Detector de pontos salientes 3D baseado na transformada wavelet complexa de árvore dupla com aplicação no posicionamento de malhas deformáveis em imagens de RM do cérebro

Resumo

Modelos geométricos (malhas) deformáveis têm sido utilizados com grande sucesso em várias aplicações de processamento de imagens médicas. O principal atrativo desse tipo de abordagem em segmentação de imagens médicas é o fato de tais modelos trazerem em si a topologia do órgão anatômico que representam. Dessa forma, essa abordagem torna-se menos suscetível a ruídos das imagens e pode ser aplicada inclusive em situações nas quais o nível de contraste da anatomia em estudo na imagem é demasiadamente baixo. Uma das principais dificuldades do uso de modelos geométricos deformáveis na segmentação de imagens médicas é o posicionamento inicial adequado do modelo. Para o sucesso da segmentação, o modelo deve ser posicionado em uma região muito próxima da estrutura que se deseja segmentar na imagem. Nesta pesquisa pretende-se desenvolver um detector de pontos salientes 3D baseado na transformada wavelet complexa de árvore dupla para aplicação no posicionamento de malhas deformáveis em imagens de ressonância magnética (RM) do cérebro. O modelo Hidden Markov Tree (HMT) será estudado usando três cenários diferentes para a análise da persistência da magnitude dos coeficientes complexos e, assim, definir pontos estáveis para posterior análise. Para cada ponto saliente detectado, um descritor será calculado a partir dos coeficientes localizados na vizinhança do ponto, nas diferentes sub-bandas de decomposição da imagem. O detector será avaliado usando tanto imagens sintéticas quanto imagens de RM clínicas. (AU)