| Processo: | 17/17811-2 |
| Modalidade de apoio: | Bolsas no Exterior - Pesquisa |
| Data de Início da vigência: | 01 de março de 2018 |
| Data de Término da vigência: | 28 de fevereiro de 2019 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Pesquisador responsável: | Denis Henrique Pinheiro Salvadeo |
| Beneficiário: | Denis Henrique Pinheiro Salvadeo |
| Pesquisador Anfitrião: | Andrew Douglas Arnold Maidment |
| Instituição Sede: | Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil |
| Instituição Anfitriã: | University of Pennsylvania, Estados Unidos |
| Assunto(s): | Processamento de imagens Campos aleatórios markovianos |
| Palavra(s)-Chave do Pesquisador: | Abordagem não Local | Campos Aleatórios Markovianos | Compressive sensing | Digital Breast Tomosynthesis | Estimação bayesiana | Reconstrução Tomográfica | Processamento de Imagens |
Resumo Tomossíntese Mamária, também conhecida como Mamografia 3-D, consiste em um sistema de imageamento para a realização de exames mamográficos, especialmente visando um diagnóstico precoce de câncer de mama. Este sistema de imageamento foi proposto recentemente, baseado no princípio da Tomografia Computadorizada (CT), mas com a aquisição restrita a uma pequena faixa angular (arco). Por utilizar radiação ionizante perigosa, deve-se sempre buscar formas de se reduzir a dose de radiação ionizante, mas mantendo qualidade suficiente para a análise médica (princípio ALARA). Deste modo, métodos de filtragem de ruído e reconstrução tomográfica mais adequados e robustos ao ruído tornam-se primordiais para que isto ocorra, uma vez que reduzir a dose de radiação da aquisição eleva o ruído da imagem adquirida. Assim, para a reconstrução de Tomossíntese Mamária, este projeto propõe investigar uma abordagem Bayesiana com conhecimento a priori definido por um novo modelo de Campos Aleatórios Markovianos (MRF), denominado MRF Não Local Esparso (SNLMRF). Este novo modelo pretende regularizar a solução do problema inverso da reconstrução considerando uma tripla restrição: redundância (informação não local), esparsidade (sensoriamento comprimido) e suavidade. Ressalta-se que este modelo une conceitos e teorias utilizados em métodos do estado da arte de filtragem de ruído. Para a avaliação da abordagem proposta, ela deverá ser comparada com métodos de reconstrução clássicos e em estado da arte de Tomossíntese Mamária. Com isso, espera-se que o uso de um modelo mais completo (tal como o SNLMRF) possa obter um melhor balanço entre redução de ruído e preservação de detalhes para imagens reconstruídas de Tomossíntese Mamária, aumentando a capacidade de um diagnóstico mais preciso. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |