Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/273979463
CITATIONS READS
3 207
4 authors, including:
Some of the authors of this publication are also working on these related projects:
Testing Gaussian-based kernels for modelling T-waves and P-waves in ECG signals View project
All content following this page was uploaded by Auzuir Ripardo de Alexandria on 18 January 2016.
Resumo Este trabalho propõe um método de contornos ativos, denominado pSnakes e o avalia no cálculo da fração
de ejeção do ventrículo esquerdo em imagens de ecocardiograma de eixo curto. O pSnakes usa coordenadas
polares para representar os pixels da imagem na modalidade ultrassom, cuja origem dos eixos de referência
é localizada no ponto de divergência dos feixes ultrassônicos e usa a transformada de Hilbert para calcular
a energia externa no pSnakes, denominada de energia hilbertiana. A fração de ejeção (FEJ) de cada paciente
é calculada e os resultados são comparados com os resultados obtidos por dois médicos especialistas
(ECO1 e ECO2). A fração de ejeção é novamente calculada utilizando-se os métodos de contornos ativos
tradicional (ST), snakes radial com derivada (SRD), snakes radial hilbertiano (SRH) e pSnakes, para
inicializações diferentes: na borda, 30%, 50% e 70% mais distante das bordas. Consegue-se um desvio da
medida da fração de ejeção do ventrículo esquerdo empregando-se o método pSnakes de 10 ± 7% em relação
à medição manual do ecocardiografista ECO1 e 10 ± 9%, em relação a ECO2. O pSnakes obteve a maior
correlação entre ECO1 e os métodos avaliados em todas as situações analisadas. Assim, pode-se concluir
que o método pSnakes pode ser aplicado na segmentação de imagens de ecocardiograma visando o cálculo
de FEJ, além da utilização da transformada de Hilbert como energia externa no método pSnakes.
Palavras-chave Contornos ativos, Snakes radiais, Transformada de Hilbert, Energia hilbertiana,
pSnakes, Segmentação de imagens, Ecocardiograma.
*e-mail: auzuir@ifce.edu.br
Recebido: 13/09/2010 / Aceito: 08/08/2011
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
148 Alexandria AR, Cortez PC, Felix JHS, Abreu JS Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011
O método de contornos ativos pSnakes curva. Esta curva evolui então, de tal modo que a sua
utiliza coordenadas polares para a representação energia diminui a cada nova iteração (Kass et al., 1987;
dos pixels de imagem na modalidade ultrassom Nixon e Aguado, 2008). O modelo da curva é a
(Alexandria et al., 2009). Na realidade, esse é o parametrização 2D de uma curva geométrica da forma:
sistema de coordenadas mais natural para se trabalhar
[ 0,1] →
2
com ultrassonografia, visto que é desta forma que as (1)
medidas e, portanto, as imagens são obtidas. A origem s → c ( s ) = x ( s ) , y ( s )
dos eixos de referência no pSnakes é localizada no Este modelo é chamado deformável porque está
ponto de divergência dos feixes de ultrassom, ou descrito por uma função energia E(s) que varia em:
seja, no ponto onde se localiza a sonda ultrassônica. E (s)
2 →
Nos atuais equipamentos médicos, as imagens são
geradas em coordenadas polares para, em seguida,
∫ { 2 2
}
c → [0,1] α c ' ( s ) + β c '' ( s ) + γEext c ( s ) ds
(2)
serem convertidas para as coordenadas cartesianas,
adequando-se à visualização nos monitores destes em que os apóstrofos representam a derivação e Eext é
equipamentos. o termo da energia associado com as forças externas
O método pSnakes foi registrado no depósito (Kass et al., 1987).
de patente Alexandria et al. (2009), porém sem A energia é a característica própria do snake (curva)
apresentação de avaliações do método e sem aplicação que depende somente de sua forma e da localização de
no cálculo de fração de ejeção através de imagens seus pontos. Esta energia é composta geralmente pela
de ecocardiograma. A energia hilbertiana também energia interna e a energia externa, ou seja, E = Ei + Ee
foi apresentada na referida patente, assim como em (Bouhours, 2006; Sonka et al., 2007). A energia interna,
Alexandria et al. (2010), porém sem aplicação na por sua vez, é geralmente composta também de duas
segmentação de imagens de ecocardiograma e sem energias E1 e E2. A primeira E1 = ∫ α|cˈ(s)|2ds está
cálculo de fração de ejeção, até este momento. ligada à elasticidade. Isto significa que esta exprime
Com base na discussão anterior, este trabalho a faculdade para cada ponto do snake de se afastar de
propõe um método de contornos ativos denominado seus vizinhos. A minimização desta energia favorece
pSnakes e o avalia no cálculo de fração de ejeção do a busca por pontos, em que o valor de cˈ(s) seja
ventrículo esquerdo em imagens de ecocardiograma. pequeno, isto é, esses pontos tendem a se aproximar
e o snake a se concentrar.
Métodos A segunda energia E2 = ∫ β|c ̎ (s)|2ds é a energia
de suavização ou curvatura do snake. Para entender
Os contornos ativos (snakes) permitem segmentar as a influência desta componente, pode-se verificar
imagens por detecção de contornos (Kass et al., 1987). que seu mínimo ocorre quando c ̎ (s) = 0, ou seja,
Este método é aplicado com sucesso em vários quando c(s) = ks (k é uma constante), isto é, quando
problemas de visão computacional, tais como a c é uma reta. Assim, favorecer o coeficiente e2 durante
detecção de bordas e rastreamento de objetos, entre
a fase de minimização, força o snake a diminuir a
outros. Ainda não é possível uma única solução para
sua curvatura.
todas as aplicações, por causa da originalidade de
cada problema caracterizado por imagens específicas A energia externa permite ao snake uma adaptação
em cada aplicação. Entretanto, os snakes inovaram sobre o contorno de objetos. É a energia que compensa
na solução de problemas em que a detecção de as outras e evita, assim, que o snake se contraia sobre
bordas por gradiente não obtém sucesso, devido aos si mesmo, sem perceber os contornos da imagem.
contornos com pouco contraste, a presença de ruído, Em geral, a energia externa é calculada utilizando o
entre outras causas. Os métodos de contornos ativos quadrado do gradiente ∇I(x,y) da imagem no ponto
consistem em traçar uma curva inicial em torno (x,y) do snake, isto é (Kass et al., 1987):
ou dentro de um objeto de interesse. Esta curva se 2
deforma, segundo algumas forças que a deslocam até Eext ( x, y ) = − ∇ I ( x, y ) (3)
encontrar as bordas do objeto. Assim, a curva é obtida
e também
por meio de iterações sucessivas de minimização de
uma energia previamente especificada. 2
Eext ( x, y ) = − ∇ Gs ⋅ I ( x, y ) (4)
O método de contornos ativos tradicional em que ∇ é o operador gradiente e Gσ é uma gaussiana
O método de contornos ativos (MCA) tradicional é centrada no ponto (x,y) de variância s2. A gaussiana
baseado em métodos variacionais, cujo objetivo é tem como objetivo espalhar a influência da energia
minimizar uma função representando a energia da ao longo da vizinhança do ponto em que é aplicada.
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011 Método de contornos ativos pSnakes 151
programação dinâmica na busca da otimização da em que P denota o valor principal de Cauchy, já que
energia do contorno, e sua principal aplicação é também há uma singularidade na integral para t = 0. Outra
rastreamento de objetos. A definição da energia total forma de se apresentar a TH é por meio da integral da
E do contorno é dada por (Chen et al., 2001): convolução como (Johansson, 1999; Poularikas, 2000):
1
E rm (θ) = ∫0
2π
{Ei rm (θ) + Ee rm (θ)}d θ (7) fˆ (t ) = ⋅ f (t ) (12)
πt
em que rm(θ) é a distância da origem m para o contorno, A transformada de Fourier (TF) da função 1 é
πt
considerando-se o ângulo θ; Ei é a energia interna 1
dada por ℑ = − j ⋅ sgn (ω ), em que a função sgn (ω)
e Ee, a energia externa. A energia externa Ee do πt
Definição do pSnakes
O MCA pSnakes é um método de contornos ativos
radial (MCAR) que pode ser utilizado na segmentação
de objetos em imagens digitais, sendo definido por
[ 0,1] → 2
(14)
{ }
s → c ( s ) = r1 ( s ) , θ ( s ) ; r2 ( s ) , θ ( s )
2
Ecurvr ,θ = ( rθ − rθ+1 ) − ( rθ+1 − rθ+ 2 ) (15)
Materiais
O método pSnakes foi implementado e as simulações
foram realizadas utilizando-se o ambiente de
desenvolvimento e simulação MATLAB ® ,
versão 7.6 r2008a, rodando em um notebook com
processador Intel® Core™ i5, memória 3 GB, com
sistema Windows® 7 Home Premium instalado. Na
primeira etapa, os testes são realizados visando uma
Figura 5. Exemplo da energia hilbertiana ao longo de um feixe; verificação preliminar da eficácia do pSnakes na
a) feixe passando por uma cavidade, b) intensidade dos pixels ao
segmentação de imagens sintéticas e reais. As imagens
longo do feixe e c) energia hilbertiana.
Figure 5. Example of Hilbertian energy along a beam; a) active sintéticas utilizadas possuem objetos no formato de
ray passing through a cavity, b) pixel intensity along the beam and triângulo, retângulo e círculo. A segunda etapa de
c) Hilbertian energy. testes foi feita com imagens reais de ecocardiograma.
Foram usados dezessete exames de ecocardiograma,
totalizando 34 imagens, entre imagens de fim de
automaticamente tomando-se um percentual da diástole e final de sístole. Estas imagens foram obtidas
quantidade de nós (por exemplo, 10%) no pSnake de um ecocardiógrafo (GE, modelo Vivid 7 PRO)
completo. Cada nó gêmeo incluído, cujas coordenadas da Clínica Prontocárdio em Fortaleza, CE. Um
são definidas como o raio e ângulos médios de seus ecocardiografista (ECO1) registra dezessete exames
vizinhos. sincronizados pelo eletrocardiograma (ECG), na
Nota-se que há uma tendência do pSnake em não posição de eixo curto do ventrículo esquerdo (VE).
crescer para as laterais, caso se adicione somente nós Por meio do trackball efetua-se manualmente os
entre os nós já existentes. Assim, torna-se necessária a contornos das bordas internas no final da diástole e
inclusão de regras especiais para os limites laterais do sístole do VE, sincronizados com o início da onda
contorno. Isto é realizado por meio da verificação dos Q e pico da onda T do ECG, respectivamente, com
nós gêmeos mais próximos do limite angular esquerdo obtenção imediata de volume diastólico, sistólico
e direito. Se a distância entre estes é maior do que um e fração de ejeção (FEJ). Outro ecocardiografista
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
156 Alexandria AR, Cortez PC, Felix JHS, Abreu JS Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011
(ECO2) executa, de forma independente, as medidas relação a ECO1, por ser o mais experiente dos dois
das mesmas 34 imagens em computador portátil para ecocardiografistas.
análise interobservador. O cálculo dos volumes é obtido
empregando-se a regra de Simpson (Otto, 2004). Resultados
O método de segmentação automática pSnakes é
aplicado nas medidas dos grupos ECO1 e ECO2 para Os resultados neste trabalho estão dispostos em duas
comparação posterior. A fração de ejeção é calculada etapas. A primeira etapa corresponde a aplicação
para cada exame e para cada um dos três métodos do pSnakes em imagens sintéticas e na segunda
utilizados: ECO1, ECO2 e pSnakes. A inicialização etapa é realizada a segmentação em imagens de
do pSnakes é realizada manualmente próxima das ecocardiograma no cálculo de fração de ejeção.
bordas e constituída de três nós gêmeos, através de
Resultados para imagens sintéticas
dispositivo apontador.
Em seguida a fração de ejeção é novamente Na primeira etapa, as imagens sintéticas utilizadas
calculada utilizando-se os métodos de contornos para os testes mencionados são apresentadas nas
ativos tradicional (ST) (Cohen, 1991; Dagher e Figuras 6a-c, em que se pode observar o ponto de
Tom, 2008), snakes radial com derivada (SRD), origem dos feixes (active rays), localizado na posição
snakes radial hilbertiano (SRH) e pSnakes, para (x = 170, y = 1), nas imagens de teste (em vermelho).
inicializações diferentes: na borda e 30%, 50%, 70% Nestes testes, as equações 16 e 15 são utilizadas
mais distante da borda. O SRH consiste no snakes como expressões para o cálculo das energias internas.
radial empregando-se a energia hilbertiana como Para cálculo da energia total do contorno ativo,
energia externa. A média e desvio padrão da fração emprega-se a equação 20, com valores para as
de ejeção são obtidos, assim como a correlação em constantes de α = β = γ = 1. A energia externa
Figura 6. Imagens de teste para avaliação do pSnakes: a) triângulo, b) retângulo e c) círculo. Contorno inicial para cada imagem de teste
em d), e) e f). Dinâmica de convergência do pSnakes para as imagens de teste em g), h) e i).
Figure 6. pSnakes test images: a) triangle, b) rectangle and c) circle. Initial contour for each test image in d), e) and f). Initial contour for
each test image in g), h) and i).
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011 Método de contornos ativos pSnakes 157
Figura 8. Resultados obtidos apresentados em coordenadas polares, para as imagens de teste: a) triângulo, b) retângulo e c) círculo.
Figure 8. Obtained results presented in polar coordinates, for the test images: a) triangle, b) rectangle and c) circle.
Figura 9. Resultados obtidos para imagem de ecocardiograma em eixo curto: a) imagem original – final de sístole, b) segmentação manual
realizada pelo médico ECO1 e c) segmentação obtida pelo pSnakes.
Figure 9. Obtained results for short axis echocardiogram image: a) original image – end of systole, b) physician ECO1 manual segmentation
and c) pSnakes segmentation.
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011 Método de contornos ativos pSnakes 159
Tabela 2. Fração de ejeção, média e desvio padrão, obtidos por ST, SRD, SRH, pSnakes e ECO1, sobre a borda do VE e 30%, 50% e 70%
mais distante da borda.
Table 2. Ejection fraction, average and standard deviation obtained by ST, SRD, SRH, pSnakes e ECO1, on LV border and 30%, 50% 70%
more distant from the border.
ST SRD SRH pSnakes ECO1
Inicialização
Média DP Média DP Média DP Média DP Média
Próxima à borda 71,9 15,3 79,5 8,1 72,3 13,2 71,5 11,5 67,6
30% 68,5 9,3 79,2 9,2 70,9 15,0 72,6 9,4 67,6
50% 70,7 11,9 78,9 9,2 68,6 16,2 72,1 10,8 67,6
70% 76,0 13,8 78,4 9,0 70,4 14,6 71,0 11,7 67,6
Total 71,8 12,6 79,0 8,9 70,6 14,7 71,8 10,9 67,6
Todas as comparações são em relação a ECO1. A Tabela 3. Correlação em relação a ECO1 versus ST, SRD, SRH,
pSnakes e ECO1, sobre a borda do VE e 30%, 50% e 70% mais
configuração dos parâmetros utilizada nestes testes
distante da borda.
para pSnakes é α = 0,1, β = 0,2 e γ = 1; para ST é de Table 3. Correlation related to ECO1 versus ST, SRD, SRH, pSnakes e
α = 0,2, β = 0,2 e γ = 1; para SRD tem-se ai = 0,1, ECO1, on LV border and 30%, 50% 70% more distant from the border.
bi = 0,2 e ae = 0,5 e para SHR, ai = 0,2, βi = 0,2 e Correlação - ECO1 versus
Inicialização
γ = 0,5. ST SRD SRH pSnakes
Observa-se que o pSnakes obtém a segunda Próxima à
0,53 0,50 0,16 0,81
melhor média, ou seja, segunda média mais próxima borda
de ECO1, com menor desvio padrão (71,8 ± 10,9). 30% 0,51 0,48 0,19 0,79
SRH obtém a média mais próxima de ECO1, porém 50% 0,38 0,50 0,19 0,83
o desvio padrão obtido é o maior (70,8 ± 14,7). ST 70% 0,48 0,40 -0,05 0,83
com 71,8 ± 12,6 também está próximo de SRH. Por
outro lado, o SRD apresenta a média mais afastada de
ECO1, porém com o menor desvio padrão (79,0 ± 8,9).
Quanto à correlação (r) entre ECO1 e os MCA Tabela 4. Tempo médio de processamento ST, SRD, SRH, pSnakes,
avaliados, o pSnakes obtém o maior fator em todas 140 iterações.
Table 4. Time processing time for ST, SRD, SRH, pSnakes, 140 iterations.
as situações, em torno de r = 0,80 (0,81, 0,79, 0,83
e 0,83, para distância sobre a borda, 30%, 50% e 70% Tempo médio de processamento (s)
distante da borda, respectivamente) seguido de longe ST 1,79
por SRD e ST, com valores de r entre 0,30 e 0,50, SRD 0,56
conforme é mostrado na Tabela 3. Ainda com base SRH 0,56
nesta tabela, SRH possui os resultados de menor pSnakes 0,69
correlação (abaixo de 0,20).
É importante ressaltar que a média e o desvio
padrão isoladamente não trazem informações completas
sobre os desvios obtidos para cada método avaliado. por exemplo), tem-se uma incidência de ruído speckle
Porém em conjunto, as duas estatísticas servem como intensa que proporciona um bom teste de robustez
base para a avaliação. Por isso, no conjunto das duas a ruído para os MCA. Desta forma, os resultados
medidas, o pSnakes consegue o melhor resultado. alcançados sugerem boa robustez a ruído para o
Além disso, a correlação entre pSnakes e ECO1 pSnakes, em especial em relação ao ruído speckle
confirma esta análise já que pSnakes obtém a maior muito presente em imagens de ecocardiograma, já
fator de correlação diante dos outros MCA. Pode-se que se manteve estável em todas as situações testadas.
observar ainda que à medida que a inicialização dos Quanto à média de tempo de processamento de cada
MCA se distancia da borda do VE, os resultados de imagem, o ST apresentou pior resultado, enquanto que
pSnakes e SRH, baseados na transformada de Hilbert, os métodos radiais se apresentaram melhor, conforme
melhoram, enquanto os resultados de ST, MCA Tabela 4. SRD e SRH demoram em média 0,56 s em
baseado no gradiente, pioram. Quanto à questão do cada imagem de ecocardiograma, enquanto que o
ruído, neste trabalho não se efetua diretamente uma pSnakes demorou 0,69 s. ST delongou 1,79 s. Foram
análise do desempenho do pSnakes na presença de consideradas 140 iterações para cada método. Estes
ruído, mas, indiretamente, ao se inicializar o pSnake resultados já eram esperados, visto que em ST o
e os outros MCA longe da borda (70% mais distante, espaço de busca do valor mínimo da energia total
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
160 Alexandria AR, Cortez PC, Felix JHS, Abreu JS Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011
do contorno ativo é um espaço xy (2D), espaço este Sistemas baseados no método pSnakes podem ser
maior que o espaço de busca dos MCAR (1D). Vale embarcados no próprio equipamento de ultrassom,
salientar que estes tempos de processamento podem ser podendo já processar a imagem obtida, efetuando
melhorados ao se otimizar os códigos implementados filtragens e mesmo segmentação de elementos da
e utilizar-se ferramentas computacionais mais rápidas imagem. No caso do ecocardiograma, a segmentação
como linguagem C/C++ embarcada em processadores do ventrículo esquerdo é o objeto de maior interesse.
dedicados. A leitura de suas medidas, em tempo real, traz
informações importantes para auxílio ao diagnóstico
Conclusões médico. Este método pode ser aplicado em imagens
de natureza cartesiana também, sendo estas imagens
O MCAR pSnakes é apresentado neste trabalho e primeiramente convertidas para a representação polar,
avaliado no cálculo de fração de ejeção do ventrículo ou mesmo diretamente na representação cartesiana,
esquerdo (VE) em imagens de ecocardiograma em como no caso de imagens de ultrassom utilizando sonda
eixo curto. As principais contribuições deste trabalho do tipo linear. Além das imagens de ultrassom, outras
são o uso do MCAR pSnakes no cálculo de FEJ; o imagens de mesma natureza, como as oriundas de sonar
emprego da energia hilbertiana, calculada através ou radar também são naturalmente representadas em
da TH, como energia externa no MCAR proposto e coordenadas polares.
a avaliação da aplicação do pSnakes e outros MCA Em imagens de ecocardiograma, os resultados
no cálculo da fração de ejeção do VE. nas imagens analisadas são adequados, em relação
A utilização da TH como energia externa em à segmentação manual do médico especialista. Os
contornos ativos pSnakes, assim como no snakes resultados obtidos para o nível de significância
radial, pelos dados de correlação, média e desvio desejado (p < 0,05) são adequados, mostrando que o
padrão, mostra-se bastante adequada para a aplicação pSnakes pode ser utilizado para o cálculo de fração
(segmentação do VE, visando ao cálculo de FEJ). Isto de ejeção em imagens de ecocardiograma em eixo
se deve principalmente às características da energia curto, assim como os demais MCA avaliados, exceto
hilbertiana de alcançar um mínimo de energia nas SRD. Vale lembrar que a análise de correlação em
bordas de objetos e sofrer um acréscimo suave em relação a ECO1 apontou o pSnakes como melhor
seu valor, perdurando sua influência mesmo longe método. A segmentação de imagens do ventrículo em
das bordas. ecocardiogramas também é adequada, sugerindo que
Uma das contribuições principais desta nova o método pSnakes pode ser utilizado com sucesso na
abordagem proposta é esta poder substituir a derivada segmentação destas imagens.
como energia externa nos MCAR. A derivada, utilizada Como trabalhos futuros sugerem-se um estudo
nos trabalhos de Chen et al. (2001) e Denzler e sobre a inicialização automática do pSnakes, além da
Niemann (1999) é definida somente muito próxima aplicação em imagens de ecocardiograma em eixo longo
das bordas, tornando-se difícil o seu uso quando o (quatro cavidades). A avaliação da complexidade dos
snake inicial está distante da borda. O emprego da algoritmos utilizados neste trabalho, em especial a do
TH também se torna vantajoso em relação à proposta pSnakes deve ser efetuada. Uma avaliação quantitativa
apresentada por Hunter et al. (1995), já que dispensa da segmentação dos métodos, comparando‑se com o
o uso de máscara gaussiana (filtro) para espalhar a pSnakes para imagens de ecocardiograma, baseada
influência da derivada ao longo dos feixes. Além disso, em medidas de erro de segmentação, deverá ser feita,
a influência da energia hilbertiana se faz presente a além da influência do ruído em imagens sintéticas. A
uma distância maior em relação ao método proposto comparação com outros métodos como o GVF e VFC
na referência mencionada, permitindo a inicialização deve também ser realizada. A aplicação do método
do snake radial distante da borda. Outra vantagem pSnakes em outras imagens médicas como tomografia
da energia hilbertiana é que esta pode ser aplicada computadorizada de pulmões, ressonância magnética
em tempo real, já que a transformada de Hilbert 1D cardíaca, entre outras, também deve ser investigada.
possui baixo tempo de processamento. Vale ressaltar
que o tempo de processamento obtido pelos métodos Agradecimentos
radiais e polar neste trabalho foram cerca de três vezes
mais rápidos que o método cartesiano ST. Outrossim, Ao Laboratório de Sistemas de Computação – LESC
o espaço de busca maior ou igual a cinco se mostra do Departamento de Engenharia de Teleinformática e
capaz de fazer a dinâmica do contorno ativo imune às ao Hospital Universitário Walter Cantídio, ambos da
variações na intensidade da TH, conforme é ilustrado Universidade Federal do Ceará. Ao Laboratório de
na Figura 5. Ensaios Mecânicos – LEM do Instituto de Educação,
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011 Método de contornos ativos pSnakes 161
Ciência e Tecnologia do Ceará. À clínica Prontocárdio Dagher I, Tom KE. WaterBalloons: A hybrid watershed
em Fortaleza, em especial à Dra. Tereza Cristina Balloon Snake segmentation. Image and Vision
P. Diógenes. A Jéssyca Almeida Bessa pelo apoio Computing. 2008; 26(7):905-12. http://dx.doi.org/10.1016/j.
imavis.2007.10.010
fundamental na obtenção dos dados experimentais.
Demaine E, Leiserson, C. Introduction to algorithms.
Cambridge: MIT Press; 2001.
Referências
Denzler J, Niemann H. Active rays: A new approach to
Alexandria AR, Cortez PC, Felix JHS, Rebouças Filho PP, contour tracking. International Journal of Computing and
Cavalcante TS, Silva Júnior JAC, Abreu JS, inventores; Information Technology. 1996; 4:9-16.
Instituto Federal de Educação, Ciência e Tecnologia do Ceará
- IFCE. Método de contornos ativos psnakes. MU8903119‑9. Denzler J, Niemann H. Active rays: Polar-transformed
INPI, Brasil, 2009. active contours for real-time contour tracking. Real-Time
Imaging. 1999; 5(3):203-13. http://dx.doi.org/10.1006/
Alexandria AR, Cortez PC, Felix JHS, Cavalcante TS, rtim.1997.0116
Rebouças Filho PP, Silva Júnior JAC, Abreu JS. Hilbertian
energy: a method for external energy calculation on radial Ebadollahi S, Shih-Fu C, Wu H. Echocardiogram videos:
active contours. In: Leta FR, Conci A, editors. Systems, summarization, temporal segmentation and browsing. In:
Signals and Image Processing. IWSSIP 2010: Proceedings Image Processing. ICIP 2002: Proceedings 2002 International
of the 17th International Conference on Systems, Signals Conference on Image Processing; 2002 Sept 22-25, New
and Image Processing; 2010 Jun 17-19; Rio de Janeiro, York, USA. IEEE Signal Processing Society; 2002. p. I613‑6.
Brasil. Rio de Janeiro; 2010. p. 81-4. http://dx.doi.org/10.1109/ICIP.2002.1038098
Arikidis NS, Skiadopoulos S, Karahaliou A, Likaki Gemignani V, Faita F, Ghiadoni L, Poggianti E, Demi M.
E, Panayiotakis G, Costaridou L. B-spline active rays A system for real-time measurement of the brachial artery
segmentation of microcalcifications in mammography. diameter in B-mode ultrasound images. IEEE Transactions
Medical Physics. 2008; 35(11):5161-71. PMid:19070250. on Medical Imaging. 2007; 26(3):393-404. PMid:17354644.
http://dx.doi.org/10.1118/1.2991286 http://dx.doi.org/10.1109/TMI.2006.891477
Bednorz W. Advances in Greedy Algorithms. Vienna: IN- Gemignani V, Paterni M, Benassi A, Demi M. Real time
TECH Education and Publishing; 2008. contour tracking with a new edge detector. Real-Time
Imaging. 2004; 10(2):103-16. http://dx.doi.org/10.1016/j.
Bouhours A. Segmentação do ventrículo esquerdo em rti.2004.02.005
ecocardiograma usando contornos ativos (snake) [dissertação].
Fortaleza: Universidade Federal do Ceará; 2006. 98p. Hodneland E, Tai X-C, Gerdes H-H. Four-color theorem and
level set methods for watershed segmentation. International
Buda AJ, Delp EJ, Meyer CR, Jenkins JM, Smith DN, Journal on Computer Vision. 2009; 82(3):264‑83.
Bookstein FL, Pitt B. Automatic computer processing of http://dx.doi.org/10.1007/s11263-008-0199-4
digital 2-dimensional echocardiograms. The American
Journal of Cardiology. 1983; 52(3):384-9. http://dx.doi. Hunter IA, Soraghan JJ, Mcdonagh T. Fully automatic left
org/10.1016/0002-9149(83)90144-3 ventricular boundary extraction in echocardiographic images.
In: Computers in Cardiology: Proceedings Computers in
Caiani EG, Lang RM, Korcarz CE, De-Cara JM, Cardiology; 1995 Sept 10-13; Vienna; 1995. p. 741-4.
Weinert L, Collins KA, Spencer K, Cerutti S, Moravi V.
Echocardiographic evaluation of left ventricular wall motion Johansson M. The Hilbert transform [dissertation]. Växjö:
using still-frame parametric imaging. IEEE Computers in Växjö University; 1999. 33 p.
Cardiology. 2001; 1(28):89-92. Kass M, Witkin A, Terzopoulos D. Snakes: active
Chen Y, Huang T, Rui Y. Optimal radial contour tracking contours models. International Journal on Computer
by dynamic programming. In: Image Processing. 2001: Vision. 1987; 1(4):321-31. http://dx.doi.org/10.1007/
Proceedings of the IEEE International Conference on BF00133570
Image Processing; 2001 Out 7-10; Thessaloniki, Greece. Liang J, Ding G, Wu Y. Segmentation of the left ventricle
Thessaloniki; 2001. p. 626. from cardiac MR images based on radial GVF snake, In:
Cohen LD. On active contour models and balloons. Peng Y, Zhang Y, editors. BMEI 2008: Proceedings of the
Computer Vision Graphics and Image Processing: Image First International Conference in BioMedical Engineering
Understanding. 1991; 53(2):211-8. and Informatics; 2008 May 27-30; Sanya, Hainan, China.
IEEE Computer Society; 2008. p. 238-42.
Cootes TF, Edwards G, Taylor CJ. Comparing active shape
models with active appearance models. In: Pridmore TP, Markman Filho B, Almeida MC, Markman M, Chaves
Elliman D, editors. British Machine Vision. BMVC 1999: A, Moretti MA, Ramires JAF, César LA. Estratificando
Proceedings of the British Machine Vision Conference; 1999 o risco na angina instável com a ecocardiografia sob
Sept 13-16; Nottingham, United Kingdom. Nottingham: estresse com dobutamina. Arquivos Brasileiros de
BMVA Press; 1999. p. 173-82. Cardiologia. 2006; 86(3):259-64.
Costa Filho CFF, Moura LA, Costa MGF. Revisão sobre Marques JAL, Cortez PC, Madeiro JPV. Detecção
métodos de segmentação 2D do ventrículo esquerdo. Revista de alterações da frequência cardíaca fetal e do tônus
Brasileira de Engenharia Biomédica. 1999; 15(3):141-58. uterino materno em exames cardiotocográficos utilizando
Rev. Bras. Eng. Biom., v. 27, n. 3, p. 147-162, set. 2011
162 Alexandria AR, Cortez PC, Felix JHS, Abreu JS Braz. J. Biom. Eng., 27(3), 147-162, Sept. 2011
transformada de Hilbert. Em: CBEB 2008: Anais do 21º Sonka M, Hlavac V, Boyle R. Image processing, analysis
Congresso Brasileiro de Engenharia Biomédica; 2008 and machine vision. 3th ed. CL-Engineering; 2007.
Nov 16-20, Salvador, Bahia. SBEB; 2008. p. 1727-30.
Staib LH, Duncan JS. Boundary finding with parametrically
Nixon M, Aguado A. Feature Extraction & Image deformable models. IEEE Transactions on Pattern
Processing. 2th ed. Academic Press: London; 2008. Analysis and Machine Intelligence. 1992; 14(11):1061‑75.
Osher S, Paragios N. Geometric level set methods in imaging, http://dx.doi.org/10.1109/34.166621
vision, and graphics. New York: Springer-Verlag; 2003. Terzopoulos D, Metaxas D. Dynamic 3D models
Otto CM. Textbook of Clinical Echocardiography. 3th ed. with local and global deformations: deformable
Philadelphia: Elsevier; 2004. superquadrics. IEEE Transactions on Pattern Analysis
and Machine Intelligence. 1991; 13(7):703-14. http://dx.doi.
Poularikas AD. The Transforms and applications
handbook. 2th ed. Boca Raton: CRC Press; 2000. org/10.1109/34.85659
http://dx.doi.org/10.1201/9781420036756 Madeiro JPV, Cortez, PC Marques JAL. Nova abordagem
Sarkar S, Mukherjee K, Ray A. Generalization of Hilbert de detecção de QRS em ECG através da combinação das
transform for symbolic analysis of noisy signals. Signal transformadas de Wavelet e Hilbert. Em: CBEB 2008:
Processing. 2009; 89(6):1245-51. http://dx.doi.org/10.1016/j. Anais do 21º Congresso Brasileiro de Engenharia
sigpro.2008.12.009 Biomédica; 2008 Nov 16-20, Salvador, Bahia. SBEB; 2008.
p. 1731-4.
Silva JS, Santos BS, Silva A, Madeira J. Modelos deformáveis
na segmentação de imagens médicas: uma introdução. Webster JG. Medical instrumentation application designer. 3th
Revista do DETUA. 2004; 4(3):360-7. ed. John Wiley and Sons Inc; 1998.
Autores
Auzuir Ripardo de Alexandria
Departamento da Indústria, Grupo de Simulação Computacional – G5IMCO,
Instituto Federal de Educação, Ciência e Tecnologia do Ceará – IFCE,
Av. Treze de Maio, 2081, Benfica, CEP 60040-531, Fortaleza, CE, Brasil