Upload
lymien
View
222
Download
0
Embed Size (px)
Citation preview
Mestrado em Engenharia Biomédica
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Trabalhos Práticos
Frederico Lázaro Jacob Setembro de 2008
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Relatório realizado no âmbito da disciplina de Trabalhos Práticos do
Curso de Mestrado em Engenharia Biomédica da
Faculdade de Engenharia da Universidade do Porto
Frederico Lázaro Jacob Licenciado em Engenharia Electrotécnica pelo Instituto Superior de Engenharia do Porto
Orientador:
João Manuel R. S. Tavares Prof. Auxiliar do Departamento de Engenharia Mecânica e Gestão Industrial
Faculdade de Engenharia da Universidade do Porto
Co-orientador:
Ana Mafalda Reis Assistente Hospitalar de Neurorradiologia
Hospital Pedro Hispano, Matosinhos
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 1 de 87
Agradecimentos
Ao Professor João Tavares, pelo apoio fornecido ao longo da elaboração deste
estudo, pela constante disponibilidade e apoio.
À Dr.ª Ana Mafalda Reis, pelo apoio prestado durante o presente estudo.
A todos os que possibilitaram o desenvolvimento deste trabalho.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 2 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 3 de 87
Resumo
Este relatório surge no âmbito da disciplina de Trabalhos Práticos do curso de
Mestrado em Engenharia Biomédica da Faculdade de Engenharia da Universidade do
Porto e teve como principal finalidade, fazer um enquadramento prático com as
técnicas a usar no projecto de Dissertação que irá decorrer no segundo ano lectivo do
referido curso.
Assim, este trabalho teve como primordiais objectivos a identificação e o
estudo de técnicas de alinhamento de estruturas em imagens médicas, sendo estas
usadas de forma a garantir que uma determinada estrutura se apresenta na “mesma”
posição, orientação e escala em diferentes imagens. Geralmente, os algoritmos
computacionais destas técnicas são utilizados, por exemplo, para o diagnóstico e o
acompanhamento de pacientes com esclerose múltipla, por detecção e quantificação
de forma automática ou semi-automática, isto é, independentemente da intervenção
do operador humano e de forma rápida e reproduzível, da evolução dessa doença.
Em resumo, o trabalho exposto neste relatório, teve como objectivos
fundamentais o levantamento bibliográfico, o estudo e a apresentação de técnicas de
alinhamento de estruturas em imagens médicas, bem como a experimentação
exploratória de implementações computacionais existentes.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 4 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 5 de 87
Índice I – INTRODUÇÃO ........................................................................................................ 13
1.1. Enquadramento ............................................................................................ 15
1.2. Objectivos ..................................................................................................... 16
1.3. Estrutura do relatório ................................................................................... 17
1.4. Contribuições principais ............................................................................. 18
II – ESCLEROSE MÚLTIPLA ...................................................................................... 19
2.1. Introdução ..................................................................................................... 21
2.2. Noções históricas ........................................................................................ 22
2.3. Descrição da doença ................................................................................... 24
2.4. Formas de esclerose múltipla ..................................................................... 26
2.5. Critérios de diagnóstico .............................................................................. 28
2.6. Resumo ......................................................................................................... 30
III – RESSONÂNCIA MAGNÉTICA ............................................................................. 31
3.1. Introdução ..................................................................................................... 33
3.2. Princípios de funcionamento ...................................................................... 34
3.3. Artefactos ...................................................................................................... 36
3.4. Tempos de relaxamento .............................................................................. 38
3.5. Contraste das imagens ................................................................................ 39
3.6. Resumo ......................................................................................................... 43
IV – ALINHAMENTO DE IMAGENS ............................................................................ 45
4.1. Introdução ..................................................................................................... 47
4.2. Métodos ......................................................................................................... 48
4.2.1. Conceitos .................................................................................................... 48
4.2.2. Metodologias clássicas ............................................................................... 50
4.2.2.1. Método geométrico .............................................................................. 51
4.2.2.1.1. Extracção de pontos ..................................................................... 51
4.2.2.1.2. Determinação da transformação ................................................... 54
4.2.2.2. Ajuste em intensidade ......................................................................... 55
4.2.3. Métodos para o alinhamento de imagens ................................................... 58
4.3. Validação dos métodos ............................................................................... 65
4.4. Implementações computacionais existentes ............................................ 66
4.4.1. Implementações comerciais ....................................................................... 66
4.4.2. Implementações académicas ..................................................................... 67
4.5. Experimentação ............................................................................................ 71
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 6 de 87
4.5.1. Enquadramento .......................................................................................... 71
4.5.2. Definição das imagens ............................................................................... 73
4.5.3. Extracção de primitivas geométricas .......................................................... 74
4.5.4. Modelo de transformação e reamostragem da imagem ............................. 75
4.5.5. Resultados .................................................................................................. 76
4.6. Resumo ......................................................................................................... 77
V – CONSIDERAÇÕES FINAIS E PERSPECTIVAS FUTURAS ................................ 79
REFERÊNCIAS ............................................................................................................ 83
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 7 de 87
Lista de figuras
Figura 2.1 – Retrato de Jean-Martin Charcot
Figura 2.2 – Ilustrações das lesões descritas por Charcot
Figura 2.3 – Ilustração da EM efectuada por Robert Carswell
Figura 2.4 – Mapa da prevalência da EM
Figura 2.5 – Estrutura esquemática simplificada de um neurónio típico
Figura 2.6 – Lesão de EM no hemisfério do cérebro
Figura 2.7 – Evolução clínica esquemática das diferentes formas de EM
Figura 2.8 – Corte de IRM sagital à cabeça
Figura 3.1 – Momento magnético de núcleos de Hidrogénio de tecido biológico
Figura 3.2 – Artefacto devido ao movimento do paciente
Figura 3.3 – Artefacto devido a um objecto metálico
Figura 3.4 – Artefacto devido às interferências ferromagnéticas
Figura 3.5 – Evolução do momento magnético longitudinal
Figura 3.6 – Evolução do momento magnético transversal
Figura 3.7 – Impulso de RF com representação de TR e TE
Figura 3.8 – IRM em ponderação T1
Figura 3.9 – IRM em ponderação T2
Figura 3.10 – IRM em ponderação DP de doente do sexo feminino com EM
Figura 4.1 – Exemplo de alinhamento
Figura 4.2 – Exemplos de transformações 2D de imagens
Figura 4.3 – Medida de similaridade
Figura 4.4 – Histogramas 2D da entropia conjunta para idênticas IRM da cabeça
Figura 4.5 – Campo de deslocamento em redor da lesão
Figura 4.6 – Representação da probabilidade de pertencer a uma classe
Figura 4.7 – Detecção de mudanças em pequenas lesões em pacientes com EM
Figura 4.8 – Alinhamento de imagem em DP com outra em T1
Figura 4.9 – Mapas contendo a proporção de cada tecido
Figura 4.10 – Preservação de topologia num alinhamento de IRM
Figura 4.11 – Alinhamento com B-splines hierárquicas
Figura 4.12 – Interface da aplicação iMIPS
Figura 4.13 – Interface da aplicação MeVisLab
Figura 4.14 – Botão a seleccionar para alinhar as diferentes sequências de IRM do
mesmo exame
Figura 4.15 – Interface do sistema computacional SPM
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 8 de 87
Figura 4.16 – Função register2d.m
Figura 4.17 – Resultados obtidos com o sistema computacional Image Registration
Figura 4.18 – Imagem de referência
Figura 4.19 – Imagens distorcidas
Figura 4.20 – Extracção de pontos com a função cpselect
Figura 4.21 – Alinhamento das imagens de IRM
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 9 de 87
Lista de tabelas
Tabela 3.1 – Principais diferenças de contraste encontradas em tecidos
Tabela 4.1 – Tipo de transformação versus número de pares de pontos de controlo
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 10 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 11 de 87
Glossário de siglas
CT – tomografia computorizada
DP – Densidade de protões
EM – Esclerose múltipla
IRM – Imagem por ressonância magnética
PET – Tomografia por emissão de positrões
RF – Radiofrequência
RMN – Ressonância magnética nuclear
SPECT – Tomografia por emissão mono-fotónica
SNC – Sistema nervoso central
SNP – Sistema nervoso periférico
T1 – Tempo de relaxamento longitudinal
T2 – Tempo de relaxamento transversal
TE – Tempo de eco
TR – Tempo de repetição
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 12 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 13 de 87
I – INTRODUÇÃO
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 14 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 15 de 87
1.1. Enquadramento
Na medicina moderna, a imagiologia tornou-se numa ferramenta importante,
porque assiste no estabelecimento de diagnósticos e acompanhamento de patologias,
sendo muitas vezes um elemento importante na tomada de decisões relativamente a
cirurgias, possibilitando o seguimento da evolução de determinadas estruturas ou
lesões internas, (Maintz and Viergever 1998; Hill, Batchelor et al. 2001), ao longo do
tempo, sem recurso a métodos cirúrgicos invasivos. Estas são as razões pelas quais,
os elementos recolhidos num exame imagiológico médico são cada vez mais
numerosos e ricos em informação. Desta forma, os procedimentos para a tomada de
decisão apoiam-se cada vez mais na aquisição e na análise de imagens médicas
digitais, de resolução espacial e temporal em constante evolução, em detrimento das
impressas em filme radiográfico. Assim sendo, a quantidade de dados disponíveis
para cada paciente torna-se crescente, (Hill, Batchelor et al. 2001), o que obriga a
maior tempo de análise e à selecção das informações a utilizar primordialmente
(tarefas sempre algo complexas). Por estes motivos, os meios computacionais que
permitem o tratamento e a análise dos dados de forma automática ou semi-
automática, tomam na actualidade, um lugar de importância cada vez mais relevante.
As imagens médicas contêm informação anatómica e funcional importante,
reflectindo de forma adequada o estado do paciente. Sendo assim, para a correcta
análise e avaliação por um técnico de saúde especializado e também para retirar o
máximo potencial dos dados recolhidos, as imagens têm de ser previamente tratadas.
No caso do estudo de patologias específicas, devem também ser alinhadas
espacialmente com as realizadas em exames anteriores, isto porque, as diferenças de
dimensão, de orientação, ou outras distorções espaciais, tornam difícil a análise das
zonas de interesse em diferentes exames.
Detectar as mudanças para a utilização desejada, aproveitando as
significativas e rejeitando as menos importantes, em regiões de várias imagens de
uma mesma estrutura, tomadas em momentos diferentes ou segundo diferentes
técnicas de imagiologia, é de interesse generalizado devido a um grande número de
aplicações em diversas disciplinas, (Radke, Andra et al. 2005), mas subsiste como
sendo uma operação delicada. A finalidade é então, a de identificar o conjunto de
parâmetros que diferem entre a última sequência de imagens recolhidas e as
anteriores, de forma a detectar a presença de diferenças entre as mesmas. A
quantificação dessas diferenças, por exemplo, através da medição dos volumes das
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 16 de 87
estruturas de interesse, pode ser usada para caracterizar a gravidade ou a evolução
de uma doença, (Bricq, Collet et al. 2008).
Neste capítulo visa-se expor os objectivos inerentes a este trabalho, bem
como, a estrutura base adoptada para este relatório.
1.2. Objectivos
As principiais metas definidas neste trabalho são de proceder, através da
análise de imagens de ressonância magnética (IRM), à localização automática das
regiões encefálicas afectadas pela esclerose múltipla (EM), patologia que a meio do
século passado era considerada como a doença neurológica mais comum e grave
entre os jovens adultos que vivem em climas temperados, (Murray 2005).
Posteriormente, há também o intuito de quantificar e de medir objectivamente a
evolução temporal dessas lesões. Na actualidade nos serviços de imagiologia, estas
tarefas são efectuadas manualmente por um médico especialista, o que tem como
desvantagens o elevado tempo dispendido e o facto de a sua reprodutibilidade ser
reduzida, (Grimaud, Zhu et al. 2002).
Pretende-se assim, desenvolver metodologias, úteis para os clínicos, no
diagnóstico e no acompanhamento dos pacientes com EM. Assim, com as referidas
metodologias, aspira-se a partir de uma série de imagens médicas, que progridem
temporalmente, proceder à detecção e à quantificação de forma automática, isto é, de
maneira rápida, reproduzível e independente do operador humano, (Grimaud, Zhu et
al. 2002), da evolução de uma doença neurológica crónica, de causas ainda pouco
conhecidas e com sintomas que rapidamente podem limitar a qualidade de vida do
doente.
De salientar que, por muito indispensáveis e válidas que sejam as imagens,
muitas vezes existem nas mesmas discrepâncias ligadas à resolução, à distorção
geométrica associada à física subjacente à aquisição da imagem, fenómeno ao qual
as imagens de ressonância magnética são bastante susceptíveis, (Hill, Batchelor et al.
2001), e a outros efeitos, que perturbam a obtenção de análises adequadas.
O trabalho exposto neste relatório, teve como objectivos principais a realização
do levantamento bibliográfico, o estudo e a descrição de técnicas existentes para o
alinhamento de estruturas em imagens médicas, bem como, a experimentação
exploratória de implementações computacionais existentes. Assim sendo, pretendeu-
se mais especificamente:
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 17 de 87
Estabelecer os parâmetros importantes no estudo do alinhamento de estruturas
em imagens médicas;
Identificar, estudar e apresentar algumas das metodologias computacionais
aplicáveis ao alinhamento de estruturas em imagens médicas; Explorar as vantagens e os inconvenientes de cada uma das metodologias
computacionais, dando especial ênfase às mais adequadas para o diagnóstico e o
acompanhamento dos pacientes com esclerose múltipla, a partir de imagens; Analisar, descrever e ensaiar implementações computacionais disponíveis; Desenvolver, usando a ferramenta de desenvolvimento MATLAB, um algoritmo
para testar o alinhamento de imagens de ressonância magnética obtidas aquando
do acompanhamento da evolução das lesões de esclerose múltipla.
1.3. Estrutura do relatório
O presente relatório encontra-se dividido nos restantes capítulos:
II – Esclerose múltipla Neste capítulo é efectuada uma breve descrição da patologia médica abordada
com maior ênfase neste projecto, isto é, a esclerose múltipla.
III – Ressonância magnética O terceiro capítulo deste documento descreve algumas noções relacionadas
com imagens de ressonância magnética, bem como as técnicas para a obtenção de
imagens através desse tipo de dispositivos.
IV – Alinhamento de imagens Posteriormente, no capítulo IV, é tratado o tema principal deste estudo, isto é, a
descrição da análise do levantamento bibliográfico efectuado sobre o alinhamento de
estruturas em imagens médicas, com referência a trabalhos que constituem um
enquadramento válido a este projecto e que demonstram a sua viabilidade, e o
desenvolvimento de um algoritmo para testar o alinhamento de algumas imagens de
de ressonância magnética.
V – Considerações finais e perspectivas futuras Para terminar, este documento inclui-se no capítulo V, uma conclusão final com
indicação das perspectivas de trabalho futuro.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 18 de 87
1.4. Contribuições principais
Como principal contribuição, deste relatório que surge no âmbito da disciplina
de Trabalhos Práticos do Curso de Mestrado em Engenharia Biomédica e que serve
como trabalho introdutório ao projecto de Dissertação, salienta-se o estudo
aprofundado e a revisão bibliográfica da informação considerada pertinente para esta
área. De salientar que as contribuições exactas do trabalho só serão conhecidas com
maior clareza uma vez finalizado o processo de investigação e redigida a respectiva
Dissertação.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 19 de 87
II – ESCLEROSE MÚLTIPLA
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 20 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 21 de 87
2.1. Introdução
A esclerose múltipla, patologia com muitos aspectos que continuam a ser
complexos, consiste numa doença inflamatória / desmielinizante do sistema nervoso
central (SNC). Este sistema é formado pelo encéfalo e pela medula espinal,
consistindo no centro de comando que interpreta toda a informação sensorial,
controlando também todas as ordens “motoras” dadas aos músculos. Esta patologia
caracteriza-se essencialmente pela destruição ou pelo endurecimento da bainha de
mielina, que desempenha funções importantes nas trocas interneuronais e recobre as
fibras nervosas do sistema nervoso central. Milhões de tecidos nervosos podem ser
afectados e as cicatrizes que se formam depois de passada a inflamação são
conhecidas por esclerose, uma doença que normalmente prevalece em pacientes no
início da idade adulta.
Os sintomas desta patologia podem ser bastante graves, podendo variar
significativamente de pessoa para pessoa e afectando praticamente todas as funções
biológicas de acordo com a forma de manifestação da doença, desde o controlo dos
movimentos à percepção sensorial. Assim, a sua progressão pode acarretar, por
exemplo, a paralisia de membros ou mesmo, a perda da visão. Na EM, o número, a
morfologia, frequentemente ovular, a localização, (Brown 1992), a dimensão, de
alguns milímetros a vários centímetros de diâmetro, e a coloração das lesões,
amarelada ou cinzenta rosada, podem variar no tempo, (Clanet and Lyon-Caen 1998),
de um paciente para outro ou mesmo entre diferentes cortes imagiológicos obtidos
através de técnicas de imagem distintas.
Após a epilepsia, esta é doença neurológica que mais afecta os jovens adultos,
iniciando-se geralmente entre os 15 e os 50 anos, apresentando como idade mais
comum os 30 anos, atingindo ambos os sexos, mas com uma prevalência duas a três
vezes superior nas mulheres, (Murray 2005).
O presente capítulo aborda a esclerose múltipla. Inicialmente efectua-se uma
contextualização histórica da patologia, depois, procede-se à sua descrição incluindo
causas, prevalências e tipos, e finalmente termina-se com a definição dos critérios de
diagnóstico usados pelos técnicos de saúde especialistas. No final do capítulo, é
apresentada uma súmula da informação exposta.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 22 de 87
2.2. Noções históricas
Jean-Martin Charcot (figura 2.1), neurologista francês que viveu entre 1825 e
1893, procedeu em 1868, conjuntamente com Edmé Vulpian, à primeira descrição
(figura 2.2) histológica completa, com limites bastante imprecisos, (Grimaud, Zhu et al.
2002), das lesões da patologia actualmente conhecida por esclerose múltipla, após
contemplar na autópsia de jovens pacientes que sofriam de tremores e de paralisias, a
presença de placas cinzentas espalhadas na medula espinal e no cérebro. De forma a
separar este tipo de tremores dos da Doença de Parkinson, Charcot apresentou-a, nas
suas descrições iniciais, como sendo bastante rara e nomeou-a de sclérose en plaque.
O termo esclerose múltipla, deriva do germânico multiplen sklerose e foi apenas aceite
pela generalidade a partir de meados do século XX, (Murray 2005).
Figura 2.1 – Retrato de Jean-Martin Charcot (retirado de (Murray 2005))
Figura 2.2 – Ilustrações das lesões descritas por Charcot (retirado de (Murray 2005))
De salientar que, no seu estudo, Charcot estabeleceu ainda muitas das
características importantes da actual EM, tais como:
A destruição ou o endurecimento, ou seja a transformação em placas, da mielina,
que é a bainha isolante constituída por gorduras que envolve a maioria das fibras
nervosas e que permite acelerar a transmissão dos impulsos nervosos às restantes
partes do corpo. De salientar que o elevado conteúdo de gordura lhe dá uma
aparência esbranquiçada. Este fortalecimento interfere na transmissão dos
impulsos ao cérebro1 ao nervo óptico e à medula espinal, dificultando assim, o
controlo de várias funções orgânicas, tais como a visão, o andar e o falar.
A proliferação de fibras e de núcleos das células da glia, que são células não
neuronais do sistema nervoso central que dão suporte e nutrição aos neurónios.
1 Para um determinado indivíduo, é uma estrutura anatómica estável e não deformável ao longo do tempo, (Hill, Batchelor et al. 2001), mesmo no caso da EM, onde há apenas uma modificação dos seus tecidos.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 23 de 87
Antes de Charcot, outros investigadores obtiveram informações sobre esta
doença. Destes, de realçar o trabalho de Robert Carswell, que em 1838 apresentou a
primeira demonstração da patologia, bem como, a sua primeira ilustração, figura 2.3,
(Murray 2005).
Figura 2.3 – Ilustração da EM efectuada por Robert Carswell (retirado de (Murray 2005))
Ao longo do século e meio seguinte, relatos sobre a doença, as suas causas,
etc., foram constantes e variados, dependendo essencialmente dos avanços
tecnológicos que iam ocorrendo na área médica, fazendo com que na actualidade os
especialistas a considerem como o efeito de um predisposição genética, sendo
transmitida de pais para filhos, e ambiental, dependendo do clima, modo de vida,
exposição a variados tipos de vírus, etc., não sendo no entanto apenas o resultado de
um simples factor, (Clanet and Lyon-Caen 1998; Murray 2005).
Em 1938, G. Steiner foi um dos primeiros a observar e a propor que o
predomínio para a EM estava associado a factores regionais. Assim, em certas zonas
do planeta, conforme a figura 2.4, como no norte da Europa, nos Estados Unidos da
América e no Canadá, existe uma forte prevalência para a patologia,
comparativamente com os países localizados em redor do Mar Mediterrâneo ou na
América do Sul.
Figura 2.4 – Mapa da prevalência da EM (retirado de (mult-sclerosis 2008))
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 24 de 87
Da associação da EM com factores regionais, de realçar que:
A doença é excepcional na Ásia e em África, sendo apenas em 1987 registado o
primeiro caso num paciente negro.
O risco de desenvolver a doença muda quando um indivíduo migra de um país de
incidência baixa para um de incidência elevada ou vice-versa, (Clanet and Lyon-
Caen 1998; Murray 2005);
Assim, mesmo com os grandes progressos da medicina, poucos elementos
foram introduzidos na compreensão desta doença que afecta sensivelmente 2.5
milhões de pessoas no mundo, atingindo na Europa um em cada 1000 habitante.
Continuando a sua causa algo encoberta, (Clanet and Lyon-Caen 1998), e o seu
diagnóstico delicado.
2.3. Descrição da doença
A esclerose múltipla é uma doença neurológica que frequentemente começa
com sintomas esporádicos e que normalmente não progride de maneira uniforme
dependendo da forma de manifestação da doença. Estes indícios podem ocorrer em
qualquer área servida pelos nervos mielinizados da matéria branca do encéfalo ou da
medula espinal, sem afectar o sistema nervoso periférico (SNP). Este consiste nos
nervos sensorio-motores que transmitem ao SNC a informação recebida pelo corpo e
os sinais de comando do SNC aos músculos. Isto, provoca nos pacientes reacções
diversas, como, fraqueza nas pernas, dificuldade em controlar a bexiga ou mesmo,
dormência facial, (Murray 2005). De realçar que, uma vez diagnosticada, nenhum
parâmetro clínico permite prever de forma precoce e simples a posterior evolução do
grau de deficiência, (Grimaud, Zhu et al. 2002).
Apesar de ter causas incertas, sendo a área mais controversa desta patologia a
definição da sua causa, (Murray 2005), a EM aparenta envolver actividades anormais
do sistema imunitário2 processadas no SNC e caracterizadas pela quebra na mielina
que envolve o axónio, (Grimaud, Zhu et al. 2002).
O SNC contém células nervosas, os neurónios, e células gliais, que asseguram
também, a comunicação entre os diversos neurónios. Um neurónio típico, figura 2.5, é
constituído, na sua forma mais simplificada, por:
2 Tem por função proteger e facilitar a sobrevivência do indivíduo, lutando contra os agentes patogénicos externos e os corpos estranhos.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 25 de 87
Um axónio que propaga o impulso nervoso proveniente do corpo celular e é
coberto por uma bainha de mielina de forma a assegurar elevadas velocidades e
boa qualidade na condução dos sinais nervosos. As bainhas de mielina permitem
aos sinais nervosos eléctricos saltar de um nódulo para o seguinte, sendo isto, a
base de uma condução nervosa rápida.
Um corpo celular que contem numerosos dendritos, que são pequenas
protuberâncias que se ligam aos neurónios imediatamente vizinhos;
Figura 2.5 – Estrutura esquemática simplificada de um
neurónio típico (retirado de (mult-sclerosis 2008))
Na EM, os processos inflamatórios danificam ou destroem as bainhas da
mielina das células nervosas, sendo esta perda conhecida por desmielinização. Estas
lesões que se apresentam como placas de forma bastante irregular e que predominam
exclusivamente na substância branca, (Clanet and Lyon-Caen 1998), tornam-se
visíveis quando a mielina é removida ou quando ela fica muito fina na região. Os
axónios que ficam sem a mielina deixam de conduzir, ou fazem-no de forma mais
lenta, os sinais eléctricos; logo, o impulso é transmitido ao longo da totalidade da fibra
nervosa, o que demora bastante mais tempo do que se tivesse que saltar de nódulo
para nódulo, o que se traduz nos sintomas neurológicos normalmente sentidos durante
um ataque de EM.
Como a localização das regiões lesionais é imprevisível a natureza dos défices
neurológicos associados pode variar consideravelmente. Uma vez desaparecida a
inflamação, poderá ser possível a restauração da função neurológica, estando-se na
presença de um episódio transitório de manifestação de EM. Contudo, em casos de
desmielinização grave e prolongada, os neurónios podem ser destruídos antes da
capa protectora de mielina poder ser restabelecida novamente.
Assim, nos doentes com EM, a bainha de mielina que isola as fibras nervosas,
torna-se o alvo de um ataque orquestrado por parte de linfócitos e macrófagos, que
são diferentes tipos de glóbulos brancos, desencadeado por um fenómeno
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 26 de 87
imunológico. Isto significa que o sistema imunitário não consegue distinguir as suas
próprias células das estranhas e daí ele ataca e destrói os seus próprios tecidos,
conduzindo então a uma doença auto-imune onde o sistema imunitário reage contra
os constituintes do organismo como se eles fossem substâncias estranhas, produzindo
anti-corpos dirigidos a esse combate. Como resultado, surgem então, lesões em
diversos locais do SNC (figura 2.6).
Figura 2.6 – Lesão de EM no hemisfério do cérebro (retirado de (Clanet and Lyon-Caen 1998))
Na actualidade não existe nenhum tratamento curativo eficaz para esta
patologia, havendo no entanto terapêuticas sintomáticas que permitem melhorar a
qualidade de vida do doente antes que possibilitam o atraso no seu desenvolvimento.
2.4. Formas de esclerose múltipla
A EM tem formas de apresentação distintas, surtos, episódios ou
exacerbações. De uma forma clássica, pode-se considerar a existência de quatro
diferentes tipos de EM:
A esclerose múltipla recorrente remissiva (EMRR) é a forma mais comum e ocorre
em aproximadamente 40% dos casos. Os doentes têm surtos ou sintomas
imprevisíveis, mas geralmente voltam ao normal (remissão) recuperando total ou
parcialmente do surto. O tipo de sintomas é muito vasto, porque depende da parte
do SNC afectado.
A esclerose múltipla secundária progressiva (EMSP) surge em cerca de 25% dos
doentes que têm EMRR. Nesta fase, os doentes continuam a ter surtos mas a
recuperação torna-se incompleta, originando uma deterioração progressiva da
condição física, isto é, há um aumento gradual de sintomas e de incapacidades.
A esclerose múltipla primária progressiva (EMPP) aparece quando os doentes
apresentam sintomas que se agravam de forma constante e não têm surtos
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 27 de 87
distintos, remissão ou recuperação. Assim sendo, na EMPP, a incapacidade
agrava-se gradualmente e pode estabilizar em determinada altura ou continuar a
piorar. A EMPP é a forma mais incapacitante da doença e a mais problemática
quanto ao seu tratamento, afectando normalmente as pessoas que sofreram os
seus primeiros sintomas com 40 anos ou mais. Ao contrário das outras formas de
EM, tem a mesma probabilidade de ocorrência em homens e mulheres.
A esclerose múltipla progressiva recorrente (EMPR) caracteriza-se por surtos
sensitivos ligeiros, pouco frequentes, com recuperação total. Depois de um ou dois
surtos com recuperação completa e sem qualquer incapacidade, esta forma de EM
não se agrava ao longo do tempo e não existe uma incapacidade permanente ou
progressão da doença. A EMPR é uma das formas menos comuns da doença,
com apenas 10% dos doentes diagnosticados.
Na figura 2.7, é possível observar a evolução clínica esquemática das
diferentes formas de EM expostas anteriormente. Nas imagens presentes, os picos
representam os surtos que podem ser seguidos de uma remissão total ou parcial. De
salientar que geralmente a escolha do modelo de tratamento é efectuada mediante o
tipo de evolução da doença.
EMRR EMSP
EMPR EMPP Figura 2.7 – Evolução clínica esquemática das diferentes formas de EM (retirado de (mult-sclerosis 2008))
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 28 de 87
2.5. Critérios de diagnóstico
Após a descrição inicial estabelecida por Charcot, os critérios de diagnóstico
variaram bastante ao longo dos tempos, e desde que excluídas outras doenças
neurológicas, assentavam nas características clínicas como sintomas, sinais, evolução
e remissão.
Nos primórdios da doença, os pacientes eram tardiamente diagnosticados e
somente quando repetidamente apresentavam comportamentos patológicos, logo,
com este tipo de procedimento os doentes tinham uma esperança de vida curta após o
diagnóstico, (Murray 2005). Mais tarde, com o avanço tecnológico dos meios auxiliares
de diagnóstico, foram estabelecidos critérios para a definição do diagnóstico da EM,
permitindo o diagnóstico diferencial com outras patologias.
Os primeiros sintomas surgem em 70% dos casos entre os 20 e os 40 anos de
idade e podem manifestar-se sob diferentes formas, sendo que na maioria dos casos
períodos sintomáticos alternam com assintomáticos. Surgem então sob a forma de
surtos de exacerbação-remissão, que consiste na aparição de novos sinais ou de
sintomas de disfunção neurológica com uma duração superior a 24 horas, ou na
deterioração significativa dos sintomas pré-existentes e que tinham estabilizado ou
permanecido ausentes durante pelo menos trinta dias. Este facto pode tornar o
diagnóstico difícil e impreciso, uma vez que os sintomas desaparecem após alguns
dias, para só voltarem passados alguns meses ou mesmo anos.
É bastante difícil de realizar correctamente um estudo epidemiológico da
esclerose múltipla, devido essencialmente a razões relacionadas com a natureza da
patologia; isto é, não existe nenhum marcador específico para a EM, (Clanet and
Lyon-Caen 1998), e para além disso, muitos dos sinais e sintomas associados à EM
podem ser causados por outras doenças, pois, os seus indícios não são específicos.
O diagnóstico da EM não dispõe de nenhum teste específico, sendo o exame
neuropatológico post-mortem o único meio de o confirmar. Baseando-se em dados
clínicos laboratoriais e radiológicos, (Zimmerman, Gibby et al. 2000), nomeadamente
os obtidos através de imagens de ressonância magnética (IRM). Embora,
sensivelmente 5% dos pacientes não tem lesões perceptíveis através de IRM, (Clanet
and Lyon-Caen 1998).
Com a IRM a precisão e a rapidez de detecção da EM tornaram-se mais
elevada, sendo visíveis lesões de pequenas dimensões, permitindo que medidas
terapêuticas possam ser efectuadas de forma precoce de maneira a melhorar o
impacto na vida quotidiana dos doentes e de tentar controlar a progressão da doença.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 29 de 87
No entanto, por vezes os sinais e sintomas podem ser tão subtis que não é possível
confirmar o diagnóstico durante um longo período de tempo. Nas imagens da figura
2.8, apresentam-se, como exemplo, seis cortes com 6 mm de espessura de uma IRM
sagital, sem lesões de EM, à cabeça.
Figura 2.8 – Corte de IRM sagital à cabeça (retirado de (Doyon, Cabanis et al. 2001))
Os critérios de diagnóstico que incluem a IRM como método auxiliar, são os de
F. Barkhof; o que permite aumentar a sensibilidade e a especificidade da IRM na
detecção da EM. Estes preceitos salientam que um paciente sofre de esclerose
múltipla se pelo menos três dos seguintes parâmetros são encontrados, (Clanet and
Lyon-Caen 1998):
Uma lesão que reforça após a administração de produto de contraste
paramagnético , (Doyon, Cabanis et al. 2001), ou na ausência de lesão que capte
produto de contraste paramagnético, de nove lesões hiperintensas em T2.
Uma ou mais lesões infratentoriais;
Uma ou mais lesões justacorticais;
Três ou mais lesões periventriculares.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 30 de 87
2.6. Resumo
Os conceitos abordados neste capítulo visaram principalmente orientar e
facilitar a compreensão da patologia principal considerada neste projecto.
Deste capítulo, pode-se concluir que a esclerose múltipla é uma patologia:
Com incidência maior em habitantes de determinadas áreas do planeta;
Com muitos aspectos, mesmo com a actual evolução da medicina, que continuam
desconhecidos;
Que se caracteriza essencialmente pela destruição ou endurecimento da bainha
de mielina que recobre e isola as fibras do sistema nervoso central;
Com sintomas que podem ser bastante graves, pois afectam praticamente todas
as funções biológicas.
A imagiologia é um dos critérios para o diagnóstico da EM que é
essencialmente clínico-laboratorial. A imagem ajuda no diagnóstico e avaliação da
carga lesional ao longo dos tempos.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 31 de 87
III – RESSONÂNCIA MAGNÉTICA
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 32 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 33 de 87
3.1. Introdução
A descoberta da radiação x permitiu à medicina progredir consideravelmente,
porque as técnicas de imagiologia posteriormente desenvolvidas têm o intuito de
visualizar o interior do corpo humano sem a necessidade de recorrer a procedimentos
invasivos.
As principais técnicas para a aquisição de imagens encefálicas volumétricas
são a tomografia por emissão de positrões (PET), tomografia por emissão mono-
fotónica (SPECT), tomografia computorizada (CT) e imagem por ressonância
magnética (IRM). O termo imagem médica abrange uma grande variedade de tipos de
imagens, com diversos princípios físicos subjacentes e diferentes aplicações, (Hill,
Batchelor et al. 2001). As imagens normalmente utilizadas nos cuidados de saúde e na
investigação médica variam de imagens microscópicas de cortes histológicos a
sequências de vídeo utilizadas remotamente para consulta.
No caso específico da esclerose múltipla, no estabelecimento do diagnóstico
na fase inicial, é geralmente necessário analisar uma série de IRM, (Rey, Subsol et al.
2002); porque permite obter uma indicação sobre a natureza dos tecidos envolvidos,
bem como, observar as zonas desmielinizadas, contribuindo posteriormente para o
acompanhamento do doente e avaliação dos tratamentos efectuados.
A IRM proporciona imagens internas do corpo humano de alta resolução,
sendo adequada para visualizar as estruturas de tecido mole, como o cérebro ou a
medula espinal. É uma técnica não invasiva de diagnóstico, (Grimaud, Zhu et al.
2002), que se baseia na interacção entre os núcleos de hidrogénio e um campo
magnético exterior sensivelmente 10000 vezes superior ao da Terra, (Doyon, Cabanis
et al. 2001).
A IRM teve origem num fenómeno físico conhecido desde 1946, a ressonância
magnética nuclear (RMN) e foi inicialmente utilizada para aplicações na área da
química e da bioquímica, nomeadamente a espectroscopia, (Doyon, Cabanis et al.
2001), permitindo a obtenção de informações sobre as estruturas das moléculas ou
ainda da taxa de reacção das substâncias. Estes dados, associados aos processos de
reconstrução espacial, permitiram em 1977 obter a primeira imagem do tórax humano.
Somente em 1981, é que I. R. Young e os seus colaboradores demonstraram que a
sensibilidade da IRM permite a detecção in-vivo das placas de EM, (Doyon, Cabanis et
al. 2001).
De salientar que, as principais vantagens da IRM, relativamente aos outros
métodos de diagnóstico por imagem, são a descrição precoce de alterações dos
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 34 de 87
tecidos e a não utilização de radiações ionizantes, como acontece com os raios X que
são a fonte da imagem, por exemplo, da tomografia computorizada, da PET e da
SPECT, estas últimas permitindo medir a actividade cerebral através de marcadores
radioactivos. Tem como principal limitação, o elevado tempo de aquisição.
Ao longo do presente capítulo, efectua-se uma análise sobre alguns aspectos
gerais da IRM, especificamente, da forma como funcionam os equipamentos e quais
os principais contrastes observados nas imagens, bem como sobre os artefactos que
as podem perturbar. No final do capítulo, é apresentado um resumo da informação
exposta.
3.2. Princípios de funcionamento
A IRM não é um exame específico para a EM mas permite uma boa análise
quantitativa e qualitativa, possibilitando verificar a evolução do paciente, (Hill,
Batchelor et al. 2001),. A informação qualitativa é a posição das lesões, até à
confirmação da patologia ou a correlação com os sinais clínicos; enquanto, a
informação quantitativa representa normalmente o volume global das lesões ou a sua
variação de tamanho de forma a determinar a resposta terapêutica, (Rey, Subsol et al.
2002).
Ao invés das imagens radiográficas convencionais, que são bidimensionais e
analógicas, as IRM são digitais, tridimensionais e compostas de vários cortes de um
mesmo volume real, o que lhes permite fornecer conteúdos de grande qualidade
informativa, sendo um importante meio de diagnóstico para patologias encefálicas3.
Antes de mais, é essencial referir que, o aparelho de ressonância magnética
deve estar localizado numa sala isolada própria para o efeito, sendo todas as suas
funções controladas e monitorizadas a partir do exterior desse espaço através de uma
consola colocada junto do técnico de saúde especialista.
Existe uma cavidade central onde, durante o exame, o doente é colocado. O
íman do aparelho, que tem uma forma variável e uma força de campo geralmente de
0.2 a 3 Tesla, (Doyon, Cabanis et al. 2001), sendo que para a EM não deve ser inferior
a 1.5 Tesla, encontra-se localizado nesta área e serve para produzir um campo
magnético uniforme que induz a magnetização dos tecidos do paciente, (Moore and
Zouridakis 2004), sendo estes constituídos principalmente por átomos que se
distribuem em duas camadas distintas:
3 A maioria das lesões cerebrais é responsável por um aumento do conteúdo do tecido em água, parâmetro ao qual a IRM é muito sensível, (Doyon, Cabanis et al. 2001).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 35 de 87
Uma mais externa na qual deambulam os electrões;
Uma mais interna (núcleo), que é constituída por um determinado número de
protões e de neutrões animados por um movimento colectivo complexo.
Se o núcleo for formado por um número ímpar de protões e de neutrões possui
uma propriedade chamada de spin que apresenta um movimento detectável de
rotação sobre o próprio eixo, (Doyon, Cabanis et al. 2001). Este movimento, devido à
carga eléctrica dos protões, cria um campo electromagnético com força finita e com
direcção variável, figura 3.1, cujo vector representativo se denomina de momento
magnético e caracteriza a intensidade e a orientação de um dipolo magnético.
Figura 3.1 – Momento magnético de núcleos de Hidrogénio de tecido biológico (retirado de (Doyon, Cabanis et al. 2001))
No início de um exame, o íman orienta todos os momentos magnéticos do
paciente, (Doyon, Cabanis et al. 2001), na direcção do seu campo magnético que
cresce linearmente numa das três direcções do espaço. É nesta fase, que o técnico de
saúde especialista, através da consola, escolhe os parâmetros que quer ver
representados, como tempo de repetição, tempo de eco, sequência de impulsos,
número de cortes e espessura de cortes, começando de seguida o exame.
Quando a máquina procede ao exame, uma antena, que consiste numa bobine
de formas variáveis envolvendo a parte do corpo a explorar e que está localizada
dentro do equipamento, emite ondas de RF específicas, que são absorvidas pelos
protões orientados do paciente, produzindo uma modificação na sua orientação, em
relação ao movimento do campo magnético principal. Este fenómeno físico denomina-
se de ressonância, (Moore and Zouridakis 2004).
Quando "ligadas", as ondas de RF chocam lateralmente com os protões e
quando "desligadas", os protões relaxam, voltam às suas posições iniciais e irradiam
os seus próprios sinais, isto é, as ondas que contêm informações sobre os tecidos do
paciente.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 36 de 87
Após cada impulso de RF aplicado, o sistema representado pelo vector
resultante inicia o relaxamento, retornando ao equilíbrio anterior à onda RF após um
determinado lapso de tempo, chamado de tempo de relaxamento que depende de
vários factores, como a intensidade das ondas de RF e do campo magnético usados,
da uniformidade desses campos magnéticos, do tipo de tecido orgânico, da interacção
entre protões, etc..
De salientar que cada conjunto de impulsos de RF, “ligados” e “desligados”, e
de sinais recebidos gera uma imagem de um minúsculo volume do corpo, sendo esta
informação transmitida à consola que, através de métodos matemáticos, a transforma
em pixéis e consequentemente em imagens. Como o dispositivo de ressonância
magnética repete esta sequência várias vezes, alterando sempre ligeiramente o local
no qual a sua energia é focada, pode-se no término visualizar uma imagem completa
de uma parte do corpo humano. Desta forma, a IRM é obtida através da aplicação de
um campo magnético e de sequências de impulsos de RF e gera imagens a partir do
sinal da ressonância dos átomos de Hidrogénio que constituem 63% do corpo humano
e que possuem um grande momento magnético.
Actualmente, os sistemas de IRM mais comuns usam forças de campo de 0.5 a
1.5 Tesla, (Moore and Zouridakis 2004), o que faz com que os protões girem a uma
velocidade de vários milhões de vezes por segundo.
3.3. Artefactos
As IRM são susceptíveis de apresentar distorções adicionadas durante a sua
formação, (Bricq, Collet et al. 2008), sendo as mais comuns causadas pelo campo
magnético principal e por artefactos, o que pode fazer com que as imagens estejam
desalinhadas devido à sua presença, (Rey, Subsol et al. 2002).
O conhecimento da existência de erros e de artefactos em IRM é essencial
para a correcta interpretação das imagens obtidas, sendo alguns deles evitáveis pela
exacta escolha dos parâmetros de aquisição das mesmas, (Doyon, Cabanis et al.
2001).
Os artefactos podem ser gerados por:
Situações intrínsecas ao doente como por exemplo, a gordura, o movimento (figura
3.2) ou a presença de componentes metálicas (figura 3.3);
Situações externas ao paciente e inerentes ao método de aquisição, como a
sobreposição de estruturas, as interferências ferromagnéticas (figura 3.4), o ruído
aleatório ou as não homogeneidades de ganho da antena de RF, que se
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 37 de 87
manifestam pelas variações espaciais lentas da intensidade dos tecidos na
imagem e se devem às imperfeições do equipamento de aquisição ou à interacção
electrodinâmica induzida no paciente, (Bricq, Collet et al. 2008).
Figura 3.2 – Artefacto devido ao movimento do paciente
(retirado de (Doyon, Cabanis et al. 2001)) Figura 3.3 – Artefacto devido a um objecto metálico
(retirado de (Doyon, Cabanis et al. 2001))
Figura 3.4 – Artefacto devido às interferências ferromagnéticas (buraco negro
na cavidade ocular) (retirado de (Doyon, Cabanis et al. 2001))
Os artefactos traduzem-se por fenómenos de aspecto bastante variável,
surgindo por exemplo, no caso dos artefactos de movimento (figura 3.2), sobre a forma
de imagens “fantasmas” das estruturas em causa.
Em relação às estruturas anatómicas normais, as lesões da EM têm um
contraste bastante baixo e o sinal de uma lesão pode ser, mas não é habitual,
semelhante ao de uma estrutura normal, (Grimaud, Zhu et al. 2002).
Segundo L. G. Brown, (Brown 1992), as distorções relacionadas com as
mudanças ou com a introdução de ruído no sensor de imagem, bem como as
alterações de posição do paciente e as outras variações indesejáveis, podem
contribuir de forma nefasta para o correcto alinhamento das estruturas presentes.
Logo, mesmo com o pré-processamento das imagens, as perturbações ainda podem
afectar o algoritmo que vai alinhar a sequência de dados e nesse caso, verifica-se uma
imprecisão no alinhamento obtido, (Rey, Subsol et al. 2002).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 38 de 87
3.4. Tempos de relaxamento
A formação de IRM é influenciada pelos tempos de relaxamento dos tecidos,
que dominam o brilho dos pixéis do exame; isto é, pela velocidade com que se
realinham os momentos magnéticos com o campo magnético principal, depois de
terem sido alterados por um impulso inicial de RF, (Moore and Zouridakis 2004).
Assim, os tempos de relaxamento, sendo um processo exponencial, podem ser
caracterizados por dois tipos diferentes de escalas temporais que variam consoante o
estado normal ou a patologia do tecido, (Doyon, Cabanis et al. 2001):
T1 (longitudinal ou relaxamento spin-eco) → A aplicação de impulsos de RF
adiciona energia ao sistema e faz com que os protões mudem para um estado de
maior excitação ou de maior energia. O processo de dissipação dessa energia, no
ambiente magnético desses protões e o seu retorno ao estado de mais baixa
energia, é chamado de Tempo 1 de relaxamento ou T1 e corresponde ao tempo
após a paragem de um impulso de 90º em que o momento magnético longitudinal
(ML) demora a atingir 63% do seu valor de equilíbrio (Meq), figura 3.5.
Como para se formar uma imagem são necessárias várias ondas de RF, é
imperativo que se espere um certo tempo de relaxamento para que o próximo
impulso seja eficiente; ou seja, deve-se aguardar um determinado T1, função da
massa e do tamanho das moléculas que constituem o tecido, (Doyon, Cabanis et
al. 2001). De salientar que, em geral, T1 aumenta com a intensidade do campo
magnético.
Figura 3.5 – Evolução do momento magnético longitudinal (retirado de (Doyon, Cabanis et al. 2001))
T2 (transversal ou relaxamento spin-spin) → Cada protão tem um campo
magnético próprio, que começa a desorganizar-se e a afectar vizinhos, numa
reacção simultânea, após cada impulso de RF, transferindo energia entre si e
saindo de fase. Esta relação é chamada de Tempo 2 de relaxamento ou T2 e é o
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 39 de 87
tempo após a paragem de um impulso de 90º em que o momento magnético
transversal (MT) demora a decair para 37% do seu valor de equilíbrio (Meq),
(Doyon, Cabanis et al. 2001), figura 3.6.
Figura 3.6 – Evolução do momento magnético transversal (retirado de (Doyon, Cabanis et al. 2001))
Nos tecidos biológicos, os valores numéricos de T2 são geralmente inferiores
aos de T1, sendo o tempo T2 maior quanto mais fluida for a amostra, (Doyon, Cabanis
et al. 2001).
3.5. Contraste das imagens
No sentido de se obter imagens, a aplicação de apenas um impulso de RF é
pouco útil. Assim sendo, é necessária a aplicação de vários impulsos com um elevado
tempo de repetição; isto é, com uma determinada frequência e com prazos adequados
para o aproveitamento dos sinais para a formação de imagens (figura 3.7). O tempo de
repetição é o período que vai da aplicação de um impulso de RF à aplicação do
impulso seguinte, TR, e determina o grau de relaxamento T1; enquanto, o tempo de
eco, que é o período que vai da aplicação do impulso de RF até o pico máximo de
sinal induzido na bobine receptora, TE, controla o grau de relaxamento T2.
Os tempos, expressos em milissegundos, dos parâmetros de aquisição TE e
TR, são normalmente escolhidos de forma a privilegiar um sinal que preferencialmente
depende de um parâmetro do tecido, (Doyon, Cabanis et al. 2001). Deste modo, o
contraste de uma IRM pode ser manipulado através da alteração dos parâmetros
(tempos) da sequência do impulso de RF.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 40 de 87
Figura 3.7 – Impulso de RF com representação de TR e TE (retirado de (Doyon, Cabanis et al. 2001))
Na avaliação visual das IRM, elas podem apresentar sinais muito intensos
(branco) ou pouco intensos (preto), passando por uma gama intermédia (tons de
cinzento). Estes sinais, de tonalidades que variam do branco ao preto, representam
diferentes tipos de tecidos, por exemplo, tecido adiposo, músculo ou tecido nervoso.
Numa IRM, um determinado tecido tem um sinal muito intenso, quando possui uma
grande componente transversal de magnetização capaz de gerar um grande sinal na
bobine receptora. Um tecido envia um sinal fraco à bobine receptora quando este
possui uma componente transversal de magnetização de amplitude pequena. Logo, os
meios de contraste agem predominantemente nos tempos de relaxamento T1 ou T2 e
a quantidade de atenuação reflecte a densidade dos electrões presentes no paciente.
Desta forma, as IRM obtêm contrastes diferentes para os mesmos tecidos
estimulados, principalmente pelos mecanismos de ponderação em:
T1 → Uma imagem ponderada em T1 é aquela em que o contraste,
predominantemente, depende das diferenças entre os tempos T1 do tecido
adiposo (curto) e da água (longo), logo, provém da capacidade de transferir
energia para a vizinhança. Um TE curto e um TR curto produzem uma imagem
ponderada em T1.
Deste modo, o T1 permite distinguir os tecidos do cérebro, a matéria branca, a
matéria cinzenta (figura 3.8), o líquido céfalo-raquidiano, o que possibilita um bom
estudo anatómico, (Doyon, Cabanis et al. 2001), as necroses e em adição a uma
injecção de Gd+ mostra áreas desmielinizadas activas, (Rey, Subsol et al. 2002).
Assim, as imagens obtidas em T1 são excelentes para a visualização de detalhes
anatómicos.
Por exemplo, as imagens ponderadas em T1 apresentam o tecido adiposo
brilhante e a água escura enquanto as imagens ponderadas em T2, mostram o
tecido adiposo escuro e a água brilhante.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 41 de 87
Figura 3.8 – IRM em ponderação T1 (retirado de (Doyon, Cabanis et al. 2001))
T2 → Uma imagem ponderada em T2 é aquela em que o contraste,
predominantemente, depende das diferenças entre os tempos T2 do tecido
adiposo (curto) e da água (longo), logo, provém da rapidez com que os núcleos
mudam de sentido, no seu movimento. Um TE longo e um TR longo produzem
uma imagem ponderada em T2.
As T2 são particularmente vantajosas para salientar e medir as lesões como a EM,
mas nas quais não há uma diferença de contraste entre a matéria branca e a
matéria cinzenta (figura 3.9).
Consequentemente, resulta uma imagem que aparece maior que a ponderada em
T1, (Dugas-Phocion, González et al. 2004), e que mostra as lesões activas e as
inactivas que habitualmente não surgem na T1, o que possibilita a caracterização
dos tecidos, (Doyon, Cabanis et al. 2001), mas não diferencia os edemas, a
desmielinização, a esclerose e as eventuais necroses, (Rey, Subsol et al. 2002),
logo, as imagens obtidas em T2 são ideais para as visualizar as patologias.
Figura 3.9 – IRM em ponderação T2 (retirado de (Doyon, Cabanis et al. 2001))
Densidade de protões (DP) → Para se obter a ponderação por DP, que é a
concentração de protões no tecido sob a forma de água e de macromoléculas de
proteínas ou de gordura, isto é, líquido > tecidos > gordura, tem de se diminuir os
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 42 de 87
efeitos dos contrastes de T1 e de T2, sendo que para isso se utiliza um TE curto e
um TR longo, de valor muito superior ao de T1 dos tecidos analisados, de forma à
intensidade do sinal ser independente de T1 e de T2.
De salientar que, o contraste por DP está sempre presente e depende do paciente
e da área que está a ser examinada.
A ponderação por DP é uma imagem que permite a identificação de lesões antigas
ou recentes, que aparecem como manchas brilhantes (figura 3.10), e é
particularmente útil para a identificação de lesões próximas de ventrículos com
fluido.
Figura 3.10 – IRM em ponderação DP de doente do sexo feminino com EM (retirado de (Roentgenology 2008))
As lesões da EM apresentam hipersinal (aparecem claras) em T2 e hiposinal
(aparecem escuras) em T1 no que diz respeito à questão da intensidade normal na
matéria branca, (Dugas-Phocion, González et al. 2004). Assim, classicamente com a
IRM os parâmetros medidos na EM são o volume total das lesões nas sequências
ponderadas em T2 e o número de placas activas nas ponderadas em T1 que reforçam
após injecção de um produto de contraste.
A tabela 3.1 mostra as principais diferenças no contraste encontradas em
regiões com tecidos que apresentam características físicas distintas, quando as IRM
formadas representam as diferenças entre T1, T2 ou DP. As regiões de maior
contraste são indicadas pelo símbolo + e as de menor contraste por -.
Tabela 3.1 – Principais diferenças de contraste
encontradas em tecidos (adaptado de (Roentgenology 2008)) T1 T2 DP
Sólido - + - Gordura + + + Sangue + - +
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 43 de 87
Na prática as IRM, bem como outros tipos de imagens como as CT e as PET,
surgem sobre a forma de um conjunto de cortes de imagens em 2D (slices), (Xie and
Farin 2004), que correctamente alinhadas, vão formar uma imagem 3D.
3.6. Resumo
Deste capítulo, pode-se concluir que:
O princípio de funcionamento da ressonância magnética consiste na aquisição de
imagens do corpo humano através do aproveitamento dos numerosos átomos de
Hidrogénio que ele possui. Colocados sob um potente campo magnético, estes
orientam-se numa mesma direcção. Seguidamente são excitados por ondas de RF
durante um intervalo de tempo curto, sendo colocados em ressonância, e quando
esse estímulo pára os átomos restituem a energia acumulada produzindo um sinal
que posteriormente é tratado para a obtenção das respectivas imagens. Desta
forma, a IRM explora a capacidade do dipolo H2O de entrar em ressonância.
A ressonância é um fenómeno que ocorre quando um núcleo é exposto a uma
perturbação oscilatória que tem uma frequência próxima de sua própria frequência
natural de oscilação. Esse núcleo ganha energia da força externa e entra em
ressonância.
A IRM é de elevada utilidade para a detecção de lesões que não são visíveis em
imagens radiológicas convencionais.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 44 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 45 de 87
IV – ALINHAMENTO DE IMAGENS
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 46 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 47 de 87
4.1. Introdução
Para estudar duas imagens ou uma sequência de imagens médicas de um
mesmo paciente, não adquiridas no mesmo instante ou por métodos distintos, é
essencial que subsista concordância de posição, orientação e escala espacial entre as
mesmas. Isto é, existe a necessidade de proceder, com precisão, ao seu alinhamento
- este termo é bastante vago e reagrupa um grande número de problemáticas
diferentes, (Hill, Batchelor et al. 2001), - caso contrário, torna-se difícil ou mesmo
impossível saber se a variação de posição, orientação ou tamanho de uma lesão
corresponde a uma modificação biológica ou a uma mudança de posição do doente,
por exemplo. De salientar que, o desalinhamento das imagens decorre em grande
parte do processo de aquisição, (Grimaud, Zhu et al. 2002).
Assim, o alinhamento, ou reposicionamento, de estruturas em imagens
médicas consiste na utilização de um método que permita estabelecer uma relação
geométrica; ou seja, uma deformação espacial entre os objectos representados de
forma a alinhar duas ou mais imagens de um paciente, obtidas num mesmo exame ou
em exames distintos, em exames adquiridos usando diferentes técnicas de imagem4
ou em análises realizadas por equipamentos distintos, de maneira a recolocá-las sob
as mesmas condições geométricas, (Maintz and Viergever 1998; Hill, Batchelor et al.
2001). Desta forma, estabelece-se uma relação de correspondência ponto a ponto,
(Keeling 2007), com grande precisão, entre as imagens envolvidas, (Grimaud, Zhu et
al. 2002), a fim de sobrepor representações de estruturas semelhantes considerando
um sistema de referência comum. No caso do presente trabalho, as imagens
alinhadas serão posteriormente comparadas para verificar e quantificar a presença e a
evolução da EM.
A comparação entre as diversas sequências de IRM pode ser complexa devido
a diversos factores como, campo magnético, artefactos presentes nas imagens,
espessura dos cortes, tipo de sequencias usadas, posicionamento do paciente ou
ordem de realização das sequencias, (Doyon, Cabanis et al. 2001). Uma forma de
minimizar estes agentes de erro, devendo-se de salientar que a exactidão de um
alinhamento permite mesmo a obtenção de novas possibilidades de tratamento,
(Cherik, Mouhadjer et al. 2007), passa pela utilização de protocolos de aquisição
idênticos, mas tal pode não ser suficiente para suprimir as diferenças de
posicionamento e de orientação do paciente em exames sucessivos. Existe técnicas,
como a utilização de um quadro estereotáxico, que permitem que a cabeça do doente
4 Isto é, imagens multimodais, que consistem na fusão de técnicas de imagiologia distintas.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 48 de 87
fique “fixa” na mesa da máquina, (Maintz and Viergever 1998), mas como são bastante
desagradáveis para os pacientes, pois geralmente requerem a sua fixação em alguns
pontos do crânio através de processos cirúrgicos, os médicos apenas as usam em
casos muito particulares de determinadas patologias.
O presente capítulo inicia-se com o estabelecimento de alguns conceitos e
posteriormente expõe alguns estudos realizados na área do alinhamento de estruturas
em imagens médicas, bem como discute algumas das suas principais características.
4.2. Métodos
Nesta secção apresentam-se alguns dos algoritmos usuais para o alinhamento
de imagens médicas. De salientar que esta secção tem como finalidade principal
apresentar as orientações principais do alinhamento de imagens, tendo estas por base
a procura do espaço de transformação óptima de um determinado problema, (Brown
1992).
4.2.1. Conceitos
No âmbito particular do alinhamento de estruturas em imagens médicas, e mais
especificamente na análise de séries de dados de um mesmo paciente ao longo do
tempo, o objectivo principal passa pela obtenção de uma transformação geométrica
entre duas imagens, para que a cada ponto das mesmas corresponda o mesmo ponto
anatómico real.
No quadro da ajuda ao diagnóstico da EM, um técnico de saúde tem
regularmente de comparar imagens de ressonância magnética de um paciente obtidas
espaças de um certo intervalo de tempo. Esta tarefa pode ser bastante laboriosa
porque, por exemplo, o doente pode não estar na mesma posição em ambos os
exame, logo, as duas imagens adquiridas em instantes diferentes não são
directamente comparáveis, (Rey, Subsol et al. 2002), conforme se verifica da
observação das imagens da figura 4.1.
Assim sendo, o problema de alinhamento entre imagens associadas a esta
aplicação intra-paciente (imagens adquiridas são de uma única pessoa, (Maintz and
Viergever 1998; Hill, Batchelor et al. 2001)) e monomodal (imagens obtidas por uma
mesma modalidade) consiste no cálculo de uma transformação dita de rígida, que em
3D tem seis graus de liberdade, (Hill, Batchelor et al. 2001; Rey, Subsol et al. 2002).
Desta forma, esta transformação geométrica em 3D envolve apenas três parâmetros
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 49 de 87
de translação, para a diferença de posição, e outros três de rotação, para a diferença
em orientação, (Hill, Batchelor et al. 2001; Rey, Subsol et al. 2002), o que permite
expressar a mudança de marcador entre as duas imagens, conforme é visível na
imagem (c) da figura 4.1. De salientar que, segundo D. Rey e os seus colaboradores,
em (Rey, Subsol et al. 2002), o problema do alinhamento através de uma
transformação rígida é bem conhecido, existindo diversos algoritmos que fornecem
bons resultados no caso de imagens intra-paciente e monomodais, sendo exemplo
disso o proposto em (Brown 1992), contudo vários problemas ainda subsistem.
Figura 4.1 – Exemplo de alinhamento: (a) de imagem de IRM de um paciente com EM, (b) Imagens do mesmo paciente adquiridas dois meses mais tarde, (c) Alinhamento rígido obtido (retirado de (Rey, Subsol et al. 2002))
Do ponto de vista das transformações geométricas inerentes ao alinhamento
das imagens, é possível classificá-las como:
Rígidas → É possível através de uma transformação espacial como a rotação e a
translação, envolvendo em 3D o total de seis parâmetros, colocar em relação
quase exacta as estruturas que surgem nas imagens, abrangendo normalmente e
quase que exclusivamente as peças ósseas ou as delimitadas por ossos. Este
problema apresenta baixa complexidade computacional e consequentemente é de
rápida execução. As transformações obtidas podem ser usadas para facilitar o
exame médico de dados de imagens dinâmicas, especialmente através do
aumento da resolução temporal, (Keeling 2007).
Não rígidas → É um problema bastante mais complexo porque o número de
parâmetros é superior ao que se verifica nas transformações rígidas. Muitas das
soluções para determinação das transformações não rígidas, procuram primeiro
encontrar um número de pontos correspondentes nas imagens e, em seguida,
usam essas correspondências para descobrir uma função de transformação que
determina a consonância entre todos os pontos das imagens envolvidas,
(Zagorchev and Goshtasby 2006).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 50 de 87
Durante o desenvolvimento de um algoritmo de alinhamento de estruturas em
imagens, várias características comuns podem ser enumeradas, (Maintz and
Viergever 1998):
Dimensionalidade → Se os dados a alinhar são 2D ou 3D;
Base do alinhamento → Se o alinhamento é feito com base em características,
como pontos, inseridas artificialmente nas imagens ou pelo próprio conteúdo
intrínseco das mesmas;
Natureza da transformação → O tipo de transformação geométrica que as imagens
sofreram ao ser adquiridas pelo dispositivo de aquisição;
Modalidades envolvidas → Se as imagens são monomodais ou multimodais.
De salientar que, com base nestes parâmetros, Maintz e Viergever, em (Maintz
and Viergever 1998), classificaram os métodos de alinhamento de imagens médicas
de acordo com um modelo baseado em nove critérios distintos, que são:
dimensionalidade, base para o registo, a natureza da transformação geométrica,
domínio da transformação, grau de interacção com o utilizador, procedimento de
optimização, modalidades envolvidas, pacientes e parte anatómica abrangida.
4.2.2. Metodologias clássicas
Com suporte em algoritmos computacionais existe uma grande diversidade de
métodos para o alinhamento de estruturas em imagens médicas, sendo difícil
estabelecer um estado da arte neste domínio dada a elevada quantidade de estudos
publicados nos últimos anos, ver, por exemplo (Brown 1992), (Maintz and Viergever
1998), (Radke, Andra et al. 2005) e (Hill, Batchelor et al. 2001). Contudo, o número
elevado de trabalhos existentes a abordar este tema, realça o crescente interesse
demonstrado por especialistas de diversas áreas da saúde que diariamente têm de
lidar com um enorme número de imagens que contêm patologias distintas e difíceis de
analisar e que necessitam de recorrer ao seu alinhamento, sendo os métodos usados
consideravelmente dependentes da aplicação em causa, (Brown 1992; Maintz and
Viergever 1998).
A problemática do alinhamento de estruturas em imagens médicas é
normalmente decomposta em duas metodologias clássicas, isto é: os métodos
geométricos e os baseados no ajuste de intensidade, (Xie and Farin 2004). De realçar
ainda que:
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 51 de 87
Esta análise poderia também ser separada em técnicas multimodal versus
monomodal, rígido versus não rígido, 2D versus 3D, ou intra-paciente versus inter-
paciente;
O conteúdo informativo das imagens às vezes é distribuído de forma desigual.
Assim, pode ser inerentemente impossível realizar o alinhamento de duas
imagens, uma vez que é a sua diferença que carrega as informações úteis,
(Sorzano, Thévenaz et al. 2005);
O desempenho de um algoritmo de alinhamento depende da eficácia da função de
transformação para deformar uma imagem de uma geometria para outra,
(Zagorchev and Goshtasby 2006).
4.2.2.1. Método geométrico
Um método de ajuste geométrico, que é a primeira técnica normalmente usada
para o alinhamento através de operadores matemáticos, de duas imagens cujo tipo de
desalinhamento é desconhecido, (Brown 1992), consiste essencialmente na colocação
em correspondência de características, como pontos, visíveis nas imagens envolvidas,
(Hill, Batchelor et al. 2001), sendo que para isso é necessário encontrar uma
transformação espacial que remova as variações provocadas pelas diferenças na
aquisição das imagens ou pelas diferenças de interesse nas mesmas (como
movimentos e crescimentos), existentes entre as imagens, (Brown 1992).
Segundo (Hill, Batchelor et al. 2001), nos métodos geométricos não há
distinção entre o alinhamento quando as imagens são da mesma modalidade e
quando não o são. Um motivo comum para a realização de intermodality, é comparar
imagens de um paciente tomadas em diferentes momentos de tempo de forma a
verificar se há qualquer alteração subtil de anatomia ou patologia.
De salientar que a determinação de uma transformação geométrica óptima
depende essencialmente do tipo de variações existentes entre as imagens, (Brown
1992). Desta forma, o procedimento comum consiste em extrair e identificação de um
subconjunto de pontos característicos nas imagens, bem como procurar a
transformação que melhor alinha esses pontos.
4.2.2.1.1. Extracção de pontos
Nesta etapa, procede-se à extracção e identificação de um subconjunto de
pontos característicos nas imagens que, por exemplo, devido a uma configuração
geométrica específica ou a um marcador externo, cujo objectivo é ancorar uma
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 52 de 87
deformação em alguns locais específicos das imagens, (Sorzano, Thévenaz et al.
2005), sensível ao fenómeno físico, se distinguem claramente dos outros presentes.
Os pontos, que devem possuir características geométricas pertinentes, podem
estar, (Bondiau, Malandain et al. 2004):
Isolados, isto é, definidos interactivamente nas imagens por um utilizador;
Agrupados em linhas, em superfícies ou em volumes nas imagens.
A obtenção dos pontos característicos pode ser efectuada por procedimentos
extrínsecos ou intrínsecos, sendo que os métodos de ajuste geométrico necessitam de
uma boa detecção destes pontos, porque se esta etapa falhar o alinhamento pode não
ser correctamente realizado, (Brown 1992).
Extrínsecos → Resultam da aplicação de um dispositivo marcador externo ao
paciente, representativo da posição e da orientação deste no espaço, (Bondiau,
Malandain et al. 2004), que lhe é adicionado, geralmente de forma invasiva, no
momento da aquisição das imagens e que é visível e minimamente detectável pela
modalidade imagiológica considerada, (Maintz and Viergever 1998). Existe
também a possibilidade de usar marcadores não invasivos mas, normalmente, a
sua precisão é bastante inferior à dos invasivos, (Maintz and Viergever 1998).
A obtenção dos pontos característicos por este procedimento é bastante simples
sendo um método computacional fácil, (Bondiau, Malandain et al. 2004), e rápido
de implementar e possível de automatizar, (Maintz and Viergever 1998). No
entanto, tem como inconvenientes a não possibilidade de alinhar uma imagem que
não tenha o mecanismo marcador específico adaptado ou a indicação da
configuração geométrica específica, bem como o facto da medida do dispositivo
externo não ser, provavelmente, representativo do tamanho de um órgão interno
do corpo.
Por definição os procedimentos extrínsecos não incluem informação sobre os
pacientes, logo, a natureza das transformações associadas ao alinhamento
apenas podem ser rígidas, (Maintz and Viergever 1998), sendo a principal
característica da transformação de um corpo rígido o facto de que todas as
distâncias serem preservadas, (Hill, Batchelor et al. 2001). Os pontos extrínsecos
são pouco práticos porque, em estudos distantes no tempo, é difícil garantir a sua
imobilidade.
Intrínsecos → Baseiam-se em pontos e marcadores anatómicos salientes contudo
algumas estruturas anatómicas claramente visíveis numa imagem, podem não o
ser noutra, que geralmente são assinalados manualmente após a obtenção da
imagem, definindo para isso, pontos, rectas, etc., (Maintz and Viergever 1998;
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 53 de 87
Grimaud, Zhu et al. 2002; Bondiau, Malandain et al. 2004), e que são irrelevantes
para o conteúdo informativo retirado do paciente, (Brown 1992). Assim, além de
uma tarefa fastidiosa, a precisão obtida depende da experiência do técnico de
saúde e dos pontos anatómicos por ele escolhidos, (Bondiau, Malandain et al.
2004). Contudo consiste num procedimento versátil, isto porque, pode ser, pelo
menos em teoria, aplicável a qualquer imagem, indiferentemente dos objectos nela
presentes e dos pacientes, (Maintz and Viergever 1998).
Tecnicamente, a identificação dos pontos por este procedimento assemelha-se
muito a um processo de segmentação, (Maintz and Viergever 1998; Hill, Batchelor
et al. 2001), sendo, em muitos casos, preferível ao extrínseco, visto neste,
existirem sempre pontos disponíveis, (Brown 1992).
De salientar que, nos métodos baseados em marcadores anatómicos, que são
essenciais em aplicações onde as imagens mostram reduzida informação ou
quando, as informações diferem da imagem para a imagem referência, (Sorzano,
Thévenaz et al. 2005), o alinhamento pode ser completamente automatizado, mas
geralmente persiste um desalinhamento de 1 a 2 mm, isto é, geralmente superior
ao tamanho de um pixel, (Maintz and Viergever 1998; Grimaud, Zhu et al. 2002).
Uma grande parte das dificuldades do alinhamento reside na correcta definição
desta etapa, (Bondiau, Malandain et al. 2004), isto porque, pode ser bastante
complexo designar marcadores pertinentes para o estudo a realizar. O alinhamento
com o auxílio de marcadores externos nem sempre atinge um nível de precisão
adequado porque:
Se as imagens contêm ruído ou estão com pouco contraste, existe bastante
dificuldade em obter pontos geométricos pertinentes num processo de selecção
automática, (Sorzano, Thévenaz et al. 2005);
O erro obtido nunca é inferior ao pixel quando são definidos interactivamente,
(Sorzano, Thévenaz et al. 2005);
Os objectos representados nas imagens podem não conservar as suas prioridades
geométricas.
Daqui se pode concluir que, com este tipo de dificuldades, os métodos
geométricos podem não estar adaptados a todos os casos de alinhamentos de
imagens, (Maintz and Viergever 1998).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 54 de 87
4.2.2.1.2. Determinação da transformação
Consiste em procurar a transformação (ou a deformação) que melhor alinha os
subconjuntos de pontos característicos nas duas imagens, (Hill, Batchelor et al. 2001;
Xie and Farin 2004). Logo, esta fase é bastante dependente da anterior.
Geralmente, nesta fase, pretende-se minimizar as distâncias entre os
subconjuntos de pontos previamente identificados nas duas imagens a alinhar. Depois,
os pontos são colocados em correspondência e a minimização das distâncias entre os
conjuntos assim obtidos permite o cálculo da transformação desejada, sendo que a
sua precisão depende da usada na extracção dos pontos.
As transformações geométricas usadas para alinhar duas imagens podem ser
classificadas como sendo de domínios, (Brown 1992):
Globais → Se as transformações forem definidas por uma única equação aplicada
para mapear toda a imagem, logo, uma mudança em qualquer parâmetro
influencia a transformação da imagem na sua totalidade;
Locais → Se as transformações apenas afectarem uma pequena parte da imagem,
sendo que cada subsecção, pode ter a sua própria transformação.
O tipo da transformação geométrica de coordenadas das imagens pode ser:
Rígido (rigid) → Se a distância entre dois pontos quaisquer na primeira imagem é
preservada na segunda imagem;
Semelhante (affine) → Quando quaisquer linhas rectas na primeira imagem, são
relacionadas com linhas rectas na segunda imagem, preservando dessa forma o
paralelismo;
Em perspectiva (projective) → Uma linha na primeira imagem está relacionada
com outra na segunda imagem;
Curvado (curved) → Uma linha na primeira imagem é transformada numa curva na
segunda imagem.
A figura 4.2 apresenta exemplos dos vários tipos de transformações
geométricas de imagens.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 55 de 87
Figura 4.2 – Exemplos de transformações 2D de imagens (retirado de (Maintz and Viergever 1998))
A escolha apropriada de uma transformação espacial é fulcral para a correcta
detecção de alterações no alinhamento das imagens, (Radke, Andra et al. 2005). Uma
vez escolhido o tipo de transformação geométrica, os seus parâmetros devem ser
estimados através da identificação e da selecção de pontos de correspondência entre
as imagens, sendo que, para cada transformação, é exigido um número mínimo de
pontos, que por seu turno, é definido pelo número de parâmetros a serem estimados.
Por exemplo, com um par de pontos, é somente possível obter duas translações (o
que permite resolver problemas de posicionamento), mas com dois pares de pontos já
se podem fazer simultaneamente duas translações, uma rotação e uma mudança de
escala em ambos os eixos (ou seja, uma transformação de corpo rígido).
4.2.2.2. Ajuste em intensidade
O alinhamento aparenta uma certa simplicidade quando se considera que usa
um referencial externo, solidário com o paciente e facilmente identificável em cada
uma das imagens, (Bondiau, Malandain et al. 2004). No entanto, quando o único elo
existente entre as imagens é o doente envolvido, o problema é bastante mais
complexo, porque nem sempre este aparece nas imagens na mesma posição e
orientação. Neste caso, é possível considerar que a intensidade local das estruturas e
das deformações geométricas diferem, sendo necessário colocar em correspondência
as intensidades de cada imagem.
Desta forma, pode-se afirmar que, para o alinhamento de imagens, os
algoritmos geométricos visam encontrar uma transformação ou deformação entre os
objectos representados nas mesmas, enquanto, os métodos de ajuste de intensidade
procuram obter uma transformação, por comparação local das intensidades nas duas
imagens, (Xie and Farin 2004), ou de valores estatísticos daí derivados, entre as
imagens a alinhar, isto porque estes determinam interactivamente a transformação da
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 56 de 87
imagem que optimiza a medida de similaridade entre pixéis, (Hill, Batchelor et al.
2001).
Assim sendo, o processo de alinhamento consiste em definir uma medida de
similaridade, que traduza a hipótese de existir uma ligação entre as intensidades das
imagens, (Bondiau, Malandain et al. 2004), e depois utilizar uma estratégia de
optimização de maneira a encontrar a transformação espacial, (Xie and Farin 2004),
que pode consistir em “deslizar” progressivamente as duas imagens, uma sobre a
outra, de maneira a fazer corresponder os pontos que têm intensidades similares. Por
exemplo, Woods propõe um método que usa a soma do quadrado das diferenças das
intensidades entre as duas imagens como medida de similaridade para calcular os
parâmetros óptimos da transformação, (Xie and Farin 2004). Desta forma, estes
algoritmos podem detectar qualquer tipo de alteração, mesmo sem considerar o
aspecto das mudanças pesquisadas.
Em vários cenários de detecção de mudanças, as variações de intensidade nas
imagens, causadas por alterações na posição ou na intensidade de fontes de luz, são
considerados irrelevantes, (Radke, Andra et al. 2005). Mesmo assim, é essencial
efectuar a compensação das diferenças globais de intensidades entre imagens, isto é
a normalização de intensidade, normalmente, através de funções lineares de
correcção.
Estes métodos baseiam-se na utilização de um critério de semelhança,
conhecido por medida de similaridade, que pode ser mais ou menos complexo e que
permite determinar o nível de “proximidade” entre duas intensidades. Esta situação
pode ser escolhida de uma forma bastante natural, como por exemplo, pela
subtracção das intensidades, (Rey, Subsol et al. 2002), ou de uma maneira mais
complexa, sendo neste caso possível realizar alinhamento de imagens com
intensidades bastante diferentes. Assim sendo, se duas imagens idênticas estiverem
correctamente alinhadas uma com a outra, as subtracções das intensidades em cada
par de intensidades, serão nulas, (Cherik, Mouhadjer et al. 2007), estando apenas
visível os pontos brancos característicos da EM, figura 4.3. Deste modo, a intensidade
resultante não está relacionada com a evolução da forma das lesões, mas apenas
com a diferença entre as intensidades de lesões e do fundo, (Rey, Subsol et al. 2002).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 57 de 87
Figura 4.3 – Medida de similaridade: As duas IRM à esquerda são de um paciente com EM; A da direita é a resultante da subtracção das primeiras duas imagens (retirado de (Thirion and Calmon 1997))
R. Woods em 1992, (Cherik, Mouhadjer et al. 2007), introduziu originalmente
estes métodos para o alinhamento das imagens multimodais, assumindo que regiões
similares do tecido numa imagem apresentam valores semelhantes de níveis de
cinzento, correspondem a regiões na outra imagem que também possuem valores de
níveis de cinzento parecidos, mas provavelmente diferentes dos primeiros.
Os métodos de ajuste de intensidade podem dividir-se em dois tipos:
Os puros que apenas realizam alinhamento por confrontação entre as intensidades
dos pontos com as mesmas coordenadas. Assim sendo, esta comparação permite
obter um valor de deslocamento da imagem.
Os mistos que para cada ponto, procuram qual o mais próximo, em nível de
intensidade, numa dada vizinhança da outra imagem. Consequentemente, esta
comparação permite obter um valor de deslocamento para cada ponto da imagem
e daí, estimar a transformação para a sua totalidade.
Em (Maintz and Viergever 1998) e em (Brown 1992), são abordados, no
contexto em que o alinhamento das imagens é efectuado sem a supervisão humana,
os métodos baseados na minimização de uma função de custo ou de energia,
associados a uma medida de similaridade entre as imagens. O algoritmo desenvolvido
pára quando é incapaz de encontrar uma nova solução com um custo
significativamente menor do que a actual melhor solução, (Hill, Batchelor et al. 2001).
No caso das imagens monomodais, além das clássicas medidas de correlação,
(Brown 1992), a função de custo utilizada é frequentemente quadrática e associada à
soma da estimativa de transformação corrente, (Hill, Batchelor et al. 2001).
Contudo, geralmente o ajuste em intensidade não é suficientemente específico
para caracterizar automaticamente uma lesão e, na maioria dos casos, várias
modalidades devem ser utilizadas para representar o mesmo cérebro, (Thirion and
Calmon 1997), o que torna reduzido o seu interesse.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 58 de 87
De salientar que, existe metodologias híbridas de alinhamento de imagens, isto
é, utilizam numa das imagens uma transformação geométrica e na outra uma de
ajuste de intensidade.
4.2.3. Métodos para o alinhamento de imagens
Muitos dos métodos de alinhamento são usados quando surgem diferenças
significativas de contraste em imagens onde também são esperadas variações
morfológicas significativas, como, alterações do dispositivo, parâmetros diferentes na
aquisição, etc., (Karaçali 2007).
Com base na decomposição das duas metodologias clássicas anteriormente
expostas, foram introduzidas diversas técnicas de alinhamento de imagens, sendo a
seguir apresentada algumas delas.
Os métodos baseadas na teoria da informação são importantes no alinhamento
não rígido de imagens, (Zagorchev and Goshtasby 2006), e podem dividir-se em:
Entropia conjunta (joint entropy) → Este conceito, que consiste numa forma de
medir a quantidade de informação comuns às imagens a alinhar, pode ser
visualizado através de um histograma, onde cada eixo representa as intensidades
em cada imagem, do conjunto das intensidades, que permite também medir a
dispersão da distribuição de probabilidade. A entropia é uma medida de incerteza
porque não depende apenas do possível número de níveis de cinza da imagem,
mas também, da ocorrência de cada um desses valores.
Na figura 4.4, a representação da esquerda é gerada quando as duas imagens
estão alinhadas (como as imagens são idênticas, todos os valores de
correspondência de cinzento estão numa distribuição diagonal e simétrica), a do
meio quando se verifica um desvio, isto é, uma das IRM é rodada um determinado
ângulo em relação à outra, de 2 mm entre elas e a da direita quando esse desvio é
de 5 mm, (Hill, Batchelor et al. 2001).
Como é visível na figura 4.4, o histograma altera-se conforme o alinhamento das
imagens se modifica e fica mais disperso com o incremento dos desalinhamentos
entre elas; isto é, as regiões claras são menos brilhantes e o número de regiões
escuras é bastante reduzido, (Hill, Batchelor et al. 2001). Isto acontece porque o
desalinhamento conduz a que as entradas do histograma correspondam a
diferentes tipos de tecidos nas duas imagens, o que incrementa a entropia, (Hill,
Batchelor et al. 2001).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 59 de 87
Figura 4.4 – Histogramas 2D da entropia conjunta para idênticas IRM da cabeça (retirado de (Hill, Batchelor et al. 2001))
Informação mútua (mutual information) → Permite tornar mais robusta o
alinhamento multimodal e resume-se à quantidade de informação de uma imagem
contida na outra e qualitativamente pode ser definida como uma medida da forma
como uma imagem “explica” a outra. Assim, quando a informação mútua entre
duas imagens está ao máximo, elas são consideradas como idênticas. Como o
alinhamento é bem sucedido para uma variedade de modalidades, pode ser
totalmente automatizada com bons resultados, (Pluim, Maintz et al. 2004). A
vantagem da informação mútua sobre entropia conjunta por si só, é que inclui as
entropias das distintas imagens.
De referir que, em (Hill, Batchelor et al. 2001), (Cherik, Mouhadjer et al. 2007),
(Pluim, Maintz et al. 2004) são apresentadas descrições destes métodos baseados na
teoria da informação.
Mais recentemente, D. Rey e os seus colaboradores, em (Rey, Subsol et al.
2002), apresentaram um algoritmo, adaptado ao estudo da evolução da EM, que se
baseia na estimação e análise de um campo de deformação, que contem informação
sobre a variabilidade das estruturas em todo o conjunto, onde é efectuada a
comparação do campo de movimento “aparente” entre duas imagens, sendo a
primeira alinhada por um método rígido. Posteriormente, é tratado o campo de
deslocamento de forma a obter o movimento “aparente” entre imagens através de um
algoritmo de alinhamento não-rígido.
A figura 4.5, considera o campo de movimento “aparente”, que dá uma ideia da
evolução temporal entre as duas imagens, através de um algoritmo de alinhamento
não-rígido e mostra o campo de deslocamento vectorial de image 1 a image 2 em
redor da lesão presente nas duas imagens, enfatizando na retracção radial. Aqui, o
progresso da lesão aparece como uma contracção positiva no campo que contem a
informação, pertinente sobre as diferenças entre as duas imagens, possível de ser
quantificada através de operadores matemáticos como o Jacobiano.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 60 de 87
Figura 4.5 – Campo de deslocamento em redor da lesão (retirado de (Rey, Subsol et al. 2002))
Relativamente a esta metodologia, existe diversas variantes, como as
apresentadas por:
Thirion e Calmom, em (Thirion and Calmon 1997), que utilizam um método de
análise baseado na divergência, que traduz as diferenças entre as entradas e as
saídas através de um elemento de volume elementar, do campo de deformação
volumétrico para proceder, inicialmente à detecção de uma lesão de EM activa ou
de outras, como tumores devido a cancros, utilizando para tal um alinhamento com
base numa transformação rígida apoiada em pontos externos, e posteriormente à
quantificação da sua variação de volume.
Karaçali e Davatzikos, em (Karaçali and Davatzikos 2004), que propõem um
método para fazer cumprir a preservação da topologia, isto é, manter a
conectividade entre estruturas anatómicas vizinhas, e a suavização do campo de
deslocamento. Realçam ainda que os mecanismos suavização embutidos num
sistema de alinhamento não são fiáveis para alcançar uma topologia de
mapeamento entre dois pacientes.
Hermosillo e os seus colaboradores, em (Hermosillo, Chefd’Hotel et al. 2002), que
indicam que estimam o campo de deslocamento, no alinhamento de imagens
multimodais, através da maximização das medidas de similaridade mais
adequadas para um espaço dimensional infinito.
Além destas, existem outras técnicas como a exposta por G. Dugas-Phocion e
os seus colaboradores, em (Dugas-Phocion, González et al. 2004), onde é utilizado
um modelo probabilístico como algoritmo de detecção de valores isolados, que inclui o
efeito do volume parcial mas não considera o pixel vizinho, construindo dessa forma,
para a análise das lesões da EM, uma mascara dos tecidos cerebrais e classificando-
os em três classes: matéria branca, matéria cinzenta e fluido cérebro-espinal (figura
4.6).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 61 de 87
Figura 4.6 – Representação da probabilidade de pertencer a uma classe: (a) Matéria cinzenta, (b)
Matéria branca, (c) Fluido cérebro-espinal (retirado de (Dugas-Phocion, González et al. 2004))
Em (Sorzano, Thévenaz et al. 2005), é exposto um algoritmo não-linear de
alinhamento de imagens biológicas modelizadas como uma deformação elástica.
Neste, existe a possibilidade de lidar com diversos tipos de deformações através de
uma metodologia baseada na minimização de uma energia funcional que inclui a
medida de não similaridade (erro) entre as imagens, o erro no mapeamento dos
correspondentes marcadores e o campo de deformação, que é a função que efectua o
mapeamento da imagem alvo (objecto que tem de ser correspondido) na imagem fonte
(objecto que sofre a transformação). Smadar Gefen e os seus colaboradores, em
(Gefen, Tretiak et al. 2004), em imagens do mesmo tipo, utilizam wavelets para
representar as deformações diminuindo dessa forma a complexidade do algoritmo
usado no alinhamento. A deformação de cada componente do sinal é estimada pela
minimização da energia elástica, bem como pela redução da soma dos quadrados das
distâncias entre superfícies correspondentes.
Já em (Rousseau, Faisan et al. 2007) é usado um modelo de observação na
ausência de alterações (a contrario approach), onde, as mudanças significativas em
imagens multimodais são definidas como sendo eventos de baixa probabilidade de
ocorrência. Trata-se de uma metodologia não paramétrica que apresenta a vantagem
de reter os diferentes valores de base para a detecção de mudanças, o que lhe
permite controlar a quantidade de dados falsos positivos.
A figura 4.7, mostra os resultados obtidos na detecção de mudanças de
pequenas lesões em pacientes com EM. Do primeiro exame (imagem da esquerda)
para o segundo, surgem duas alterações (assinaladas pelas setas), isto é, a lesão
detectada na parte superior do primeiro exame, já não consta, enquanto, surge no
segundo exame (na parte inferior), uma lesão que não tinha sido inicialmente
assinalada.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 62 de 87
Figura 4.7 – Detecção de mudanças em pequenas lesões em pacientes
com EM (retirado de (Rousseau, Faisan et al. 2007))
Minghui Xia and Bede Liu, em (Xia and Liu 2004), apresentam um método para
o alinhamento não rígido de imagens 2D, baseando-se na correspondência de curvas
entre as imagens relacionadas. Comparativamente com os métodos geométricos, não
exige expressamente consonância dos pontos, assumindo que os pontos da imagem
deformada na outra imagem estão na vizinhança dos pontos de correspondência.
Desta forma, a precisão e a eficiência deste modelo são alcançados pela introdução
de um conceito chamado de super-curva (super-curves), que é uma única curva
formada por outras duas, alinhadas e sobrepostas entre si.
Como exemplo deste método, observa-se na figura 4.8, o alinhamento de uma
imagem com ponderação em densidade de protões (figura 4.8 (a)) com outra em T1
(figura 4.8 (b)). A figura 4.8 (c) mostra a mistura de ambas sem alinhamento, situação
corrigida na figura 4.8 (d).
Figura 4.8 – Alinhamento de imagem em DP com outra em T1 (retirado de (Xia and Liu 2004))
É proposto por Bricq e os seus colaboradores, em (Bricq, Collet et al. 2008),
um método para a segmentação não vigiada de IRM multimodal ao cérebro, onde
pretende definir a quantidade de cada substância, como matéria branca, matéria
cinzenta e líquido céfalo-raquidiano, em cada voxel, que representa um pixel em cada
fatia da IRM, quando os dados são volúmicos, (Xie and Farin 2004), do cérebro. O
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 63 de 87
método proposto leva em conta as informações da vizinhança, utilizando um modelo
Hidden Markov Chain, com capacidade de aprender os parâmetros do modelo através
de uma reprogramação do processo de estimativa, com dois sensores independentes
que têm informação das intensidades dos dados observados e dos mapas de
probabilidades, e usa ainda um Atlas como sensor complementar, com ajuste baseado
em análise probabilística, da imagem em causa com uma existente no mesmo.
Na figura 4.9, é exposto um exemplo dos mapas obtidos em imagens
monomodais através deste algoritmo, sendo que em cada um está contida a
proporção de cada tecido ((a) matéria branca, (b) matéria cinzenta e (c) líquido céfalo-
raquidiano).
Figura 4.9 – Mapas contendo a proporção de cada tecido (retirado de (Bricq, Collet et al. 2008))
Noblet e os seus colaboradores, em (Noblet, Heinrich et al. 2005), apresentam
um algoritmo de transformação não rígida também com o auxílio de um Atlas cerebral,
que lida com a preservação de topologia no alinhamento 3D de modelos de imagens
deformáveis, que simula de forma aceitável o comportamento dos objectos reais,
através do controlo do Jacobiano da transformação. A preservação de topologia,
assegura que as estruturas conectadas entre si, assim continuam, que a relação entre
estruturas vizinhas se mantém e previne o aparecimento ou o desaparecimento das
estruturas. Uma das potenciais aplicações, deste algoritmo é o acompanhamento da
evolução de lesões inter-paciente ao longo do tempo. Neste método, usado por Bricq e
os seus colaboradores, para a realização do alinhamento de imagens em (Bricq, Collet
et al. 2008), o mapa de alinhamento óptimo é encontrado pela minimização da energia
residual entre a imagem fonte deformada e a imagem alvo.
Na figura 4.10, é apresentado um exemplo da contribuição da preservação de
topologia no alinhamento de IRM 3D inter-pacientes do cérebro. A imagem (a) mostra
a fonte, enquanto a (b) é o resultado da correspondência deformável sem qualquer
constrangimento no Jacobiano, já a imagem (c) é o resultado da correspondência
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 64 de 87
deformável com um constrangimento positivo no Jacobiano (J > 0), por seu lado a
imagem (d) é a imagem alvo.
Neste mesmo trabalho, é referido que a utilização de um Atlas para detectar ou
mesmo segmentar de forma automática algumas estruturas nas imagens anatómicas é
um dos métodos mais robustos, sendo no entanto bastante sensível à qualidade da
referência de comparação, bem como aos erros de alinhamento das imagens. O Atlas
considerado, consiste num mapa do cérebro referenciado a um sistema de
coordenadas baseadas em marcas anatómicas, sendo que o seu uso obriga a ajustar,
ou seja alinhar, as imagens do paciente às do Atlas.
Figura 4.10 – Preservação de topologia num alinhamento de IRM (retirado de (Noblet, Heinrich et al. 2005))
Dos diversos estudos analisados, vários autores, como por exemplo, (Noblet,
Heinrich et al. 2005), (Sorzano, Thévenaz et al. 2005), (Keeling 2007), (Xia and Liu
2004) e (Xie and Farin 2004), seleccionam B-splines de diversos tipos, para modelizar
as imagens, o que permite a construção de uma curva aproximada aos pontos
extremos mas sem passar por estes.
Segundo Zhiyong Xie e Gerald E. Farin, em (Xie and Farin 2004), a maior
desvantagem do alinhamento tradicional com B-splines prende-se com a selecção do
número de parâmetros e de pontos de controlo das B-splines, porque, caso sejam
poucos, apenas um esboço de correspondência pode ser alcançado, enquanto se
forem muitos, as transformações podem exibir oscilações locais. Assim sendo, é
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 65 de 87
proposto um método com B-splines hierárquicas, que permite calcular o deslocamento
dos pontos de controlo para adaptar a transformação, ultrapassando este problema,
permitindo dessa maneira, alinhar duas imagens como um incremento no nível de
detalhe.
A figura 4.11 mostra um exemplo de um alinhamento, onde alguns dos
marcadores são colocados manualmente, usando o método apresentado por Zhiyong
Xie e Gerald E. Farin, em (Xie and Farin 2004). A imagem da esquerda corresponde à
imagem alvo, a do meio, à imagem fonte e a da direita, à deformação da imagem
fonte.
Figura 4.11 – Alinhamento com B-splines hierárquicas (retirado de (Xie and Farin 2004))
4.3. Validação dos métodos
Um dos aspectos importantes e mais complexos no alinhamento de imagens
consiste na validação dos algoritmos usados, o que pode ser efectuado pela
verificação, visual ou qualitativa, (Radke, Andra et al. 2005), de parâmetros como os
indicados a seguir, (Maintz and Viergever 1998), sendo essencial garantir que ele
sejam exactos, precisos e robustos:
Precisão → Nos métodos geométricos a precisão depende da capacidade em
detectar os pontos característicos e pode obter-se pelo cálculo do erro médio,
enquanto nas metodologias de ajuste de intensidade, dependerá da qualidade e da
geometria das imagens adquiridas, (Bondiau, Malandain et al. 2004).
Para obter bons resultados na detecção de alterações nas imagens é necessário
usar um alinhamento de alta precisão, (Radke, Andra et al. 2005).
De salientar que, o alinhamento de imagens fica mais preciso quanto a escala
aumenta, uma vez que o conjunto de transformações possíveis também aumenta,
(Noblet, Heinrich et al. 2005).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 66 de 87
Robustez e estabilidade → Remete para o requisito básico de que as pequenas
variações na entrada devem resultar em pequenas variações na saída, isto é,
obter um resultado coerente independentemente das condições iniciais.
Fiabilidade → É a exigência de que o algoritmo se deve comportar como o
esperado, dado um intervalo razoável de possíveis entradas de dados.
Recursos necessários → É a referência ao material e ao esforço envolvidos no
processo de alinhamento.
Complexidade do algoritmo.
Verificação.
Utilização clínica.
Uma mudança detectada pelo algoritmo é considerada válida se vários
observadores humanos consideram que há uma alteração, (Radke, Andra et al. 2005);
mesmo assim, é possível afirmar que é bastante difícil definir e validar características
porque dependem de vários parâmetros e das próprias imagens a alinhar.
Para os algoritmos baseados nos métodos geométricos, a propagação do erro
é bem conhecida; no entanto, noutras abordagens os próprios algoritmos não
fornecem indicações úteis de precisão, (Hill, Batchelor et al. 2001).
4.4. Implementações computacionais existentes
A seguir apresenta-se algumas das implementações computacionais de âmbito
comercial e académico que incluem a funcionalidade do alinhamento de sequências
de imagens médicas.
4.4.1. Implementações comerciais
As implementações comerciais identificadas foram desenvolvidas tanto por
fabricantes de equipamento imagiológico, como por empresas especializadas na
elaboração deste tipo de software.
A empresa iMIPS (Integrated Medical Image Processing Systems) comercializa
um sistema, cuja interface está visível na figura 4.12, que integra um conjunto de
aplicações elaboradas para facilitar as tarefas mais comuns na análise de imagens
cerebrais. Além de técnicas de alinhamento monomodal e multimodal, baseadas na
intensidade dos voxeis, fornece ainda, suporte para a visualização 2D e 3D dos
volumes envolvidos.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 67 de 87
Figura 4.12 – Interface da aplicação iMIPS (retirado de (iMIPS 2008))
A Applied Medical Imaging apresenta o programa CBA (Computerized Brain
Atlas) para visualizar, interpretar e colocar em correspondência imagens do cérebro de
diferentes modalidades. Neste sistema computacional, baseado num Atlas 3D
bastante detalhado, o alinhamento pode ser efectuado automaticamente, semi-
automaticamente ou manualmente.
O MeVisLab da MeVis Research GmbH, representa uma plataforma de
processamento de imagem (figura 4.13) para a investigação e desenvolvimento, com
ênfase nas imagens médicas. Além dos algoritmos gerais de processamento e de
ferramentas de visualização de imagem, esta aplicação inclui módulos para
segmentação, alinhamento, estimativa do volume, quantificação morfológica e análise
funcional.
Figura 4.13 – Interface da aplicação MeVisLab (retirado de (MeVisLab 2008))
Desta identificação efectuada observa-se que geralmente as informações sobre
as ofertas comercialmente disponíveis são muito escassas.
4.4.2. Implementações académicas
Além das implementações computacionais anteriormente indicadas, existem
outras desenvolvidas no âmbito académico e que deram origem a diversos estudos,
relatados em várias Teses e publicações científicas. De salientar que, muitos dos
autores desses documentos científicos, geralmente apenas se preocupam com a
validação do respectivo algoritmo, tido como o mais eficiente numa dada aplicação
especifica, mas poucos se inquietam com a sua legitimação clínica.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 68 de 87
A aplicação SepINRIA5, desenvolvida no Institut National de Recherche en
Informatique et em Automatique, é uma ferramenta para analisar e segmentar,
manualmente ou automaticamente, as lesões da EM presentes no cérebro, através do
estudo de imagens de IRM dos doentes, (SepINRIA 2006).
Após a consideração de uma imagem, e de forma a verificar a presença ou a
evolução da patologia em causa, a imagem seguinte a ser carregada na aplicação
deve partilhar o mesmo tamanho e orientação. Caso isso não aconteça, existe a
necessidade de alinhar as diferentes sequências de IRM do mesmo exame, usando o
botão indicado na figura 4.14.
Figura 4.14 – Botão a seleccionar para alinhar diferentes sequências de IRM do mesmo exame
Do Department of Radiology do Hospital of the University of Pennsylvania -
School of Medicine, de realçar o projecto HAMMER (Hierarchical Attribute Matching
Mechanism for Elastic Registration), que para a segmentação de imagens do cérebro
apresenta um método que demonstra elevada precisão no alinhamento intersujeitos de
imagens de de ressonância magnética cerebrais, (HAMMER 2007). No entanto, o
algoritmo do HAMMER necessita uma pré-segmentação dos tecidos do cérebro uma
vez que os atributos dos vectores usados para igualar hierarquicamente os
correspondentes números de pares de pontos são definidos a partir das imagens
segmentadas.
O sistema computacional SPM6 (Statistical Parametric Mapping) foi
desenvolvido pela University College of London, (SPM 2008), para a análise, através
de técnicas estatísticas, de sequências de imagens cerebrais. Este sistema, figura
4.15, desenvolvido em MATLAB, oferece um conjunto de ferramentas para avaliar o
5 Este sistema computacional encontra-se disponível em domínio público para uso não comercial, em: http://www-sop.inria.fr/asclepios/software/SepINRIA/ 6 Este sistema computacional encontra-se disponível em domínio público para uso não comercial, em: http://www.fil.ion.ucl.ac.uk/spm/software/
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 69 de 87
sinal de cada voxel da imagem, auxiliando assim o diagnóstico de lesões cerebrais e
dos seus efeitos nas funções neurológicas.
Neste sistema, a análise dos dados divide-se em análise estatística, estudo dos
resultados e pré-processamento, que inclui a correcção do alinhamento da aquisição
das imagens, através de uma transformação geométrica codificada sob a forma de
uma matriz, sendo que com tal procedimento a intensidade de sinal em cada um dos
voxeis cerebrais passa a ser considerada como uma variável independente e é
comparada entre grupos através de testes estatísticos.
Figura 4.15 – Interface do sistema computacional SPM
Os investigadores do Computer Science Department do Dartmouth College
(USA) desenvolveram em MATLAB o sistema Image Registration7 para imagens e
volumes médicos, sendo que a função register2d, figura 4.16, permite efectuar o
alinhamento de duas imagens, (Farid 2006). A transformação entre imagens é
modelada como sendo local e semelhante (isto é, do tipo affine), sendo que um
modelo explícito para a falta de dados é usado de forma a permitir simultaneamente
segmentar e alinhar imagens com dados parciais ou mesmo inexistentes, figura 4.17.
7 Este sistema computacional encontra-se disponível em domínio público para uso não comercial, em: http://www.cs.dartmouth.edu/farid/research/registration.html
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 70 de 87
Figura 4.16 – Função register2d.m
source target registered source error before registration
error after registration
Figura 4.17 – Resultados obtidos com o sistema computacional Image Registration (retirado de (Farid 2006))
O AIR8 (Automated Image Registration) proposto por Roger P. Woods da
UCLA School of Medicine, consiste numa biblioteca computacional que permite obter
contornos alinhados, usando um método híbrido, geométrico e de ajuste de
intensidades, automático de imagens anatómicas, 2D ou 3D monomodais ou
multimodais, inter ou intrasujeitos, por exemplo, com uma transformação rígida usando
seis pontos ou uma transformação do tipo affine considerando doze pontos, (Woods
2008). Globalmente o sistema calcula localmente uma relação entre as duas imagens
(pixel a pixel) e minimiza a sua variância. Este sistema inclui dois programas:
Alignlinear, que é uma ferramenta de alinhamento linear para imagens intramodais,
sendo que o utilizador pode especificar diversos modelos de alinhamento
(incluindo do tipo rigid, affine, etc.).
8 Este sistema computacional encontra-se disponível em domínio público para uso não comercial, em: http://bishopw.loni.ucla.edu/AIR5/index.html
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 71 de 87
Align_warp, que é uma ferramenta de alinhamento não-linear que pode ser inter ou
intrasujeitos e que inclui a implementação de modelos 2D e 3D de transformações
lineares espaciais.
O MNI_ANIMAL9 desenvolvido por Louis Collins e Greg Ward do McConnell
Brain Imaging Centre da McGill University, é uma ferramenta completamente
automática, para o alinhamento não-linear de dois volumes obtidos por IRM,
(COLLINS 1998).
Da mesma instituição, de salientar ainda o trabalho de David MacDonald que
produziu o programa Register, (MacDonald 1993), uma aplicação gráfica interactiva
que permite visualizar um ou dois volumes (tipicamente de IRM ou PET) e a fusão de
ambos. O utilizador pode “deslocar-se” ao longo dos volumes e criar, dessa forma,
pontos de referência a usar na determinação da transformação de alinhamento dos
dois volumes.
4.5. Experimentação
Uma possível maneira de se executar estudos prospectivos de uma atrofia
cerebral consiste em realizar uma comparação entre exames de um mesmo paciente,
produzidos de maneira cronológica. Contudo, embora esta seja uma abordagem
válida, também são observadas algumas dificuldades ou restrições, como a
necessidade de existir um exame prévio do paciente. O referido exame não deve ser
nem muito anterior ao actual nem muito próximo do mesmo, pois caso contrário o valor
clínico da comparação pode ser comprometido.
4.5.1. Enquadramento
Para a comparação entre imagens cerebrais de um mesmo paciente, é
necessário que os volumes radiológicos sejam alinhados, uma vez que executados em
diferentes momentos e possivelmente com a utilização de diferentes equipamentos de
imagiologia, serão muito provavelmente observados componentes de desalinhamento
espacial e ruídos. Assim sendo, o principal objectivo do alinhamento é rectificar uma
imagem de modo que a imagem resultante possua o mesmo sistema de coordenadas
da imagem de referência utilizada. Desta forma, todas as imagens passam a ter uma
adequada correspondência espacial.
9 Este sistema computacional encontra-se disponível em domínio público para uso não comercial, em: ftp://ftp.bic.mni.mcgill.ca/pub/mni_autoreg/
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 72 de 87
Com referido anteriormente, o alinhamento de imagens pode dividir-se em duas
famílias de técnicas clássicas:
O alinhamento geométrico que se resolve pela decomposição em duas etapas
distintas: a extracção, nas duas imagens a alinhar, de primitivas geométricas
(pontos, linhas, volumes, etc.) supostamente semelhantes, e o cálculo da
transformação que melhor sobrepõe esses pontos;
O alinhamento por ajuste de intensidade, que não requer nenhuma extracção de
primitivas geométricas e se apoia directamente sobre as intensidades das
imagens.
Tradicionalmente, o alinhamento de imagens através dos métodos de
alinhamento geométrico envolve as seguintes etapas:
Definição da imagem de referência ou de alvo;
Definição da imagem distorcida ou de fonte (objecto que sofre a transformação);
Identificação de primitivas geométricas de correspondência espacial, denominados
de pontos de controlo;
Definição da modelo de transformação espacial entre o conjunto de primitivas
geométricas identificadas e estimação de seus parâmetros;
Reamostragem da imagem resultante através de uma determinada função de
interpolação. Esta imagem deve ter a mesma dimensão, resolução espacial e
projecção que a usada como imagem de referência, garantindo assim a
correspondência espacial necessária para o estudo conjunto das mesmas.
Nesta etapa deste projecto, desenvolveu-se em ambiente MATLAB, um
algoritmo para realizar o alinhamento de imagens de ressonância magnética obtidas
aquando do acompanhamento da evolução das lesões de EM, num paciente de sexo
feminino, do Hospital Pedro Hispano, Matosinhos. Assim sendo, pretende-se realizar
um alinhamento monomodal e intrasujeito de imagens anatómicas em formato DICOM.
Actualmente, para uniformizar os formatos das imagens médicas, o padrão
DICOM (Digital Imaging and Communications in Medicine) é usual nos equipamentos
médicos comerciais. Tal possibilita a distribuição de distintas modalidades de imagens
em diferentes máquinas, facilitando dessa forma a sua visualização. Uma imagem
DICOM é constituída por um cabeçalho (header), que guarda informações pertinentes
do paciente (como identificação, exame, comprimento das imagens, etc.), seguido
pelos dados que formam a própria imagem.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 73 de 87
4.5.2. Definição das imagens
A metodologia para a leitura das imagens em formato DICOM extraídas do
equipamento de ressonância magnética, constitui uma parte integrante do sistema de
análise desenvolvido e foi implementada também em ambiente MATLAB.
Na figura 4.18 apresenta-se o corte escolhido (T1 axial) para referência no
alinhamento das imagens. O volume de referência, é aquele que será escolhido para
definir o espaço de coordenadas padrão com o qual todos os demais volumes serão
alinhados. O exame foi efectuado em 2006/01/06 às 17:30:10, num equipamento da
GE MEDICAL SYSTEMS, com TR: 520.0 e TE: 8.5.
Figura 4.18 – Imagem de referência (identificada como 803137)
A figura 4.19 representa os dois cortes imagiológicos escolhidos para a análise,
sendo o da esquerda relativo ao exame efectuado em 2007/02/02 às 17:07:37 (TR:
620.0 e TE: 8.8) e o da direita ao exame efectuado em 2008/03/28 às 16:27:15 (TR:
620.0 e TE: 8.7). De salientar que estas duas imagens foram adquiridas no mesmo
equipamento que a imagem referência.
Figura 4.19 – Imagens distorcidas (identificadas como 805679 e 804388)
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 74 de 87
Observa-se que a imagem de referência se encontra com um alinhamento
distinto das duas imagens distorcidas. Devido ao processo de aquisição nota-se
também que essa imagem possui tamanho superior às outras duas.
4.5.3. Extracção de primitivas geométricas
Um método clássico para a extracção, nas duas imagens a alinhar, de
primitivas geométricas (pontos, linhas, volumes, etc.) supostamente semelhantes
consiste em identificar marcadores anatómicos ou artificiais comuns às duas imagens
do paciente, sendo depois, este conjunto de pontos de controlo, colocados em
correspondência entre si. Nesta situação:
O utilizador participa interactivamente na localização dos pontos a usar, sendo
algo geralmente efectuado por técnicos de saúde especializados na anatomia da
região em estudo, obtendo-se desta forma uma precisão adequada à aplicação;
Usualmente, são usados pontos de controlo com propriedades geométricas de
identificação fácil, como por exemplo, locais de grande curvatura, com arestas ou
estruturas ósseas;
A precisão do método depende do número de pontos de controlo utilizados e da
sua qualidade;
O alinhamento das imagens é tratado como uma transformação geométrica rígida
de coordenadas cartesianas de um sistema de referência para outro; logo, um
vector representativo da imagem é transformado num novo pela utilização de uma
transformação geométrica contendo uma matriz de rotação e um vector de
translação.
No sistema desenvolvido, a determinação dos pontos de controlo de forma
interactiva é efectuada no MATLAB com o auxílio da função cpselect, figura 4.20.
Neste figura, a imagem da direita representa a de referência enquanto a da esquerda
caracteriza a distorcida. Este tarefa revela-se delicada e trabalhosa, assim, no futuro
projecto de Dissertação, para a realização desta tarefa deve ser desenvolvido um
método automático, fiável e reprodutível.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 75 de 87
Figura 4.20 – Extracção de pontos com a função cpselect.
Na figura 4.20, na parte superior esquerda, é visível a opção de guardar, para
uso posterior nos cálculos da transformação de alinhamento, as coordenadas
cartesianas dos pares de pontos de controlo (representados a verde nas figuras
visualizadas) definidos.
4.5.4. Modelo de transformação e reamostragem da imagem
A função cp2tform, do MATLAB, infere uma transformação espacial a partir dos
pares de pontos de controlo obtidos anteriormente, sendo capaz de aplicar vários tipos
de transformações. Esta função requer, tabela 4.1, um número mínimo de pares de
pontos de controlo de forma a inferir correctamente as estruturas envoltas na
transformação.
Tabela 4.1 – Tipo de transformação versus
número de pares de pontos de controlo.
Tipo de transformação Número de pares de pontos
linear conformal 2 affine 3
projective 4 polynomial (ORDER=2) 6 polynomial (ORDER=3) 10 polynomial (ORDER=4) 15
piecewise linear 4 lwm 6
Assim, a transformação adequada é lida na variável e usada na imagem
distorcida, através da função imtransform, que lhe aplica uma transformação espacial
2D.
A implementação realizada em MATLAB para obter o alinhamento das duas
imagens é a seguinte:
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 76 de 87
base = dicomread('803137'); unregistered_1 = dicomread('805679'); unregistered_2 = dicomread('804388'); uint16_base = imadjust(uint16(base)); uint16_unregistered_1 = imadjust(uint16(unregistered_1)); uint16_unregistered_2 = imadjust(uint16(unregistered_2)); cpselect(uint16_unregistered_1,uint16_base); mytform_1 = cp2tform(input_points,base_points,'projective'); registered_1 = imtransform(unregistered_1,mytform_1); figure, imshow(registered_1,'DisplayRange',[]) figure, imshow(base,'DisplayRange',[]) cpselect(uint16_unregistered_2,uint16_base); mytform_2 = cp2tform(input_points,base_points,'projective'); registered_2 = imtransform(unregistered_2,mytform_2); figure, imshow(registered_2,'DisplayRange',[]) figure, imshow(base,'DisplayRange',[])
4.5.5. Resultados
Após a realização aplicação do algoritmo desenvolvido em Matlab obtém-se as
imagens da figura 4.21, onde a representação da esquerda é a imagem de referência,
a do meio é a gerada aquando do alinhamento com a imagem de IRM efectuada em
2007 e a da direita quando esse alinhamento é executado com a imagem de IRM
efectuada em 2008.
Figura 4.21 – Alinhamento das imagens de IRM
Observa-se na figura 4.21 que, o objectivo inerente ao alinhamento geométrico
pretendido, isto é, das IRM obtidas aquando do acompanhamento da evolução das
lesões de EM, num paciente de sexo feminino, do Hospital Pedro Hispano,
Matosinhos, foi bem sucedido.
No alinhamento geométrico de estruturas em imagens médicas, a qualidade do
cálculo da transformação está totalmente condicionada à escolha dos pontos de
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 77 de 87
controlo, que por vezes não são obtidos de forma plenamente fiável em todas as
imagens a alinhar, apresentam baixa reprodutibilidade e, como se trata de uma tarefa
manual, é muito dependente da experiencia do técnico de saúde.
4.6. Resumo
O presente capítulo expôs uma descrição de diversos estudos existentes para
o alinhamento de imagens na área médica.
Habitualmente, são consideradas duas categorias clássicas de algoritmos para
o alinhamento de imagens:
Métodos geométricos → Baseiam-se na obtenção de uma transformação
geométrica entre dois subconjuntos de características extraídos de cada imagem a
alinhar, tentando dessa forma pôr as mesmas em correspondência, isto é
alinhando as características consideradas;
Métodos de ajuste de intensidade → Consistem na optimização de um critério de
semelhança com base na comparação local da intensidade das imagens a
emparelhar, tendo como objectivo a procura de uma transformação entre as
mesmas.
Estas famílias estão ligadas às diferentes evoluções das técnicas de
alinhamento que se basearam sobre distintos aspectos como:
A implementação, onde houve uma transição de técnicas que necessitavam de um
pré-tratamento das imagens a alinhar para técnicas sem pré-tratamento mas com
uma complexidade algorítmica acrescida de critérios de avaliação da qualidade do
método;
A aplicação, onde se verificou uma passagem da análise de imagens de apenas
um paciente para o alinhamento de imagens de diferentes pacientes.
Maintz e Viergever, em (Maintz and Viergever 1998), referem que o
alinhamento de imagens raramente é usado em muitas das aplicações clínicas
correntes porque o seu potencial contínua desconhecido. Mas com tantos
desenvolvimentos nesta área, verifica-se a demonstração de um interesse crescente
dos especialistas das diversas áreas da saúde que lidam com uma elevada
quantidade de imagens que contêm patologias distintas e difíceis de analisar e
quantificar.
Existem muitas implementações computacionais, desenvolvidas no âmbito
comercial e académico, sendo que estas últimas deram origem a diversos estudos,
relatados em variadas teses e publicações científicas, encontrando-se algumas delas
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 78 de 87
disponíveis em domínio público. De salientar que, muitos dos autores desses trabalhos
de investigação, geralmente apenas se preocupam com a validação de um
determinado algoritmo, tido como mais eficiente do que outros numa aplicação
especifica, mas poucos se inquietam com a sua legitimação clínica.
Pode-se concluir deste capítulo que:
No quadro do estudo prático que se quer desenvolver no presente projecto de
Dissertação, se pretende encontrar, analisar e comparar as variações locais que
aparecem nas imagens de um mesmo paciente atingido por esclerose múltipla,
adquiridas em instantes de tempo distintos.
Neste caso especifico, o objecto em análise é a cabeça, que é uma estrutura
naturalmente estável, enquanto as lesões da EM mudam de aspecto com o tempo.
Assim sendo, um alinhamento com base numa transformação rígida parece, nesta
actual fase de desenvolvimento, suficiente para colocar em correspondência as
estruturas anatómicas entre as imagens.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 79 de 87
V – CONSIDERAÇÕES FINAIS E PERSPECTIVAS FUTURAS
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 80 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 81 de 87
5.1. Considerações finais
As técnicas para o alinhamento de estruturas em imagens médicas apresentam
um elevado potencial tecnológico, sendo frequentemente usadas em conjunto com
métodos de análise e quantificação que são muitas vezes elementos que auxiliam na
decisão de cirurgias ou que possibilitam o seguimento da evolução de determinadas
patologias ou lesões internas ao longo do tempo.
Neste trabalho foi elaborada uma revisão do estado da arte com a descrição de
algumas metodologias para o alinhamento de estruturas em imagens médicas, tendo-
se salientado a quantidade importante de trabalhos existentes neste domínio científico.
Tendo por base esse estudo bibliográfico, apresentaram-se alguns conceitos relativos
aos algoritmos existentes, bem como se destacou conceitos fundamentais para a
correcta compreensão do problema proposto no presente projecto de Dissertação.
Também se desenvolveu um algoritmo para testar o alinhamento de algumas imagens
de ressonância magnética obtidas aquando do acompanhamento da evolução das
lesões de esclerose múltipla.
Conclui-se deste estudo que, os grandes obstáculos para a obtenção de
algoritmos de alinhamento, principalmente dos que apresentam transformações não
rígidas, estão essencialmente ligados aos recursos computacionais e às dificuldades
de validar os métodos desenvolvidos. No entanto, observou-se que são efectuados
continuamente grandes esforços nesta área, de forma a responder à crescente
solicitação de aplicações úteis para os técnicos de saúde.
Além do alinhamento de estruturas em imagens médicas, neste trabalho foram
ainda analisados os fundamentos da esclerose múltipla, uma doença associada a uma
elevada taxa de mortalidade e a um predomínio ligado a factores regionais, assim
como os princípios das imagens por ressonância magnética, sendo ambos essenciais
para a percepção da referida patologia, bem como do seu diagnóstico, sendo por isso
essenciais no desenvolvimento deste projecto de Dissertação.
De salientar que diversos algoritmos computacionais baseados nos estudos
anteriormente, estão já disponíveis nas consolas de grandes fabricantes de
equipamentos de IRM.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 82 de 87
5.2. Perspectivas futuras
O presente documento serve como elemento de enquadramento do projecto de
Dissertação associado, sendo que neste trabalho se tentou expor o estado da arte
associado ao alinhamento de estruturas em imagens médicas.
No projecto de Dissertação, pretende-se conduzir à implementação de alguns
dos métodos descritos neste documento de forma a validá-los com imagens de
pacientes atingidos com esclerose múltipla. De uma forma sucinta, os objectivos
futuros que se pretendem alcançar com a realização deste projecto de Dissertação
são:
Contribuir para a criação de um texto actualizado e completo, sobre o estado da
arte relativo ao alinhamento de estruturas em imagens médicas;
Desenvolver, ensaiar, utilizar, comparar e validar as técnicas consideradas,
recorrendo a dados sintéticos e reais, nomeadamente de pacientes com esclerose
múltipla.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 83 de 87
REFERÊNCIAS
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 84 de 87
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 85 de 87
Bondiau, P. Y., G. Malandain, et al. (2004). "Traitement des images et radiothérapie =
Image processing and radiotherapy." Cancer radiothérapie 8(2): 120-129.
Bricq, S., C. Collet, et al. (2008). "Unifying framework for multimodal brain MRI
segmentation based on Hidden Markov Chains." Medical Image Analysis,
Elsevier (in press).
Brown, L. G. (1992). "A Survey of Image Registration Techniques." ACM Computing
Surveys 24(4): 328-376
Cherik, S., H. Mouhadjer, et al. (2007). Fusion d’Image Médicale Multimodal (IRM,
TEP). 4th International Conference on Computer Integrated Manufacturing
CIP’2007
Clanet, M. and O. Lyon-Caen (1998). La sclérose en plaques, John Libbey Eurotext.
COLLINS, L. (1998). "The MNI_ANIMAL Software Package " Retrieved 2008/09/01,
from http://www.bic.mni.mcgill.ca/users/louis/MNI_ANIMAL_home/.
Doyon, D., E. A. Cabanis, et al. (2001). IRM: imagerie par résonance magnétique,
Masson.
Dugas-Phocion, G., M. A. González, et al. (2004). Hierarchical Segmentation of
Multiple Sclerosis Lesions in Multi-sequence MRI. IEEE International
Symposium on Biomedical Imaging: From Nano to Macro ISBI'04.
Farid, H. (2006). "Image Registration." from
http://www.cs.dartmouth.edu/farid/research/registration.html.
Gefen, S., O. Tretiak, et al. (2004). "Surface Alignment of an Elastic Body Using a
Multiresolution Wavelet Representation." IEEE Transactions on Biomedical
Engineering 51(7).
Grimaud, J., Y.-M. Zhu, et al. (2002). "Les techniques d'analyse quantitative des IRM
cérébrales : application à la sclérose en plaques." Revue neurologique 158(3):
381-389.
HAMMER. (2007). "HAMMER: Deformable Registration " Retrieved 2008/09/01, from
https://www.rad.upenn.edu/sbia/software/index.html.
Hermosillo, G., C. Chefd’Hotel, et al. (2002). "Variational Methods for Multimodal Image
Matching." International Journal of Computer Vision 50(3): 329-343.
Hill, D. L. G., P. G. Batchelor, et al. (2001). "Medical image registration." Physics in
Medicine and Biology 46: 1-45.
iMIPS. (2008). "Integrated Medical Image Processing Systems." Retrieved 2008-09-
01, from http://www.imips.com/.
Karaçali, B. (2007). "Information Theoretic Deformable Registration Using Local Image
Information." International Journal of Computer Vision 72(3): 219-237.
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 86 de 87
Karaçali, B. and C. Davatzikos (2004). "Estimating Topology Preserving and Smooth
Displacement Fields." IEEE Transactions on Medical Imaging 23(7): 868-880.
Keeling, S. L. (2007). "Generalized Rigid and Generalized Affine Image Registration
and Interpolation by Geometric Multigrid." Journal of Mathematical Imaging and
Vision 29(2-3): 163-183.
MacDonald, D. (1993). "register - interactive volume display and point tagging
program." Retrieved 2008/09/01, from
http://www.bic.mni.mcgill.ca/software/register/register.html.
Maintz, J. B. A. and M. A. Viergever (1998). "A Survey of Medical Image Registration."
Medical Image Analysis 2(1): 1-36.
MeVisLab. (2008). "Medical Image Processing and Visualization." Retrieved 2008-09-
01, from http://www.mevislab.de/.
Moore, J. and G. Zouridakis (2004). Biomedical Tecnology and Devides Handbook,
CRC Press.
mult-sclerosis. (2008). "All About Multiple Sclerosis " Retrieved 2008-09-01, from
http://www.mult-sclerosis.org/.
Murray, T. J. (2005). Multiple Sclerosis: The History of a Disease, Demos Medical
Publishing.
Noblet, V., C. Heinrich, et al. (2005). "3-D Deformable Image Registration: A Topology
Preservation Scheme Based on Hierarchical Deformation Models and Interval
Analysis Optimization." IEEE Transactions on Image Processing 14(5).
Pluim, J. P. W., J. B. A. Maintz, et al. (2004). "f-Information measures in medical image
registration." IEEE Transactions on Medical Imaging 23(12): 1508-1516.
Radke, R. J., S. Andra, et al. (2005). "Image change detection algorithms: A systematic
survey." IEEE transactions on image processing 14(2): 294-307.
Rey, D., G. Subsol, et al. (2002). "Automatic detection and segmentation of evolving
processes in 3D medical images: Application to multiple sclerosis." Medical
Image Analysis 6(2): 163-179.
Roentgenology, A. J. o. (2008). "AJR Integrative Imaging." Retrieved 2008-09-01,
from http://www.ajronline.org/.
Rousseau, F., S. Faisan, et al. (2007). Une approche a contrario pour la détection de
changements dans des images IRM multimodales 3D. 21ème colloque GRETSI
SepINRIA. (2006). "A Software to Analyse Multiple Sclerosis Brain MRI." Retrieved
2008/09/01, from http://www-sop.inria.fr/asclepios/software/SepINRIA/.
Sorzano, C. Ó. S., P. Thévenaz, et al. (2005). "Elastic Registration of Biological Images
Using Vector-Spline Regularization." IEEE Transactions on Biomedical
Engineering 52(4).
Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação
Frederico Lázaro Jacob Página 87 de 87
SPM. (2008). "Statistical Parametric Mapping." Retrieved 2008/09/01, from
http://www.fil.ion.ucl.ac.uk/spm/.
Thirion, J.-P. and G. Calmon (1997). Measuring Lesion Growth from 3D Medical
Images. IEEE Nonrigid and Articulated Motion Workshop NAN'97
Woods, R. P. (2008). "Automated Image Registration." from
http://bishopw.loni.ucla.edu/AIR5/index.html.
Xia, M. and B. Liu (2004). "Image Registration by “Super-Curves”." IEEE transactions
on image processing 13(5): 720-732.
Xie, Z. and G. E. Farin (2004). "Image Registration Using Hierarchical B-Splines." IEEE
Transactions on Visualization and Computer Graphics 10(1): 85-94.
Zagorchev, L. and A. Goshtasby (2006). "A Comparative Study of Transformation
Functions for Nonrigid Image Registration." IEEE Transactions on Image
Processing 15(3).
Zimmerman, R. A., W. A. Gibby, et al. (2000). Neuroimaging: Clinical and Physical
Principles, Springer Verlag.