Segmentação de Imagens Médicas: Como integrar modelos de aparência/forma e correção interativa com o mínimo de intervenção do usuário?

• Processo: 15/09446-7
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de novembro de 2015
• Data de Término da vigência: 11 de junho de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Alexandre Xavier Falcão
• Beneficiário: Thiago Vallin Spina
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Bolsa(s) vinculada(s): 16/11853-2 - SAMSAM: Segmentação para Análise e Medidas do Meristema Apical de Plantas, BE.EP.PD
• Assunto(s): Processamento de imagens
• Palavra(s)-Chave do Pesquisador: Correção Interativa de Segmentações Automáticas | Modelos Matemáticos de Aparência e Forma para Segmentação de Imagens | Segmentação Baseada em Grafos | segmentação de imagens médicas | Transformada Imagem-Floresta | Processamento de Imagens Médicas

Resumo

Problema: A segmentação de imagens médicas (ressonância magnética e tomografia computadorizada) visa delinear de forma precisa estruturas do corpo humano para fins de análise quantitativa no diagnóstico e tratamento de doenças. Modelos de aparência/forma dessas estruturas podem ser aprendidos e utilizados para segmentar novas imagens automaticamente. No entanto, falhas na segmentação automática não contam com soluções interativas eficazes e eficientes para corrigir erros sem destruir as partes corretamente segmentadas e minimizar o envolvimento do usuário. Na prática e com frequência, a segmentação manual/interativa é realizada do início para correção - um processo enfadonho e sujeito a erros por cansaço e desatenção do usuário.Proposta: Este projeto de Pós-Doutoramento tem por meta investigar soluções que integrem de forma eficiente e eficaz a segmentação automática de imagens médicas baseada em modelos de aparência/forma e a correção interativa. Neste contexto, o projeto visa continuar e integrar trabalhos preliminares do grupo que: (a) convertem uma solução qualquer de segmentação em uma floresta de caminhos ótimos - um grafo acíclico onde cada objeto é representado pela união de árvores com raízes (sementes) no seu interior; (b) permitem a correção diferencial da segmentação por adição e remoção de marcadores (conjuntos de sementes conexas) - i.e., adição e remoção de árvores da floresta; e (c) corrigem pequenas falhas de segmentação por suavização dos objetos. A proposta inclui o desenvolvimento e a validação de novas soluções para o item (a) e a validação das soluções atuais para os itens (a) e (c). A correção da segmentação também permite a atualização do modelos de aparência/forma pela inclusão de um novo exemplo de treinamento. Este aspecto também será avaliado no trabalho.Justificativa e resultados esperados: O projeto será desenvolvido em parte no Brasil e em parte na University of Sheffield, Reino Unido, sob supervisão do Prof. Dr. Alejandro Frangi, aumentando a experiência internacional do candidato e ampliando a rede de colaboração internacional do grupo no Brasil. No exterior, os métodos serão implementados em um software de domínio público (www.gimias.org) e validados em imagens anotadas por especialistas, ampliando o impacto do trabalho, além das publicações previstas.

Publicações científicas

(5)

(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)

SPINA, THIAGO VALLIN; MARTINS, SAMUEL BOTTER; FALCAO, ALEXANDRE XAVIER; IEEE. Interactive Medical Image Segmentation by Statistical Seed Models. 2016 29TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI), v. N/A, p. 8-pg., 2016-01-01. (15/09446-7)

MOREIRA TAVARES, ANDERSON CARLOS; VECHIATTO MIRANDA, PAULO ANDRE; SPINA, THIAGO VALLIN; FALCAO, ALEXANDRE XAVIER; ANGULO, J; VELASCOFORERO, S; MEYER, F. A Supervoxel-Based Solution to Resume Segmentation for Interactive Correction by Differential Image-Foresting Transforms. MATHEMATICAL MORPHOLOGY AND ITS APPLICATIONS TO SIGNAL AND IMAGE PROCESSING (ISMM 2017), v. 10225, p. 12-pg., 2017-01-01. (16/11853-2, 15/09446-7, 11/50761-2, 14/12236-1)

STEGMAIER, JOHANNES; SPINA, THIAGO V.; FALCAO, ALEXANDRE X.; BARTSCHAT, ANDREAS; MIKUT, RALF; MEYEROWITZ, ELLIOT; CUNHA, ALEXANDRE; IEEE. CELL SEGMENTATION IN 3D CONFOCAL IMAGES USING SUPERVOXEL MERGE-FORESTS WITH CNN-BASED HYPOTHESIS SELECTION. 2018 IEEE 15TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI 2018), v. N/A, p. 5-pg., 2018-01-01. (15/09446-7, 16/11853-2, 14/12236-1)

SPINA, THIAGO V.; STEGMAIER, JOHANNES; FALCAO, ALEXANDRE X.; MEYEROWITZ, ELLIOT; CUNHA, ALEXANDRE; IEEE. SEGMENT3D: A WEB-BASED APPLICATION FOR COLLABORATIVE SEGMENTATION OF 3D IMAGES USED IN THE SHOOT APICAL MERISTEM. 2018 IEEE 15TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI 2018), v. N/A, p. 5-pg., 2018-01-01. (15/09446-7)

MARTINS, SAMUEL BOTTER; SPINA, THIAGO VALLIN; YASUDA, CLARISSA; FALCAO, ALEXANDRE X.; STYNER, MA; ANGELINI, ED. A Multi-Object Statistical Atlas Adaptive for Deformable Registration Errors in Anomalous Medical Image Segmentation. MEDICAL IMAGING 2017: IMAGE PROCESSING, v. 10133, p. 8-pg., 2017-01-01. (15/09446-7, 14/12236-1, 13/07559-3, 16/11853-2)