Segmentação automática de imagens de ressonância magnética do cérebro humano via modelos deformáveis guiados por atlas probabilístico de pontos salientes 3D

• Processo: 15/02232-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de junho de 2015
• Data de Término da vigência: 31 de maio de 2017
• Área do conhecimento: Engenharias - Engenharia Biomédica
• Pesquisador responsável: Ricardo José Ferrari
• Beneficiário: Ricardo José Ferrari
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Pesquisadores associados: Francisco de Assis Carvalho Do Vale ; José Eduardo Mourão Santos
• Assunto(s): Imageamento (bioengenharia) Sistema nervoso central Ressonância magnética Doença de Alzheimer Esclerose múltipla Imagem tridimensional
• Palavra(s)-Chave do Pesquisador: Alzheimer | Atlas probabilístico | Modelos Deformáveis | Multiple Sclerosis | pontos salientes 3D | Ressonância Magnética | Processamento de Imagens Médicas

Resumo

O imageamento por ressonância magnética (RM) tornou-se uma ferramenta fundamental no diagnóstico e estudo de diversas doenças e síndromes do sistema nervoso central (SNC), como, por exemplo, a esclerose múltipla e a doença de Alzheimer. Além da análise visual sistemática das imagens de RM, o neurorradiologista frequentemente precisa medir o volume ou analisar alterações na forma de determinadas estruturas do cérebro para diagnosticar de maneira rápida e precisa uma determinada doença, ou ainda para realizar o acompanhamento evolutivo de um determinado tratamento. Para isso, a segmentação prévia das estruturas de interesse é necessária. Em geral, essa tarefa é realizada manualmente com a ajuda limitada do computador e, portanto, possui diversas limitações. Por esse motivo, vários pesquisadores têm voltado seus esforços para o desenvolvimento de técnicas automáticas de segmentação de tecidos e estruturas cerebrais em imagens de RM. Dentre as várias abordagens propostas na literatura, as técnicas baseadas em modelos geométricos deformáveis e atlas anatômicos probabilísticos e topológicos estão entre as que apresentam os melhores resultados. Isso porque elas possibilitam a utilização da informação anatômica intrinsecamente contida nas malhas durante o processo de segmentação. No entanto, uma das principais dificuldades da aplicação de tais modelos para a segmentação de imagens médicas é o posicionamento inicial adequado das malhas. Portanto, o principal objetivo desse projeto de pesquisa é o desenvolvimento de um framework de segmentação automática de algumas estruturas cerebrais utilizadas com frequência por neuroradiologistas no diagnóstico das doenças de Alzheimer e esclerose múltipla. Tal framework será formado por três partes principais: um detector de pontos salientes 3D, um atlas probabilístico de pontos salientes 3D (construído a partir de uma imensa base de imagens) e um mecanismo que utilizará ambos, o atlas e o detector de pontos salientes, para o posicionamento adequado dos modelos geométricos deformáveis. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

VILLA PINTO, CARLOS H.; FERRARI, RICARDO JOSE. Initialization of deformable models in 3D magnetic resonance images guided by automatically detected phase congruency point landmarks. PATTERN RECOGNITION LETTERS, v. 79, p. 1-7, AUG 1 2016. (14/11988-0, 15/02232-1)

GREGORIO DA SILVA, BRUNO C.; CARVALHO-TAVARES, JULIANA; FERRARI, RICARDO J.. Detecting and tracking leukocytes in intravital video microscopy using a Hessian-based spatiotemporal approach. MULTIDIMENSIONAL SYSTEMS AND SIGNAL PROCESSING, v. 30, n. 2, p. 815-839, APR 2019. (15/02232-1, 13/26171-6)

POLONI, KATIA MARIA; FERRARI, RICARDO JOSE; GERVASI, O; MURGANTE, B; MISRA, S; STANKOVA, E; TORRE, CM; ROCHA, AMAC; TANIAR, D; APDUHAN, BO; et al. Detection and Classification of Hippocampal Structural Changes in MR Images as a Biomarker for Alzheimer's Disease. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2018, PT I, v. 10960, p. 17-pg., 2018-01-01. (15/02232-1, 14/11988-0)