Transformada imagem-floresta com funções de conexidade não suaves e suas aplicações na segmentação de imagens médicas e naturais com acentuada heterogeneidade

Resumo

A análise quantitativa de estruturas cerebrais a partir de imagens de Ressonância Magnética (RM) tem desempenhado um papel importante para a pesquisa em neurologia e pode ser muito útil no diagnóstico e tratamento de doenças relacionadas com alterações na anatomia do cérebro humano. Técnicas de análise, porém, requerem uma definiçãoprecisa da extensão tridimensional das estruturas em estudo. Esta operação denominada segmentação de imagens é um dos problemas mais fundamentais e desafiadores em processamento de imagem e visão computacional.Métodos baseados na transformada imagem-floresta (IFT) têm sido usados com sucesso na segmentação de imagens RM de 1.5 Tesla. No entanto, dentro do arcabouço da IFT, existe uma classe de funções de conexidade pouco explorada, que corresponde asfunções de conexidade não suaves (FCNS). Essas funções são mais adaptativas, podendo lidar com os problemas de inomogeneidade de campo, que são comuns em imagens RM de 3 Tesla. Porém, um estudo mais profundo se faz necessário. As soluções podem também ser úteis no tratamento de imagens naturais com forte variação de luminosidade/sombras.A proposta visa investigar as FCNS do ponto de vista teórico e experimental. Mais especificamente, os métodos desenvolvidos serão integrados em uma ferramenta computacional única que servirá como um passo importante para várias outras pesquisas futuras, em continuidade aos trabalhos que vêm sendo desenvolvidos no âmbitodo programa FAPESP-CInApCe, que é realizado em conjunto com os professores do Departamento de Neurologia da Universidade de Campinas e de outras instituições.