através da Segmentação para Criação de
Modelos 3D Realistas com Alta Definição
Ms. Juliana Borges Ferreira
ju.borges@ufrgs.br
Ms. Claudio Enrique Fernández Rodríguez
PhD. Álvaro Augusto Almeida de Salles
UFRGS – Universidade Federal do
Rio Grande do Sul - Brasil
1ª Escola de Engenharia Elétrica do Brasil. Cursos de Graduação com conceito A pelo MEC e
Pós-Graduação com conceito 5 pela CAPES Considerada uma das melhores
universidades do Brasil (ranking INEP/MEC)
OBJETIVOS
• Desenvolver modelos tridimensionais realistas heterogêneos que
reproduzem fielmente a morfologia dos tecidos humanos.
-
Como
funciona
o
processo
de
identificação
dos
tecidos
(SEGMENTAÇÃO);
- Que tipo de software utilizar (ISEG, AMIRA, INVESSALIUS, ETC...);
OBJETIVOS
• Os modelos criados poderão ser utilizados em diversos tipos de
simulações.
- Aplicações mais exigentes que requerem maior detalhamento para a
construção dos modelos (análise dos parâmetros dosimétricos da
Taxa de Absorção Específica – SAR);
- Uma modelagem menos criteriosa poderá levar a erros nas
simulações.
MOTIVAÇÃO
• Existência
de
modelos
prontos,
porém
incluídos
dentro
de
pacotes
de
programas que são muito
caros.
Autores
acabam
utilizando figuras geométricas
para representar.
Fonte: WONG, 2011; LIN, 2011• Uma
maior
precisão
e
exatidão na descrição do
domínio de cálculo é de
extrema importância para a
correta solução de problemas
eletromagnéticos.
MOTIVAÇÃO
Modelos computacionais do corpo humano têm diversas aplicações:
- auxílio ao diagnóstico clínico;
- tratamentos médicos, cirúrgicos;
- ensino de anatomia;
- cálculo da dosimetria;
- planejamento de tratamentos de radioterapia ou hipertermia por
radiofrequências;
Potencial cancerígeno reconhecido pela IARC / OMS (AGÊNCIA INTERNACIONAL DE PESQUISA EM CÂNCER / ORGANIZAÇÃO MUNDIAL DA SAÚDE
MODELOS EXISTENTES
Fig. Modelo SAM Phantom
MODELO DE CABEÇA HOMOGÊNEO (SAM PHANTOM)
• O SAM (Specific Anthropomorphic Mannequin) é um
modelo simplificado de cabeça humana que representa um homem adulto;
• É formado por dois materiais: um invólucro plástico (shell) preenchido com um líquido homogêneo (liquid);
• Seus parâmetros dielétricos são próximos à média dos parâmetros dielétricos dos tecidos da cabeça humana. • Tamanho, forma e propriedades dielétricas são projetados
para fornecer uma estimativa de exposição conservadora do valores máximos do psSAR para os usuários, incluindo as crianças.
• Utilizado pela IEEE1528 com um modelo padrão para cálculo da psSAR gerado por equipamentos de
comunicação na faixa de 300 MHz aos 3 GHz.
Material σ [S/m] εr
SAM shell 0.0016 5 SAM liquid 1.8 39.2
Tabela . Propriedades Dielétricas do SAM @ 2.45 GHz. Fonte: IEEE 1528/2003
MODELOS EXISTENTES
Virtual Family: Duke (34), Ella (26), Billie (11), Thelonious (6).
Fonte: CHRIST, 2010
Virtual Population: inclusão de modelos de ambos os sexos com idades entre 5 a 84 anos. Fonte: GOSSELIN, 2014.
MODELOS DE CABEÇAS REALISTAS HETEROGÊNEOS Reproduzem aproximadamente a morfologia dos tecidos da cabeça humana.
- Podem ser seccionados,
- Com a ferramenta POSER POSITION podem ser alteradas as articulações.
Fig. Modelo Thelonious (6 anos) Fonte: Virtual Family
Fig. Modelo Duke (34 anos) Fonte: Virtual Family
MODELOS EXISTENTES
Fig. Utilização da Ferramenta POSER
SEGMENTAÇÃO
O aumento progressivo da capacidade de processamento computacional
viabiliza, cada vez mais, o recurso a métodos digitais complexos para a
“extração” de órgãos a partir das imagens médicas.
Fig. Três gerações de phantoms. (a) Modelo Estilizado(1960 a 2000). (b) Baseado na Anatomia Humana (Visible Human Project – VHP), desde 1980. (c) Modelo Posicionável
SEGMENTAÇÃO
A obtenção de imagens médicas através de TC e de RM registaram avanços
significativos nas últimas décadas, os processos de segmentação dessas
imagens têm acompanhado esta evolução.
O termo SEGMENTAÇÃO significa a identificação de uma ou mais estruturas
existentes em imagens, separando-as das demais.
A sua visualização pode ser feita não apenas em 3D, mas em inúmeros cortes
(planos bidimensionais).
IMAGENS MÉDICAS
Existem diversas técnicas não invasivas capazes de fornecer imagens do
interior do corpo humano, elas vêm sendo desenvolvidas nas últimas décadas,
podem fornecer informações importantes para diagnósticos de doenças e
estudos relativos à anatomia humana.
As mais conhecidas são a tomografia computadorizada (TC), ecografia,
métodos de imagem nuclear e ressonância magnética (RM), que representam
volumes de interesse do corpo humano por meio de uma série de fatias 2D.
PADRÃO DICOM
A construção dos modelos 3D é feita através de imagens médicas
bidimensionais
(tomografia
computorizada,
ressonância
magnética,...)
disponibilizadas
no
padrão
internacional
DICOM
(Digital
Image
Communications in Medicine).
PADRÃO DICOM
Em 1983, o ACR
–
American College of Radiology
e o NEMA
–
National
Electrical Manufacturers
formaram um comitê chamado ACR-NEMA, com o
objetivo de desenvolver um padrão para imagens digitais, permitindo o
intercâmbio entre equipamentos médicos de diferentes fornecedores. Este
padrão recebeu o nome de DICOM
–
Digital Imaging and Communication in
Medicine
.
O DICOM, além de encapsular as imagens digitais, também possibilita o
armazenamento de informações (ex.: dados do paciente, dos processos e
configurações utilizadas na aquisição das imagens).
PADRÃO DICOM
PADRÃO DICOM
Um dos maiores benefícios deste padrão é a independência de plataforma
que contribui para o desenvolvimento dos PACS – Picture Archiving and
Communication Systems. (possibilitam a visualização de imagens para
diagnósticos, laudos e consultas remotamente).
A visualização de imagens DICOM pode ser realizada através de programas
específicos que são mais leves que os programas de edição gráfica e
segmentação.
PADRÃO DICOM
O modelo escolhido foi nomeado PEDRO, a imagem possui um único conjunto DICOM com 280 cortes bidimensionais 2D de 1mm de espessura cada (separação entre um corte e outro) e foi obtida através de Tomografia Computadorizada (TC).
CLASSIFICAÇÃO
O processo de seleção dos voxels pode ser classificado como:
MANUAL = somente intervenção humana, processo mais lento, maior
confiabilidade. Os pixels são identificados um a um a critério do operador.
SEMI-AUTOMÁTICO = a intervenção manual é utilizada para fornecer pontos
característicos da estrutura a ser segmentada ou para delimitar uma região
onde ela é encontrada. Todos os pixels que estão dentro de uma faixa de
intensidade (limites máximo e mínimo dos tons de branco e preto) escolhida
são classificados como pertencentes a uma mesma região.
AUTOMÁTICO = não há intervenção humana, processo mais rápido, menor
confiabilidade. Os limites de tons de branco e preto de cada tecido já vem
definidos previamente.
CLASSIFICAÇÃO
O recurso a processos manuais de extração de elementos ocorre sempre que
o grau de interferência, ou ruído, é significativo e se sobrepõe à textura do
órgão ou objeto.
As imagens com complexidade superior, raramente permitem ser tratadas por
técnicas automáticas e semi-automáticas.
2D
Segmentação
3D
PROCESSO DE CONSTRUÇÃO DOS MODELOS
O processo de segmentação se inicia por um conjunto de imagens médicas 2D,
e em cada uma delas são feitas as identificações dos tecidos
Fig. Etapas
Fig. Tela de inicialização de um dos softwares utilizados
Fig. Abrindo a série de imagens DICOM
Fig. Carregando as imagens DICOM
Fig. Stack break criteria
Fig. Editor de Segmentação
Fig. Imagem DICOM importada para o software
IMAGE DATA: o conjunto de imagens que vai servir como referência.
LABEL DATA: o objeto de dados que será segmentado.
MATERIALS: os tecidos que serão identificados.
Fig. Itens de Segmentação
Antes de começar a seleção de cada imagem, teve que ser definido o tecido que seria identificado, dependendo da quantidade de radiação inserida no momento da realização da tomografia computadorizada, considerando que se trata de pacientes vivos, em alguns casos é impossível fazer a identificação de determinados tecidos, pois os mesmos não possuem alta resolução não sendo perceptíveis e/ou nítidos.
Por exemplo, CÉREBRO, GORDURA, MÚSCULOS .
Fig. Recurso Lock
Fig. Zoom and Data Window
LIMIARIZAÇÃO: É o método mais simples e intuitivo de
segmentação de imagens, onde o usuário testa os níveis entre o mínimo e máximo da intensidade da imagem até obter um resultado satisfatório para visualização do alvo desejado.
Basicamente todos os pixels que estão dentro de uma faixa de intensidade são classificados como pertencentes a uma
mesma região.
Desvantagem = sensível ao ruído e não leva em consideração informações espaciais ou conhecimento a priori.
Pode ser empregada como primeiro passo para a segmentação dentro de um processo maior.
Modelos de Cabeça Utilizados: Segmentação
A partir de um único conjunto DICOM (280 cortes 2D de 1mm cada) de um
estudo CT realizado num paciente anônimo masculino de 7 anos de idade
podem ser desenvolvidos pelo processo de segmentação, dois modelos
realistas humanos 3D.
Os limites de tons de cinza adotados na segmentação dos dois modelos serão:
Modelos de Cabeça
Tons de cinza
Mínimo
Máximo
PETER LB
-200
200
PETER NB
-255
1240
LIMIARIZAÇÃO
Para a construção do modelo com limiares de identificação de tecidos mais
adequados para a segmentação de tecidos menos densos, as imagens dos
tecidos mais densos (ossos) ficarão saturados e esses tecidos serão modelados
com maiores dimensões.
Para a segmentação dos ossos, poderão ser adotados limites mais adequados
para a segmentação de tecidos densos. Desta forma os terão menor espessura.
LIMIARIZAÇÃO
37
Nesta avaliação foi percebido o impacto que diferentes escolhas nos limiares de segmentação, por exemplo, do osso têm na espessura do crânio modelado.
38
O cálculo da SAR é inversamente proporcional a densidade do tecido
Devido a este fato, a decisão foi escolher o limiar que leva em consideração o contraste mais adequado para a visualização dos tecidos mais densos (resultando em um osso mais fino), onde a massa do tecido é menor.
𝑆𝐴𝑅 =
𝜎 (𝑟) 𝐸 (𝑟) ²
𝜌 (𝑟)
Onde:
σ = condutividade elétrica (S/m) ρ = densidade (kg/m³)
E = Campo elétrico RMS (V/m)
SAR é um parâmetro dosimétrico para indicar a quantidade de potência absorvida por unidade de massa de tecidos biológicos humanos quando expostos a radiação EM. Medida em W/Kg.
Descrição ICNIRP (1998) IEEE (2006) FCC (1997)
Cabeça e Tronco (W/kg) 2 2 1,6 Massa do tecido (g) 10 10 1
Tabela. Limites de exposição recomendados (psSAR em W/Kg) para o público geral (não-ocupacional).
LIMIARIZAÇÃO
LIMIARIZAÇÃO
Ferramenta Selection:
borracha = apaga uma seleção retorno da seleção
+ adiciona seleção ao material selecionado - retira seleção de material selecionado slice anterior
slice posterior
FERRAMENTAS DE SEGMENTAÇÃO
Fig. Display and Masking
SETA (PICK & MOVE) = quando clicamos num voxel, ele seleciona todos os voxels adjacentes até
encontrar um fronteira de material. Vantagem: Mais rápido.
Desvantagem: Outros tecidos pequenos, porém diferentes dentro dessa fronteira são selecionados.
PINCEL (BRUSH) = seleção manual do operador.
Vantagem: Maior confiabilidade. Desvantagem: Processo mais lento.
FERRAMENTAS DE SEGMENTAÇÃO
LAÇO (LAÇO) = o operador fará um contorno manual ao redor do tecido e o mesmo será selecionado.
Pressionando a tecla shift a seleção posterior poderá ser feita em clics distanciados mantendo a seleção anterior.
Desvantagem: O uso do mouse permite um contorno uniforme do tecido.
VARINHA MÁGICA (MAGIC WAND) = no local que o operador clicar, será feita uma seleção indicando os
valores de mínimo e máximo, após o operador escolherá o limiar entre esses valores que não ultrapassem o contorno do tecido.
Vantagem: Mais rápido.
Desvantagem: Em algumas seleções os limites não englobam todo o tecido e é necessária a utilização da seleção manual com o Brush apenas para pequenos retoques. Esta ferramenta pode ser aplicada a todo o conjunto DICOM, quando selecionada a opção “All slices”.
FERRAMENTAS DE SEGMENTAÇÃO
THRESHOLD = o operador escolhe o intervalo de intensidade do pixel e a ferramenta seleciona todos os
pixels dentro deste intervalo, independente de continuidade.
Desvantagem: Pixels de outros tecidos são selecionados. Esta ferramenta pode ser aplicada a todo o conjunto DICOM, quando selecionada a opção “All slices”.
BLOW TOOL = o operador seleciona o tecido clicando e arrastando o mesmo até o fim do contorno.
FERRAMENTAS DE SEGMENTAÇÃO
FERRAMENTAS DE SEGMENTAÇÃO
FERRAMENTAS DE SEGMENTAÇÃO
FERRAMENTAS DE SEGMENTAÇÃO
FERRAMENTA DE SELEÇÃO
Fig. Modos de visualização Axial, Coronal, Sagital e 3D
No momento do tratamento das imagens, além dos tons de cinza, que
correspondem às densidades dos diferentes tecidos, o algoritmo ou o operador
devem considerar a posição para identificar corretamente a estrutura em
questão. No caso da operação manual isto é feito analisando as quatro projeções
ou vistas disponíveis do software em conjunto com imagens médicas e atlas de
anatomia ((E-ANATOMY, W-RADIOLOGIA)
TIPOS DE VISUALIZAÇÃO
IDENTIFICAÇÃO DOS TECIDOS
Fig. Identificação dos limites da cabeça.
Exemplo 1: Observando a anatomia do cérebro podemos identificar também
outros tecidos que, nas imagens têm tons de cinza muito semelhantes, a
delimitação do cérebro por exemplo (em verde na Figura não poderia ser
identificados unicamente pela limiarização, pois a densidade é semelhante a de
outros tecidos com por exemplo a medula espinhal e músculos.
IDENTIFICAÇÃO DOS TECIDOS
Fig. Nervo auditivo.
Exemplo 2: O ouvido médio, neste caso o nervo auditivo é uma imagem com
complexidade superior, raramente permite ser tratada por técnicas automáticas
ou semi-automáticas. O recurso a processos manuais de extração de elementos
ocorre sempre que o grau de interferência, ou ruído, é significativo e se sobrepõe
à textura do órgão ou objeto.
IDENTIFICAÇÃO DOS TECIDOS
IDENTIFICAÇÃO DOS TECIDOS
Fig. Glândula parótida.
Exemplo 3: A glândula parótida fica recoberta de outros tecidos (cérebro,
músculos, etc...) com densidades, e, portanto tons de cinza, muito semelhantes.
Com o estudo da anatomia se pode conseguir o correto posicionamento desses
tecidos, diferenciando eles dos tecidos circundantes
.MODELO NOVO DE CABEÇA SEGMENTADO
Segmentação da CARTILAGEM
Segmentação do CÉREBRO
Segmentação da PELE
Segmentação dos MÚSCULOS da área dos olhos
Segmentação do NERVO ótico
Segmentação da GORDURA
Segmentação dos MÚSCULOS
Segmentação do CORDÃO ESPINHAL
Anatomia do olho humano e Segmentação dos tecidos dos olhos
Segmentação da MEDULA ÓSSEA
Segmentação das SUTURAS do crânio
AMIRA
SEMCAD X
PROPRIEDADES DIELÉTRICAS
Tecido [S/m] r ρ (kg/m3)
Gordura 0,104 5,280 920
Osso 0,394 11,381 1810 Matéria Cinzenta do Cérebro
Matéria Branca do Cérebro Fluído Cérebro Espinhal
Músculo Pele Cristalino
Esclera
Humor Vítreo (tecido do olho) Cordão Espinhal Nervo Medula Óssea Ar 1,807 1,215 3,457 1,738 1,464 1,504 2,033 2,478 1,088 1,088 0,394 0 48,911 36,167 66,243 52,729 38,007 44,625 52,628 68,208 30,145 30,145 11,381 1 1040 1040 1010 1040 1010 1100 1170 1010 1040 1040 1810 1,225
Trabalhos realizados na UFRGS
Foram desenvolvidos modelos (de crianças de 2, 7, 8 e 10 anos de idade) com características específicas que muitas vezes não são encontradas nos modelos disponíveis na literatura: variações da espessura do crânio, identificação das glândulas parótidas e nervo acústico, etc.
Entre outras razões porque as recomendações atuais consideram unicamente modelos de adultos e sabe-se que nos mais jovens os efeitos podem ser mais críticos.
Trabalhos realizados na UFRGS
Fig. Dois modelos de uma mesma criança (2 anos) com variação de espessura do crânio e
Vídeo tablet
APLICAÇÕES
A grande maioria da população mundial está crescentemente exposta à radiação eletromagnética proveniente de fontes que muitas vezes estão localizadas na proximidade do corpo, tais como os telefones celulares.
Trabalhos realizados na UFRGS
Trabalhos realizados na UFRGS
Trabalhos realizados na UFRGS
Trabalhos realizados na UFRGS
Trabalhos realizados na UFRGS
-