o processamento subseqente, como descries e
identificaes.
Geralmente, os algoritmos de segmentao so baseados em uma ou duas
propriedades bsicas de valores de nveis de cinza: descontinuidade e similaridade.
Neste projeto a opo foi pela segunda categoria que baseada no threshold,
13
Um histograma uma representao grfica da distribuio de frequncias de uma massa de medies,

normalmente um grfico de barras verticais.
66
crescimento de regio, diviso de regio e merge.

Nas microcalcificaes de bordas espiculadas foi observada a existncia de vrias
parbolas. Tendo como foco central a existncia de muitas parbolas, foi desenvolvido
um mtodo de deteco dessas parbolas na fronteira de cada microcalcificao. Os
mtodos utilizados foram os de detectar os pontos de inflexo e os pontos em que a
fronteira muda de crescente para decrescente ou de decrescente para crescente. A partir
dos pontos de inflexo da imagem, foram feitas comparaes entre a altura e a distncia
entre dois pontos de inflexo sucessivos e identificados se a poro da imagem
observada possui formas espiculadas ou no. Depois de utilizar esse mtodo para todos
os pontos de inflexo sucessivos da imagem, observa-se a quantidade de formas
espiculadas e no-espiculadas. Se as bordas apresentarem em sua maioria formas
espiculadas, a microcalcificao ser considerada espicular. Desta forma determina-se
que uma microcalcificao considerada espicular quando predominantemente suas
inflexes so espiculadas.
No caso da deteco de agrupamentos de microcalcificaes em formao, o
mtodo principal utilizado a comparao do nmero de pixels da imagem. Se a
imagem de uma microcalcificao for cheia, formada por oito pixels ou menos e com
uma distncia muito prxima de outras 6 (nmero pr-determinado) microcalcificaes
tambm com oito pixels ou menos, determina-se que um agrupamento de
microcalcificaes est em formao. Aps a deteco de todas as pequenas
microcalcificaes, demarcam-se as reas em que se deveriam calcular as densidades.
Para a demarcao de tais reas, foi utilizado o conceito de centro de massa para
localizar o ponto central da imagem. Quando encontrado um aglomerado, foi realizado
o calculo do centro da aglomerao para em seguida ser efetuado o clculo da sua
densidade.
Utilizando estes mtodos, desenvolveu-se um sistema que atendesse as
necessidades de deteco de bordas espiculadas e clculo da densidade de agrupamentos
de microcalcificaes em formao.
Atravs dos testes realizados com as imagens simuladas e as imagens reais
mamogrficas YAMAGUCHI e PEREIRA concluram que os mtodos utilizados para a
deteco de microcalcificaes de bordas espiculadas (tipo 4) e para a deteco e
clculo da densidade de aglomerados de microcalcificaes em formao (tipo 3)
tiveram porcentagens de acertos diferentes. Enquanto nas imagens simuladas foram
obtidas 100% de resultado correto, nas imagens mamogrficas reais essa porcentagem
67
abaixou para 90% na deteco de microcalcificaes em formao e para 85% na

deteco de microcalcificaes de bordas espiculadas. Isso ocorreu pois as imagens
reais mamogrficas passaram apenas por uma funo de pr-processamento
(binarizao). Essa porcentagem pode aumentar caso sejam usadas vrias e melhores
funes de pr-processamento de imagens.
6.7 Exemplo de CAD para Anlise de Ndulo Pulmonar

O cncer de pulmo conhecido como um dos cnceres de menor sobrevida a
partir do diagnstico e o nmero de mortes cresce gradualmente a cada ano. Por esta
razo, quanto mais cedo for detectado maior ser a chance de cura do paciente e, de
quanto mais informaes o mdico dispuser, mais preciso ser o diagnstico.
Apesar de o pulmo ter em sua prpria composio um contraste natural, existem
dificuldades para a identificao e o diagnstico de ndulos decorrentes dos seguintes
fatos: 1) o rgo contm estruturas anatmicas com caractersticas (formas, densidades,
etc.) semelhantes, que s vezes se confundem; 2) o ndulo na fase inicial, quando tem
pequena dimenso e forma mal definida, de difcil identificao; 3) as medidas
efetuadas pelos mdicos para a anlise da evoluo do ndulo, como por exemplo o seu
dimetro, so realizadas de forma artesanal, geralmente utilizando uma rgua sobre a
imagem; 4) o cansao visual e o fator emocional do mdico podem influenciar no
diagnstico. Com a finalidade de diminuir estas dificuldades foi desenvolvido um
sistema computacional que fornecer mais informaes aos mdicos para efetuarem um
diagnstico mais preciso.
SILVA AC e CARVALHO PCP desenvolveram um prottipo de um sistema de
anlise e diagnstico de ndulos pulmonares que fornece comunidade mdica diversos
recursos que possibilitaro uma boa anlise, visualizao e diagnstico de ndulos
pulmonares. Alguns desses recursos so: visualizao em 2D e 3D das fatias, filtro de
visualizao, visualizao de detalhes, segmentao dos ndulos, mtricas de evoluo
(circularidade, dimetro, volume, etc.), segmentao automtica do parnquima
pulmonar e visualizao das estruturas internas do ndulo.
O sistema poder ser usado para fornecer uma segunda opinio para mdicos e
radiologistas na rotina clnica bsica, ou seja, eles podem considerar o resultado da
anlise do sistema, aplicada na Tomografia Computadorizada (TC), no diagnstico.
Entretanto, o diagnstico final e as recomendaes para o tratamento apropriado sero
68
feitos pelos mdicos.

Para o desenvolvimento do sistema foi formada uma equipe com a participao de
mdicos, radiologistas e cientistas da computao.
As imagens foram adquiridas em um tomgrafo Helicoidal GE pro Speed, sob as
seguintes condies: voltagem do tubo de 120 Kv, corrente do tubo de 100 mA,
tamanho da imagem de 512x512 pixels e intervalo de reconstruo de 2 mm. Na
imagem de TC adquirida, o ar aparece com intensidade mdia de 1000 Unidades
Hounsfield (UH) , os tecidos do pulmo na faixa de 910 UH a 500 UH, enquanto o
sangue, a parede torcica e os ossos, que so estruturas muito densas, esto acima de
500 UH. As imagens foram quantizadas em 12 bits e armazenadas no formato DICOM.
Com o propsito de efetuar a segmentao automtica de ndulos pulmonares, o
passo inicial, e de fundamental importncia, a segmentao do parnquima pulmonar.
Extraindo o parnquima pulmonar, restringe-se a rea de segmentao, eliminando
estruturas que dificultam o processo, como vasos, brnquios, parede torcica e
mediastino.
A segmentao baseada em seqncias de operaes simples e tradicionais,
como segmentao com limiar global, abertura e fechamento, deteco de borda,
afinamento, cdigo da cadeia e classificao das reas das estruturas. O limiar global
tem por objetivo binarizar a imagem, extraindo o parnquima pulmonar. Os
procedimentos de fechamento e abertura eliminam pequenas estruturas contidas no
parnquima pulmonar (vasos, por exemplo) e preenchem algumas falhas na borda. A
deteco da borda e o afinamento tm, respectivamente, o objetivo de extrair a borda
das estruturas e afin-la at a espessura de um pixel.
Figura 6.1 - Extrao do parnquima pulmonar
O sistema disponibiliza dois outros recursos que auxiliam e possibilitam um maior

controle sobre a segmentao: a barreira e a borracha. A barreira um cilindro colocado
em volta do ndulo pelo usurio, que tem por objetivo limitar a regio de interesse e
69
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.
6.8 Utilizao da Anlise de Componentes Principais e Redes Neurais

Artificiais para a Classificao de Ndulos em Mamografias
Digitalizados
SILVA AC, CARVALHO PCP e FRERE AF utilizaram a Anlise de
Componentes Principais (PCA) para reduzir o nmero de atributos de textura e forma
dentro do processo de classificao de ndulos em mamografias digitalizados. Utilizouse um classificador de rede neural artificial com algoritmo de treinamento de
backpropagation. O processo completo envolveu quatro etapas: deteco, extrao e
seleo de atributos, e classificao. Na etapa de deteco, as imagens foram
submetidas ao processo combinado das tcnicas de segmentao de thresholding,
morfologia matemtica e de crescimento de regio.
Foram extrados 28 atributos (14 de textura e 14 de forma). O melhor resultado
obtido foi para uma configurao de rede neural artificial com 3 camadas escondidas,
com unidades de entrada para os dez componentes principais, representando 96,70% da
varincia total, apresentou mdia da taxa de acerto de 99,72%, taxa de especificidade de
99,51% e taxa de sensibilidade de 100,00%.
No processo de segmentao foram definidas manualmente as regies de interesse
(ROI) com o auxlio de um especialista. Para a segmentao dos ndulos contidos nas
regies de interesse, foram utilizadas tcnicas que combinaram mtodos de crescimento
de regio (CHEN et al.), limiarizao (CHAN et al.) e filtros morfolgicos matemticos.
Aps a etapa de segmentao, foi realizada a extrao de atributos de textura e
forma. Os atributos de textura foram calculados a partir das imagens das regies de
interesse originais, pois de acordo com a metodologia proposta por HARALICK et al.,
70
utilizam-se imagens em nveis de cinza. Os de forma foram calculados a partir das

regies de interesse segmentadas, cujas imagens foram binarizadas.
Para definir o nmero de unidades da camada escondida e o nmero de amostras
de imagens, foi aplicada a regra apresentada por Timothy Masters. De acordo com o
autor, o nmero de amostras deve ser no mnimo igual ao dobro de (n+1)xm , onde n
o nmero de entradas da rede (no nosso caso o nmero de atributos) e m igual ao
nmero de unidades da camada escondida. A quantidade (n+1)xm determina o nmero
de parmetros livres da rede neural.
Levando-se em conta o nmero de parmetros livres da rede neural, foi aplicado o
mtodo de anlise de componentes principais para a reduzir o nmero de entradas
(atributos) a serem aplicados na entrada da rede, e variados o nmero de unidades da
camada intermediria de 3 at 7, dependendo do nmero de parmetros livres
correspondentes.
A proporo e o valor acumulado mais significativos das varincias dos 28
atributos (forma e textura) foram para os primeiros 7, 8, 9 e 10 coeficientes de
componentes principais. Os valores obtidos foram 91,68%, 93,66%, 95,53% e 96,70%,
respectivamente.
Para a classificao, foi adotado o mtodo de redes neurais artificiais do tipo
multicamadas com algoritmo de treinamento por backpropagation (BPN). A funo
de ativao escolhida foi a sigmide logartmica, com os valores de treinamento na
sada da rede fixados em 0,02 para a classe benigna e 0,98 para a classe maligna. O
nmero de camadas intermedirias ficou limitado devido ao nmero de parmetros
livres e nmero de amostra de imagens. Os melhores resultados obtidos foram:
configurao com 10 coeficientes de PCA na entrada da rede, com 3 unidades
escondidas e resultados das mdias das taxas de acerto, especificidade e sensibilidade
iguais a 99,72%, 99,51% e 100,00% respectivamente. A seguir, veio a configurao
com 9 coeficientes de PCA na entrada, com 3 unidades escondidas e mdias das taxas
de acerto, especificidade e sensibilidade iguais a 99,72%, 99,84% e 99,56%
respectivamente.
6.9 Recuperao de Imagens por Contedo Atravs de Regies

Determinadas Automaticamente pela Energia
BORTOLOTTI LM e TRAINA AJM escreveram um artigo apresentando uma
tcnica para a extrao de caractersticas de imagens mdicas, baseada na determinao
71
automtica dos Minimum Bouding Rectangles (MBRs) de regies presentes na imagem,

e no processamento de suas textura. Tal tcnica visa permitir mais rapidamente a
comparao entre imagens, bem como sua recuperao por contedo da base de dados.
Assim, dada uma imagem de consulta possvel realizar uma busca em um banco de
imagens, retornando as que mais se assemelham com a fornecida, tornando possvel a
comparao com dados j existentes. Tal recurso auxilia o processo de ensino de
radiologia bem como na verificao e comparao de laudos e diagnsticos efetuados
sobre a imagem.
O mtodo proposto de extrao de caractersticas divido em duas partes. Na
primeira parte, a imagem processada e so determinadas regies com maior rea e
energia, sendo classificadas como mais significativas. Para isso uma seqncia de filtros
aplicada sobre a imagem para reduo de rudos e eliminao de regies pequenas e
pouco significativas. Na segunda, so extradas caractersticas de textura das regies
determinadas no passo anterior, utilizando-se para isso, medidas da matriz de coocorrncia.
Para a eliminao de rudos e das estruturas pequenas utilizada uma
transformada de wavelets. A transformada utilizada foi proposta por Daubechies que,
quando aplicada em uma imagem, gera uma miniatura (thumbnail) com tamanho igual a
25% da imagem original. O processamento efetuado na miniatura da imagem muito
mais rpido, j que a miniatura possui apenas (um quarto) do tamanho da imagem
original e mantm as propriedades necessrias para a identificao das regies de
interesse da imagem.
Figura 6.2 Aplicao da transformada de wavelets sobre uma imagem
72
O prximo passo do processo foi a aplicao de um filtro de deteco de bordas

sobre a imagem resultante da aplicao da transformada de wavelet. Para isso, foi
utilizado o filtro de Sobel, que compreende um conjunto de matrizes de convoluo
capaz de detectar os gradientes da imagem (bordas) nas direes vertical e horizontal.
A determinao dos MBRs realizada mediante a construo de grficos de
energia para linhas e colunas da imagem resultante da aplicao do filtro de Sobel. A
energia de um conjunto de pixels calculada somando-se as intensidades dos mesmos.
Para obter os grficos de energia das linhas e colunas a imagem percorrida e a energia
de cada linha e coluna determinada.
Figura 6.3 Grficos da energia
Como os MBRs so determinados sobre a imagem original reduzida, necessrio

a transposio das coordenadas para a imagem de entrada para que as caractersticas de
textura sejam extradas.
O passo final do processamento da imagem para a construo de seu vetor de
caractersticas consiste na extrao de caractersticas de textura utilizando-se a matriz de
co-ocorrncia. Para cada MBR pertencente ao conjunto de resposta, calculada sua
matriz de co-ocorrncia e so computadas medidas de entropia, que fornece um
indicador de suavidade da textura, e homogeneidade, que indica como os pixels de uma
regio esto distribudos em relao sua intensidade (brilho), pois, devido s
caractersticas das texturas presentes nas imagens mdicas, estas so as medidas que
melhor representam estes tipos de imagens.
73
Aps a anlise completa da imagem, o vetor de caractersticas construdo com as

seguintes informaes: o nmero de MBRs encontrados e por uma lista de medidas
extradas de cada MBR. Esta lista composta pela rea e a energia total do MBR, e as
medidas de entropia e homogeneidade extradas da matriz de co-ocorrncia. Esta lista
ordenada em ordem decrescente em relao rea, estabelecendo uma relao de ordem
no vetor de caractersticas e permitindo, assim, que imagens com diferentes nmeros de
MBRs possam ser comparadas.
Para realizao dos testes, foi utilizada uma base com 250 imagens mdicas
divididas em cinco classes de diferentes tipos de exames radiolgicos. Os testes foram
realizados por meio de consultas do tipo k-NN (k-Nearest Neighbor), que retornam os k
elementos mais prximos do dado de entrada. A comparao das imagens feita
utilizando-se a funo de distncia Euclidiana, calculada sobre o vetor de caractersticas
de cada imagem pertencente base. As distncias calculadas so ento ordenadas e o
conjunto resultado criado.
Foram realizados testes sobre um conjunto variado de tipos de exames mdicos, e
na maioria deles, os resultados obtidos foram satisfatrios, sendo que a maioria das
imagens retornadas como sendo mais similares, pertencia mesma classe da imagem de
entrada.
74
6.10 Extrao de Caractersticas de Imagens Mdicas Baseadas na

Distribuio de Cor nos Espaos de Wavelets
CASTAN CAB e TRAINA AJM escreveram um artigo que apresenta uma
tcnica de caracterizao de imagens mdicas, com a finalidade de facilitar o processo
de indexao das mesmas em estruturas multidimensionais. Uma abordagem para este
problema de caracterizao consiste na gerao de vetores de caractersticas baseadas
nas transformadas de wavelets, sendo que as caractersticas extradas agrupam-se num
vetor que constituir a identificao da imagem. Nesta proposta, o sistema extrai as
caractersticas mais relevantes da imagem, calcula a distncia entre uma imagem de
consulta e aquelas que se encontram no banco de dados, e recupera as n imagens mais
similares. A abordagem apresentada baseia-se na aplicao dos filtros das wavelets de
Daubechies sobre caractersticas globais da imagem.
As transformadas de wavelets fornecem a representao tempo-freqcia de forma
simultnea, o que de grande auxlio, pois em muitos casos de interesse conhecer a
ocorrncia de um componente espectral num determinado instante. Nesses casos pode
ser de muito interessante conhecer os intervalos de tempo onde esto esses componentes
espectrais de forma particular.
A anlise de multi-resoluo permite estudar um sinal ou uma funo em distintas
escalas. O elemento central da anlise de multi-resoluo uma funo f(t), denominada
funo escala, que tem a finalidade de representar um sinal em diferentes escalas. A
translao desta funo resulta na construo de blocos da representao do sinal em
escalas distintas. Esta escala pode ser alterada por acrscimos de dilataes (stretching)
ou diminuda mediante contraes (squeezing).
A
transformada
de
wavelet
pode
ser
desenvolvida
sobre
um
sinal
multidimensional simplesmente mediante aplicaes sucessivas de transformaes

unidimensionais atravs de todas as dimenses. Este processo muito usado no
processamento de imagens.
75
Figura 6.4 - Decomposio wavelet 2D. Imagem original, primeiro e segundo nvel de
decomposio.
Para gerar vetores de caractersticas aplicaram-se trs nveis de decomposio

wavelet, gerando dez sub-espaos (um de baixa freqncia e nove de alta freqncia). O
sub-espao de baixa freqncia corresponde verso comprimida da imagem original.
Neste processo, os parmetros extrados de cada sub-espao de alta freqncia foram
mdia, energia, entropia, gerando nove valores por cada tipo de caracterstica.
A consulta por semelhana est baseada na similaridade semntica entre as
imagens, sendo que apenas imagens do mesmo tipo devem ser pesquisadas. Por
exemplo, dada uma imagem do crebro, outras imagens deste rgo devem ser
recuperadas e exibidas como resposta. Para recuperar as imagens relacionadas, a busca
realizada em duas etapas, na primeira gera-se o vetor de caractersticas constitudo pela
media, energia e entropia de cada sub-banda. Na segunda etapa calcula-se a distncia
Euclidiana entre cada uma das imagens do banco de dados e a imagem de consulta.
Assim as distncias resultantes so ordenadas e as n menores distncias so
recuperadas.
Para avaliar a utilidade da proposta, foi desenvolvido um prottipo capaz de
realizar consultas por similaridade em um banco de dados de imagens reais. O conjunto
corresponde a grupos de exames tomogrficos com imagens consecutivas apresentando
pequenas alteraes.
Os vetores de caractersticas foram gerados sobre bandas de alta freqncia
resultado da decomposio em trs nveis. interessante ressaltar que estes sub-espaos
gerados apresentam a propriedade de ortogonalidade entre eles, o qual permite a
existncia de caractersticas no correlacionadas. Os testes do sistema desenvolvido
76
mostraram que o desempenho de recuperao foi aceitvel. Pode-se afirmar que o

presente trabalho apresenta o potencial das wavelets para caracterizar imagens. O
sistema pode ser melhorado com a adio de outras caractersticas que identifiquem
aspectos de textura e forma, sendo estes os seguintes passos no desenvolvimento de
trabalhos futuros.
6.11 Exemplo de CAD Baseado em Dados Clnicos

AMBROSIO PE desenvolveu um sistema computacional de apoio ao diagnstico
de um grupo de patologias classificadas como leses intersticiais pulmonares, com o
intuito principal de se verificar a validade da utilizao da tcnica de redes neurais
artificiais para esse fim.
O primeiro passo para o desenvolvimento da pesquisa foi definir quais as doenas
que seriam levantadas para o estudo. Como j comentado anteriormente, o nmero de
doenas que podem ser classificadas no grupo das leses intersticiais pulmonares
muito grande, englobando mais de 180 diferentes doenas. Para realizar a escolha de
quais seriam utilizadas como exemplo para o desenvolvimento do sistema, contou-se
com a ajuda de um mdico especializado na rea, atravs do qual, com base
principalmente na relevncia clnica e dificuldade do diagnstico diferencial, foram
selecionadas as patologias j descritas, sendo elas: blastomicose sul-americana, fibrose
pulmonar
idioptica,
tuberculose
miliar,
histoplasmose,
sarcoidose,
silicose,
esclerodermia, histiocitose e linfangite carcinomatosa.

Em seguida, tambm contando com a ajuda do especialista, foram levantados os
principais parmetros a serem observados no exame clnico e radiolgico que podem
auxiliar no diagnstico diferencial, chegando-se aos seguintes:
a) parmetros clnicos:
idade do paciente;
sexo;
tempo de durao dos sintomas;
constatao de estado febril;
nvel de imunidade;
relato de doena maligna;
paciente fumante;
77
relato de tratamentos com drogas;

relato de exposio constante poeira;
relato de exposio constante a antgenos orgnicos.
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
Os dados caracterizados como parmetros clnicos foram obtidos atravs do

pronturio do paciente, e quantificados da seguinte maneira:
a) Idade: idade do paciente, em anos;

b) Sexo: sexo do paciente, sendo o valor 0 para sexo masculino e valor 1 para
sexo feminino;
c) Durao dos sintomas: relatado pelo paciente, de 0 a 12 meses (relatos de mais
de doze meses foram fixados no valor 12);
d) Temperatura: observao de estado febril no momento do exame, sendo
classificado com o valor 0 para temperatura normal, e valor 1 para a constatao de
febre;
e) Imunidade: valor 0 para pacientes com imunidade normal e 1 para os
portadores de doenas do sistema imune;
f) Doena maligna: relatado pelo paciente, sendo o valor 1 para os pacientes
portadores de doena maligna e 0 caso contrrio;
g) Fumante: relatado pelo paciente, sendo 0 para no fumantes e 1 para fumantes;
h) Tratamento com drogas: pacientes com tratamento por drogas txicas foram
classificados com o valor 3, pacientes tratados por drogas pouco txicas receberam o
valor 2, tratados com drogas no txicas valor 1, e pacientes que no receberam nenhum
tratamento por drogas classificados com o valor 0;
i) Exposio poeira: pacientes que relataram exposio constante poeira
receberam valor 1, caso contrrio 0;
j) Exposio a antgenos orgnicos: tambm relatada pelo paciente, a exposio a
qualquer tipo de antgeno orgnico recebeu o valor 1, e valor 0 caso contrrio.
Os parmetros radiolgicos foram quantificados pelo profissional especializado

com base na observao das imagens radiolgicas catalogadas tambm no pronturio do
paciente. Essa quantificao foi realizada com valores inteiros no intervalo de 0 a 5 para
todos os campos, exceto o tamanho cardaco (intervalo de 1 a 5), sendo dado o valor 0
para a ausncia de leso, e valores maiores para o nvel (ou tamanho) da presena de
leso (na anlise do campo superior esquerdo da imagem, verificando-se ausncia de
leses nessa rea, quantificou-se com o valor 0; por outro lado, verificando-se leses
abrangendo toda a rea, valor 5).
Nota-se que essa quantificao dos parmetros radiolgicos foi realizada de
80
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
Tabela 6.1 Codificao das patologias.

Patologia
Representao numrica
Linfangite carcinomatosa
000000001
Histiocitose
000000010
Esclerodermia
000000100
Silicose
000001000
Sarcoidose
000010000
Histoplasmose
000100000
Tuberculose miliar
001000000
Fibrose pulmonar idioptica
010000000
Blastomicose sul-americana
100000000
Um exemplo contendo alguns registros da base de dados utilizados como entrada

da rede na fase de treinamento mostrado na Tabela 6.2.
Tabela 6.2 Registros utilizados como entrada da Rede Neural.
52 0 3 0 0 1 1 0 0 0 1 2 2 3 2 3 1 1 2 1 2 2 2 2 2 1 0 0 0 0 0 0 0 0 1
31 0 1 1 1 0 0 1 0 0 2 2 2 2 3 3 2 3 2 2 0 0 0 1 0 1 0 0 1 0 0 0 0 0 0
23 0 4 1 1 0 0 1 0 0 2 2 3 2 3 2 1 3 2 3 0 0 0 1 0 1 0 0 1 0 0 0 0 0 0
65 1 8 0 0 0 0 0 0 0 0 0 0 1 3 3 2 2 2 0 0 1 0 0 0 1 0 0 0 0 0 0 1 0 0
Estabeleceu-se, portanto, a configurao ideal da rede neural, para esse trabalho,

composta de 26 elementos na camada de entrada (os 26 elementos do protocolo de
entrada), 9 elementos na camada de sada (as 9 patologias a serem classificadas) e uma
camada oculta com 19 elementos, conectando a camada de entrada de sada.
A sada do sistema apresenta todas as nove patologias possveis, classificadas de
acordo com a probabilidade de ser a correta. Foram analisadas as situaes em que o
sistema apresentou o resultado correto como primeira ou segunda opo da lista
classificada.
Um importante detalhe que se pde observar durante o desenvolvimento do estudo
foi a grande subjetividade apresentada pelos mdicos especialistas na anlise e
quantificao dos parmetros radiolgicos para a elaborao do diagnstico.
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:
Detectar reas hiperdensas ou hipodensas em TC de crnio;
Excluir potenciais rudos oriundos da filtragem;
Quantificar as reas hiperdensas ou hipodensas;
Permitir ao usurio a criao de sua base de dados de conhecimento. Este banco

de dados possibilitar a continuidade no desenvolvimento de novas ferramentas.
Fornecer ao usurio uma interface bastante amigvel.
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.
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.
7.2 Construo do Banco de Dados

Para treinamento e teste dos sistemas propostos, esto disponveis imagens de
exames de Tomografia Computadorizada de Crnio, seus respectivos laudos emitidos e
revisados por especialistas (radiologistas) e o questionrio respondido por pacientes ou
seus acompanhantes.
14
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
7.2.1 Busca de informaes relevantes no Banco de Dados do RIS

Os laudos dos exames esto disponveis no Banco de Dados do Sistema de
Gesto da Clnica RIS15 onde foram realizados os exames. A extrao dos laudos, bem
como a identificao dos exames normais e anormais realizada atravs de comandos
SQL em um Banco de Dados Firebird16.
Para identificao dos exames que tiveram diagnstico que apontavam para a
ocorrncia da sndrome do AVC, foi necessria a realizao de buscas no banco de
dados do RIS por palavras que pudessem caracterizar os eventos isqumicos e
hemorrgicos.
Do contato com especialistas, pode-se observar que a descrio dos achados
sempre identificada pela presena das palavras isquemia, isqumico, isqumica,
hemorragia, hemorrgico ou hemorrgica.
Face ao exposto, foram criados scripts SQL com o objetivo de identificar e
distinguir os nmeros dos exames que poderiam caracterizar um AVC Isqumico ou
Hemorrgico, alm de extrair a data de nascimento e sexo dos respectivos pacientes.
As caractersticas necessrias para a busca por exames de AVC Isqumico so:
Ser uma Tomografia Computadorizada de Crnio;
Ter sido realizado entre 01/01/2006 e 31/12/2007;
Conter no corpo do laudo uma das palavras isquemia, isqumico ou isqumica e

seus plurais.
Um exemplo de laudo mostrado a seguir:
Foram realizados cortes axiais paralelos a linha rbito-meatal, com 3 mm de intervalo

entre os cortes na fossa posterior e 7 mm na regio supra tentorial, sem contraste
iodado, que demonstraram:
- O parnquima dos lobos cerebrais apresenta valores de atenuao dentro dos padres
normais.
- Ncleos da base, tlamos e regies capsulares sem alteraes.
- Hemisfrios cerebelares de aspecto anatmico.
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
- Sistema ventricular de configurao anatmica e volume normal.

- Cisternas da base de amplitudes normais.
- Ventrculos supra-tentoriais, sulcos corticais e cisternas da base proeminentes.
- Quarto ventrculo centrado.
- Involuo fisiolgica do parnquima cerebral manifesto por ampliao dos sulcos e
cisternas e por expanso secundria do sistema ventricular.
- reas hipodensas circunscritas, sugestivas de leses isqumicas focais.

- Alteraes neurodegenerativas compatveis com a faixa etria.
A linha grifada pode ser encontrada no banco de dados atravs da busca pela
palavra-chave isqumicas.
As caractersticas necessrias para a busca por exames de AVC Hemorrgico

so:
Ser uma Tomografia Computadorizada de Crnio;
Ter sido realizado entre 01/01/2006 e 31/12/2007;
Conter no corpo do laudo uma das palavras hemorragia, hemorrgico,

hemorrgica ou hematoma e seus plurais.
Um exemplo de laudo mostrado a seguir:
Foram realizados cortes axiais paralelos a linha rbito-meatal, com 3 mm de intervalo

entre os cortes na fossa posterior e 7 mm na regio supra tentorial, sem contraste
iodado, que demonstraram:
- rea com densidade espontaneamente densa acometendo o ncleo lentiforme

esquerdo, devendo corresponder a leso de natureza vascular com componente
hemorrgico recente.
- Pequenas reas focais de baixa densidade acometendo coroas radiadas e cpsula
externa direita, sugestivas de leses de natureza vascular.
- Sistema ventricular de configurao anatmica e volume normal.
- Cisternas da base de amplitudes normais.
- Calcificaes parietais vasculares.
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.
Figura 7.2 Fluxo de separao das imagens dos exames
Exemplos de imagens obtidas caracterizando AVC Isqumico e Hemorrgico

so mostrados na Figura 7.3 e na Figura 7.4.
87
Figura 7.3 Imagens de um exame de Tomografia Computadorizada - AVC Isqumico
Figura 7.4 Imagens de um exame de Tomografia Computadorizada - AVC

Hemorrgico
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.
Figura 7.5 Cabealho DICOM mostrando alterao do nome do paciente
Como Parmetro Radiolgico, foi utilizada a quantidade de pixels remanescentes

aps a aplicao de filtros e de tcnicas de processamento de imagem, conforme
detalhado na seo 7.3.1.
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
que podem auxiliar no diagnstico diferencial, chegando-se aos seguintes:
Idade do paciente;
Sexo;
Fumante;
Vmito;
Diabetes;
Cefalia;
Tempo de cefalia;
Angina;
Dficit motor;
Presso alta;
Depresso do estado de conscincia17.
Para a coleta destas informaes, foi elaborada uma ficha contendo os

parmetros clnicos acima citados. Esta ficha foi distribuda a todos os pacientes que
realizaram exames de Tomografia Computadorizada do Crnio e foi preenchida pelo
paciente ou seu acompanhante, com exceo da idade e do sexo do paciente que foram
coletados diretamente do banco de dados do RIS.
Estas fichas foram posteriormente digitadas e foi gerada uma planilha contendo
os nmeros dos exames, a idade e o sexo dos pacientes e os valores anotados para cada
parmetro clnico. O modelo de ficha utilizado mostrado na Figura 7.6.
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
Figura 7.6 Ficha de Anamnese
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.
Figura 7.7 - AVC Hemorrgico
Figura 7.8 - AVC Isqumico
Foi realizada a filtragem por densidades das imagens dos exames. Leses
hemorrgicas mostram-se hiperdensas (mais claras, com densidades entre 60 e 75
92
Unidades Hounsfield - UH18), enquanto que leses isqumicas apresentam-se

hipodensas (mais escuras com densidades entre 15 e 20 UH).
Figura 7.9 - AVC Isqumico e imagem ps filtragem
Figura 7.10 - AVC Hemorrgico e imagem ps filtragem
A Figura 7.9 e a Figura 7.10 mostram imagens axiais obtidas no exame de

Tomografia Computadorizada do Crnio com as respectivas imagens das leses
extradas pela filtragem de densidades.
Foi desenvolvido um mecanismo de duplo filtro, que realiza a busca por leses
hemorrgicas e isqumicas em todas as imagens dos exames. Este duplo filtro consiste
em uma filtragem buscando leses hipodensas e outra buscando leses hiperdensas.
18
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
Feito isto, observou-se que as imagens resultantes da filtragem apresentavam

pixels isolados, no conectados regio da leso e que no deveriam ser considerados
na quantificao. Face ao exposto, foi aplicada a operao morfolgica de eroso, que
visa eliminar os pixels que no apresentem ligaes com outros, podendo ser
considerados como rudos. Foi utilizado um elemento estruturante em formato de
diamante com raio 2.
Figura 7.11 - Eroso
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.
Figura 7.12 - Dilatao

94

na anlise das imagens radiolgicas dos pacientes. Como resultado das filtragens e da
aplicao dos operadores morfolgicos, obteve-se uma contagem de pixels
remanescentes na faixa que caracteriza leses isqumicas e outra contagem para a faixa
que caracteriza leses hemorrgicas. Consideram-se pixels remanescentes aqueles
pixels visveis, com valores diferentes de zero ou no pretos das imagens.
Essa quantificao foi realizada aps as operaes de eroso e dilatao para que
os rudos no fossem computados. Um exemplo de quantificao para um exame de TC
de Crnio com 22 imagens mostrado na Tabela 7.1.
Tabela 7.1 Exemplo de quantificao para uma TC de Crnio

Filtros
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
Os exames de Tomografia Computadorizada so originalmente formados por

vrias imagens axiais. Porm, nem todas as imagens de um exame apresentam pixels
com valores significativos para caracterizar uma patologia, sendo, portanto, imagens
95
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
Foi verificado que em alguns casos ocorreu o no preenchimento de alguns

parmetros clnicos contidos na anamnese.
96
Os exames cujas anamneses no apresentavam respostas para qualquer um dos

parmetros clnicos primrios foram descartados, no sendo usados para a composio
do banco de dados.
Em contrapartida, para exames cujas anamneses apresentavam parmetros
clnicos secundrios com preenchimento incompleto, foi considerada a ausncia de
preenchimento como uma resposta indefinida.
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
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
Pacientes com idade entre 0 e 20 anos receberam valor 0,25;
Pacientes com idade superior a 60 anos receberam valor 1.
b) Sexo
Pacientes do sexo masculino receberam valor 0,5;
Pacientes do sexo feminino receberam valor 1.
c) Vmito
Valor 0,5 para pacientes que no apresentaram episdio de vmito;
Valor 1 para pacientes que apresentaram episdio de vmito.
d) Diabetes
Valor 0,5 para pacientes com taxa de glicose normal;
Valor 1 para pacientes com altas taxas de glicose.
e) Fumante
Valor 0,5 para no fumantes;
Valor 1 para fumantes.
f) Cefalia
Valor 0,5 para os pacientes que no sentiam dores de cabea;
Valor 1 para os pacientes que sentiam dores de cabea.
g) Tempo de cefalia:
Pacientes que no sentiram dores de cabea receberam valor 0;
Pacientes que tiveram cefalia nas ltimas 24 horas receberam valor 0,25;
Pacientes que tiveram cefalia nas ltimas 48 horas receberam valor 0,5.;
Pacientes que tiveram cefalia na ltima semana receberam valor 0,75;
Pacientes que tiveram cefalia no ltimo ms receberam valor 1.
h) Angina:
Pacientes que no relataram dor no peito receberam 0,5;
Pacientes que relataram dor no peito receberam valor 1.
i) Dficit motor:
Movimentos normais receberam o valor 0,5;
A perda de movimento em qualquer membro do corpo recebeu o valor 1.
j) Presso alta
98
Pacientes que relataram no sofrer de presso alta receberam valor 0,5;
Pacientes que relataram sofrer de presso alta ou que apresentaram valores

altos recentemente medidos receberam valor 1.
l) Depresso do estado de conscincia: Foi utilizada a Escala de Coma de

Glasgow. Ela compreende trs testes: respostas de abertura ocular, fala e capacidade
motora. A soma dos trs valores foi considerada. A Escala de Coma de Glasgow menor
possvel 3 (coma profundo) e o maior 15 (pessoa desperta). Os valores encontrados
foram normalizados, sendo todos eles divididos por 15.
Os possveis valores para codificao dos parmetros clnicos so mostrados na
Tabela 7.4.
Tabela 7.4 Codificao dos parmetros clnicos
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
Depresso do estado de conscincia
1
1
1
0,5
0a1
7.4.3 Conjunto de treinamento e testes

Do conjunto de dados coletados, elaborou-se a base computacional para o
treinamento do sistema. Cada um dos 780 registros dessa base (total de casos coletados)
compe-se de uma cadeia de 13 valores numricos, representando os 11 campos dos
parmetros clnicos e os 2 campos da codificao dos parmetros radiolgicos (grupos
com informaes de pixels remanescentes representando a quantificao dos pixels para
leses isqumicas e hemorrgicas). A codificao numrica das patologias investigadas,
para representar a sada esperada mostrada na Tabela 7.6.
99
Um exemplo contendo alguns registros da base de dados utilizados como entrada

da rede na fase de treinamento mostrado na Tabela 7.5.
Tabela 7.5 - Registros da base de dados utilizados como entrada da rede neural
Entrada
Codificao
1 1 0.5 0.5 1 0.5 0 0.5 0.5 1 0 0.03 0.01
1 1 0.5 1 0.5 1 1 0.5 1 1 0.9 0.17 0.94
1 1 1 1 0.5 1 0.5 1 0.5 0.5 0.8 0.67 0.10
1 0 0.5 1 0.5 1 0.75 1 0.5 1 1 0.71 0.67
7.5 Rede Neural

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.
Para o treinamento da rede foi utilizado o programa Matlab. Os pesos oriundos do
processo de treinamento foram armazenados e utilizados posteriormente na ferramenta
desenvolvida.
Vrios testes para diferentes configuraes da rede foram realizados. Mantendo-se
sempre o mesmo nmero de elementos nas camadas de entrada e de sada, ou seja, 13
ns na camada de entrada (representando os 13 parmetros do protocolo de entrada), e 2
ns na camada de sada (cada um representando um dos padres de classificao).
Foi utilizada a Tabela 7.6 como valores alvo da rede neural.
Tabela 7.6 Codificao das Patologias
Patologia
Representao numrica
Neurnio 1 Neurnio 2
Exame Normal
AVC Hemorrgico
AVC Isqumico
AVC Hemorrgico e Isqumico
100
Na maioria das publicaes verificadas obteve-se, como sugesto, iniciar os

trabalhos com uma configurao de uma camada oculta com um pequeno nmero de
elementos e ir aumentando essa quantidade para se verificar as diferenas. Testou-se
uma srie de variaes quanto ao nmero de elementos ocultos. Partiu-se inicialmente
com uma configurao de apenas uma camada oculta composta de 2 elementos, e
aumentou-se gradativamente esse nmero at alcanar um bom desempenho, conforme
descrito no captulo 8.
O nmero de camadas ocultas tambm alvo de intensas pesquisas para se tentar
alcanar os valores mais adequados. Optou-se, nesse trabalho, em efetuar tambm testes
com duas camadas ocultas. Nesses testes, os ndices encontrados ficaram abaixo dos
encontrados com apenas uma camada oculta, no justificando o aumento da
complexidade e do peso computacional da implementao.
Estabeleceu-se, portanto, a configurao ideal da rede neural, para esse trabalho,
composta de 13 elementos na camada de entrada (os 11 elementos dos parmetros
clnicos e os 2 elementos dos parmetros radiolgicos), 2 elementos na camada de sada
(as 2 patologias a serem classificadas, podendo ocorrer simultaneamente) e uma camada
oculta com 7 elementos, conectando a camada de entrada de sada, como mostrado na
Figura 7.13.
Figura 7.13 Exemplo da rede neural utilizada
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:
Teste para escolha da melhor arquitetura da rede neural;
Teste da importncia dos dados da anamnese secundrios;

Verificao da necessidade dos parmetros clnicos secundrios para a
soluo do problema.
Teste da importncia da aplicao de filtros morfolgicos;
Teste da importncia dos parmetros radiolgicos.
Todos os testes foram avaliados em relao ao percentual de acerto na base de

dados de treinamento e foram utilizadas as medidas de sensibilidade (Sn) e
especificidade (Sp) para a base de dados de validao. Usualmente, a sensibilidade e a
especificidade so definidas como:
Sn =
TP
TP + FN
(Equao 8.1)
Sp =
TN
TN + FP
(Equao 8.2)
Onde:
TP (os verdadeiros positivos (true positives)) so os exames com AVC preditos

corretamente;
TN (os verdadeiros negativos (true negatives)) so os exames normais preditos

corretamente;
FP (os falsos positivos (false positives)) so os exames normais preditos como

AVC;
FN (os falsos negativos (false negatives)) so os exames com AVC preditos

como normais.
102
Pode-se dizer que Sn a proporo de exames com AVC que so corretamente

preditos, e que Sp a proporo de exames normais que so corretamente preditos.
Estas medidas so importantes para a avaliao da taxa de acerto da ferramenta.
8.1 Avaliao do modelo para deteco de AVCs

8.1.1 Seleo de dados
Para este estudo foram criadas bases de dados para treinamento e validao.
Foram utilizados os dados extrados do RIS conforme descrito na seo 7.2.1. Dos
9.000 exames do encfalo, foram selecionados 7.257 exames cujos parmetros clnicos
primrios estavam todos preenchidos. Destes foram separados aleatoriamente 1.000
exames. Oito deles apresentaram ambas patologias. Os exames foram agrupados em:
Exames normais: 672
Exames com AVC isqumico: 157
Exames com AVC hemorrgico: 179
Aps a etapa de pr-processamento, foram encontradas 4.160 imagens com pixels

remanescentes, sendo 1.524 caractersticas de AVC Hemorrgico, 1.572 caractersticas
de AVC Isqumico e 1.254 imagens normais. As imagens que apresentaram valores
nulos de pixels remanescentes aps o pr-processamento no foram utilizadas.
O banco de dados foi criado utilizando 80% dos dados para treinamento e 20%
dos dados para validao. A base de treinamento contm:
Imagens AVC hemorrgico: 1.220;
Imagens AVC isqumicos: 1.258;
Imagens sem AVC: 1.004.
A base de validao contm:
Imagens AVC hemorrgico: 324;
Imagens AVC isqumicos: 314;
Imagens sem AVC: 250.
103
8.1.2 Testes para a escolha da melhor arquitetura de rede neural

Os testes realizados para encontrar a melhor arquitetura foram:
Tamanho da camada escondida

Busca da melhor quantidade de neurnios na camada escondida.
Influncia do valor de sada da rede neural

Avaliao da sada da rede neural como probabilidade de uma imagem ser
um AVC.
8.1.2.1 Tamanho da camada escondida

A taxa de aprendizado utilizada na rede backpropagation foi de 0,05 e o momento
foi de 0,7. A base de dados utilizada para estes testes continha todos os parmetros
clnicos e radiolgicos codificados.
Os resultados encontrados esto na Tabela 8.1, que mostra na primeira coluna o
tamanho da camada escondida testada, a seguir as informaes da taxa de acerto na base
de dados de treinamento e generalizao. A Figura 8.1 mostra a variao da taxa de erro
(erro mdio quadrtico) da melhor rede neural encontrada.
Variao da Taxa de Erro em relao a quantidade de pocas

2500,00
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
neural Backpropagation com 7 neurnios na camada escondida
104
Tabela 8.1 - Resultados dos testes com tamanho da camada intermediria da rede neural
Base de Dados Base de Dados

Camada Escondida
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
A melhor e mais simples rede neural encontrada possui 7 neurnios na camada

escondida. Esta rede obteve convergncia com aproximadamente 800 pocas. Foram
consideradas imagens normais, imagens compatveis com AVCs Hemorrgicos e/ou
Isqumicos aquelas cujas sadas da rede neural apresentaram os valores conforme
mostrado na Tabela 8.2.
Tabela 8.2 Valores limite
Patologia
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
Neurnios na camada intermediria
Figura 8.2 Grfico comparativo das taxa de erro em relao quantidade de neurnios
na camada escondida para rede neural
Percebeu-se, experimentalmente, que a variao do tamanho da camada escondida

para este problema, a partir de certo ponto, piora a taxa de acerto da validao. Isto se
deve ao fato da rede neural estar se especializando nos dados de treinamento, perdendo
a sua capacidade de generalizao.
O tempo de treinamento da melhor rede neural foi de 55 minutos num Pentium D
2.8GHz com 2 GBytes de memria RAM.
8.1.2.2 Testes da influncia do valor de sada da rede neural

Para os testes da influncia do valor de sada da rede neural nos resultados foi
escolhida uma rede neural com 7 neurnios na camada escondida, por ter sido a rede
neural que encontrou o melhor desempenho nos testes de tamanho da rede.
foi de 0,7.
Os resultados encontrados esto na Tabela 8.3, que na primeira coluna mostra o
valor de sada dos dois neurnios e em seguida as informaes de taxa de acerto na base
de treinamento, e sensibilidade e especificidade na base de validao.
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
Sada <0,1 exame normal e >0,9 com AVC
98,8
0,94
0,90
99,9
0,96
0,94
92,6
0,89
0,86
87,1
0,75
0,69
Influncia do valor de sada na RN

1,2
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
De acordo com os resultados encontrados, a variao do valor de sada

influencia os resultados gerando alguns falsos positivos e falsos negativos, como pode
ser visto na Figura 8.3.
107
8.1.3 Teste da importncia dos dados secundrios da anamnese

Este teste tem como objetivo verificar a necessidade da existncia dos parmetros
clnicos secundrios.
Para os testes da importncia dos dados secundrios da anamnese foi escolhida
uma rede neural com 7 neurnios na camada escondida, por ter sido a rede neural que
encontrou o melhor desempenho nos testes de tamanho da rede.
A Tabela 8.4 mostra na primeira coluna os testes realizados, e nas demais colunas
os resultados da taxa de acerto no banco de dados de treinamento, e a sensibilidade e a
especificidade para a base de validao.
Tabela 8.4 Importncia dos dados secundrios da anamnese
Banco de Dados Banco de Dados
Parmetros Utilizados
Treinamento
Validao
(%)
Sn
Sp
Parmetros clnicos primrios e pixels remanescentes
99,2
0,89
0,85
Parmetros clnicos secundrios e pixels remanescentes
98,7
0,77
0,74
Todos os parmetros e pixels remanescentes
99,9
0,96
0,94
Variao da Taxa de Erro em relao a quantidade de pocas

30,00
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
neural backpropagation com 7 neurnios na camada escondida
108

foi de 0,7. Foram consideradas imagens normais, imagens compatveis com AVCs
Hemorrgicos e/ou Isqumicos aquelas cujas sadas da rede neural apresentaram os
valores conforme mostrado na Tabela 8.2.
De acordo com a Figura 8.5, o uso de todos os parmetros clnicos (primrios e
secundrios) em conjunto com os parmetros radiolgicos foi a 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. A rede neural somente com os parmetros clnicos secundrios gerou um
desempenho bastante inferior s demais. Portanto, esta informao bastante
importante para o desempenho timo da rede, desde que utilizada em conjunto com os
demais parmetros.
Importncia dos dados secundrios da anamnese

1,2
1
Erro
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
8.1.4 Teste da importncia dos parmetros clnicos e radiolgicos

Este teste tem como objetivo verificar a necessidade da existncia dos parmetros
clnicos e radiolgicos em conjunto.
Para os testes da importncia dos parmetros clnicos e radiolgicos foi escolhida
uma rede neural com 7 neurnios na camada escondida, por ter sido a rede neural que
encontrou o melhor desempenho nos testes de tamanho da rede.
109

A Tabela 8.5 mostra na primeira coluna os testes realizados, e nas demais colunas
os resultados da taxa de acerto no banco de dados de treinamento, e sensibilidade e
especificidade para o banco de dados de validao.
Tabela 8.5 Importncia dos parmetros clnicos e radiolgicos
Parmetros Utilizados
Treinamento
Validao
(%)
Sn
Sp
Parmetros clnicos
87,0
0,64
0,61
Parmetros radiolgicos
85,8
0,71
0,69
Parmetros clnicos e radiolgicos
99,9
0,96
0,94
De acordo com os resultados, a rede neural com os parmetros combinados foi a

que alcanou o melhor desempenho. Percebe-se que a rede neural sem os parmetros
clnicos ou radiolgicos tem a sua taxa de erro aumentada, caracterizando a importncia
desta informao para o desempenho da rede.
Parmetros clnicos e radiolgicos

1,2
1
Erro
0,8
Sn
0,6
Sp
0,4
0,2
0
Parmetros clnicos
Parmetros
radiolgicos
Parmetros clnicos
e radiolgicos
Parmetros
Figura 8.6 Grfico comparativo da importncia dos parmetros clnicos e radiolgicos
110
8.1.5 Teste da importncia dos filtros morfolgicos

Este teste tem como objetivo verificar a necessidade da existncia de filtros
morfolgicos descritos na seo 8.3.1.
Para os testes da importncia dos filtros morfolgicos foi escolhida uma rede
neural com 7 neurnios na camada escondida, por ter sido a rede neural que encontrou o
melhor desempenho nos testes de tamanho da rede.
A Tabela 8.6 mostra na primeira coluna o teste realizado, e nas demais colunas os
resultados da taxa de acerto no banco de dados de treinamento e validao.
Tabela 8.6 Importncia dos filtros morfolgicos
Filtros Utilizados
Treinamento
Validao
(%)
Sn
Sp
Utilizando somente filtragem por densidade
93,3
0,68
0,63
Utilizando filtragem e eroso
97,2
0,88
0,87
Utilizando filtragem, eroso e dilatao
99,9
0,96
0,94
De acordo com os resultados, percebe-se 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.
111
Importncia dos filtros morfolgicos

1,2
1
Erro
0,8
Sn
0,6
Sp
0,4
0,2
0
Utilizando somente
filtragem por
densidade
Utilizando filtragem Utilizando filtragem,

e eroso
eroso e dilatao
Filtros
Figura 8.7 Grfico comparativo da importncia dos filtros morfolgicos
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.
9.1 Diagrama do Contexto do Sistema CAD-BR

O diagrama do contexto tem como objetivo demonstrar a interface externa com o
sistema. Na ferramenta CAD-BR, o principal ator o clnico. A Figura 9.1 mostra o
diagrama do contexto do sistema CAD-BR.
Figura 9.1 Diagrama do contexto do sistema CAD-BR
9.2 Diagrama de Fluxo de Dados do Sistema CAD-BR

O diagrama de fluxo de dados (DFD) oferece uma viso orientada das funes
do sistema. O sistema CAD-BR possui, basicamente, a funo de testar um conjunto
contendo parmetros clnicos e radiolgicos baseado num banco de dados de parmetros
treinados. O banco de dados de parmetros treinados gerado no modo treinamento. A
Figura 9.2 mostra este diagrama.
113
Figura 9.2 Diagrama de Fluxo de Dados (DFD) do sistema CAD-BR
9.3 Diagrama de Transio de Estados do sistema CAD-BR

O diagrama de transio de estados (DTE) mostra o comportamento tempodependente do sistema. A Figura 9.3 mostra os estados do sistema CAD-BR.
Figura 9.3 Diagrama de Transio de Estados (DTE) do sistema CAD-BR
114
9.4 Funcionamento do sistema CAD-BR

Nesta seo ser explicado o funcionamento do sistema CAD-BR. Este sistema
foi dividido nos seguintes subsistemas:
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
9.5 Telas do programa

Aps a inicializao o programa exibe a tela mostrada na Figura 9.4.
Figura 9.4 Tela de abertura
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.
Figura 9.5 Tela de seleo da pasta onde esto as imagens 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.
Figura 9.6 Seleo do arquivo de anamnese: importao ou 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
Caso haja a opo pelo preenchimento manual, a ficha em formato digital

mostrada na Figura 9.7. Nesta tela devem ser preenchidos todos os parmetros clnicos
conforme mostrado na seo 7.4.2.
117
Figura 9.7 Tela de preenchimento da ficha de anamnese
Aps o preenchimento ou importao do arquivo de anamnese, inicia-se o

processamento do exame. Ao trmino mostrada uma tela onde indicada a presena
de leses hemorrgicas ou isqumicas e so listadas as imagens do exame que
apresentaram as patologias estudadas. Caso o sistema considere o exame como normal,
mostrada a informao que no foram encontradas imagens que caracterizassem AVC.
A tela com o resultado mostrada na Figura 9.8.
118
Figura 9.8 Tela de resultado
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.
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
As grandes vantagens e contribuies do sistema proposto so a facilidade na

manipulao da ferramenta e a boa taxa de acerto proporcionada.
A grande dificuldade no desenvolvimento deste trabalho foi criar a base de
dados para utilizao como entrada da rede neural. Este processo envolveu a
manipulao de muitos DVDs e fichas de anamnese. Outra grande dificuldade foi
encontrar os melhores valores dos filtros utilizados no processo de quantificao dos
parmetros radiolgicos.
Tendo em vista o que foi apresentado ao longo do trabalho, pode-se dizer que o
sistema proposto e as tcnicas associadas a ele possibilitam grande facilidade na
classificao das imagens dos exames podendo ser considerado de grande valia no apoio
deciso do tratamento clnico emergencial.
121
Sugestes para trabalhos futuros

Pode-se sugerir, para o futuro, os seguintes trabalhos:
aplicao de outras tcnicas de processamento de imagens para o

acoplamento nesta ferramenta;
desenvolvimento de ferramentas para a localizao da leso;
desenvolvimento de ferramentas para a visualizao 3D da leso;
adaptao dos parmetros clnicos e radiolgicos para a deteco de outras

patologias;
aplicao de tcnicas para descoberta da melhor rede neural em um menor

tempo;
utilizao de outros tipos de redes neurais para maximizar o desempenho

da ferramenta.
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
Image feature analysis and computer-aided diagnosis in digital radiography: automated

detection of microcalcifications in mammography, Med Phys - 1987.
CHEN DR, CHANG RF, HUANG YL, Computer-aided diagnosis applied to US of
solid breast nodules by using neural networks, Radiology - 1999.
COOK HM, FOX MD, Application of expert systems to mammographic image
analysis, Am J Physiol Imaging - 1989.
DOI K, Computer-aided diagnosis and its potential impact on diagnostic radiology, In:
Doi K, MacMahon H, Giger ML, Hoffmann KR, eds, Computer-aided diagnosis in
medical imaging, Amsterdam: Elsevier Science - 1999.
DOI K, MACMAHON H, GIGER ML, HOFFMANN KR, Computer-aided diagnosis in
medical imaging. Excerpta Medica, International Congress Series II82, Radiology.
Amsterdam: Elsevier - 1999.
DOI T, HASEGAWA A, HUNT B, et al. Clinical results with the R2 ImageCheckerTM
mammographic CAD system. In: Doi K, MacMahon H, Giger ML, Hoffmann KR, eds.
Computer-aided diagnosis in medical imaging. Amsterdam: Elsevier Science - 1999.
D'ORSI CJ, BASSET LW, FEIG AS, et al. Breast Imaging Reporting and Data System
(BI-RADS). Reston, VA: American College of Radiology, 1998.
DUDA RO, HART PE, Pattern classification and scene analysis. New York: John
Wiley & Sons - 1973.
ESTEVAM RH JR., Propagao de Evidncias em Redes Bayesianas: Diagnstico
sobre Doenas Pulmonares - Dissertao de Mestrado. Braslia: UNB, Cincia de
Computao, 1997.
FERRARI RJ, AZEVEDO-MARQUES PM, FRRE AF, KINOSHITA SK, SPINA
LAR, Characterization of breast cancer using statistical approaches. In: Doi K,
MacMahon H, Giger ML, Hoffmann KR, eds. Computer-aided diagnosis in medical
imaging. Amsterdam: Elsevier Science - 1999.
FRITZ SL, DICOM standardization, Filmless radiology, Springer Verlag - 1999
FORREST JV, FRIEDMAN PJ. Radiologic errors in patients with lung cancer, West J
Med - 1981.
GALE AG, ROEBUCK EJ, RILEY P, WORTHINGTON BS, Computer aids to
mammographic diagnosis, Br J Radiol - 1987.
GE MEDICAL SYSTEMS, Sytec 3000 Introduction & Prerequisite Study Package,
General Electric Company, EUA, 1992.
124
GE MEDICAL SYSTEMS, The Physics of Computerized Tomography, General

Electric Company, EUA - 1991.
GENARO S, Sistemas Especialistas: o conhecimento artificial. So Paulo: Livros
Tcnicos e Cientficos Editora S.A. - 1986.
GIGER ML, Computer-aided diagnosis, RSNA Course in Breast Imaging - 1999.
GILHUIJS KGA, GIGER ML, BICK U, Computerized analysis of breast lesions in
three dimensions using dynamic magnetic resonance imaging, Med Phys - 1998.
HARALICK RM, SHANMUGAN K, DINSTEIN I. Textural features of images
classification, IEEE Trans Systems Man Cybernetics SMC-3 - 1993.
HARMON P, Sistemas Especialistas, Rio de Janeiro: Editora Campus, 1988.
HAYKIN S, Neural Networks: a comprehensive foundation, Prentice-Hall, EUA, 1994.
HORIIL SC, PRIOR FW, BIDGOOD WD, PARISOT CS, CLAEYS GT, DICOM: An
Introduction
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
Amsterdam: Elsevier Science - 1999.

MASCIO LN, FRANKEL SD, HERNANDEZ JM, LOGAN CM, Building the digital
mammogram library with image groundtruth, In: Doi K, Giger ML, Nishikawa RM,
Schmidt RA, eds. Digital mammography'96. Excerpta Medica, International Congress
Series 1119. Amsterdam: Elsevier - 1996.
MATHERON G., SERRA J, Image Analysis and Mathematical Morphology, Academic
Press, Londres 1988.
MCNITT-GRAY MF, WYCKOFF N, HART EM, SAYRE JW, GOLDIN JG,
ABERLE DR, Computer-aided techniques to characterize solitary pulmonary nodules
imaged on CT, In: Doi K, MacMahon H, Giger ML, Hoffmann KR, Computer-aided
diagnosis in medical imaging, Amsterdam, Elsevier Science - 1999.
MERGE TECHNOLOGIES INCORPORATED, The Current Status of the DICOM
Standard, EUA - 1996.
METZ CE, ROC methodology in radiologic imaging. Invest Radiol - 1986.
MONNIER-CHOLLEY L, MACMAHON H, KATSURAGAWA S, MORISHITA J,
DOI K, Computerized analysis of interstitial infiltrates on chest radiographs: a new
scheme based on geometric pattern features and Fourier analysis, Acad Radiol - 1995.
MODIC M T, Cerebrovascular Disease of the Brain, In: Haaga e Alfidi, Computed
Tomography of the Whole Body, Mosby Company, Missouri 1988.
NAKAMORI N, DOI K, SABETI V, MACMAHON H. Image feature analysis and
computer-aided diagnosis in digital radiography: automated analysis of sizes of heart
and lung in chest images, Med Phys - 1990.
NEMA STANDARDS PUBLICATION, Digital Imaging and Communications in
Medicine (DICOM) Part 3 - Information Object Definition Final Text - 1993,
ftp://ftp.xray.hmc.pcu.edu/dicom_docs/dicom3.0/word_hqx
Medicine (DICOM) Part 5: Data Structures and Encoding Format Final Text - 1993,
Medicine
(DICOM)
Part
6:
Data
Dictionary
Final
Text
1993,
Medicine (DICOM) Part 10: Media Storage and File Format Final Text - 1993,
126
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

Acidentes Vasculares Cerebrais

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Acidentes Vasculares Cerebrais

Uploaded by

Copyright:

Available Formats

FERRAMENTA DE AUXLIO DIAGNSTICO PARA O TRATAMENTO

DE ACIDENTES VASCULARES CEREBRAIS

Elias Restum Antonio

TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAO DOS

NECESSRIOS PARA A OBTENO DO GRAU DE DOUTOR EM CINCIAS

RIO DE JANEIRO, RJ BRASIL

ANTONIO, ELIAS RESTUM

II. Ttulo (srie)

Resumo da Tese apresentada COPPE/UFRJ como parte dos requisitos necessrios

FERRAMENTA DE AUXLIO DIAGNSTICO PARA O TRATAMENTO

Elias Restum Antonio

Orientador: Nelson Francisco Favilla Ebecken

Programa: Engenharia Civil

Perda sbita de movimentos e de fala no precedidas por cefalia ou outros

Abstract of Thesis presented to COPPE/UFRJ as a partial fulfillment of the

A COMPUTER-AIDED DIAGNOSIS TOOL TO HELP THE

Elias Restum Antonio

Advisor: Nelson Francisco Favilla Ebecken

Department: Civil Engineering

Sudden loss of movements and speak non preceded by headache or other

COMPOSIO DO TRABALHO ......................................................................... 2

SNDROME DE ACIDENTE VASCULAR CEREBRAL ............................... 3

ACIDENTES VASCULARES ENCEFLICOS ........................................................ 3

Abordagem Inicial do Paciente com Possvel AVC............................................4

Conceitos e Classificaes ..................................................................................5

Como Identificar a Topografia da Leso?.........................................................11

Como Identificar a Natureza da Leso? ............................................................12

Como Identificar a Fase de Evoluo da Doena?............................................12

DOENA VASCULAR CEREBRAL ISQUMICA ..................................................14

TC do Infarto Cerebral ......................................................................................15

DOENA VASCULAR CEREBRAL HEMORRGICA ............................................17

HSA Hemorragia Subaracnide .....................................................................18

HIP Hemorragia Intraparenquimatosa ...........................................................19

HIV - Hemorragia Intraventricular ...................................................................20

CONSTITUIO DA NORMA ...........................................................................27

ANLISE DE IMAGENS MDICAS ...................................................................30

IMAGENS MDICAS RX E TC .....................................................................32

MORFOLOGIA MATEMTICA .........................................................................37

MORFOLOGIA BINRIA .................................................................................38

Aspecto Digital .................................................................................................38

Eroso em escala de cinza.................................................................................46

Dilatao em escala de cinza.............................................................................47

MEDIDAS DE TAMANHO ................................................................................51

CAD COMPUTER-AIDED DIAGNOSIS.....................................................53

VISO COMPUTACIONAL E INTELIGNCIA ARTIFICIAL ...................................54

AUXLIO DETECO ..................................................................................57

AUXLIO AO DIAGNSTICO ...........................................................................60

MEDIDAS DE DESEMPENHO E CARACTERSTICAS ...........................................64

EXEMPLO DE CAD PARA ANLISE DE NDULO PULMONAR ...........................68

ARTIFICIAIS PARA CLASSIFICAO DE NDULOS EM MAMOGRAFIAS DIGITALIZADOS 70

DETERMINADAS AUTOMATICAMENTE PELA ENERGIA................................................71

IMAGENS MDICAS BASEADAS

DISTRIBUIO DE COR NOS ESPAOS DE WAVELETS .................................................75

EXEMPLO DE CAD BASEADO EM DADOS CLNICOS .......................................77

CONSTRUO DO BANCO DE DADOS .............................................................84

Busca de informaes relevantes no Banco de Dados do RIS ..........................85

Conjunto de treinamento e testes ......................................................................99

REDE NEURAL ............................................................................................100

RESULTADOS E DISCUSSO .....................................................................102

AVALIAO DO MODELO PARA DETECO DE AVCS ...................................103

Seleo de dados .............................................................................................103

Testes para a escolha da melhor arquitetura de rede neural ............................104