D
ESENVOLVIMENTO DE UM SISTEMA INTELIGENTE PARA PADRONIZAÇÃO E CARACTERIZAÇÃO DE IMAGENS TÉRMICAS DEDIFERENTES REGIÕES ANATÓMICAS
Hélder Silva 1, Paula Faria 1,2, Luís Carrão 3,4, Sandra Amado 3,4, Henrique Almeida 1 e Espanha, M.4
1 ESTG, Instituto Politécnico de Leiria, Portugal; helder.silva7@gmail.com, henrique.almeida@ipleiria.pt
2 CDRSP, Instituto Politécnico de Leiria, Portugal; paula.faria@ipleiria.pt
3 ESSLei, Instituto Politécnico de Leiria, Portugal; luis.carrao@ipleiria.pt, sandra.amado@ipleiria.pt
4 CIPER-FMH, Universidade de Lisboa, Portugal; mespanha@fmh.ulisboa.pt
PALAVRAS CHAVE: Termografia, Radiação Infravermelha, Segmentação, ROI
RESUMO: Este projeto pretende desenvolver uma ferramenta computacional que permita analisar de forma simples e rápida diferentes imagens médicas, nomeadamente imagens térmicas. São utilizados algoritmos de segmentação de imagem que permitem uma análise de regiões optimizadas de imagens térmicas bem como será introduzida a opção de padronização que permitirá o estudo de imagens térmicas de grandes grupos de forma rápida, precisa e automática. Para tal, o utilizador apenas tem de carregar as imagens que pretende analisar e definir a região de interesse numa das imagens, sendo esta posteriormente detetada automaticamente nas restantes imagens. A ferramenta desenvolvida está preparada para poder analisar imagens térmicas de diferentes contextos e aplicações.
1 INTRODUÇÃO
O recurso a técnicas que permitem o auxílio do diagnóstico recorrendo a imagens térmicas (termografia) tem-se mostrado muito útil e eficiente, tendo a grande vantagem de ser um método não invasivo [1], o que torna uma ferramenta bastante promissora na área da saúde, não apresentando contra-indicações [2]. Com a termografia é possível registar gradientes e padrões térmicos de qualquer objecto com recurso a camaras de infravermelhos de alto desempenho [3], o que torna esta técnica muito útil como ferramenta auxiliar que providência conhecimento sobre a termorregulação e o processo fisiopatológico, o que é revelante para um diagnóstico mais correcto em diversas patologias e desordens [4] assim como na monitorização da eficácia dos tratamentos adotados.
Na análise de imagens termográficas e imagiológicas o profissional de saúde sente muitas vezes dificuldades no delinear de forma autónoma as áreas em análise. A maioria dos softwares de termografia actualmente existentes permite apenas a caracterização de formas geométricas rectangulares ou circulares sendo por isso bastante limitados pois, não permitem, por exemplo, a avaliação de segmentos corporais com diferentes formatos. Esta lacuna contribui muitas vezes para uma análise pouco precisa, ou seja, são incluídos na análise valores de temperatura de regiões não relevantes que se encontram associados à imagem termográfica, assim como a impossibilidade de análise comparativa de simetria em diferentes sub-regiões ou segmentos corporais.
Deste modo, a ferramenta computacional desenvolvida permite, não só colmatar as
lacunas existentes em alguns dos softwares comerciais disponíveis bem como identificar e analisar áreas específicas e ter a possibilidade de cruzar pontos da mesma região de interesse dentro das diferentes imagens térmicas.
2 IMPORTÂNCIA DO TEMA
Qualquer análise com recurso a imagens térmicas por si só já se traduz numa mais- valia devido a inúmeros fatores de onde podemos destacar:
- Ser um método não invasivo e preciso;
- Não é necessário contato direto com o item a analisar, o que por exemplo na área de produção se traduz numa grande vantagem tendo em conta não ser necessário parar as linhas de produção para análise;
- Pequenas alterações no gradiente de temperatura são facilmente detetadas e analisadas com facilidade. Permite ainda detetar precocemente o início do processo inflamatório, mesmo sem existirem outros sintomas permitindo agir de forma preventiva;
- Com a deteção antecipada de alguns problemas é possível reduzir custos inerentes a paragens e/ou custos acrescidos em tratamentos mais complexos e dispendiosos além de ser possível realizar um tratamento mais efetivo e correto.
Contudo, com o desenvolvimento da aplicação pretende-se ir mais longe, e em vez de uma análise imagem a imagem, passar a analisar conjuntos de imagens, possibilitando assim a deteção de pontos críticos em comum. Desta forma passa a ser possível analisar por exemplo em determinados desportos quais são as regiões que estão mais expostas às cargas mecânicas do treino, podendo actuar como factor preventivo de forma a reduzir o número de lesões provocadas pela sobrecarga de treino.
3 METODOLOGIA
A ferramenta computacional proposta introduz um sistema inteligente para padronização e caracterização de imagens térmicas de diferentes regiões anatómicas facilitando assim a análise de imagens térmicas de um grupo elevado de indivíduos tornando-a mais precisa, rápida e automática, preparada para ser utilizada por qualquer profissional de saúde.
A padronização é feita com recurso à avaliação de regiões comuns entre várias imagens de forma automatizada, isto com recurso essencialmente de algoritmos de segmentação. Por sua vez, a caracterização recorre essencialmente a dados estatísticos recolhidos nas várias fases de processamento das imagens, dados estes que consistem essencialmente em temperaturas mínimas, máximas, médias e medianas.
É possível a identificação da Região de Interesse (ROI) real efectuando a sua caracterização, independentemente da sua forma. Para esse objectivo de optimizar a ROI é necessário desenvolver algoritmos de segmentação adequados aos vários tipos de imagem que permitirão a escolha e definição da ROI com a complexidade geométrica inerente aos diferentes modelos anatómicos [5]. Com a inclusão das funcionalidades anteriores (definição livre, segmentação, normalização e optimização da ROI) a caracterização das imagens termográficas é feita de forma mais precisa pois diminui assim, fortemente, a probabilidade dos resultados conterem dados irrelevantes ou de não serem considerados dados relevantes na análise.
Para além de implementar ferramentas que permitem uma optimização da ROI de imagens termográficas, a aplicação apresenta ainda diferentes funcionalidades que permitirão a sua aplicação em casos clínicos específicos. Destacam-se das funcionalidades implementadas a análise de ROI’s simétricas de dois objectos, em simultâneo na mesma imagem (braços,
pernas, pés, mãos, joelhos, etc.) e ainda a possibilidade de criar divisões na mesma ROI, o que permite analisar sub-regiões específicas de uma dada ROI.
4 FLUXOGRAMA DA APLICAÇÃO Finda a análise de requisitos funcionais que a aplicação deveria responder, foi desenhado o fluxograma de funcionamento (Figura 1).
Figura 1 - Fluxograma da aplicação.
Inicialmente, começa-se por carregar as imagens na aplicação, sendo estas mostradas em forma de miniaturas ao utilizador.
De seguida a aplicação ajusta de forma automática as imagens, retirando os excedentes que não trazem mais informação para análise e que ainda podem inferir algum ruído na análise. Depois são recolhidos alguns dados estatísticos de cada uma das imagens, que servirão para uma análise posterior pela aplicação.
Nesta altura, o utilizador vai definir qual a região da imagem que pretende analisar (através da seleção da ROI, na imagem principal).
Assim que o utilizador acabar de definir a ROI, a mesma será replicada para todas as imagens em análise de forma automática, sendo recolhidos novamente alguns dados estatísticos para cada uma das imagens.
Posteriormente, será criada uma imagem com a sobreposição de todas as imagens em
análise e recolhidos os dados dessa mesma imagem.
Por fim, todos os dados recolhidos serão processados e apresentados através de gráficos para que o utilizador consiga ter uma rápida perceção e visão global do problema em análise.
6 PROTÓTIPOS DA APLICAÇÃO
Com o fluxograma de requisitos funcionais definido, foram então desenvolvidos as janelas protótipo que respondessem ao mesmo, tendo sempre em foco o desenvolvimento de uma interface simples e funcional.
De seguida (Figura 2), é possível visualizar no ecrã principal as imagens carregadas, aparecendo do lado esquerdo a imagem principal onde o utilizador irá definir a ROI.
Do lado direito podemos observar as restantes imagens que foram carregadas em miniatura, desta forma o utilizador consegue ter uma visão global do que está a ser analisado.
Figura 2 - Ecrã Principal.
A opção para carregar as imagens para análise na aplicação é demonstrada na Figura 3. De salientar que a primeira imagem vai ser a imagem principal onde será efetuada a seleção.
Figura 3 - Carregar Imagens.
No menu para definição da região de interesse para a análise - ROI (Figura 4), conforme se pode observar, estão disponíveis mais formas do que as habitualmente disponíveis nas aplicações comerciais, destacando-se as formas de seleção livre.
Figura 4 - Toolbar definição da ROI.
Na Figura 5, a opção que vai proceder à sobreposição de todas as imagens numa só (Figura 5), permitindo ao utilizador analisar os pontos críticos em comum.
Figura 5 - Sobreposição das Imagens Após a sobreposição das imagens é então apresentado o resultado numa nova janela (Figura 6), que permite ao utilizador definir um intervalo de temperaturas para análise.
Deste modo, este consegue restringir, ainda mais, o que pretende analisar, e ainda,
ajustar ao item em estudo, tendo em conta que a aplicação vai permitir a análise de imagens das mais variadas áreas.
Figura 6 - Sobreposição das Imagens (ainda em elaboração).
5 OBJETIVOS E TRABALHO FUTURO Os objetivos futuros poderão contemplar estudos na área médica, como por exemplo, nos problemas vasculares (e.g.:tratamento de varizes), combinando as imagens termográficas com angiografias, bem como em outras patologias combinando as imagens termográficas com outros exames imagiológicos. Adicionalmente, o co- registo destas imagens entre si com a inclusão de curvas de nível da função que define a temperatura, permite outra identificação das temperaturas nas diferentes imagens imagiológicas utilizadas.
A aplicação além de estar focalizada na análise de imagens anatómicas, poderá ser utilizada para análise de outros tipos de imagens, nomeadamente na área da construção civil e manutenção preditiva.
Desta forma é possível reduzir os impactos dos procedimentos preventivos no resultado das operações, eliminar a desmontagem e respetiva montagem para inspeção (visto não ser necessário contacto direto), impedir a propagação dos danos e maximizar a vida útil dos componentes dos equipamentos.
6 CONCLUSÃO
Neste resumo apresentamos parte do trabalho desenvolvido na construção da ferramenta computacional bem como
algumas das funcionalidades para processar imagens térmicas de conjuntos de dados.
O facultar ou possibilitar o acesso do clínico e/ou investigador a estes dados, que caracterizam os diferentes tipos de imagens, é essencial para controlar a evolução do caso clínico ou a eficácia de abordagem terapêutica, e constitui uma mais-valia da ferramenta computacional desenvolvida face aos softwares comerciais disponíveis no mercado.
AGRADECIMENTOS
Este trabalho é financiado pela Bolsa de Ignição INOV-C 2014 – Projecto ThermoDicom e tem o apoio do CDRSP- IPLeiria através da Fundaçao para a Ciencia e Tecnologia com o projecto PEst-OE/EME/UI4044/2013.
REFERÊNCIAS
[1] Nahm F. Infrared Thermography in Pain Medicine. The Korean Journal of Pain. 2013, 219-222.
[2] Amalu, W. et al., "Standards and protocols in clinical thermographic imaging", Interantional Academy of Clinical Thermoly, September, 2002 .
[3] Ring F. Thermal Imaging Today and Its Relevance to Diabetes. Journal of Diabetes Science and Technology.
2010, 4:857-862.
[4] Jiang, L.J., Ng, E.Y.K., Yeo, A.C.B., Wu, S., Pan, F., Yau, W.Y., Chen, J.H., Yang, Y., 2005. A perspective on medical infrared imaging. J. Med. Eng. Tech., 29, 257–267.
[5] Young I.T., Gerbrands J.J., Van Vliet L.J., 1995.
Fundamentals of Image Processing. Paperback, ISBN 90- 75691-01-7.
