UNIVERSIDADE ESTADUAL DE CAMPINAS
Faculdade de Engenharia Elétrica e de Computação
ANGELICA MOISÉS ARTHUR
C
ONTRIBUIÇÕES PARA
M
EDIDAS DE
E
FICIÊNCIA DE
P
ROTOCOLOS
F
ISIOTERAPÊUTICOS E
E
XERCÍCIO
F
ÍSICO E
D
IAGNÓSTICO
A
UTOMÁTICO DE
P
ATOLOGIAS USANDO
I
MAGENS DE
A
LTA
R
ESOLUÇÃO DA
R
ETINA
H
UMANA
Campinas 2016
ANGELICA MOISÉS ARTHUR
C
ONTRIBUIÇÕES PARA
M
EDIDAS DE
E
FICIÊNCIA DE
P
ROTOCOLOS
F
ISIOTERAPÊUTICOS E
E
XERCÍCIO
F
ÍSICO E
D
IAGNÓSTICO
A
UTOMÁTICO DE
P
ATOLOGIAS USANDO
I
MAGENS DE
A
LTA
R
ESOLUÇÃO DA
R
ETINA
H
UMANA
Tese de Doutorado apresentada à Faculdade de Engenharia Elétrica e de Computação como parte dos requisitos para a obtenção do título de Doutora em Engenharia Elétrica, na Área de Telecomunicações e Telemática.
Orientador: Prof. Dr. Yuzo Iano
ESTE EXEMPLAR CORRESPONDE À VERSÃO
FINAL DA TESE DEFENDIDA PELA
ALUNA ANGELICA MOISÉS ARTHUR, E ORIENTADA
PELO PROF.DR.YUZO IANO.
_____________________________
Campinas 2016
Candidato: Angelica Moisés Arthur RA: 108789 Data da Defesa: 30 de setembro de 2016
Título da Tese: “Contribuições para Medidas de Eficiência de Protocolos Fisioterapêuticos e
Exercício Físico e Diagnóstico Automático de Patologias usando Imagens de Alta Resolução da Retina Humana”.
Prof. Dr. Yuzo Iano (Presidente, FEEC/UNICAMP) Prof. Dr. Evaldo Gonçalves Pelaes (UFPA)
Prof. Dr. Rogério Seiji Higa (Instituto Eldorado) Prof. Dr. Luiz César Martini (FEEC/UNICAMP)
Dra. Mariana Maia de Oliveira Sunemi (CAISM/UNICAMP)
A ata de defesa, com as respectivas assinaturas dos membros da Comissão Julgadora, encontra-se no processo de vida acadêmica do aluno.
Ao meu orientador, Prof. Yuzo Iano sou grata pela orientação, conselhos e compreensão. Aos meus pais, minha família e meus amigos pelo apoio durante esta jornada.
Aos integrantes dos grupos de pesquisa formados durante a minha vida acadêmica dentro e fora do Laboratório de Comunicações Visuais (LCV).
Aos integrantes do grupo que forma a parceria FCM-FEEC Retina-Unicamp. Em especial, à Profa. Jacqueline Mendonça Lopes de Faria e a Roger Fredy Larico, pelas sugestões e esclarecimentos.
Ao Prof. Alexandre Gonçalves Silva, da UFSC, e à pesquisadora Marina Silva Fouto, da UDESC, pelas propostas e pela ajuda na implementação dos algoritmos propostos neste trabalho.
Ao Prof. Alberto Cliquet Junior e à pesquisadora Letícia Vargas, da FCM-Unicamp, pela parceria junto ao Laboratório de Biomecânica, que propiciou o estudo com os pacientes com lesões medulares.
Ao Prof. Marcelo Conte e aos pesquisadores Marcos Otávio de Matos e Leandro Pinheiro, da Escola Superior de Educação Física de Jundiaí, pela parceria no estudo feito com atletas. Às professoras Tamara Martins Vanini, Gabriela Mariotoni Zago e Núbia Maria Lima pelo incentivo e apoio durante a minha Graduação.
Meus agradecimentos às agências financiadoras do grupo de pesquisa do LCV como Capes (Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - "Coordination for the
Improvement of Higher Level Personnel"), CNPq (Conselho Nacional de Desenvolvimento
Científico e Tecnológico - "National Counsel of Technological and Scientific Development"), FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo - "São Paulo State Research
Foundation") e Faepex/Unicamp (Fundo de Apoio ao Ensino, à Pesquisa e Extensão - "Fund for the Support of Teaching, Research and Extension").
E a todos os pacientes e voluntários, que participaram deste estudo, cuja força de vontade e alegria sempre motivou a todo o grupo de pesquisa envolvido.
Esta tese visa propor metodologias para o diagnóstico automático ou de propensão de patologias e metodologias para se mensurar o efeito de tratamentos e exercícios físicos usando imagens de alta resolução da retina humana. As imagens usadas neste trabalho foram captadas por um retinógrafo denominado Retinal Function Imager (RFI), adquirido por meio de um projeto de pesquisa temático FAPESP da FCM (Faculdade de Ciências Médicas) em parceria com a FEEC (Faculdade de Engenharia Elétrica e de Computação), ambas da Unicamp. A microvasculatura da retina humana possui uma única e importante característica de permitir a visualização de parte da circulação humana de forma direta, não invasiva e in vivo, prontamente fotografada e sujeita a análise de imagem digital. O RFI aqui utilizado permite a visualização de estruturas até então não acessíveis. Investigou-se inicialmente, a partir de um grupo de atletas, a relação do exercício físico com a velocidade de fluxo da microcirculação retiniana e a pressão intraocular. Comparando-se antes e após o exercício, observou-se um aumento médio aproximado de 40% da velocidade de fluxo venoso, e uma diminuição de 27,2% da pressão intraocular. Em seguida, investigou-se a velocidade de fluxo sanguíneo em pacientes para e tetraplégicos, submetidos a tratamento por eletroestimulação, comparando com as velocidades de fluxo médias obtidas por pacientes saudáveis. A velocidade de fluxo arterial nos pacientes tetraplégicos foi cerca de 28% menor que a média dos pacientes saudáveis. Uma investigação das velocidades de fluxo individuais também foi realizada a partir das características patológicas e de tratamento dos pacientes. Esses resultados podem ser relevantes na proposta de novos protocolos e medidas de evolução de tratamento em pacientes com glaucoma e com lesões medulares, respectivamente. Por fim, é proposto um método automático para identificar, segmentar e quantificar a região da zona avascular foveal da retina. Para isso, foi utilizado filtro morfológico sequencial alternado, seguido da transformada watershed com marcadores. Usando uma base de dados de 38 sequências de 20 voluntários, a segmentação foi realizada com sucesso em todos os casos, a partir da comparação da seleção manual de especialistas. Usando como descritor os momentos invariantes de Hu e como classificador os KNN
(K-Nearest Neighbor) foi possível diferenciar pacientes saudáveis e diabéticos em 78% dos casos.
Esta pode ser uma importante ferramenta para o diagnóstico precoce de doenças. Os resultados mostram que as informações da topologia e comportamento de fluxos retinianos podem ter papel importante para auxiliar profissionais de saúde nos diversos níveis de patologia, desde a prevenção e propensão a doenças até para mensurar a evolução de um tratamento.
Palavras-chave: processamento de imagens, imagens da retina humana, auxílio a
This thesis aims to propose methodologies for automatic diagnosis or propensity to disease and methodologies to measure the effectiveness of treatments and exercise using high-resolution images of the human retina. The images used in this work were taken by a retinographer called Retinal Function Imager (RFI), acquired through a thematic research project FAPESP MHR (Medical School) in partnership with the FEEC (School of Electrical and Computer Engineering), both from Unicamp. The microvasculature of the human retina has a unique and important feature of allowing the visualization of the human circulation directly, non-invasively and in vivo promptly photographed and subjected to digital image analysis. The RFI used here allows viewing of previously inaccessible structures. We investigated initially from a group of athletes, the ratio of physical exercise with the flow rate of the retinal microcirculation and intraocular pressure. Comparing before and after exercise, there was an average 40% increase in the venous flow rate, and a 27.2% decrease intraocular pressure. Next, we investigated the blood flow velocity in tetraplegic patients undergoing treatment by electrostimulation, comparing with the average flow velocity obtained by healthy patients. The blood flow rate in the tetraplegic was about 28% lower than the average healthy patients. An investigation of the individual flow rates was also performed from the pathological features and treatment of patients. These results may be relevant in the proposed new protocols and outcome measures of treatment in patients with glaucoma and spinal cord injuries, respectively. Finally, an automatic method is proposed to identify and quantify the region of the foveal avascular zone of the retina. For this, we used alternating sequential morphological filter, followed by the watershed transformed with markers. Using a database of sequences 38 of 20 volunteers, the segmentation was successful in all cases, from the comparison of manual selection experts. Using as a descriptor invariant moments of Hu and as the KNN classifier (K-Nearest Neighbor) was possible to differentiate between healthy and diabetic patients in 78% of cases. This can be an important tool for the early diagnosis of diseases. The results show that the information of the topology and behavior of retinal flows can play an important role in helping health professionals in different condition levels, from prevention and propensity to disease even to measure the evolution of a treatment.
Keywords: image processing, human retina images, assistance for diagnostic of pathologies,
Figura 1.1. Comparação entre os detalhes de regiões perifoveais segmentadas ... 16
Figura 2.1 - Componentes funcionais da retina dispostos em camada ... 20
Figura 2.2 - Imagem de retina normal e a presença do disco óptico e da mácula. ... 21
Figura 2.3 (a) Imagem de retina que mostra a presença de microaneurismas e (b) imagem da retina com drusas... 23
Figura 2.4 - Equipamento de imagem funcional da retina (RFI)... 24
Figura 2.5 – Exemplos de imagens de retina obtidas pelo equipamento de imagem funcional da retina (RFI) . ... 24
Figura 2.6. Imagem representativa dos nervos espinhais e cauda equina. ... 25
Figura 2.7. Imagem representativa dos nervos espinhais e cauda equina. ... 26
Figura 2.8. Imagem representativa e locais da medula referentes às funções dos sistemas parassimpático e simpático. ... 27
Figura 4.1. Ilustração da drenagem do humor aquoso ... 38
Figura 4.2. Ilustração do treinamento resistido “desenvolvimento deltoide” escolhido para o estudo. ... 43
Figura 4.3. Exemplos de saídas obtida pelo RFI após cálculo da velocidade de fluxo (a) com imagem centrada na ZAF (b) com imagem centrada no disco óptico ... 44
Figura 4.4. Variação da PIO a partir do treinamento resistido ... 48
Figura 4.5. Variação da PAS a partir do treinamento resistido ... 48
Figura 4.6. Variação da PAD a partir do treinamento resistido ... 49
Figura 4.7. Gráficos de velocidade de fluxo venoso a partir do treinamento resistido ... 50
Figura 4.8. Gráficos de velocidade de fluxo arterial a partir do treinamento resistido ... 51
Figura 5.1. Aplicação de eletroestimulação em membros inferiores ... 55
Figura 5.2. Treino em marcha com EENM aplicado em pacientes paraplégicos ... 56
Figura 5.3. Treino em marcha com EENM aplicado em pacientes tetraplégicos ... 57
Figura 5.4. Gráficos das velocidades médias de fluxo arterial na parte superior da ZAF ... 64
Figura 5.5. Gráficos das velocidades médias de fluxo arterial na parte inferior da ZAF ... 64
Figura 5.6. Gráficos das velocidades médias de fluxo venoso na parte superior da ZAF ... 65
Figura 5.7. Gráficos das velocidades médias de fluxo venoso na parte inferior da ZAF ... 65
Figura 6.1. Exemplo de n iterações de filtragem alternada sequencial (FAS) aplicada a uma série combinada CMP usando vizinhança em forma de disco de cada pixel p. ... 71
Figura 6.2. Imagens resultantes do processo da localização e segmentação da ZAF usando filtragem alternada sequencial (FAS)... 72
Figura 6.3. Resultados das segmentações das ZAFs dos voluntários saudáveis ... 73
Figura 6.4. Resultados das segmentações das ZAFs dos voluntários diabéticos ... 74
Figura 6.4. Curva característica de operação do receptor (ROC) de KNN Classificador (10 vezes validação cruzada), utilizando k = 7, 9, 11 e 13. ... 79
ASF Alternating Sequential Filter
AVE Acidente Vascular Encefálico CCD Dispositivos de Carga Acoplada
CMOS Complementary Metal-Oxide-Semiconductor
CMP Capilar Map Perfusion
DD Diâmetro do Disco Óptico DM Diabetes Mellitus
DO Disco Óptico
EENM Estimulação Elétrica Neuromuscular
FAS Filtragem Alternada Sequencial FC Freqüência Cardíaca
FCM Freqüência Cardíaca Máxima FSR Fluxo Sanguíneo Retiniano HC Hospital das Clínicas
HIIT High Intensity Interval Training - Exercício Intervalado de Alta
Intensidade
KNN K-Nearest Neighbors
MF Área Mácula-Fóvea NF Negativos Falsos NV Negativos Verdadeiros
OMS Organização Mundial da Saúde PA Pressão Arterial
PAD Pressão Arterial Diastólica PAS Pressão Arterial Sistólica PF Positivos Falsos
PIO Pressão Intra-Ocular PV Positivos Verdadeiros RD Retinopatia Diabética RFI Retinal Function Imager
RM Repetição Máxima
ROC Receiver Operating Characteristic Curve
TR Treinamento Resistido TRM Trauma Raquimedular
VAmed Velocidade Média de Fluxo Arterial VVmed Velocidade Média de Fluxo Venoso ZAF Vona Avascular Foveal
Sumário
1. Introdução ... 13
2. A Retina e a medula espinhal humana ... 19
2.1 Anatomia da Retina ... 19
2.1.1 Retinógrafo de imagem funcional ... 23
2.2 Anatomia da Coluna Vertebral e Medula Espinhal ... 23
2.3 Sistema Nervoso Autônomo ... 26
3. Fundamentos para o processamento de imagens da retina ... 28
3.1 Captura e representação de imagens ... 29
3.2 Processamento de imagens digitais ... 30
3.2.1. Melhoria de imagem ... 31
3.2.2. Restauração da imagem ... 31
3.2.3. Segmentação de imagens ... 32
3.3. Reconhecimento de padrões, classificação e treinamento de máquina ... 35
4. Influência do exercício físico no fluxo sanguíneo retiniano e pressão intraocular ... 37
4.1. Materiais e metodologia ... 41
5. Medida de evolução de tratamento fisioterapêutico de lesados medulares ... 53
5.1. Introdução ... 53
5.2.A Eletroestimulação Elétrica Neuromuscular nas lesões Medulares ... 54
5.3.Materiais e Métodos ... 57
5.4.Resultados ... 60
6. Diagnóstico automático em pacientes diabéticos usando a zona avascular foveal ... 67
6.1. Materiais e metodologia ... 69
6.2. Segmentação automática da zona avascular foveal ... 70
6.3. Classificação automática da Zona Avascular Foveal (ZAF) ... 75
6.4. Discussão ... 78
7. Conclusões e trabalhos futuros ... 81
7.1. Conclusões ... 81
7.2. Sugestões para trabalhos futuros ... 82
8. Publicações e depósitos referentes à tese ... 84
Capítulo 1
1.
Introdução
A Organização Mundial de Saúde (OMS) [1], em 2014, estimou que existiam cerca de 39 milhões de pessoas cegas no mundo e cerca de 246 milhões que sofrem de perda moderada ou severa da visão. Nesse mesmo estudo, a OMS afirmou que, se nenhuma medida de combate efetiva for tomada, existirão no mundo 75 milhões de pessoas cegas e 225 milhões com comprometimentos severos da visão. [1]
No Brasil, de acordo com o Conselho Brasileiro de Oftalmologia, aponta-se para a existência de 1,1 milhões de cegos (0,6% da população estimada) e cerca de 16,5 milhões de pessoas possuem alguma deficiência visual, distribuídas entre causas reversíveis e irreversíveis [2]. Os defeitos refrativos (miopia, astigmatismo) e a catarata lideram as causas reversíveis de deficiência visual, sendo seguidos pelas causas irreversíveis, como o glaucoma e as distrofias retinianas, e pelas evitáveis, tais como as vasculopatias retinianas subsequentes a doenças sistêmicas tais como o diabetes mellitus
e a hipertensão arterial sistêmica. Entre 60% e 75% destes casos de cegueira e baixa visão seriam evitáveis e/ou curáveis. [2]
Paralelamente a isso, a OMS estimou, em 2014, em 422 milhões o número de diabéticos no mundo. Quando se relacionam as duas patologias aqui citadas (diabetes e comprometimento de visão) é necessário citar as retinopatia diabética (RD) e retinopatia hipertensiva (RH). [3]
A retinopatia diabética é um problema de saúde pública mundial, por isso medidas diagnósticas preventivas capazes de diminuir a progressão da doença podem reduzir a incidência de cegueira associada a essa doença. [4]
A retinopatia hipertensiva, segundo Silva et al [5], é o resultado final dos distúrbios autorregulatórios da vasculatura sanguínea. Os vasos da retina, em resposta ao aumento crônico da pressão arterial, sofrem alterações que geram grande impacto na camada de fibras nervosas da retina, onde circulam, e que comprometem o metabolismo tecidual da retina interna. Além disso, é importante salientar que as mesmas alterações observáveis no fundo de olho podem ser observadas em toda a microvasculatura corporal, particularmente órgãos-alvo tais como o rim, o cérebro e o coração. Assim sendo, a avaliação do status vascular da retina é imprescindível ao estadiamento e ao acompanhamento evolutivo dessas doenças, com impacto substancial na prevenção da cegueira causada por essas morbidades.
O desenvolvimento de novas tecnologias aplicadas na área da oftalmologia vem crescendo muito nos últimos anos à medida que novos equipamentos, que utilizam imagens digitais e possuem alto poder computacional, têm sido desenvolvidos. Atualmente, é possível se obter diversos tipos de medidas que extrapolam a análise de doenças antes relacionadas apenas quando a visão já estava comprometida.
A retina é o único local onde os vasos sanguíneos podem ser diretamente visualizados de forma não invasiva in vivo. A evolução tecnológica vem conduzindo ao desenvolvimento de sistemas de imagem digitais ao longo das duas últimas décadas, revolucionando as imagens de fundo de olho. Modernos sistemas de imagens digitais oferecem imagens com resolução suficiente para a maioria dos cenários clínicos [6-9].
A partir dessas pesquisas recentes, grandes bases de dados de imagens de fundo de olho estão podendo ser automaticamente classificadas e gerenciadas bem mais facilmente que no caso de exaustivas observações de especialistas em laboratórios. O diagnóstico automatizado também pode auxiliar os oftalmologistas na tomada de decisões.
Para este trabalho, foi utilizado um retinógrafo denominado Retinal Function
Imager (RFI), adquirido por meio de um projeto de pesquisa temático FAPESP da FCM
(Faculdade de Ciências Médicas) com apoio técnico FEEC (Faculdade de Engenharia Elétrica e de Computação), ambas da Unicamp. Esse equipamento permite o estudo da vascularização da retina, de forma não invasiva, sem a necessidade de injeção endovenosa de contraste e com ótima qualidade das estruturas. A partir desse aparelho é possível a visualização de estruturas até então não acessíveis, o que abre um campo muito grande para novas descobertas relacionadas à visão e também a outras patologias, como as cardiovasculares. A Figura 1.1 exemplifica a diferença de detalhes entre regiões perifoveais, muito importante no diagnóstico de patologias, de uma imagem convencional da base Messidor (a) e uma imagem obtida pelo RFI (b). [10], [11].
Segundo o fabricante, o RFI foi criado para oferecer a médicos e pesquisadores o acesso à possível patogênese de doenças da retina. Além disso, o RFI é uma solução end-to-end completa, que contém módulos de software para capturar, analisar imagens obtidas com filtro da cor verde (red-free, 540 nm) e multiespectrais (548, 569, 574, 600 nm.). Esse dispositivo tem a característica de ser não invasivo e, com as respostas obtidas, é possível obter algumas características como fluxo, microcirculação e níveis de oxigênio na retina. O fluxo é medido de acordo com a velocidade das células sanguíneas que se movimentam em sequências de imagens.
(a) (b)
Figure 1Figura 1.1. Comparação entre os detalhes de regiões perifoveais segmentadas equivalentes de (a) uma
imagem convencional (base Messidor de alta resolução) (b) uma imagem de uma sequência do equipamento RFI (Retina-Unicamp)
A partir de imagens captadas entre os anos de 2011 e 2016, são propostas neste trabalho três aplicações que utilizam as imagens do equipamento RFI. A primeira aplicação envolve o estudo do efeito de exercícios físicos específicos nos vasos retinianos, principalmente a redução da pressão intraocular, tais como observado por Conte e Scarpi [12]. Buscou-se então relacionar a variação da pressão intraocular com as variações das velocidades de fluxo arterial e venoso.
A segunda aplicação, em parceria com o Laboratório de Biomecânica da FCM-Unicamp, visou comparar o fluxo dos vasos retinianos de pacientes para e tetraplégicos com o fluxo de voluntários saudáveis, além de avaliar a evolução do tratamento fisioterapêutico a partir das características da lesão. Em revisão da literatura, não foram encontrados trabalhos que relacionam essas medidas no tratamento de lesados medulares.
A terceira e última aplicação envolveu a segmentação e classificação automática da zona avascular foveal (ZAF) em pacientes saudáveis e diabéticos, utilizando o mapa capilar de difusão (CMP – Capilar Map Perfusion) fornecido pelo RFI. O algoritmo inovador proposto dispensa o uso de marcadores manuais e possui correlação muito alta em relação à segmentação realizada por especialistas.
As análises realizadas e os algoritmos propostos podem ter papel importante para a definição dos melhores protocolos para o tratamento de doenças oculares, de lesados medulares e na identificação e caracterização de pacientes diabéticos. Além disso, facilitam a identificação de patologias e revelam as mudanças que algumas doenças podem causar na vascularidade retiniana.
Objetivos e Contribuições
Esta tese tem como objetivo primário verificar a aplicabilidade do retinógrafo de imagem funcional (RFI) no processamento e análise automática de imagens de alta resolução da retina, visando medidas de evolução de protocolos de tratamento fisioterapêutico e o diagnóstico de patologias.
Dessa forma, as contribuições deste trabalho são:
Obter a relação entre exercício físico e variação da velocidade de fluxo dos vasos retinianos;
Obter a relação entre pressão intraocular e a variação da velocidade de fluxo dos vasos retinianos;
Caracterizar o comportamento do fluxo arterial e venoso em pacientes para e tetraplégicos submetidos à eletroestimulação, comparando-se com o comportamento de voluntários saudáveis;
Propor um novo método para se localizar e segmentar a zona avascular foveal (ZAF) da retina;
Propor um classificador para se diferenciar o comportamento da ZAF entre pacientes diabéticos e saudáveis.
Estrutura da tese
Todas as informações envolvidas no desenvolvimento desta pesquisa estão descritas nos seguintes capítulos:
Capítulo 2: definições da estrutura anatômica da retina e regiões de interesse, considerações importantes sobre características da retina diante de patologias. Definições da medula espinhal humana e sistema nervoso autônomo.
Capítulo 3: fundamentos para a aquisição e processamento de imagens digitais que serão importantes para o entendimento das técnicas existentes na literatura e das novas propostas.
Capítulo 4: análise da variação de fluxo dos vasos retinianos diante de exercício físico e sua relação com a pressão intraocular.
Capítulo 5: análise da variação de fluxo dos vasos retinianos diante de lesões medulares e tratamento por eletroestimulação.
Capítulo 6: descrição, testes e resultados dos algoritmos propostos para segmentação da ZAF e classificação automática de pacientes diabéticos. Capítulo 7: conclusões e trabalhos futuros.
Capítulo 2
2.
A Retina e a medula espinhal humana
Neste capítulo será apresentada a estrutura anatômica da retina, com destaque nas regiões de interesse, que podem apresentar determinadas características diante de patologias. Em seguida, serão apresentados dois importantes instrumentos utilizados para oftalmoscopia. Por fim, é definido o equipamento de imagens funcionais da retina, denominado Retinal Function
Imager (RFI), que permitiu a aquisição das imagens usadas neste trabalho.
2.1 Anatomia da Retina
A retina é um tecido fotossensível que recobre a face interna do segmento posterior do globo ocular [13]. Os elementos celulares da retina estão representados esquematicamente na Figura 2.1, e guardam uma relação topológica
entre si, semelhante ao observado no córtex cerebral. Os principais são os fotorreceptores, divididos em cones (sensíveis a altos níveis de iluminação) e bastonetes (sensíveis a baixos níveis de iluminação) que têm a função de transformar os estímulos luminosos em impulsos elétricos, os quais são transmitidos através da retina interna (células horizontais, bipolares e ganglionares) ao nervo óptico e deste, através da via óptica, ao córtex occipital, onde os sinais elétricos são decodificados e a imagem visual é reconhecida e interpretada.
FFigura 2.1 - Componentes funcionais da retina dispostos em camada histológica. Disposição dos
componentes da retina, de fora para dentro do globo ocular: (1) epitélio pigmentar da retina, (2) fotorreceptores cones, (3) fotorreceptores bastonetes, (4) célula horizontal, (5) célula bipolar (6) célula
amácrina, (7) célula ganglionar, (8) célula de Müller, (9) axônios e (10) membrana limitante interna, (extraído de [http://otcjosealves.blogspot.com/ 2010_11_01_archive.html]).
O aspecto fundoscópico normal está exemplificado na Figura 2.2, com destaque para o disco óptico e para a região macular. O disco óptico representa a porção inicial do nervo ótico, responsável pela transmissão do estímulo nervoso até o cérebro; a mácula, localizada na retina central, é uma área especializada e densamente povoada por fotorreceptores do cone, responsivos ao espectro luminoso vermelho e responsáveis pela refinada capacidade de reconhecer que pontos próximos estão separados, conhecida como acuidade visual. No centro da mácula, existe uma região que não possui vasos denominada zona avascular foveal (ZAF). [13]
O suprimento sanguíneo da retina também é peculiar. As camadas internas da retina são supridas pela artéria central da retina que penetra no globo
ocular junto ao nervo óptico. A drenagem ocorre pela veia central retiniana, que desemboca no seio cavernoso.
Os vasos retinianos centrais se bifurcam em ramo superior e inferior, nas hemirretinas nasal e temporal.
Figure 22Figura 2.2 - Imagem de retina normal e a presença do disco óptico e da mácula.
A rede vascular possui características que são importantes para o metabolismo como a barreira hemato-retiniana interna e a auto-regulação do débito sanguíneo. Fatores como a pressão de perfusão, resistência dos vasos e viscosidade do sangue afetam a homeostasia retiniana.
Dado que a retina é um tecido altamente vascularizado, seu funcionamento pode ser drasticamente afetado na vigência de um suprimento sanguíneo inadequado, ocasionado por obstruções subsequentes a coágulos, arteriosclerose ou por estreitamento das artérias, podendo levar a hemorragias ou hipóxia. A partir disso, pode ocorrer diminuição ou até a perda da visão. Do ponto de vista clínico, tais alterações são também indicativas de alto risco de problemas cardiovasculares associadas, por exemplo, à hipertensão arterial sistêmica descontrolada que poderia ser complicada por um acidente vascular encefálico (AVE). As alterações vasculares associadas à hipertensão arterial sistêmica são: vasoconstrição (diminuição do calibre do vaso por espasmo muscular), tortuosidade arteriolar, indentação do cruzamento artério-venoso, quebra da barreira
hemato-Disco Óptico Mácula
retiniana (por degeneração da musculatura lisa com perda do endotélio), com extravasamento de plasma e proteínas para o espaço extracelular. A oclusão de arteríolas da retina, que são ramificações das artérias, pode causar uma isquemia focal e necrose das fibras nervosas, dando origem às manchas algodonosas.
A microangiopatia diabética é fruto da perda do mecanismo da auto-regulação retiniana, subsequente à glicosilação do endotélio vascular. Muitas vezes, as alterações retinianas hipertensivas e diabéticas podem se sobrepor, dificultando o diagnóstico diferencial do fator causal. No diabetes mellitus, as paredes dos microvasos ficam mais espessas, mais fracas e sofrem deformidades, levando à redução da velocidade do fluxo sanguíneo. As principais deformidades vasculares observadas são os microaneurismas (Figura 2.3a) nas arteríolas, drussas (Figura 2.3b) e o arrosariamento das paredes venosas. Tais alterações são acompanhadas de incompetência vascular, pela quebra da barreira hemato-retiniana interna, propiciando transudação e/ou exsudação para o tecido retiniano, e originando edema. A sintomatologia do quadro é dependente da região retiniana comprometida. [13]
Outra causa sistêmica de afecção dos vasos retinianos é o diabetes
mellitus. Em virtude da instalação insidiosa de alterações vasculares da retina em
pacientes com doenças crônicas, o quadro pode ser assintomático e, muitas vezes, é diagnosticado tardiamente, com grave comprometimento tecidual, mesmo que não cause impacto significativo na visão.
Apesar de graves, tais alterações podem cursar de forma assintomática e atingirem um estágio de comprometimento tecidual irreversível, onde há perda funcional que dificilmente pode ser remediada.
(a) (b)
Figure 3 3Figura 2.3 (a) Imagem de retina que mostra a presença de microaneurismas e (b) imagem da retina com
drusas.
2.1.1 Retinógrafo de imagem funcional
Nos últimos anos, a empresa Optical Imaging tem desenvolvido um novo aparelho, que pode ser observado na Figura 2.4. Denominado de RFI (Retinal
Function Imager), esse equipamento permite o estudo da vascularização da retina,
de forma não invasiva, sem a necessidade da injeção endovenosa de contraste e com ótima resolução das estruturas. Possui uma câmera fotográfica acoplada a um conjunto de filtros, com comprimentos de onda que variam de 548 a 600 nm. Permite o estudo da perfusão capilar com mensuração da velocidade do fluxo sanguíneo, conforme pode ser observado nas imagens da Figura 2.5. Todas as imagens utilizadas neste trabalho foram aquisitadas por meio do RFI.
2.2 Anatomia da Coluna Vertebral e Medula Espinhal
A coluna vertebral é composta por 33 vértebras divididas nos segmentos: 7 cervicais, 12 torácicas, 5 lombares, 5 sacrais e 4 coccígeas. Sua estrutura é formada pelas curvaturas, lordose na região cervical e lombar e cifose na região sacral e coccígea. Possui discos fibrocartilaginosos, articulações, ligamentos e musculatura e tem a função de suporte, estabilidade, mobilidade e proteção da medula espinhal. Os corpos vertebrais variam de tamanho cefalocaudal devido ao aumento de pressões. A região anterior da coluna vertebral é formada pelos corpos vertebrais. Já a parte posterior é formada por dois pedículos e 2 lâminas unidas que formam o processo espinhoso.
Figure 4 Figura Figura 2.4 - Equipamento de imagem funcional da retina (RFI), extraído de
[http://www.opt-imaging.com/rfi_description.asp].
(a) (b) (c) (d)
FigFigure 5ura 4Figura 2.5 – Exemplos de imagens de retina obtidas pelo equipamento de imagem funcional da retina
(RFI), apresentando (a) velocidades instantâneas de fluxo sanguíneo, (b) mapa de perfusão capilar, (c) imagem multiespectral para oximetria qualitativa, (d) imagem funcional metabólica da retina, extraído de
[http://www.opt-imaging.com/rfi_description.asp].
A medula espinhal apresenta o formato cilindro e está localizada no interior do canal vertebral. No adulto mede aproximadamente 45 cm de comprimento, tendo origem no na primeira vértebra cervical e o término na segunda vértebra lombar. As raízes nervosas L2-S5 abaixo do término da medula espinhal origina-se a cauda equina. Em sua composição estão localizados os 31 pares de nervos espinhais, sendo 8 cervicais, 12 torácicos, 5 lombares, 5 sacrais e um coccígeo, conforme mostrado na Figura 2.6.
Figure 6 Figura 2.6. Imagem representativa dos nervos espinhais e cauda equina. (Fonte:
http://cogitarefisioterapia.blogspot.com.br/2011/04/medula-espinhal-simplesporem-complexa.html)
A medula espinhal tem um papel importante na comunicação entre o encéfalo e as estruturas periféricas e orgânicas do corpo humano. Tem a função de receber informações dos estímulos sensoriais do corpo através das raízes dorsais pelo corno posterior da medula (via aferente). O corno anterior é responsável pela função motora o qual envia as informações processadas do sistema nervoso central até o órgão efetor, através das raízes ventrais (via eferente), como mostra a Figura 2.7. Em um corte transversal semelhante a um “H” sua estrutura é formada pela substância cinzenta no centro e substância branca na periferia. A substância branca é composta por diversos tratos que são responsáveis pela condução de impulsos nervosos entre diferentes partes do encéfalo e a comunicação com a periferia corpórea. [14-15]
Figure 75Figura 2.7. Imagem representativa dos nervos espinhais e cauda equina.
Fonte: http://www.ebah.com.br/content/ABAAAfs_gAJ/aula-medula-espinhal
2.3 Sistema Nervoso Autônomo
O sistema nervoso autônomo também chamado de sistema nervoso visceral ou neurovegetativo é a parte do sistema nervoso que controla a comunicação interna do organismo. Há uma ampla interação entre os sistemas autônomo e somático. O principal grupo de funções reguladas pelo sistema somático é o controle músculo esquelético relacionado com a locomoção e a comunicação na superfície da pele; enquanto que o sistema nervoso autônomo está baseado no controle de vasos sanguíneos, vísceras e glândulas.
A manutenção do ambiente corporal é a função importante do sistema nervoso autônomo. Quando estímulos sinalizam para a autorregularão, o sistema nervoso central e seus componentes, incluindo o hipotálamo, sistema límbico associados com os fatores emocionais e comportamentais de origem visceral (por ex: termoregulação, comer, beber, reprodução) e sistema nervoso autônomo emitem comandos para a homeostasia. O sistema nervoso autônomo, em geral, se refere aos sistemas nervosos simpáticos e parassimpáticos, como mostra a Figura 2.8. Os neurônios simpáticos pré-ganglionares estão localizados no corno lateral dos segmentos torácicos e lombares superiores da medula. O Neurônio pós-ganglionar está nos gânglios paravertebrais e cada
um dos 31 pares de nervos espinhais periféricos que tem a função de levar os estímulos até o órgão efetor. [15]
As fibras motoras autonômicas denominadas eferentes são acompanhadas pelas fibras aferentes viscerais que se origina receptores sensoriais e que muitos deles desencadeiam arco reflexo medular.
Figure 86Figura 2.8. Imagem representativa e locais da medula referentes às funções dos sistemas
Capítulo 3
3.
Fundamentos para o processamento
de imagens da retina
Neste capítulo serão apresentados os conceitos básicos para a representação e processamento de imagens digitais, de modo que o texto possa ser entendido por profissionais de diferentes áreas do conhecimento, uma vez que este é um trabalho multidisciplinar. Serão discutidos aqui as principais técnicas para segmentação de objetos, os princípios de processamento morfológico de imagens, transformada
watershed, momentos de Hu e o classificador KNN (K-Nearest Neighbors) e treinamento
3.1 Captura e representação de imagens
Uma imagem digital em escala de cinza pode ser definida como uma função bidimensional f(x,y) onde x e y são as coordenadas espaciais e f é a amplitude em qualquer par de coordenadas. Os pixels circundantes de qualquer pixel constituem a sua “vizinhança”.
A forma com que as imagens digitais são representadas é fator importante para se definir os esforços computacionais necessários para seus processamentos. Para imagens representadas em escala de cinza, há 256 níveis de intensidade diferentes, de 0 (preto) a 255 (branco), para imagens de 8 bits, e 4096 níveis de cinza, no caso de imagens de 12 bits. Assim, uma imagem é composta de uma matriz de pixels de intensidades variáveis.
A partir disso, em qualquer ponto do espaço de coordenadas (x, y), a imagem tem uma respectiva intensidade. Quando x, y e a amplitude da intensidade de pontos de uma imagem são todos descritos como finitos e em quantidades discretas, a imagem é denominada digital. Uma imagem digital simples pode ser constituída de muitos desses pontos, ou pixels (derivado de picture elements).
As imagens coloridas, por sua vez, utilizam normalmente 3 componentes (vermelho, verde e azul - RGB), requerendo assim uma matriz tridimensional para representar as informações. Muitas vezes, o contraste é maior quando apenas a componente verde é utilizada na análise de uma imagem de fundo de olho, uma vez que é melhor o contraste entre o fundo e algumas características, tais como vasos sanguíneos e hemorragias [16]. A grande maioria dos processamentos, porém, são definidos para operar em imagens em escala de cinza, que podem ser extraídas a partir das imagens RGB.
Imagens denominadas indexadas usam matrizes, ou mapas de cores, que predefinem um conjunto limitado de combinações de valores RGB. Então, em vez de cada ponto na imagem digital ser definido por níveis RGB individualmente, o valor do
pixel simplesmente se refere à combinação mais próxima do mapa de cor,
O primeiro estágio para análise de uma imagem digital de fundo de olho é a sua captura. As imagens são normalmente adquiridas por uma câmera de fundo de olho (midriáticos ou não midriáticos). Instrumentos midriáticos são projetados assumindo que os olhos foram dilatados pelo uso de colírios, já os não midriáticos não requerem dilatação. As câmeras possuem sensores conhecidos como dispositivos de carga acoplada (CCD), que são constituídos de um conjunto de minúsculos diodos sensíveis à luz que convertem luz em sinal elétrico. A resolução espacial da imagem depende do número de
pixels que podem ser criados a partir da imagem capturada pelo sensor CCD. Outro
importante tipo de sensor que pode ser usado para capturar as imagens utiliza a tecnologia de semicondutor de óxido metálico complementar CMOS (Complementary
Metal-Oxide-Semiconductor), cuja fabricação é barata em larga escala, porém é tradicionalmente mais
susceptível a ruídos.
3.2 Processamento de imagens digitais
Serão discutidos aqui alguns dos processamentos comuns em imagens digitais, que visam realizar transformações nos valores de níveis de cinza. Existem três mecanismos básicos para que isso possa ser feito. Na forma mais simples, os valores de
pixels são alterados sem qualquer tratamento dos valores de vizinhança, que corresponde
aos valores em torno de sua posição espacial. Existem processamentos que trabalham com pequenas regiões ao redor de cada pixel e outros que envolvem manipulação da imagem inteira de modo que todas as intensidades de pixels devam ser consideradas.
Os objetivos do processamento de imagens normalmente relacionam uma das três grandes categorias: melhoria (por exemplo, melhoria do contraste), restauração (recuperação dos detalhes de uma imagem) e segmentação (isolação de uma área particular de interesse dentro da imagem) [17].
3.2.1. Melhoria de imagem
Uma das dificuldades na captação de imagem de fundo de olho é que a qualidade da imagem pode ser afetada por diversos fatores, tais como opacidade medial, imagem desfocada e presença de artefatos [18,19]. As melhorias nas imagens podem significar que a imagem estará mais aceitável para visualização, processamento ou análise. Isso pode envolver diferentes processos, como a melhoria do contraste ou brilho. O histograma da imagem fornece informações básicas sobre a sua aparência. É constituído por um gráfico que indica o número de vezes que cada nível de cinza ocorre na imagem. No eixo horizontal, o gráfico é a gama de valores possíveis de intensidade, por exemplo, de 0 a 255. O eixo vertical representa uma medida da frequência de ocorrência de cada valor de intensidade. Em uma imagem excessivamente escura ou brilhante, os níveis de cinza permanecem agrupados nos extremos do histograma. Por outro lado, em uma imagem bem contrastada esses níveis seriam bem distribuídos ao longo de grande parte da faixa. Alguns algoritmos de equalização de histograma permitem distribuir níveis de cinza de forma mais homogênea em toda a faixa de intensidades de acordo com as especificações do usuário, permitindo uma imagem com maior contraste.
3.2.2. Restauração da imagem
A restauração de imagens visa reverter os danos nas imagens gerados por causas conhecidas. Algoritmos que procuram reverter os efeitos de suavização ou remover padrões de interferência pertencem a esta categoria. Muitos dos ruídos ocorrem devido a erros de valores de pixel causados por perturbação externa. Existem muitas formas de ruído, tais como sal e pimenta, ruído Gaussiano ou ruído periódico. O ruído sal-e-pimenta provoca o aparecimento de pixels brancos ou pretos distribuídos aleatoriamente sobre a imagem. É possível reduzir isso usando filtros com máscaras que ignoram valores excessivamente altos ou baixos. O ruído gaussiano, por sua vez, é
causado por flutuações aleatórias no sinal e pode ser reduzido usando várias versões da mesma imagem e os valores médios para cada pixel.
O ruído periódico ocorre se o equipamento de captura da imagem está sujeito à perturbação de repetição eletrônica. Ele pode ser reduzido mediante a aplicação de filtros canceladores de ruído, que são mais eficientes no domínio da frequência, via a Transformada de Fourier.
3.2.3. Segmentação de imagens
A segmentação de imagens envolve a divisão em subseções que são de particular interesse, tais como áreas apropriadas para análise, ou a obtenção de círculos, linhas ou outras formas de interesse. A segmentação será correta quando tais objetos de interesse forem isolados. Alguns algoritmos de segmentação são definidos para imagens monocromáticas e geralmente são baseados na descontinuidade de intensidades da imagem, como as bordas ou características pré-definidas pelo usuário.
Limiarização
O processo de segmentação mais simples utiliza a limiarização, que permite a separação de uma imagem em componentes, transformando-a em uma imagem binária. Nesse processo, a imagem é separada em pixels brancos e pretos, com base nos seus valores de intensidade maior ou menor que um determinado limiar. O processo de limiarização pode ser particularmente útil para se remover detalhes desnecessários ou variações que não são de interesse. Um valor do limite global pode ser escolhido automaticamente ou com base no histograma da imagem que pode permitir uma separação eficiente. Outros critérios mais complexos de intensidade podem ser utilizados para a atribuição de pixels que se tornarão brancos ou pretos. Para algumas imagens, a limiarização adaptativa ou local é útil quando diferentes limiares são aplicados em diferentes seções da imagem. Essa característica é comum nas imagens utilizadas neste trabalho e esse processamento será abordado nas seções seguintes.
Detecção de bordas
As bordas contêm algumas das informações mais úteis em uma imagem. Elas podem ser usadas, por exemplo, para medir o tamanho ou para reconhecer e isolar objetos. Uma borda em imagem digital consiste em uma região com diferença considerável entre os valores de pixels. A maioria dos algoritmos de detecção de bordas identifica essa mudança encontrando a magnitude do gradiente da intensidade dos pixels. Isso pode ser feito por meio da aplicação de filtros específicos cuja complexidade pode variar significativamente. Um limiar pode ser aplicado na imagem resultante para se obter uma imagem binária formada apenas pelas bordas.
Outros exemplos de detecção de bordas são as máscaras de Sobel [17] e algoritmo de Canny [20]. A borda de Sobel usa um par de máscaras 3x3, uma convolução para se estimar o gradiente na direção horizontal e outra para se estimar o gradiente na direção vertical. No caso do algoritmo de Canny, é proposto que o detector de bordas ótimo deve respeitar os seguintes parâmetros: o algoritmo deve ser capaz de identificar todas as bordas possíveis na imagem, as bordas encontradas devem estar o mais próximo possível das bordas da imagem original e cada borda da imagem deve ser marcada apenas uma vez. Além disso, o ruído da imagem não deve criar falsas bordas. Para satisfazer tais condições, Canny utilizou um cálculo de variações, visando encontrar uma função que otimizasse o funcional desejado. A função ideal para o detector de Canny é descrita pela soma de quatro termos de exponenciais, que pode ser aproximada pela primeira derivada de uma gaussiana. Em uma comparação entre técnicas de detecção de bordas para se identificar os limites e larguras correspondentes dos vasos sanguíneos da retina [21], o filtro de Sobel foi o mais inconsistente, principalmente devido ao reflexo da luz central nos vasos sanguíneos. O algoritmo de Canny, nesse caso, gerou melhores resultados.
Filtros
O processamento de vizinhança estende o poder de processamento dos algoritmos de imagens da retina por meio da incorporação de valores de pixels adjacentes nos cálculos. Um usuário define a matriz ou máscara de filtragem, que deve possuir elementos suficientes para cobrir não apenas um único pixel, mas também alguns de seus
pixels adjacentes. Cada pixel coberto pelos elementos da máscara é sujeito a uma função
correspondente. A combinação de máscara e função é chamada de filtro. Assim, o resultado da aplicação de uma máscara em um pixel específico resulta não só na alteração dos valores do pixels central, mas também dos valores dos pixels vizinhos.
Processamento morfológico
A morfologia matemática [22] é particularmente adequada para se analisar formas em imagens. Os dois processamentos principais são a dilatação e a erosão. Esses processos envolvem um mecanismo especial de combinação de dois conjuntos de pixels. Normalmente, um conjunto é constituído da imagem a ser processada e o outro conjunto, com quantidade menor de elementos, é conhecido como elemento estruturante. No contexto de imagens binárias, na denominada dilatação morfológica, todo ponto na imagem é sobreposto pelo elemento estruturante, com seus pixels adjacentes. O efeito resultante da dilatação é de aumento do tamanho do objeto original. A erosão é o procedimento inverso em que uma imagem é afinada. O elemento estruturante é sobreposto à imagem original e só em locais quando ele se encaixa inteiramente dentro dos seus limites o pixel resultante central será aceito.
Outros importantes operadores são a abertura e o fechamento morfológico. A abertura morfológica consiste de erosão seguida por dilatação, e tende a suavizar a imagem, eliminando junções estreitas e removendo saliências finas. O fechamento morfológico consiste em dilatação seguida pela erosão e também suaviza imagens, mas fundindo golfos estreitos e eliminando pequenos buracos. Os algoritmos que combinam os processos descritos são utilizados para a criação de mecanismos de detecção de bordas, remoção de ruídos e de fundo, bem como para encontrar formas específicas em imagens. O operador h-minina ou hmin(f) preenche vales na imagem com
profundidade menor que uma intensidade h e eleva o nível de outros vales em h, diminuindo assim a quantidade de mínimos regionais da imagem. Trata-se assim de uma ferramenta útil para se isolar mínimos globais em métodos automáticos de segmentação. O filtro alternado sequencial (do inglês Alternating Sequential Filter ou ASF) é um conjunto de aberturas e fechamentos aplicados de maneira iterativa,
aumentando o tamanho do elemento estruturante a cada iteração. O filtro toma forma abertura-fechamento, ou fechamento-abertura, dependendo da ordem em que são aplicadas as operações. Porém isso não limita o tamanho do filtro, estas sequências podem ser estendidas até (n − 1) vezes, dado n ≥ 1. O filtro ASF pode ser usado para a simplificação das imagens, separando as regiões onde as intensidades são mais escuras em comparação com seus arredores.
Outro processamento morfológico muito comum é o watershed. Pode-se pensar a imagem como uma superfície topográfica e em lagos formados por diques como
linhas divisores de água provenientes da elevação do nível de água a partir de fontes
localizadas em todos os mínimos regionais (watershed clássico). Supondo que um processo contínuo de inundação, a partir dos mínimos regionais, se inicie (regiões da imagem ou folhas da árvore), em certo momento, as águas de dois lagos se unem (fusão de duas regiões ou dois nós se ligando a um nó pai na árvore). E este processo de união se repete até que se tenha apenas um lago (região única com todos os pixels da imagem ou raiz da árvore). Tem-se construído então a estrutura denominada “árvore dos lagos críticos”. Não só a profundidade, mas a área ou volume dos lagos pode determinar a ordem de fusão.
3.3. Reconhecimento de padrões, classificação e
treinamento de máquina
Uma vez que a segmentação de uma imagem é realizada e se deseja obter uma métrica, que diferencia as características do objeto encontrado de outro objeto, é necessário se trabalhar com uma ferramenta de reconhecimento de padrões.
Neste trabalho, para a caracterização das imagens da zona avascular foveal, foi escolhido os denominados Momentos de Hu [23]. Esses momentos têm como principal atrativo a invariabilidade à translação, escala e transformações ortogonais aplicadas a figuras geométricas planares. Cada um dos 7 momentos de Hu, propostos em
[23], é considerado como uma característica distinta, embora elas sejam sempre utilizadas em conjunto.
A partir do vetor de características é necessário se estabelecer uma métrica que permite classificar as ZAFs de diferentes pacientes e voluntários. Neste trabalho foi utilizada a técnica K-nearest neighbors (KNN). O KNN é um método de estimativa de densidade aplicado à classificação. Ele calcula a probabilidade de que um ponto x esteja contido dentro de um volume 𝑉 centralizado em um ponto 𝑥 dado por:
𝜃 = ∫ 𝑝(𝑥)𝑑𝑥
𝑣𝑥
(3.1) onde a integral é sobre o volume V. A probabilidade pode ser aproximada pela quantidade de amostras que são obtidas dentro do âmbito de 𝑉. É necessário precaução ao escolher o valor de 𝐾 para determinar o volume 𝑉. Se for um valor muito grande, pode-se obter classificação com muita chance de falhas caso existam classes similares sendo comparadas. Se ao contrário, 𝐾 for um valor pequeno, o poder de classificação ficará comprometido por possuir poucas amostras para comparação dentro do volume 𝑉.
Para finalizar este capítulo, é importante definir sobre o aprendizado de máquina, que geralmente é utilizado em conjunto com a área de reconhecimento de padrões [24]. Para isso, existem algoritmos desenvolvidos para aprender relações sobre dados e prever resultados, resolvendo problemas de classificação, regressão, clusterização, entre outros, de maneira supervisionada ou não-supervisionada. Quanto maior e mais representativa for a base de dados utilizada para o treinamento do algoritmo, melhores resultados serão gerados para a classificação da amostra.
Este capítulo visou à fundamentação básica para o processamento das imagens da retina, que serão mais relevantes no Capítulo 6 deste trabalho.
Os próximos capítulos envolverão as novas propostas, testes, resultados e discussões.
4.
Capítulo 4
5.
Influência do exercício físico no fluxo
sanguíneo retiniano e pressão
intraocular
Introdução
Historicamente, é unânime a recomendação médica para a prática de atividades físicas, indicada para melhorar o funcionamento de diversos órgãos e sistemas do organismo. Na área da oftalmologia, por outro lado, essa recomendação não é muito difundida, existindo inclusive opiniões contrárias.
Dentre as principais doenças oculares está o glaucoma, que é uma designação genérica para um grupo de doenças distintas que envolvem pressão intraocular associada à neuropatia óptica [25]. Elevados níveis de pressão intraocular aumentam significativamente o risco para o desenvolvimento de glaucoma. Quando não tratado, o glaucoma pode acarretar danos permanentes no disco óptico da retina, causando uma perda progressiva do campo visual. Uma importante relação é que a redução dos níveis de pressão intraocular diminui a perda visual, inclusive nos casos em que a doença está instalada.
A pressão intraocular (PIO), por sua vez, é determinada principalmente pelo acoplamento da produção e drenagem de humor aquoso (ilustração na Figura 4.1) principalmente através da malha trabecular e uveoscleral e ainda pela pressão venosa episcleral [26]. O volume do vítreo, volume sanguíneo da coróide, rigidez da esclera, tensão do músculo orbicular do olho e a pressão externa, também podem influenciar a PIO.
Figure Figure 910Figura 4.1. Ilustração da drenagem do humor aquoso (Departamento de Saúde e Serviços Públicos
dos Estados Unidos, 2003). [27]
Conforme comentado em [28], os primeiros relatos sobre a relação entre a pressão intraocular e o exercício físico datam da década de 70, mas esse fenômeno é pouco estudado. Desde então, muitos pesquisadores procuraram obter informações sobre essa relação adotando, principalmente, exercícios aeróbios.
O clássico estudo de Marcus [29] de 1970 mostrou que após quatro minutos de corrida intensa em esteira houve redução significativa da PIO concomitante ao aumento do lactato plasmático. Ainda nos anos 70, Leighton & Phillips [30] mostraram que cinquenta minutos de caminhada (intensidade moderada) também foi suficiente para diminuir significativamente a PIO. Nos anos seguintes, diversos estudos, analisando o efeito do exercício aeróbio em diversas intensidades, foram publicados, com destaque aos achados de Harris et. al [31], que submeteram 28 homens (17 treinados e 11 sedentários) a 10 minutos de exercício no cicloergômetro a carga constante de 90 watts, e observaram novamente redução da PIO e aumento do lactato plasmático. Em estudo transversal com 15 indivíduos do sexo masculino se exercitando nas seguintes condições: i) 70% Freqüência Cardíaca Máxima (FCM) por sete minutos e 30 segundos; ii) 55% FCM por quinze minutos; iii) 40% FCM por trinta minutos, foi reportado que a PIO diminui proporcionalmente ao aumento da intensidade do exercício e não de acordo com o tempo de duração da atividade [32].
Já, outros autores examinaram os efeitos de 20 minutos de corrida a 70% da FCM na PIO, PA FC em 29 sujeitos, observando redução da PIO e aumento da pressão arterial (PA) e frequência cardíaca (FC). Assim sendo, pode-se concluir que não existe relação linear entre alterações na FC e PA com a PIO [33]. Mais recentemente, em [34] comparou-se o efeito do exercício intervalado de alta intensidade (também conhecido como HIIT) e o exercício contínuo moderado na PIO de indivíduos jovens do sexo masculino e concluíram que ambos modelos de atividade aeróbia promovem queda da PIO imediatamente após o exercício, porém somente no HIIT a PIO permaneceu significativamente mais baixa do que no repouso após 10 minutos de recuperação.
Poucos estudos investigaram os efeitos a partir de um treinamento resistido (TR) [28, 35]. O treinamento resistido pode ser definido, de forma simplificada, como um exercício realizado com pesos. Da mesma forma, esse tipo de exercício, muitas vezes denominado de musculação, é geralmente praticado para aumento de massa muscular, reabilitação da força, hipertrofia, potência ou resistência muscular [36, 37]. Em [28] obteve-se uma redução substancial nos valores de PIO em um grupo de 19 praticantes de box, após o treinamento resistido. Os exercícios foram repetidos em diferentes posturas
do atleta e a redução continuou, com pequenas variações dependentes do tipo do exercício.
Duas questões importantes no treinamento resistido são a definição da carga e do número de repetições a serem realizadas. É comum a inclusão de pelo menos uma série com o maior número de repetições possíveis, com a carga máxima ou quase máxima que a pessoa suporta levantar. Esse total de peso a ser usado, pode ser baseado sobre o percentual de carga máxima que pode ser deslocado uma vez, geralmente referido como uma repetição máxima. Em [28], por exemplo, foi estabelecido de 12 a 15 repetições, com carga de 60% à 80% do valor máximo suportado por cada voluntário.
Foram encontrados resultados interessantes a respeito da influência dos exercícios resistidos ou de força na PIO. Vieira et al (2003) [38] estudaram as variações da PIO após a realização de supino (1 série de 8 repetições a 85% de 1RM – repetição máxima) em 15 indivíduos do sexo masculino e concluiu que após o esforço físico houve redução da PIO. Em outra pesquisa, verificou-se os efeitos do supino e leg-press realizados com 3 séries de 10 repetições a 70% 1RM na PIO de 30 indivíduos (15 homens e 15 mulheres). Os resultados indicaram que houve redução da PIO após 1ª e 3ª séries e após 5’ (supino) e resposta similar no leg-press, porém com retorno pós 5 minutos [39]. Entretanto, em [40] ao se estudar em 30 indivíduos do sexo masculino o efeito de 4 RM no supino realizadas uma vez em apnéia e outra com respiração continuada, concluiu-se que a PIO aumentou durante o exercício resistido, sendo que em apnéia o aumento foi maior comparado à respiração continuada. Em contrapartida, em [28] foi verificado após teste submáximo de força no treinamento resistido em 145 indivíduos, redução da significativa da PIO em ambos os sexos. Em [34], observou-se que o treinamento resistido estimulou a redução importante na PIO, especificamente 3 séries de 15 repetições com 60% de 1RM promoveu respostas hipotensivas mais expressivas PIO do que 3 séries de 8 repetições com 80% de 1RM.
Em poucos trabalhos, analisou-se a variação do fluxo sanguíneo retiniano a partir de diferentes tipos de exercício físico [28, 41-43]. Os equipamentos que foram usados para a análise do fluxo, nesses casos, foram a angiografia fluorescente e fluxometria Doppler. Em [42] concluiu-se que o fluxo arterial diminuiu. Em [41 e 43] concluiu-se que não houve variação significativa nos fluxos dos vasos retinianos. Os
autores, nesses dois últimos casos citados, concluíram que os mecanismos de autoregulação são suficientes para compensar o aumento da PA e manter a FSR após exercício. Nos casos anteriores houve a constatação da diminuição da PIO.
Observa-se então, a partir dos poucos trabalhos da literatura que envolvem o tema, que não existe um consenso sobre quais são as variações dos vasos diante do exercício físico. Ademais, em nenhum desses trabalhos, onde foi analisada a variação de fluxo sanguíneo, os testes foram realizados a partir de treinamento resistido.
A partir disso, foi proposto neste trabalho avaliar a PIO e a velocidade dos vasos retinianos, obtidas por meio do retinógrafo de alta resolução RFI, diante de treinamento resistido. A premissa é que os valores indicados podem ter correlação com a Pressão Intraocular e revelar informações até então desconhecidas.
4.1. Materiais e metodologia
População do estudo
Estudantes e docentes de Educação Física da Escola Superior de Educação Física de Jundiaí, praticantes de atividades físicas, foram convidados para participar dos testes de aquisição das imagens de fundo de olho. Os critérios de inclusão no estudo foram os voluntários com idade variando de 21 a 44 anos, com pelo menos 1 ano de prática em atividades físicas. Os critérios de exclusão foram para os voluntários com quaisquer doenças endócrinas, hepáticas, metabólicas, doença cardíaca ou, doença renal e não diabéticos, gravidez, alta miopia, corioretinite cicatrizes, uveíte posterior, e glaucoma. Também foram excluídos aqueles que tinham sido submetidos a uma cirurgia ocular anterior e que poderiam influenciar na análise de fluxo e de pressão intraocular pretendidas. Um total de 8 voluntários deram o seu consentimento informado antes de participar da realização do exame oftalmológico e dos exercícios físicos. A pesquisa foi realizada em conformidade com a Declaração de Helsinque e aprovado pelo Comitê de Ética local (número de aprovação 745/2011).
Aquisição das imagens
As imagens da retina foram adquiridas pelo RFI com uma iluminação de fundo de olho em comprimentos de onda verde, no qual os glóbulos vermelhos (hemácias) são fortemente absorvidos. Para imagens de alta resolução da ZAF, as imagens foram obtidas com uma lente de 20 graus, centrada primeiramente na fóvea, resultando em resolução de 4,27 microns/ pixel. Em seguida, usando as mesmas lente e resolução, foram feitas aquisições centradas no disco óptico. Em cada aquisição, são gravados 8 quadros da imagem do fundo de olho, de modo a se extrair o sinal de movimento a partir do fundo estacionário e se obter os mapas capilares de perfusão (CPM – Capilar Perfusion Map), gerado pelo equipamento. No presente trabalho, de 4 a 5 séries de quadros para a obtenção mapas de perfusão capilar (CPM) foram utilizados para cada voluntário.
Descrição dos testes
Os testes seguiram a ordem descrita na Tabela 4.1.
TABELA4.1.DESCRIÇÃO DAS FASES DOS TESTES ENVOLVENDO EXERCÍCIO FÍSICO
Ordem SEQUÊNCIA da COLETA
1o Dilatação pupila
2o Medida da pressão arterial 3o Medida da pressão intraocular 4o
Aquisições das imagens com RFI configurado para análise de fluxo.
5o Exercício físico
6o Medida da pressão arterial 7o Medida da pressão intraocular 8o
Aquisições das imagens com RFI configurado para análise de fluxo. (imediatamente após a etapa anterior)
Os 8 voluntários foram submetidos a 3 séries de 15 repetições do exercício de treinamento resistido conhecido como "desenvolvimento de deltoide" (ilustração na Figura 4.2), com intervalos de 60 segundos entre as séries, executada em pé e com 60% da carga máxima de trabalho de cada indivíduo. As medidas de PIO foram realizadas antes e após o exercício, usando um tonômetro de Perkins. As medidas de pressão arterial
(PA) também foram tomadas nesses dois momentos. Antes de cada aquisição no RFI, foram utilizados colírios anestésicos e lubrificantes, que ajudam na estabilização do olho diante da luz.
Figure 11 Figura 4.2. Ilustração do treinamento resistido “desenvolvimento deltoide” escolhido para o estudo.
[44]
Processamento usando o RFI
Uma vez adquiridas as imagens dos atletas antes e após o exercício, utilizou-se o software do RFI para se gerar os mapas capilares de perfusão (CMP) e também se obter as medidas de velocidade de fluxo arterial e venoso. As sequências com baixa qualidade foram manualmente excluídas de forma a se ter a melhor combinação de quadros para a construção do CMP.
Em seguida, os vasos foram segmentados manualmente e os valores de velocidade de fluxo gerados pelo equipamento. A Figura 4.3 mostra um exemplo de saída desse processo, onde a cor vermelha representa uma artéria e a cor roxa representa uma veia.
(a)
(b)
Figure 12 Figura 4.3. Exemplos de saídas obtida pelo RFI após cálculo da velocidade de fluxo (a) com imagem
Análise dos dados
Foram obtidas as velocidades de fluxo nas veias e artérias de cada atleta, nas imagens centradas na ZAF e no disco óptico (DO). Os valores de velocidade média e desvio padrão foram calculados para os dois instantes de tempo: antes e após o exercício de treinamento resistido. Foram calculados então os percentuais de variação das velocidades de artérias e veias entre esses dois instantes de tempo, bem como o teste de distribuição t-Student.
Para a observação dos resultados foram gerados gráficos box-plot apresentados a que são baseados na distribuição por quartis. O primeiro quartil, Q1, é o número que deixa 25% das observações abaixo e 75% acima, enquanto que o terceiro quartil, Q3, deixa 75% das observações abaixo e 25% acima. São valores dados a partir do conjunto de observações ordenado em ordem crescente, que dividem a distribuição em quatro partes iguais. Já Q2 é a mediana, representada elo valor que deixa 50% das observações abaixo e 50% das observações acima. [45]
Resultados
A Tabela 4.2 fornece as informações dos perfis dos atletas, as temperaturas quando os testes foram realizados e os valores de carga máxima. A última coluna da Tabela 4.2 revela a carga com que o teste foi realizado.
TABELA 4.2.INFORMAÇÕES DOS PERFIS DOS ATLETAS, TEMPERATURA DOS TESTES E
VALORES DE CARGA MÁXIMA
N IDADE (anos) massa (Kg) ESTATURA (cm) Temperatura (oC) 1RM (Kg) 60%1RM (Kg) 1 44 82 172 11,6 66 38 2 30 83 183 11,6 54 32 3 20 92 173 20 34 22 4 24 74 173 19 74 44 5 21 73 185 19 40 24 6 20 81 175 20 58 35 7 20 79 178 20 58 35 8 21 102 188 25 35 21
