Recuperação por Conteúdo de Imagens Médicas

CBIR aplicado a imagens médicas apresenta peculiaridades e especificidades inerentes a dois aspectos: a) o estado da arte em processamento e análise das imagens médicas e b) a integração de CBIR ao ambiente computacional hospitalar, ou seja aos sistemas PACS.

2.4.1. Processamento e Análise de Imagens Médicas

O processamento e a análise computadorizada de imagens médicas engloba diversas áreas de estudo potenciais, dentre as quais destacam-se a aquisição, reconstrução tridimensional, realce, compressão, armazenamento, indexação, análise e visualização de imagens. No que diz respeito à análise de imagens médicas, algumas técnicas podem ser citadas: segmentação, matching, detecção de alterações em seqüências, reconhecimento e classificação de texturas, reconhecimento e classificação de formas, estimativa de área ou volume e medição de parâmetros anatômicos e fisiológicos. Devido à grande amplitude de escopos de estudo, a maioria das pesquisas desenvolvidas tentam concentrar-se fortemente em conjuntos específicos de imagens, assim como em objetivos clínicos ou biológicos bem definidos.

Em [Duncan, J. S. '00] é realizada uma avaliação do progresso apresentado pelo campo da análise de imagens médicas nas últimas décadas, identificando questões importantes que se encontram ainda em aberto. Atualmente, tecnologias computacionais (hardware e software) avançadas facilitam o trabalho baseado em imagens, assim como visualizações mais realistas. Renderização e reconstrução de contornos e volumes complexos em tempo real, suportadas

por hardware, permitem a exploração e a análise interativa de grandes montantes de imagens médicas. Existe uma variedade de equipamentos comerciais, disponibilizando recursos simples de visualização e análise. Plataformas de software e hardware de tele-presença para cirurgias à distância, guiadas por imagens, encontram-se em pleno desenvolvimento [Sorid, D. '00]. Sistemas de realidade virtual acoplados a interfaces altamente imersivas possibilitam a realização de jornadas interativas pelo corpo humano. Esses recursos têm sido de grande utilidade para o ensino e o treinamento em medicina.

2.4.2. Incorporação de CBIR aos Sistemas PACS

A recuperação eficiente de imagens é uma das metas mais importantes a serem atingidas em sistemas PACS. Com o auxílio de um sistema desse tipo, a manipulação das imagens de exames de pacientes e seus exames poderá vir a ser totalmente realizada de forma digital [Bueno, J. M. '02c].

A Figura 2.4, adaptada de [Lehmann, T. M. '03a], apresenta uma proposta de sistema para integração entre PACS e CBIR. Nela podemos ver os principais componentes dos ambientes PACS e CBIR em diferentes níveis, juntamente com as interfaces de aplicação, programação, banco de dados e comunicação.

CBIR no domínio médico é mais desafiador do que num domínio de imagens de propósito geral. A principal razão está no fato de que as características importantes de imagens médicas encontram-se normalmente em regiões localizadas, porém de natureza difusa e que não podem ser assumidas como fazendo parte de alguma classe previamente definida. Isto torna a extração e a comparação das características muito mais complexa, porque os atributos extraídos das imagens deverão descrever seus detalhes, assim como permitir a recuperação rápida de imagens similares.

2.4.3. Exemplo de CBIR / PACS

Os sistemas de consulta que têm sido desenvolvidos, em geral, possuem duas características: são voltados para áreas específicas, tais como técnicas de análise de mamografias; e incorporam algum tipo de anotação ou então de interação com o usuário.

Figura 2.4. Sistema de integração entre PACS e CBIR

Em [Rosa, N. A. '02] é apresentado um sistema CBIR intitulado SRIS-HC (Sistema de Recuperação de Imagens Similares – Hospital das Clínicas), que foi desenvolvido com a finalidade de demonstrar a viabilidade de recuperação de imagens por conteúdo em um ambiente hospitalar real. Esse sistema é parte integrante do projeto de um sistema PACS chamado cbPACS [Bueno, J. M. '02a], cujo desenvolvimento vem sendo realizado através de pesquisa comum entre o Grupo de Bases de Dados e Imagens (GBDI) do Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP) e o Centro de Ciências das Imagens e Física Médica (CCIFM) da Faculdade de Medicina de Ribeirão Preto (FMRP) da USP.

A partir do Sistema de Laudo Eletrônico do Serviço de Radiodiagnóstico do Hospital das Clínicas (HC) da FMRP, desenvolvido numa parceria entre o CCIFM e o Centro de Informações e Análises do HCFMRP, o SRIS-HC foi implementado mantendo total integração com o padrão dos módulos de consultas do Sistema de Laudo Eletrônico. O SRIS- HC poderá atuar como uma ferramenta de apoio ao diagnóstico, permitindo a recuperação de imagens associadas a todas as informações relacionadas ao exame do paciente, contidas no Sistema de Laudo Eletrônico, tais como informações do paciente, dados textuais dos exames, laudos médicos e diagnósticos. A interface de consulta do SRIS-HC é mostrada na Figura 2.5.

rede DICOM arquivos

PACS

Base de dados CBIR

Handle CBIR Modalidades de imagens Aplicação de visualização ambiente CBIR ambiente DICOM - PACS

nível cliente estações de trabalho nível servidor interface de comunicação (DICOM, HL7)

(API) GUI CBIR

GUI para entrada de dados GUI para saída de dados interface de BD interface de aplicação

Duas técnicas de extração de características de imagens foram adotadas no SRIS-HC: o histograma tradicional e o histograma métrico, um novo descritor construído sobre os histogramas tradicionais de imagens (ver Seção A.8.4). A estrutura de indexação utilizada foi a árvore métrica Slim-Tree [Traina-Jr, C. '00a]. O sistema suporta os dois tipos principais de consultas por similaridade: por abrangência e aos vizinhos mais próximos.

Figura 2.5. Interface do SRIS-HC, mostrando os resultados de uma consulta por vizinhança próxima [Rosa, N. A. '02]

Além deste sistema, também dentro da parceria entre o GBDI e o CCIFM, um outro sistema que se integra a este está em desenvolvimento. Esse sistema, denominado CIRCE (Content-based Image Retrieval Core Engine) [Araujo, M. R. B. '02] [Figueiredo, J. M. '05], tem como objetivo estender as funcionalidade de um SGBD relacional para prover funcionalidades de busca por conteúdo em imagens. A Figura 2.6 mostra a sua arquitetura geral. Os módulos principais do CIRCE são: Interpretador de Consultas (IC), Extrator de Parâmetros (XP) e Métodos de Acesso (MA). O módulo IC inclui a extensão da linguagem SQL para suportar imagem como mais um tipo de dado, permitindo que o usuário especifique atributos de relações como sendo desse tipo. O módulo MA atua como interface do CIRCE com estruturas de acesso, como é o caso da estrutura Slim-Tree. O módulo XP atua no sentido de obter das imagens dados que servirão de parâmetros para os métodos de acesso.

Figura 2.6. Arquitetura geral do CIRCE [Figueiredo, J. M. '05]