Detecção remota em meio urbano: teste com classificadores supervisionados a nível do pixel sobre imagens de alta resolução espacial aplicados numa lógica hierárquica de classes

Dissertação de Mestrado em Gestão do Território, Área de Especialização em Detecção Remota e Sistemas de Informação Geográfica

Processamento e Análise de Imagens Adquiridas através de Cápsula Endoscópica para o Auxílio ao Diagnóstico Clínico

O carcinoma foi a principal causa de morte para cerca de 8,2 milhões de habitantes no ano de 2012 a nível mundial. Deste valor, estima-se que o carcinoma colo retal foi responsável por 694.000 mortes nesse mesmo ano. O tratamento eficaz deste carcinoma carece de uma deteção precoce de determinadas patologias associadas, nomeadamente, à presença de hemorragia ou pólipo na mucosa intestinal. Essa deteção precoce passa pela realização frequente de determinados exames clínicos invasivos, como a endoscopia e a colonoscopia, que poderão ser demasiado invasivos para o Homem para serem realizados regularmente. Assim surgiu a capsula endoscópica (CE) como método de diagnóstico pouco invasivo, confortável, seguro e com a funcionalidade de permitir a visualização de todo o trato gastrointestinal (TGI), uma vez que, com os métodos tradicionais de diagnóstico (endoscopia e colonoscopia) isso não acontece. Técnicas computacionais de processamento e análise de imagem automáticas, tais como filtros de suavização, remoção de ruído, deteção de contorno ou segmentação de zonas de interesse, podem ser utilizadas para facilitar a deteção destas patologias e homogeneizar a resposta entre diferentes clínicos, uma vez que, por cada exame de endoscopia por capsula são recolhidas cerca de 57 600 imagens. As imagens recolhidas a partir da CE passam por uma série de passos de processamento de imagem a m de clarificar a existência ou ausência de patologias no interior do TGI. Essa classificação pretende simplificar e auxiliar o clínico no diagnóstico precoce relativamente às patologias em causa, assim como reduzir o seu cansaço, aumentar a sua performance e aumentar a sua eficiência na análise de dados. Neste contexto e em parceria com a empresa INOVA+, esta tese está integrada no projeto PhotonicPill cofinanciado pelo QREN (Quadro de Referência Estratégico Nacional). Este projeto visa desenvolver um conjunto de módulos baseados em fotónica para incorporar numa CE, a m de possibilitar um diagnóstico mais preciso e atempado de diversas patologias, nomeadamente a presença de pólipos e hemorragias, assim como a possibilidade de terapêutica em locais do trato gastrointestinal de difícil acesso, como é o caso do intestino delgado. Um dos módulos baseados em fotónica assenta na tecnologia narrow band imaging (NBI). A contribuição desta tese no projeto prendeu-se no desenvolvimento de 3 métodos de deteção automática. O primeiro direcionado para a deteção de hemorragia, baseou-se na identificação dos valores mínimos e máximos dos canais de R,G,B para criar um valor de threshold duplo. De seguida, complementa-se o método através de operações morfológicas e operações locais. O segundo método de deteção automática é direcionado para a deteção de pólipo e baseou-se na aplicação da transformada de watershed juntamente com o cálculo de medidas associadas à forma típica de um pólipo. Por último, desenvolveu-se um método de deteção de vascularização na mucosa intestinal recorrendo essencialmente à deteção de valores máximos para cada canal do modelo RGB, definindo um valor de threshold máximo para cada um dos três canais. Uma vez testados os algoritmos e obtendo uma percentagem de especificidade e sensibilidade média superior a 70% em todos os métodos, desenvolveu-se um protótipo de uma interface gráfica para este sistema de apoio à decisão clínica que engloba os três parâmetros em análise: deteção de hemorragia, deteção de pólipo e deteção de vascularização. Esta interface fará toda a gestão do processo, ou seja, fara de forma automática a deteção e classificação das patologias a detetar, lançando uma mensagem de alerta ao clínico a informar se o paciente é ou não portador de alguma das anomalias em análise.

Detecção automática de vasos sanguíneos em imagens da retina para determinação do coeficiente AVR

Dissertação para obtenção do Grau de Mestre em Engenharia Biomédica

Análise comparada da classificação “pixel a pixel” e orientada por objecto de uma imagem WorldView 2 de Maputo, Moçambique

O desenvolvimento das tecnologias associadas à Detecção Remota e aos Sistemas de Informação Geográfica encontram-se cada vez mais na ordem do dia. E, graças a este desenvolvimento de métodos para acelerar a produção de informação geográfica, assiste-se a um crescente aumento da resolução geométrica, espectral e radiométrica das imagens, e simultaneamente, ao aparecimento de novas aplicações com o intuito de facilitar o processamento e a análise de imagens através da melhoria de algoritmos para extracção de informação. Resultado disso são as imagens de alta resolução, provenientes do satélite WorldView 2 e o mais recente software Envi 5.0, utilizados neste estudo. O presente trabalho tem como principal objectivo desenvolver um projecto de cartografia de uso do solo para a cidade de Maputo, com recurso ao tratamento e à exploração de uma imagem de alta resolução, comparando as potencialidades e limitações dos resultados extraídos através da classificação “pixel a pixel”, através do algoritmo Máxima Verossimilhança, face às potencialidades e eventuais limitações da classificação orientada por objecto, através dos algoritmos K Nearest Neighbor (KNN) e Support Vector Machine (SVM), na extracção do mesmo número e tipo de classes de ocupação/uso do solo. Na classificação “pixel a pixel”, com a aplicação do algoritmo classificação Máxima Verosimilhança, foram ensaiados dois tipos de amostra: uma primeira constituída por 20 classes de ocupação/uso do solo, e uma segunda por 18 classes. Após a fase de experimentação, os resultados obtidos com a primeira amostra ficaram aquém das espectativas, pois observavam-se muitos erros de classificação. A segunda amostra formulada com base nestes erros de classificação e com o objectivo de os minimizar, permitiu obter um resultado próximo das espectativas idealizadas inicialmente, onde as classes de interesse coincidem com a realidade geográfica da cidade de Maputo. Na classificação orientada por objecto foram 4 as etapas metodológicas utilizadas: a atribuição do valor 5 para a segmentação e 90 para a fusão de segmentos; a selecção de 15 exemplos sobre os segmentos gerados para cada classe de interesse; bandas diferentemente distribuídas para o cálculo dos atributos espectrais e de textura; os atributos de forma Elongation e Form Factor e a aplicação dos algoritmos KNN e SVM. Confrontando as imagens resultantes das duas abordagens aplicadas, verificou-se que a qualidade do mapa produzido pela classificação “pixel a pixel” apresenta um nível de detalhe superior aos mapas resultantes da classificação orientada por objecto. Esta diferença de nível de detalhe é justificada pela unidade mínima do processamento de cada classificador: enquanto que na primeira abordagem a unidade mínima é o pixel, traduzinho uma maior detalhe, a segunda abordagem utiliza um conjunto de pixels, objecto, como unidade mínima despoletando situações de generalização. De um modo geral, a extracção da forma dos elementos e a distribuição das classes de interesse correspondem à realidade geográfica em si e, os resultados são bons face ao que é frequente em processamento semiautomático.

Classificação da ocupação do solo através da segmentação de uma imagem de satélite de alta resolução

Este caso de estudo tem como objetivo demonstrar a utilidade da utilização de imagens de satélite de alta resolução para a produção de cartografia temática em áreas urbanas, bem como, experimentar a extracção de elementos de uma imagem de alta resolução a partir de protocolos de segmentação, aplicando uma abordagem orientada por regiões, e recorrendo a dados de uma cena do satélite WorldView2 com as suas novas 4 bandas adicionais. Definiu-se uma nomenclatura de ocupação de solo com base na fotointerpretação da imagem, criou-se uma legenda hierarquizada por 3 níveis de desagregação. No primeiro nível incluiu-se sete classes, no segundo nível as classes foram classificadas pelo nome dos objetos identificados na fotointerpretação, e o terceiro nível foram classificados pelas características dos objetos definidos no nível anterior. Foram criados segmentos de treino através do algoritmo da segmentação, que tem como função criar segmentos vetoriais com base na similaridade espectral e no valor espectral dos conjuntos dos pixéis vizinhos, testou-se varios parâmetros de segmentação de modo a obter o nível de segmentação que visivelmente na imagem se aproximasse mais aos objetos reconhecidos, para assim se gerar as assinaturas espectrais dos objetos representados pela segmentação, procedendo-se à classificação de ocupação de solo baseada nos segmentos.

Uso de imagens de radar para o cálculo da produção primária de plantas aquáticas nas várzeas da Amazônia

A área da planície de inundação da Amazônia é estimada em 300 000km² e sua produtividade primária em 1,17 x 10(14) g C yr-1. Deste total de área e produtividade, estimativas sugerem que 43% e 62%, respectivamente, são atribuídos às plantas aquáticas. Estas estimativas variam de acordo com o pulso de inundação. Por exemplo, durante o período de seca as plantas terrestres (herbáceas) geralmente ocupam áreas que apresentam plantas aquáticas na cheia. A área e a produtividade destes ecossistemas são informações essenciais para a compreensão da dinâmica biogeoquímica da Amazônia. Imagens de satélites (radar) combinadas com amostragem de campo foram utilizadas para estimar a biomassa e mapear a área de cobertura de plantas aquáticas emergentes para calcular a produção primária de plantas aquáticas na várzea do baixo Amazonas. A combinação de bandas C e L forneceu a melhor correlação (r=0,82) e um ponto de saturação de biomassa intermediário (620 gm-2) para estimar biomassa aérea. O método de segmentação e classificação por região foi utilizado para classificar combinações de bandas C e L para cada período de nível de água, e forneceu uma precisão de mapeamento maior que 95% para determinação espacial de áreas cobertas por plantas aquáticas. Combinando a distribuição espacial de plantas aquáticas, o modelo para estimativa de biomassa aérea e a porcentagem de biomassa submersa, estimou-se espacialmente uma produção primária líquida anual de 1.9x10(12) g C yr-1 (±28%) para as plantas aquáticas em uma área de 394km².

Mapeamento da antiga cobertura vegetal de várzea do Baixo Amazonas a partir de imagens históricas (1975-1981) do Sensor MSS-Landsat

Este estudo apresenta um mapa da cobertura vegetal da planície de inundação do Rio Amazonas entre as cidades de Parintins (AM) e Almeirim (PA), com base em imagens Landsat-MSS adquiridas entre 1975 e 1981. O processamento digital dessas imagens envolveu a transformação para imagens-fração de vegetação, solo e água escura (sombra), seguido da aplicação de técnicas de segmentação e classificação por região. O mapa resultante da classificação foi organizado em quatro classes de cobertura do solo: floresta de várzea, vegetação não-florestal de várzea, solo exposto e água aberta. A precisão do mapa foi estimada a partir de dois tipos de informações coletadas em campo: 1) pontos de descrição: para validação das classes de cobertura não sujeitas a grandes alterações, como é o caso dos corpos d'água permanentes, e identificação de indicadores dos tipos de cobertura original presentes na paisagem na ocasião da obtenção das imagens (72 pontos); 2) entrevistas com moradores antigos para a recuperação da memória sobre a cobertura vegetal existente há 30 anos (44 questionários). Ao todo foram coletadas informações em 116 pontos distribuídos ao longo da área de estudo. Esses pontos foram utilizados para calcular o Índice Kappa de concordância entre os dados de campo e o mapa resultante da classificação automática, cujo valor (0,78) indica a boa qualidade do mapa de cobertura vegetal da várzea. Os resultados mostram que a região possuía uma cobertura florestal de várzea de aproximadamente 8.650 km2 no período de aquisição das imagens.

Caracterização de uso e cobertura da terra na Amazônia utilizando imagens duais multitemporais do COSMO-SkyMed

A utilização de imagens de radar é fonte alternativa de informações para subsidiar o monitoramento da região amazônica, visto que as imagens ópticas têm limitações de imageamento em zonas tropicais face a ocorrência de nuvens. Por conseguinte este trabalho teve como objetivo analisar a capacidade das imagens-radar de banda X multitemporais e polarizadas obtidas pelo satélite COSMO-SkyMed (COnstellation of small Satellites for Mediterranean basin Observation), no modo intensidade, isoladamente e agregados às informações texturais, na caracterização temática de uso e cobertura da terra no município de Humaitá/AM. A metodologia empregada consistiu da: análise das imagens duais obtidas em duas aquisições subsequentes, de forma a explorar a potencialidade do conjunto de dados na forma quad-pol intensidade; extração dos atributos texturais a partir da matriz de coocorrência (Gray Level Co-occurrence Matrix) e posterior classificação contextual; avaliação estatística de desempenho temático das imagens intensidade e texturais, isoladas e em grupos polarizados. Dentre os vários resultados alcançados, foi verificado que o grupo formado somente pelas imagens intensidade apresentou o melhor desempenho, comparado àqueles contendo os atributos texturais. Nesta separabilidade, estavam envolvidas as classes de floresta, floresta aluvial, reflorestamento, savana, pasto e queimada, obtendo-se 66% de acurácia total e valor Kappa de 0,55. Os resultados mostraram que as imagens de banda X do COSMO-SkyMed, modo StripMap (Ping-Pong), multipolarizadas, têm potencial moderado para a caracterização e monitoramento da dinâmica de uso e cobertura da terra na Amazônia brasileira.

Estimativa de áreas com culturas de verão no Paraná, por meio de imagens multitemporais EVI/Modis

O objetivo deste trabalho foi estimar e mapear as áreas com as culturas de soja e milho, no Paraná, com uso de imagens multitemporais EVI/Modis. Foram avaliados os anos‑safra de 2004/2005 a 2007/2008. Em razão da alta dinâmica temporal e da heterogeneidade de datas de semeadura das culturas no estado, foram utilizadas cenas que contemplavam as fases de pré‑plantio e de desenvolvimento inicial das culturas, para gerar a imagem de mínimo EVI (IMIE), e cenas que consideravam o pico vegetativo das culturas, para gerar a imagem de máximo EVI (IMAE). Estas imagens foram utilizadas para gerar a composição colorida RGB (R, IMAE; GB, IMIE), o que permitiu a confecção de máscara das áreas com soja e milho. As estimativas das áreas de máscara por município foram comparadas com dados oficiais de produção agrícola municipal, tendo-se observado bons ajustes (R²>0,84, d>0,95, c>0,85) entre os dados. Para a avaliação da exatidão espacial das máscaras, imagens Landsat‑5/TM e AWiFS/IRS foram usadas como referência para construção da matriz de erros. Os resultados obtidos são indicativos de que a metodologia proposta é altamente eficiente e pode ser utilizada para mapeamento dessas culturas.

Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático

Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial.

Análise de dados de produção em um pomar jovem de laranjeiras Hamlin: II. classificação de dados espaço-temporais

Em um pomar jovem de laranjeiras Hamlin, não-irrigado, foi realizado um estudo que procurou investigar a potencialidade da utilização de dados espaço-temporais de produção por árvore para o gerenciamento localizado. A produção de 1.471 árvores georreferenciadas foi levantada em dois ciclos sucessivos, 2000-2001 e 2001-2002, e classificada por meio de uma análise de agrupamentos via lógica fuzzy. Ainda, foi realizada uma análise de correlação intraclasse com dados de resposta espectral de 52 árvores, extraída de imagens aéreas multiespectrais de alta resolução espacial. Os resultados mostraram que foi possível a formação de classes distintas de comportamento produtivo, em função dos padrões de variabilidade espacial e temporal da produção. No entanto, as classes apresentaram baixa coerência espacial, o que dificulta o gerenciamento localizado da produção em nível de árvores individuais. A despeito disso, a resposta espectral esteve significativamente relacionada às classes formadas.

Grades computacionais na recuperação de imagens médicas baseada em conteúdo

OBJETIVO: Utilizar o poder de processamento da tecnologia de grades computacionais para viabilizar a utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo. MATERIAIS E MÉTODOS: A técnica de recuperação de imagens baseada em conteúdo é composta de duas etapas seqüenciais: análise de textura e algoritmo de medida de similaridade. Estas são aplicadas em imagens de joelho e cabeça, nas quais se avaliaram a eficiência em recuperar imagens do mesmo plano e a seqüência de aquisição em um banco de 2.400 imagens médicas para testar a capacidade de recuperação de imagens baseada em conteúdo. A análise de textura foi utilizada inicialmente para pré-selecionar as 1.000 imagens mais semelhantes a uma imagem de referência escolhida por um clínico. Essas 1.000 imagens foram processadas utilizando-se o algoritmo de medida de similaridade na grade computacional. RESULTADOS: A precisão encontrada na classificação por análise de textura foi de 0,54 para imagens sagitais de joelho e de 0,40 para imagens axiais de cabeça. A análise de textura foi útil como filtragem, pré-selecionando imagens a serem avaliadas pelo algoritmo de medida de similaridade. A recuperação de imagens baseada em conteúdo utilizando o algoritmo de medida de similaridade aplicado nas imagens pré-selecionadas por análise de textura resultou em precisão de 0,95 para as imagens sagitais de joelho e de 0,92 para as imagens axiais de cabeça. O alto custo computacional do algoritmo de medida de similaridade foi amortizado pela grade computacional. CONCLUSÃO: A utilização da abordagem mista das técnicas de análise de textura e algoritmo de medida de similaridade no processo de recuperação de imagens baseada em conteúdo resultou em eficiência acima de 90%. A grade computacional é indispensável para utilização do algoritmo de medida de similaridade na recuperação de imagens baseada em conteúdo, que de outra forma seria limitado a supercomputadores.

Avaliação da concordância entre ressonância magnética de ultra-sonografia na classificação de fibrose periportal em esquitossomóticos, segundo a classificação de Niamey

OBJETIVO: Avaliar a reprodutibilidade da ressonância magnética e a concordância entre a ultra-sonografia e a ressonância magnética na classificação da fibrose periportal em pacientes esquistossomóticos, segundo os critérios qualitativos de Niamey. MATERIAIS E MÉTODOS: Foi realizado estudo prospectivo e duplo-cego, entre fevereiro de 2005 e junho de 2006, em 20 pacientes (10 homens e 10 mulheres, idades entre 24 e 60 anos, média de 42,75 anos) com diagnóstico de esquistossomose mansônica. As imagens de ultra-sonografia e de ressonância magnética foram avaliadas por dois examinadores experientes de forma independente. Foi medida a concordância interobservador para a ressonância magnética e entre a ressonância magnética e a ultra-sonografia. RESULTADOS: A ressonância magnética apresentou resultados concordantes entre os observadores em 14 pacientes (70%). Quando comparamos a ressonância magnética com a ultra-sonografia, obtivemos concordância em apenas seis pacientes pelo observador 1 (30%) e em oito pacientes pelo observador 2 (40%). CONCLUSÃO: A ressonância magnética tem boa reprodutibilidade na avaliação de fibrose periportal em pacientes com esquistossomose avançada, porém sua concordância com a ultra-sonografia é fraca.

QualIM®: software para treinamento na interpretação de imagens médicas digitais

OBJETIVO: Foi desenvolvido um software denominado QualIM® - Qualificação de Imagens Médicas para treinamento de profissionais na interpretação de exames digitais de mamografias utilizando ferramentas de manipulação de imagens, em monitores específicos, classificadas em BI-RADS®. MATERIAIS E MÉTODOS: O sistema, desenvolvido em Delphi 7, armazena as respostas da interpretação de imagens mamográficas durante o treinamento e compara aos dados inseridos denominados "padrão-ouro". O sistema contém imagens de computed radiography, direct radiography e digitalizadas. O software converte as imagens do computed radiography e direct radiography para o formato TIFF, mantendo as resoluções espacial e de contraste originais. Profissionais em treinamento manipulam o realce da imagem utilizando ferramentas de software (zoom, inversão, réguas digitais, outras). Dependendo da complexidade, são apresentadas até oito incidências mamográficas, seis imagens de ultra-som e duas de anatomopatológico. RESULTADOS: O treinamento iniciou em 2007 e atualmente faz parte do programa de residência em radiologia. O software compõe o texto, de forma automática, das informações inseridas pelo profissional, baseado nas categorias BI-RADS, e compara com a base de dados. CONCLUSÃO: O software QualIM é uma ferramenta digital de ensino que auxilia profissionais no reconhecimento de padrões visuais de uma imagem mamográfica, bem como na interpretação de exames mamográficos, utilizando a classificação BI-RADS.

Integrando ferramentas de auxílio ao diagnóstico no sistema de arquivamento e comunicação de imagens

OBJETIVO: Este artigo apresenta um modelo de integração de algoritmos de diagnóstico auxiliado por computador dentro do fluxo de trabalho dos sistemas de gerenciamento de imagens, desenvolvido com base em um conjunto de ferramentas computacionais de código aberto e uso livre chamado dcm4che2. MATERIAIS E MÉTODOS: O modelo de integração é composto por um servidor de processamento de imagens e por serviços de comunicação. O gerenciamento de dados segue o fluxo de trabalho definido pelo perfil de pós-processamento (PWF) do Integrating the Healthcare Enterprise (IHE) e utiliza a funcionalidade de captura secundária do DICOM. Uma aplicação para lesões difusas de pulmão foi utilizada para prova de conceito. RESULTADOS: O algoritmo de classificação de padrões apresentou acurácia de 78%, com base em um método de teste de validação cruzada. A integração possibilita a visualização das imagens processadas como uma nova série dentro do estudo original. CONCLUSÃO: O modelo de integração proposto baseiase em perfis do IHE e permite o estabelecimento de procedimentos padronizados. Os princípios utilizados para integração do fluxo de trabalho são aplicáveis para qualquer tarefa não interativa de pós-processamento de imagens.