Implementação de um método 3D para cálculo de parâmetros de textura oriundos da matriz de coocorrência em imagens de RM

• Processo: 15/11338-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2015
• Data de Término da vigência: 31 de agosto de 2016
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Gabriela Castellano
• Beneficiário: João Pedro Oliveira Pompiani dos Santos
• Instituição Sede: Instituto de Física Gleb Wataghin (IFGW). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 13/07559-3 - Instituto Brasileiro de Neurociência e Neurotecnologia - BRAINN, AP.CEPID
• Assunto(s): Neurologia Processamento de imagens Rugosidade Textura Ressonância magnética Visualização volumétrica Modelagem tridimensional
• Palavra(s)-Chave do Pesquisador: análise de textura | Neurologia | processamento de imagens médicas | Ressonância Magnética | Processamento de imagens médicas

Resumo

A análise de textura é uma técnica de processamento de imagens que permite extrair descritores de uma imagem, ou de uma região da mesma, relativos a características que remetem a propriedades como suavidade, rugosidade, regularidade etc. Existem diversas abordagens para a extração de parâmetros de textura de uma imagem, sendo que para imagens médicas, uma das mais utilizadas tem sido a abordagem estatística, e, dentro desta, a classe de parâmetros mais utilizada tem sido a matriz de coocorrência (MCO) de níveis de cinza. Parâmetros estatísticos derivados da MCO têm apresentado diferenças estatisticamente significantes em imagens de ressonância magnética (RM) de indivíduos normais e pacientes com anomalias em estruturas cerebrais que parecem normais sob uma inspeção visual simples da imagem. Comumente calculam-se matrizes de coocorrência para fatias 2D da imagem de RM, que é 3D. Os parâmetros estatísticos de cada fatia são então combinados para fornecer uma estimativa da textura da imagem volumétrica. Este projeto visa o desenvolvimento de um método para calcular matrizes de coocorrência diretamente dos dados 3D, e, dessa forma, pular a etapa de combinação dos parâmetros estatísticos derivados das fatias 2D, tornando o processo mais eficiente e preciso. Volumetricamente, podemos caracterizar melhor uma determinada alteração em uma região cerebral do paciente, e, consequentemente, obter parâmetros de textura que possam ser mais robustos para comparações entre diferentes grupos de indivíduos.