Busca avançada
Ano de início
Entree

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

Processo: 15/11338-8
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de setembro de 2015
Vigência (Término): 31 de agosto de 2016
Área do 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

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.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)