A.5 Padrão Dicom
C.1.1 Transformações de coordenadas
As transformadas em imagens são formadas das transformação de coordenadas, as quais compõe um subconjunto das transformações lineares, cujo resultado depende da combinação linear dos dados da entrada com os coe cientes de nidos para cada tipo de transformação (PREDINI; SCWART, 2008).
C.1. Transformadas de Imagens 78
Segundo Gonzalez e Woods (2008) as transformações de coordenadas, ou transformadas, são classi cadas como unidimensional quando a entrada é um vetor e bidimensional quando é uma matriz, tornando importante ressaltar que o termos uni ou bidimensional estão relacionada apenas com a entrada ser vetor ou matriz, respectivamente, a transformação linear é de nida por CN → CN em que N é o número do componente do elemento de entrada.
As equação C.1 e C.2 apresentam duas representações para a transformadas, a vetorial e a por somatórios respectivamente
Y = B(u, v)X (C.1) e Yu,v = M −1X m=0 N −1X n=0 B(u,v)(m, n)X m,n, (C.2)
em que X contêm os dados de entrada, Y é o resultado da imagens depois da transformada e B(u, v) o núcleo da transformada (PREDINI; SCWART, 2008).
O núcleo da transformada é composto pelas matrizes S ou S−1 da transformação de coordenadas em que
S = B2−1B1 (C.3)
e
S−1 = B−1
Referências Bibliográ cas
ALBUQUERQUE, V. H. C. Sistema de visão computacional para a caracterização da gra ta usando microfotogra as. Dissertação (Mestrado) Universidade Federal do Ceara, 2007.
ALEXANDRIA, A. R. et al. Hilbertian energy: a method for external energy calculation on radial active contours. 17th International Conference on Systems, Signals and Image Processing - IWSSIP 2010, v. 1, 2010.
ALEXANDRIA, A. R. de. Métodos de contornos ativos pSnakes, Patente depositada. [S.l.]: INPE, 2009.
AMINI, A.; WEYMOUTH, T.; JAIN, R. C. Using dynamic programming for solving variational problems in vision. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 12, p. 855 867, 1990.
AMORIM, J. C. Segmentação do Ventrículo esquerdo em Imagem Ecocardiográ cas. Dissertação (Mestrado) Universidade de Brasilia, 2008.
ANDRADE, M. M. et al. Segmentação automática do ventriculo esquerdo em imagens de ecoardiogra a bidimensional. In: Universidade de Brasilia / Departamento de Engenharia elétrica. [S.l.: s.n.], 2004.
ANDRADE, M. M. e. a. Algortimo híbrido para segmentação do ventrículo esquerdo em imagens ecocardiograma ecocardiohgra a bidimensional. Revista Brasileira de Engenharia Biomédica, 2006.
BALLERINI, L. Genetic snakes for medical images segmentation. European Workshop on Evolution Computation, v. 1596/1999, p. 5973, 1999.
Referências Bibliográ cas 80
BOUHOURS, A. Segmentação do ventrículo esquerdo em ecocardiograma usando contornos ativos(snake). Dissertação (Mestrado) Universidade Federal do Ceará, Fortaleza, set. 2006.
BOYD, Y. N.; CHACKO, A. K. Remote digital echocardiography for the identi cation of cardiac valular disease. Computing in Cardiology, n. 2, p. 1 4, 2003.
CAIANI, E. et al. Echocardiographic evaluation of left ventricular wall motion usingstill-frame parametric imaging. IEEE Computers in Cardiology, n. 28, p. 89 92, Sept. 2008.
CHEN, C. et al. Graph cut based active contour for automated cellular image segmentation in high throughput rna interface (rnai) screening. Biomedical Imaging: From Nano to Macro, 2007. ISBI 2007. 4th IEEE International Symposium on, p. 6972, Apr. 2007.
CHENG, J.; FOO, S. W. Markovian level set for echocardiographic image segmentation. Circuits and Systems, 2006. ISCAS 2006. Proceedings. 2006 IEEE International Symposium on, p. 4 pp., May 2006.
COHEN, L. On active contourns models and balloons. CVGIV: Image Understanding, v. 5, p. 211218, 1991.
DANGELO, J.; FATTINI, C. Anatomia Básica dos Sistemas Orgânicas. [S.l.: s.n.], 1991.
DAUBECHIES, I. Ten lectures on wavelets. [S.l.]: SIAM Books, 1992.
EZEKIEL, A. et al. Automatic and intelligent left ventricular contours detection from two dimensional echocardiogram. Computers in Cardiology, p. 261264, 1985. FAN, D. J.; JIANG, T.; EEVANS, D. J. Volumetric segmentation of brain imagens using parallel genetic algoritm. IEE transactions on Medical Imaging, v. 8, 2002. FILHO C. C.; MOURA, L. C. M. Revisão sobre métodos de segmentação 2d do ventrículo esquerdo / review of left ventricle 2d segmentation methods. Revista Brasileira de Engenharia Biomédica, v. 15, p. 141148, 1999.
GOLDBERG, D. E. Genetic Algorithms in Search, Optimization, and Machine Larning. [S.l.: s.n.], 1989.
Referências Bibliográ cas 81
GONZALEZ, R. C.; WOODS, R. Digital Image Processing. 3rd. ed. New Jersey: Pearson Prentice Hall, 2008.
HATLE, L.; ANGELSEN, B. Doppler ultrasound in cardiology: physical principles and clinical applications. [S.l.]: Philadelphia, 1985.
JAMSA, K. PROGRAMANDO EM C/ C++ A BIBLIA. [S.l.]: MAKRON, 2001. KADDOURA, S. Echo made easy. Edinburgh: Elsevier Churchill Livingstore, 2002. KASS, M.; WITKIN, A.; TERZOPOULOS, D. Snakes / active contours models. International Journal on Computer Vision, v. 1, p. 321 331, 1987.
LILLY, P.; JENKINS, J.; BOURDILLON, P. Automatic contour de nition on left ventriculograms by image evidence and multiple template- based model. IEE transactions on Medical Imaging, v. 8, p. 173185, 1989.
LINARES, P.; RODRÍGUEZ, L.; MONTILLA, G. Genetic algorithm tting of deformable superquadrics applied to left ventricle visualization. IEEE Computers in Cardiology, v. 25, p. 657660, 1998.
LOPES, E. C. Detecção de Faces e Características Faciais. Dissertação (Mestrado) Pontifícia Universidade Católica do Rio Grande do Sul (PUC-RS), 2003.
MACEACHERN, L. A.; MANKU, T. Genetic algorithms for active contour optimization. IEEE International Symposium on Circuits and Systems, v. 4, p. 229232, May 1998.
MACKIEWICH, B. Intracranial Boundary Detection and Radio Frequency Correction in Magnetic Resonance Images. Dissertação (Mestrado) School of Computing Science, 1995.
MARKMAN, B. F. A ecocardiogra a de estresse com dobutamina na doença coronária. Dissertação (Mestrado) Faculdade de Medicina da Universidade Federal de Pernambuco, 1997.
MCINTOSH, C.; HAMARENEH, G. Genetic algorithm driven statistically deformed models for medical image segmentation. In: ACM (Ed.). Medical Image Analysis Lab, Shcool of Computing Science. [S.l.: s.n.], 2006.
Referências Bibliográ cas 82
MELO, F. D. Contornos ativos snakes para a segmentação de imagens digitais. Presidente Prudente, 2005.
NUNES, R. B. Uma Proposta de um Sistema de Apoio ao Diagnóstico de Patologias Cardíacas Utilizando Wavelets. Dissertação (Mestrado) Universidade Federal do Uberlândia, 2009.
OLIVEIRA, L. R. de; CORTEZ, P. C.; CARVALHO, A. Telemedicina e interiorização do ensino médico. IX Congresso Brasileiro de Informática em Saúde, p. 38 42, 2004.
OTTO, C. M. Textbook of clinical echocardiography. 3rd. ed. Philadelphia: Elsevier Saunders, 2004.
PISA, I. T. Analise do Movimento da Parede do Ventrículo Esquerdo Usando Modelo Contorno Ativo em Imagens Ecocardiográ cas com Color Kinesis. Dissertação (Mestrado) Universidade de São Paulo, 1999.
PORTILA, J.; SOMONCELLI, E. P. Image denoising via adjustment of wavelet coe cient magnitude correlation. in: Proceedings of the ieee int'l conf on image processing. IEEE, p. 277280, 2000.
PREDINI, H.; SCWART, W. R. Análise de Imagens Digital. [S.l.: s.n.], 2008. Rebouças Filho, P. P. MCA Crisp: novo método de segmentação dos pulmões em imagens de TC baseado no Método de Contorno Ativo. Dissertação (Mestrado) Universidade Federal do Ceara, 2010.
Rebouças Filho, P. P. et al. Measurement of welding dilution from images using active contours. 2nd South-East European Conference on Computational Mechanics, v. 1, 2009.
REIS, M. D. C. Detecção semi-automática da borda do ventrículo esquerdo. Dissertação (Mestrado) Universidade de Brasilia, 2007.
RUSSEL, S.; NORVING, P. Inteligência arti cial. Copenhagen,, v. 1, p. 199218, 2004.
SILVA, J. F. D. Sistema de Armazenamento de Imagens Comprimidas Através da Transformada Wavelet. Dissertação (Mestrado) Universidade Estadual Paulista, 2008.
Referências Bibliográ cas 83
SILVA, J. P. M. Geo-snakes: uma aplicação da técnica snake em imagens geogra cas. In: Monogra a (Curso de Bacharelado em ciências da computação ). [S.l.]: Pelotas- Rs, 2003.
Silva Junior, J. Implementação, testes e avaliação de algoritmos de segmentação do ventrículo esquerdo utilizando contorno ativo (snake)em imagens digitais de ecocardiograma de esforço. In: Monogra a do Curso de Mecatrônica Industrial. [S.l.]: Instituto Fedearal de Educação, Ciência e Tecnologia do Ceara, 2008.
SOUZA, A. M. Identi cação de Tumores Cerebrais por meio do modelo de contornos ativos e algoritmos genéticos. Dissertação (Mestrado) Universidade Federal do Paraná, 2003.
TERZOPOULOS, D. On Matching Deformable Models to Images. [S.l.], 1987. WAY, F. D.; RAJESWARI, M.; RAMACHANDRAM, D. Segmentation using wavelet and gvf snake. INTERNACIONAL MULTICONFERENCE SIGNAL AND IMAGE PROCESSING, v. 1, 2005.
WEBSTER, J. G. Medical instrumentation application designer. 3rd. ed. USA: John Wiley and Sons Inc., 2010.
WHITLEY, D. A Genetic Algorithm Tutorial,. [S.l.], 2005.
XU, C.; PRINCE, J. L. Snakes, shapes, and gradient vector ow. IEEE Transactions on Image Processing, v. 7, n. 3, p. 359 369, Mar. 1998.
ZHAO, F.; DESILVA, C. Contour extraction in prostate ultrasound images using the wavelet transform and snakes. Engineering in Medicine and Biology Society, 2001. Proceedings of the 23rd Annual International Conference of the IEEE, v. 3, p. 26412644 vol.3, 2001. ISSN 1094-687X.
ZONG, X.; LAINE, A. F.; GEISER, E. A. Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear processing. IEEE Transactions on Medical Imaging, v. 17, n. 4, p. 532 540, Aug. 1998.