Resumo
Características de alto nível de imagens médicas são informações com alto teor semântico que podem ser interpretadas e utilizadas diretamente por especialistas da área médica em uma série de aplicações. Elas também podem ser empregadas em sistemas computacionais de classificação, agrupamento, e recuperação de imagens por conteúdo. Nas imagens de cabeça, em especial, é possível extrair diversas informações com teor semântico, incluindo a volumetria dos tecidos, níveis de simetria, e medidas de textura e forma de estruturas importantes, tais como o hipocampo e o tálamo. Todas essas informações têm se mostrado úteis no estudo de diversas doenças, incluindo a epilepsia, o mal de Alzheimer, esclerose múltipla, esquizofrenia e câncer. Por isso, a área médica possui um grande interesse em sistemas computacionais voltados para a extração automática de tais características. Neste contexto, o presente projeto tem como objetivo desenvolver um framework para segmentação de imagens de ressonância magnética de cabeça e extração de características de alto nível relacionadas ao cérebro, visando a tarefa de recuperação de imagens baseada conteúdo. Os métodos desenvolvidos integrarão um sistema que será colocado em uso principalmente no CIREP, o Centro de Cirurgia de Epilepsia do HC da Faculdade de Medicina da Ribeirão Preto que, desde 2001, atua como centro regulador de cirurgias de epilepsia para todo o país. O framework proposto deve ser composto por novos métodos para classificação de tecidos e mapeamento das principais estruturas do cérebro, e a definição de um vetor de características de alto nível relacionada ao cérebro. (AU)
|