Instituição no exterior: Information & Biomedical Engineering Centre,
Site: http://www.city.ac.uk/sems/engineering/research/ibec/index.html
Electrical, Electronic & Information Engineering,
Site: http://www.city.ac.uk/sems/engineering/research/index.html
School of Engineering & Mathematical Sciences,
City - Site: http://www.city.ac.uk/sems/
University, Northampton Square, London EC1V 0HB, UK
O desenvolvimento dos novos equipamentos para aquisição de imagens médicas (Tomográficos, ultra-som, ressonância, videoscópios, etc) permite adquirir informações anatômicas especÃficas dos pacientes. Estes dados (imagens) devem ser processados para realçar e extrair caracterÃsticas. Nesta área, técnicas de processamento de imagens e reconhecimento de padrões são muito importantes, tanto para automatizar certos procedimentos, quanto para facilitar a interação e combinação dos dados. A proposta desta pesquisa busca auxiliar no diagnostico por imagens médicas; procurando integrar as principais etapas do processamento de imagens aos métodos de extração de caracterÃsticas e conhecimento, visando a interpretação das imagens, a identificação de tecidos e estruturas anatômicas, chegando finalmente ao problema da classificação. Em particular, os diagnósticos precoces e a classificação de lesões cancerosas (benigno/maligno) no aparelho digestivo, mama e pulmão. Neste último estágio, técnicas de aprendizado de máquina devem ser utilizadas de forma a ser feita uma Mineração de Dados das Imagens Médicas
Doutorado: Fabiana Rodrigues Leta, ÂModelagem Matemática e Simulação Gráfica do Envelhecimento Facial HumanoÂ, PUC-RJ, defendida em 03/03/98, bolsista CNPq (em colaboração da Clinica Ivo Pitanguy e a Pos- Graduação em Cirurgia Plástica da PUC-RJ, através da extração do conhecimento por uso de dados de pacientes submetidos a cirurgias em diversas idades).
- Em 2000, o Laboratório de Computação Visual recebeu a visita do Dr. Peter Ratiu, MD. (http://splweb.bwh.harvard.edu:8000/pages/ppl/ratiu/index.html) do I. of Radiology da Harvard Medical School, Surgical Planning Laboratory and Women's Hospital, participante do Virtual Human Project - (http://www.nlm.nih.gov/research/visible/applications.htm
- Em 2003 (CEP UFF Processo No/ 23069.010790/03-01) o professor/pesquisador brasileiro visitou o Advanced Computer Vision da Austrian Research Center em Viena (que elabora sistemas de software para os ultrasons3D da Siemens medical) (Publicado no BDS 04/09/2003 - Ano XXXIII No. 129, seção III de 06/09/03 a 21/09/03).
- Em 2004 (CEP UFF Processo No/ 23069.01059/2004-76) o professor/pesquisador solicitante visitou o Physikalisch Technische Bundesanstalt - PTB (Berlim) conhecendo as novas pesquisas para desenvolvimento de equipamentos de tomografia e ressonância magnética que vem sendo desenvolvido neste instituto (Publicado no D.O.U. de 30/08/04 p. 13 seção 2).
- Desde o ano passado esta se desenvolvendo cooperações no desenvolvimento da dissertação do aluno Nelson Vasconcelos (em Neuro-informática) com o HUAP em particular com o Prof. Marcos G. Feitas (da Pós Graduação de Neurologia e Chefe do Serviço de Neurologia - mfeitas@vm.uff.br) [56].
- Em 2006 iniciou um projeto de cooperação com o Information & Biomedical Engineering Centre vinculado ao fornecimento de banco de imagens de exames médicos relacionado aos temas de 3 alunos de doutorado em orientação (Mozar Silva, Simone Vasconcelos e Jessuliana Ulysses) que estão trabalhando no assunto de imagens médicas. Algumas destas imagens fornecidas já estão disponÃveis em um endereço do IC e em uso pelo aluno de mestrado Rafael Melo. Este estágio iria ajudar no desenvolvimento destes.
- O grupo participa de projeto MACC-Rio outorgado pela FAPERJ no final de 2006. Este projeto de rede de cooperação propõe a implantação de rede de Medicina Assistida por Computação CientÃfica no Rio de Janeiro. O MACC-Rio é a versão regional da rede nacional de P&D em Medicina Assistida por Computação CientÃfica (MACC) do Laboratório Nacional de Computação CientÃfica (LNCC/MCT). O objetivo geral do projeto MACC é integrar as diversas competências existentes nas instituições participantes, visando desenvolvimento de novos aplicativos a serviço da medicina no PaÃs. Uma apresentação mais detalhada da Rede MACC pode ser consultada em: http://macc.lncc.br/
Diagnóstico auxiliado por computador, é definido como um diagnóstico realizado pelo especialista (no caso, o antigo radiologista e em denominação mais recente o imagiologista, já que as imagens médicas não são mais apenas originárias da emissão de raios x), utilizando o resultado de análises de imagens do interior do corpo humano como auxÃlio ao diagnóstico. A finalidade do diagnóstico auxiliado por computador é melhorar a acuidade do diagnóstico, auxiliando o clinico, nunca o substituindo.
A mineração de imagens constitui um dos grandes desafios atuais. O desafio do uso de técnicas de mineração de imagens é duplo, primeiro devido à complexidade e volume dos dados armazenados nos principais acervos e segundo pela necessidade de realizar isso de forma eficiente. Quando se trata de detecção em imagens médicas as complexidades se potencializam, pois os arquivos de dados de treinamento são enormes e extremamente complexos, diferenciados e desbalanceados. Neste sentido, objetiva-se adequar à s técnicas atuais de mineração de imagens é mineração com tipos diferenciados de formas de imagens e dados. A primeira e maior parte do trabalho se concentrará nos aspectos gerais de fusão e combinação das informações dos diversos tipos de imagens médicas, processando-as e descobrindo formas de combinar caracterÃsticas, padrões e atributos para utilização nos diversos tipos de imagens médicas. Esta parte será desenvolvida com o grupo do IBEC em Londres, sendo detalhada abaixo. A segunda parte será concentrada nos estudos das principais técnicas de inteligência artificial, de forma a adequá-las para a área médica e os aspectos das análises em questão. Esta última parte prosseguirá os parceiros do grupo GAVAB da Universidade Rey Juan Carlo de Madrid.
A Figura 1 fornece uma idéia desta integração ou fusão da informação de tipos diferentes de imagens do interior do corpo humano, neste caso usando imagens de dois tipos: oriundas de tomografia usando raios X convencionais computadorizada por múltiplos detectores (CT) e a tomografia por emissão de pósitrons (PET). Permitindo analisar a anatomia pelas imagens CT (imagem à esquerda da figura 1) e o metabolismo pelas imagens do PET (imagem ao centro da figura 1), e uma melhor análise pela fusão de ambas as imagem (como à direita na figura 1). A fusão das técnicas auxilia na localização precisa de tumores malignos milimétricos e a definição do estágio inicial de diversas doenças como as circulatórias.
Figura 1. : Integração ou fusão da informação de tipos diferentes de imagens do interior do corpo humano [3]
A terceira imagem da figura 1 mostrada a importância da fusão de técnicas. A identificação de pequenÃssimos módulos cancerosos é feita da seguinte forma: injeta-se no paciente uma "substância marcadora", que leva cerca de 50 minutos para ser absorvida pelo corpo. Essa substância imita a maneira como a glicose é absorvida no organismo, porque a maioria das células cancerosas absorve glicose muito mais rapidamente que as células normais. Depois de um tempo determinado o paciente é colocado no scanner, que além de TC tem uma câmera de medicina nuclear, captando inclusive as imagens emitidas pelo marcador. Assim as imagens coloridas resultantes mostram com precisão as regiões onde o marcador é absorvido.
As imagens médicas permitem a visão do interior do corpo humano. Elas não são técnicas de diagnósticos consideradas invasivos, embora o corpo seja submetido a algum processo (atravessado pelas radiações no caso de raio x) para permitir essa visão das diversas estruturas e tecidos. Alguns outros exames não invasivos por imagens são os tradicionais eco-cardiogramas, eletro-encefalogramas, os ultra-sons, as ressonâncias magnéticas, as Tomografias por Impedância Elétrica (TIE) e as tomografias de medicina nuclear: PET / SPECT. Para auxiliar ao diagnóstico muita dessas técnicas podem usar contrastes, passando a ter algum nÃvel de invasão. As endoscopias por usarem de alguma forma câmeras introduzidas no corpo humano são consideradas semi-invasivas. Exemplo de diagnóstico invasivo são as cirurgias exploratórias.
As imagens de raios-X tradicionais são geradas por fótons de raios-x que ao atravessarem o corpo humano são parcialmente absorvidos (por ossos e diversos tecidos em diferentes proporções) e parcialmente projetados em um detector sensÃvel (o filme radiológico). As imagens obtidas são uma projeção 2D das estruturas 3D do interior do corpo, com os diferentes elementos sobrepostos. As oriundas de Tomografias usam o mesmo principio, no entanto os sensores e os próprios fótons de raio-x são orientados na direção da captura e não transversalmente a ela e reconstruÃdos na forma de fatias em resoluções muito mais altas, sendo portanto incomparavelmente mais nÃtidas e precisas, permitido a identificação de diversos tecidos e estruturas.
As tomografias são obtidas por tomógrafos. Já existem tomógrafos como o Biograph Sensation-16 PET-CT, desenvolvido pela Siemens medical, mostrado na figura 1, que são na realidade fusores de duas tecnologias: tomografia computadorizada por múltiplos detectores (CT) e tomografia por emissão de pósitrons (PET). Ele permite a análise do corpo inteiro em 15 minutos.
A imagem do CT é muito adequada para a identificação das diversas estruturas do corpo: ossos, músculos, órgãos, fluidos. Essas imagens são chamadas estruturais, na fusão. A imagem resultante do PET é muito adequada para a identificação dos processos metabólicos. Imagens PET são as chamadas imagens funcionais. No caso do câncer maligno é especialmente indicada para verificar as regiões de maior metabolismo de glicose. O que além de possibilitar a identificação de tumores muito pequenos permite ver se esses já se alastraram para outras regiões do organismo (o que é chamado de estadiamento). A fusão de ambas as técnicas em uma só imagem permite a identificação rápida das disfunções, em todo o corpo do paciente. Pois apesar do PET poder determinar se existe câncer, ele não é eficaz para localizar a posição das células cancerosas. Neste caso a fusão do PET com a CT resolve o problema, mostrando aos médicos a localização do câncer. Segundo muitos médicos e pesquisadores essa técnica reduz em muito a necessidade de cirurgias exploratórias.
Essas mesmas idéias são usadas em diversas outras aplicações de fusão de imagens. Um exemplo cotidiano são as imagens meteorológicas, onde imagens funcionais obtidas de satélite (primeira imagem da figura 2) podem ser fundidas com as imagens vetoriais estruturais (segunda imagem da figura 2), permitindo uma rápida identificação da posição de concentração das nuvens (terceira imagem da figura 2) nas diferentes regiões de um paÃs [3]. Essa mesma caracterÃstica é usada em diversas outras técnicas de fusão de imagens.
Figura 2: Outras imagens que combinam a fusão de informação[3].
No projeto em questão, especificamente, pretende-se combinar videoscopias com tomografias e ressonâncias. Pois estes bancos de imagens já estão disponÃveis no IBEC em Londres. Estas formas não podem ser, até hoje, obtidas em uma única captura por um único aparelho. Mas, segundo as projeções da linha de imagens médicas podem um dia ser acopladas em um frame integrado com todos os exames seriam feitos simultaneamente [10].A idéia básica das imagens de CT é que cada tecido apresenta uma densidade especÃfica ao raio-X, não importando onde estejam. Por exemplo, o osso do crânio tem densidade muito semelhante a osso da perna, pele da face e pele do pé. O fÃgado e rim têm certa semelhança (ricos em água), porém são arquiteturalmente bem diferentes. O cérebro é rico em gorduras (isolantes elétricos), mas é algo bem diferenciado (com regiões diferentes dentro dele) e com arquitetura também bastante diferenciada.
As imagens de Ressonância Magnética são geradas pela diferença de intensidade de prótons em um campo magnético de alta potência que possibilita a orientação do spinning dos prótons das moléculas (heterogêneas) no interior do corpo humano. A imagem é gerada pelo registro do tempo de relaxamento dos prótons ao retornarem a orientação inicial. Tem muito bom contraste permitindo identificação dos diversos tecidos, pois o tempo de relaxamento é extremamente sensÃvel à s diferentes caracterÃsticas fÃsicas e quÃmicas dos diversos tecidos de órgãos e partes do corpo.
As Endoscopias permitem outra forma de visão do interior do corpo humano em funcionamento (figura 3), por usarem câmeras de vÃdeo para permitir essa visão. O tamanho das câmeras de vÃdeo é muito variado. As maiores são geralmente usadas nas laringoscopias. Muitas são microscópicas e inseridas por fibras óticas dentro de artérias e veias. Para auxiliar as endoscopias do aparelho digestivo é possÃvel usar pÃlulas endoscópicas, como a mostrada na imagem da figura 3. Essa pÃlula desenvolvida pela Given Imaging Ltd, é um endoscópio sem fio, que por 24 horas transmite 2 imagens por segundo para um registrador/armazenador na cintura do paciente, esses dados são depois descarregados nas clÃnicas radiológicas ou hospitais para análise.
Figura 3 - PÃlula endoscópica sem fio (esquerda) [4]. Imagem de pilula endoscopica (WCE-wireless capsule endoscopy) de uma paciente de 47 anos com histórico de depressão e dores abdominais duradoras diagnosticada anteriormente como sÃndrome do intestino irritável (centro). Uma tomografia subseqüente do abdômen foi normal. Ela se submeteu então a uma colonoscopia. As imagens mostraram estenose suave do intestino delgado com úlceras, consistentes com a sÃndrome de Crohn [58].
Estes tipos de exames geram grande volume de dados. Atualmente a manipulação de grandes volumes de dados médicos se torna possÃvel devido aos sistemas de padronização das informações médicas no padrão DICON, que permite que qualquer tipo de exame ou histórico do paciente possa ser arquivado de maneira única: deste o exame clinico até os procedimentos cirúrgicos, durante toda a vida do paciente (figura 3). O DICOM permite a integração de dados de serviços médicos, o uso de banco de dados e a tramitação de textos. Seu uso facilita o monitoramento remoto, o processamento e transmissão de sinais biológicos e imagens médicas, o planejamento cirúrgico via visão computacional de procedimentos e vÃdeo conferências.
Usando técnicas de mineração de imagens, um amplo campo se abre. O processo de análise de imagens pode agora ser considerado em 3 nÃveis. No nÃvel mais básico o processamento de imagens considera um conjunto de técnicas de processamento de sinais bidimensionais para sua filtragem, alinhamento e realce. No nÃvel intermediário, técnicas de segmentação de imagens combinam imagens originadas de diferentes fontes [32] para distinguir objetos e suas propriedades nas imagens do mesmo órgão ou região obtidas por diferentes técnicas (figuras 4 a 9). No último nÃvel de processamento de informações, são identificadas as unidades semânticas e usadas técnicas de IA [33].
Figura 4. : Exemplo de importância de integração de informações mesmo na forma manual como é feita atualmente: em (A) Fistula enterocutanea facilmente visualizada em uma ressonância magnética T1 de pulso rápido ; em (B) Raio x onde há um indicativo de fistula no intestino delgado da mesma paciente , mas muito menos claro.
Embora haja mais de 20 anos de pesquisa, e muito já tenha sido feito no que tange ao desenvolvido um conjunto de técnicas básicas de processamento de imagens, ainda não há técnicas capazes de realizar de forma definitiva e automática a segmentação de imagens de forma adequada para diferentes aplicações médicas [34]. No entanto, pretende-se contribuir nesta direção neste projeto, ainda que a complexidade do assunto seja um desafio constante na área, bem como incluir pelo menos em casos especÃficos, a ultima etapa, onde a transformação de objetos para entidades semânticas representa um desafio cientÃfico ainda muito pouco tratado e certamente longe de ser não resolvido. O desafio do uso das técnicas de mineração de dados [31] em grandes bancos de dados de imagens é duplo: além de reconhecer e extrair informações semanticamente significativas é necessário fazer isto de maneira eficiente. A literatura recente apresenta um número de estudos e pesquisas neste campo ainda que em outras aplicações [35,36,39].
Figura 5 Exemplo de tentativas de integração de informações com uso de processamento de imagens. Nas 3 imagens superiores é feita uma análise em buscando a diferenciação entre pólipos, dobras e lúmen: (a) mostra imagems axiais onde os possÃveis pólipos estão marcados por quadrados em RM; (b) pólipos marcados por setas; (c) vista endoluminal 3D onde os pólipos são as regiões mais claras, as dobras identificadas em cinza claro e as paredes em cinza escuro [60]. Nas imagens inferiores angiografias mostrando a bifurcação da carótida registradas de 3 formas diferentes já processadas com mesma orientação: (esquerda) ultrasson B-mode, 3D Power Doppler (PD) (centro) e ressonância magnética (Magnetic Resonance Angiography- MRA)
Descoberta de conhecimento em bancos de dados (DCBD) é o processo de identificar em dados padrões que sejam válidos, previamente desconhecidos, potencialmente úteis e compreensÃveis, visando melhorar o entendimento de um problema e os procedimentos de tomada de decisão [29]. Mineração de dados é a etapa em DCBD responsável pela seleção dos métodos a serem utilizados para localizar padrões nos dados, seguida da efetiva busca por padrões de interesse numa forma particular de representação, juntamente com a busca pelo melhor ajuste dos parâmetros do algoritmo para a tarefa em questão. Mineração de dados em imagens utiliza técnicas de DCBD respeitando a enorme complexidade deste domÃnio.
Figura 6: Outros exemplos de fusão de imagens dirigida ao diagnóstico [61], neste caso imagens do jejuno adquiridas por endoscopia de balão duplo em (a) observe área de pigmentos mais escuros próximos à s bordas da lesão. (b) mucosa do jejuno com edemas e eritemas. (c) estudo radiográfico com contraste especifica do jejuno. A aparência de Âpilha de moedas é devido ao espessamento das pregas da mucosa.
No processo de mineração de dados as imagens de um acervo são recuperadas segundo critérios inerentes à aplicação. A seguir, uma fase de pré-processamento aumenta a qualidade dos dados, os quais são então submetidos a uma série de transformações e de extração de caracterÃsticas que geram importantes informações a respeito das imagens. A partir destas informações, a mineração pode ser realizada através de técnicas especÃficas, com o intuito de descobrir padrões significativos. Os padrões resultantes são então interpretados e avaliados para a obtenção do conhecimento final, que pode ser aplicado no entendimento de problemas ou em outras atividades estratégicas [39].
Figura 7: Outro exemplo de fusão de imagens dirigida ao diagnóstico [62]: (A) Paciente com doença de Crohn e lesão tÃpica no jejuno (parte do meio do intestino delgado) (indicado pelas setas). O colo com inflamação apresentava aparência normal na imagem de ressonância magnética. (B) Colonoscopia convencional do mesmo paciente revelando eritema mucoso e ulcera severa no colo sigmoid.
A mineração de dados em imagens não consiste simplesmente na aplicação de técnicas de mineração de dados em bancos Âconvencionais a este novo tipo de domÃnio: imagens. Há diferenças importantes entre estes bancos convencionais e os de imagens que incluem [39]:
Figura 8 Fusão de informação de ultrason e Dopler [58]: (A) Ultrason abdominal em adolescente com sÃndrome de Crohn ileal conhecida e sintomas sugestivos de pequena obstrução no intestino. O eco grama revela pequeno nó com mudança na espessura da parede (14mm, mostrados pelas setas no lado esquerdo) no quadrante superior direito corresponde ao ileum não terminal . (B) Ultrason Doppler de alto pulso abdominal de adolescente com sÃndrome de Crohn ileal conhecida e sintomas sugestivos de pequena obstrução no intestino. O estudo revela uma área muito aumentada de fluxo sanguÃneo da mucosa intra-mural, com mais de 5 vasos/cm2 de área na espessura da parede do intestino (estrela) . A densidade de vasos é normal na área marcada com + , adjacente ileal. Estes achados são compatÃveis com um sintoma obstrutivo de natureza inflamatória
Um desafio fundamental na mineração de imagens é determinar como a representação de pixel (baixo nÃvel) que está contida numa imagem ou numa seqüência de imagens, pode ser processada para identificar objetos e relacionamentos espaciais em alto nÃvel. Neste projeto os aspectos de extração do conhecimento devem ser realizados principalmente em nÃvel de imagem.
Embora já existam relatos de alguns passos na direção de protótipo de sistema de mineração de dados espaciais, nada ainda está realmente feito no sentido de identificar formas por fusão de imagens e dados de diferentes tipos.
Figura 9 Fusão de informação de endoscopia e ultrason [59] em diagnostico de Carcinoma Sumucosal tipo sm3: (A) visão endoscópica: tumor submucosal com partes em depressão e elevação e ulcerações. (B) Ultrasonografica endoscopica de alta resolução mostrando a infiltração do tumor na submucosa , com extensão para a terceira camada submucosa: mucosa (m) , mucosas musculares ( muscularis mucosae) (mm) ; submucosa (sm) e muscularis própria (mp)
1. A. Conci, I. N. Ferraz, A. C. B. Garcia, P. Y. Bürkle, R. H. C. de Melo, "Particle Analyzer: an hybrid approach for microscopic granulometry" proceedings of International Workshop on Systems, Signals and Image Processing - IWSSIP'04 - ISBN 83-906074-8-4 Ed. By M. Bartkowiak, M. Domanski, T. Grajek, R. Stasinski, R. Swierczynki, T. Rosinski. pp. 39-42 - Poznan, Polonia. 2. Rafael H. C. de Melo, Evelyn de A. Vieira, Aura Conci, ÂComparing two approaches to compute Lacunarity of MammogramsÂ, Proceedings of the IEEE Signal Processing Society: 13th IWSSIP - International Conference on Systems, Signal and Image Processing and Semantic Multimodal Analysis of Digital Media, realizado em Budapest, Hungria (de 21 a 23 de September, 2006), ISBN 80-89082-09-2 (Printed Proceedings), Ed. Balazs, E., Reichardt, A. sponsors: IEEE, EURASIP, and The IEE. pp . 299-302. 3. http://www.ic.uff.br/~aconci/Tomografia.html 4. http://www.ic.uff.br/~aconci/Endoscopia.html 5. E. L. Chaney and S. M. Pizer (1992), ÂDefining anatomical structures from medical imagesÂ, II Seminar in Radiation Oncology, vol.2, pg.215-225. 6. M.Stella Atkins, Blair T. Mackiewich (1998), ÂFully Automatic Segmentation of the Brain in MRIÂ, IEEE Transactions on Medical Imaging, vol.17, n.1 7. Stephanie R. Sandor, Richard Leahy (1992), ÂAutomatic Recognition of Brain Regions from Magnetic Resonance ImagesÂ, Signal&Image Processing Institute, IEEE 1058-6393, pg.172-177 8. American College of Cardiology, American Heart Association. ACC/AHA guidelines for the management of patients with ST-elevation myocardial infarction, 2004. 9. European Society of Cardiology, Task Force on the Management of Acute Myocardial Infarction. Management of acute myocardial infarction in patients presenting with ST-segment elevation. European Heart Journal, vol. 24, pp. 28 66, 2003. 10. J. S. Duncan, and N. Ayache - "Medical Image Analysis: Progress over 2 decades and the challenges ahead" - IEEE Transaction on Pattern Analysis and Machine Intelligence, vol 22. No.1 January 2000. 11. F. Aguiar, F. J. Castro, D. Dacal e A. Conci, "Um sistema para melhoria de mamogramas utilizando técnicas de processamento de imagens regionais", apresentado no DINCON'2005 - 4o Congresso Temático de Dinâmica, Controle e Aplicações, 6-10 de junho de 2005 anais do IV Congresso Temático d Dinâmica Controle e Aplicações, Série Arquimedes Vol. 4. ISBN 85-86883-24-7, SBMAC. Eds. J. M. Balthazar et al. pp. 1089-1096 12. Conci, A., Corrêa, R., ÂUm Sistema Auxiliar na Identificação de Pontos Importantes para a Análise de Imagens LaringoscópicasÂ, Abstracts do CILAMCE 2000, 21st Iberian Latin American Congress on Computational Methods in Engineering , 6 a 8 de dezembro de 2000, IMPA, Rio de Janeiro, Edited by Luiz Eloy Vaz, ISBN 85-901717-1-x , p. 197. 13. Conci, A., Pedreira, C. E., Wanderley, R.C.T., ÂUm Sistema Gráfico Interativo para Simulação Tridimensional do Crescimento TumoralÂ, Resumo das Comunicações do XIII CNMAC - Congresso Nacional de Matemática Aplicada e Computacional, p. 82, 26 a 29 de novembro de 1990, Ãguas de Lindóia. 14. Correa, R.D. Conci A. "The Utilization of the Moments on Symmetry Determination in Laryngoscopic Image Processing", Proc. do CNMAC 2002 - XXV Congresso Nacional de Matemática Aplicada e Computacional, Friburgo, 2002, 16 a 19 setembro 2002, Nova Friburgo RJ. 15. I. N. Ferraz , A. Conci, "Processamento de Imagens na Tomografia Computadorizada", Série Arquimedes, Volume 2, Anais do DINCON 2003, pp. 2856-2876. 2º Congresso Temático de Aplicações de Dinâmica e Controle da Sociedade Brasileira de Matemática Aplicada e Computacional (SBMAC). São José dos Campos, SP, Brasil, 18-22 Agosto de 2003,. 16. Ulysses, J.N., Conci, A. "Speech Orientation Animation System to Disabled People", 15th Brazilian Symposium on Computer Graphics and Image Processing, Fortaleza, CE. 7/10 a 10/10/2002 Proc. Sibgrapi 2002, p. 422, ISSN - 150-1843/02 - Edited By L.M.G. Gonçalves & S.R.Musse, Publised by IEEE Comp.Society.. 17. Leta, F. R., Conci, A, Pamplona, D., Pitanguy, I., ÂManipulating Facial Appearance Though Age ParametersÂ, anais do SIBGRAPI 96- Simpósio Brasileiro de Computação Gráfica e Processamento de Imagens, Caxambu, MG, 24 a 27 de outubro, 1996, pp. 172-176. 18. Conci, A., Soares , L.M., Vianna, A.D. ÂIdentification of Benign and Malignant Lesion by Feature Extraction on Mammographic ImagesÂ, Vol. 6, pp. 53-56, Proceedings of VI Pan American Congress of Applied Mechanics - PACAM and 8Th International Conference on Dynamic Problems in Mechanics - Rio de Janeiro, 4-8, Jan. 1999. 19. Soares, L.M., Conci, A., Vianna, A.D., ÂAutomated Classification of Masses on MammographyÂ, SIBGRAPIÂ98  apresentado no International Symposium on Computer Graphics, Image Processing and Vision, IMPA-Rio de Janeiro - RJ, de 20 a 23 de outubro 1998, pp. 1-4, published electronically at http://www.ifas.sc.usp/visao/sib98/proceedings. 20. Conci, A, Soares, L. M. , ÂIdentificação de Câncer e Tumores dos Seios pela Analise da Forma de suas ImagensÂ, vol. 3 dos anais do IV Congreso Iberoamericano de IngenierÃa Mecánica, CIDIM Â99, Santiago do Chile, Universidad de Santiago de Chile, ISBN 956-7069-41-7 e 959-7069-44-1, pp. 200-204 21. Leta, F.R., Conci, A., ÂUma Proposta de Taxonomia para Modelos de Aquisição e Visualização de Dados da Cabeça HumanaÂ, anais do XVII CNMAC Congresso Nacional de Matemática Aplicada e Computacional, pp. 653-657, 29 ago./ 2 set,1994. 22. BartrolÃ, A. V.; Wegenkittl, R.; König, A.;Gröller, E.; Sorantin, E. Virtual Colon Flattening. VisSym'01, Junta Eurográfica -IEEE TCVG Simpósio de Visualização,p.127-136, 2001. 23. Hong, L.; Muraki, S.; Kaufman, A.; Bartz, D.; He, T. Virtual Voyage: Interactive Navigation in the Human Colon. SIGGRAPH '97, p. 27-34, 1997. 24. Magoulas, G. D.; Plagianakos, V. P.; Tasoulis, D. K.; Vrahatis, M. N. Tumor Detection in Colonoscopy Using the Unsupervised k-Windows Clustering Algorithm and Neural Networks. 4ª Simpósio Europeu em Engenharia Biomédica, Sessão 3, Grécia, 2004. 25. Maroulis, D. E.; Iakovidis, D. K.; Karkanis, S. A.; Karras, D. A. CoLD: a Versatile Detection System for Colorectal Lesions in Endoscopy Video-Frames. Computer Methods and Programs in Biomedicine, v. 70, p. 151-186, 2003. 26. Vining D. J. Interactive 3-D virtual endoscopy flies viewer through the body. Diagnostic Imaging. p.127-129, 1996. 27. R.Bharat Rao. Et al, Computer Aided Detection via Asymmetric Cascade of Sparse Hyperplane Classifiers. In : KDDÂ06, August 20Â23, 2006, Philadelphia, Pennsylvania, USA. 28. Collier, K. et al. A methodology for evaluating and selecting data mining software. In: Hawaii International Conference on System Sciences, 32., 1999, Maui HI. Proceedings. Maui HI: IEEE,1999. p.2-6. 29. Fayyad, U.; Uthurusamy, R. Data mining and knowledge discovery in databases. Communications of the ACM, New York, v. 39, n. 11, p. 26, Nov. 1996. 30. Han, J.; Koperski, K.; Stefanovic, N. GeoMiner: A System Prototype for Spatial Data Mining, in ACM SIGMOD International Conference on Management of Data, Arizona, 1997. p. 553-556. 31. Han, J.; Kamber, M. Data mining  concepts and techniques. San Francisco: Morgan Kaufmann Publishers, 2001. 32. Mather, P. M. Computer Processing of Remotely-Sensed Images. Second Edition. John Wiley & Sons, 1999. 292 p. 33. S. J. Russell & P. Norvig . Artificial Intelligence: A Modern Approach - Prentice Hal, 1132 páginas. ISBN 0137903952. 34. Schowengerdt, R. A. Remote Sensing  Models and Methods for Image Processing. Second Edition. Academic Press, 1997. 522 p. 35. Thies, C.; Metzler, V.; Aach, T. Content-Based Image Analysis: Object Extraction by Datamining on Hierarchically Decomposed Medical Images. Institute of Medical Informatics, Germany, 2003. 36. University of Alabama in Huntsville ADaM 4.0.0 Documentation (Draft). [online], 2003.. Visitado em 2 janeiro 2007. 37. B. Zadrozny. One-Benefit Learning: Cost-Sensitive Learning with Restricted Cost Information. In Proceedings of the Workshop on Utility-Based Data Mining at the Eleventh ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (UBDM@KDD'05). 38. Zhang, J.; Hsu, W.; Lee, M. An Information-Driven Framework for Image Mining, in: DEXA. Anais. : National University of Singapore, 2001.p. 232-242. 39. Zhang, J.; Hsu, W.; Lee, M. Image Mining: Trends and Developments. Kluwer Academic, 2002. 40. Leta, F. Conci, A. Pamplona, D., Pitanguy, I., ÂMechanics of Facial AgingÂ, CD do XIV- COBEM - Congresso Brasileiro de Eng. Mecânica, Bauru - SP, 8-12 de dezembro de 1997. 41. Leta, F.R., Pamplona, D., Conci, A. Pitanguy, I., ÂEnvelhecimento Facial- Modelagem e RepresentaçãoÂ, V ERMAC - Encontro Regional de Matemática Aplicada e ComputacionalÂ, SBMAC, PUC-RJ, 27 a 29 de maio de 1998, pp. 27-32. 42. Leta, F. Conci, A. Pamplona, D., Weber, H., Salgado, F. ,Pitanguy, I., ÂManipulação e Modelagem Numérica do Envelhecimento Frontal da FaceÂ, anais do III FNCTS - Fórum Nacional de Ciência e Tecnologia da Saúde, vol. 1, pp. 10-11, novembro 1996. 43. Leta, F.R., Conci, A. Pamplona, D. Pitanguy, I., ÂWarping of Women Face Considering Age ChangesÂ, Anais do COMPUGRAPHICSÂ96 - 5th International Conference on Computational Graphics and Visualization Techniques- Visualization and Graphics on the World Wide Web - Nogentel - Paris - France - December, 16-18,1996, pp. 100-104. 44. Leta, F.R., Conci, A. Pamplona, D. E Pitanguy, I., ÂA Model for Face AgingÂ, IWSNHC3DIÂ97- Proceedings of International Workshop on Synthetic-Natural Hybrid Coding and Three Dimensional Imaging , de 5 a 9 de September de 1997 em Rhodes  Grécia, pp. 204-207, URL: http://www.uranus.ee.auth.gr/IWSNH3DIÂ97/ 45. Leta, F., Conci, A., Pamplona, D. "Graphical Modeling for Facial Aging - a new approach", proceedings of 10th International Workshop on Systems, Signals and Image Processing - IWSSIP'03 , September 10-11, 2003 - Prague, Czech Republic- Czech Technical University in Prague, 254-261, ISBN: 80-86645-05-3, B. Simak, P. Zahradnik, Ed. 46. Leta, F.R., Pamplona, D., Weber, H.I., Conci, A. E Pitanguy, I., ÂA Study of the Facial AgingÂ, Journal of the Braz. Soc. of Mechanical Sciences, RBCM- ISSN 0100-7386, Ed. ABCM volume XXII, No. 3, pp. 489-501, 2000. 47. Conci, A, Castro, E. M. M. M., ÂImage Mining by Color ContentÂ, Proceedings of 2001 ACM International Conference on Software Engineering & Knowledge Engineering, Buenos Aires, Argentina SEKE 2001: JUNE 13 - 15, 2001, KSI - Knowledge Systems Institute, 405-411,ISBN 1-891706-06-3, KSI ,Skokie,USA: http://www.ksi.edu. 48. Conci, A, Castro, E E. M. M. M., "Image mining by content", Journal of Expert Systems with Application, ISSN 0400-5000, Devon, UK, Ref.: ESWA 1003, URL: http://www.elsevier.com/locate/ewsa, Journal No. 939 - Elsevier Science UK, Vol 23, Issue 4, article no. 1003,pp. 377-383, 2002. 49. A. Conci, R.H. C. de Melo, Técnicas de Melhoria e Reconhecimento de Formas por Imagens, Mini Cursos Apresentado no DINCON'2005, publicado nos anais do IV Congresso Temático de Dinâmica Controle e Aplicações, Universidade Estadual Paulista, Campus de Bauru, 6 a 10 de junho de 2005, Bauru, SP, Série Arquimedes Vol. 4. ISBN 85-86883-24-7, SBMAC. Eds. J. M. Balthazar et al. pp. 2149-2180 50. Melo, R. H. C.; Vieira, E. A.; Conci, A.; Characterizing the lacunarity of objects and image sets: its use as a technique for the analysis of textural patterns, Lecture Notes in Computer Science Eds. J. Blanc-Talon, W. Philips, D. Popescu, P. Scheunders - Advanced Concepts for Intelligent Vision Systems - LNCS 4179 , ISSN 0302-9743, ISBN-10 3-540-44630-3, ISBN-13 978-3-540-44630-9, Springer, (2006) 208-219. 51. Nunes, E.O., Conci, A. "Segmenting Multi Bands Images by Color and Texture Analysis", proceedings 10th International Workshop on Systems, Signals and Image Processing - IWSSIP'03 , September 10-11, 2003 - Prague, Czech Republic- Czech Technical University in Prague, pp. 231-234. ISBN: 80-86645-05-3, B. Simak, P. Zahradnik, Ed. 52. Conci, A. Proença, C.B., ÂA Box-Counting Approach to Color Image SegmentationÂ, ICIPÂ97 Conference Proceedings on CD-ROM paper No. 1265 - IEEE 4th International Conference on Image Processing, Santa Barbara, California USA, de 26 a 29 de outubro de 1997.pp. 229-230, vol. 1, ISBN 0 646 34170 7, web site: http://www.ece.ucsb.edu/icip97/ 53. Ulysses, J.N., Baptista, S. P., Conci, A.ÂModelagem Biomecânica dos Músculos da Face e da LÃngua Visando Manipulação de Expressões e Fala com Experimentação ComputacionalÂ, I Encontro Nacional de Engenharia Biomecânica Petrópolis-RJ 23/05/2007 a 25/05/2007 54. Monteiro,D.N.B., Conci, A.ÂUm Estudo Sobre Técnicas de Melhorias para Auxilio ao Diagnóstico e Visualização 3D de Imagens Médicas no Formato DICOMÂ, I Encontro Nacional de Engenharia Biomecânica Petrópolis-RJ 23/05/2007 a 25/05/2007 55. Melo, R.H, Conci, A.ÂIdentificação de tumores dos seios pela análise de suas imagesÂ, I Encontro Nacional de Engenharia Biomecânica Petrópolis-RJ 23/05/2007 a 25/05/2007 I Encontro Nacional de Engenharia Biomecânica Petrópolis-RJ 23/05/2007 a 25/05/2007 56. Vasconcelos, N. C. M. Conci, A.Freitas, M.G., ÂProposta de uma metodologia de diagnóstico para detecção da atividade corticomuscular em epilepsias mioclônicasÂ. I Encontro Nacional de Engenharia Biomecânica Petrópolis-RJ 23/05/2007 a 25/05/2007 57. Silva, S.V. Conci, A.ÂTécnicas Utilizadas na Colonoscopia VirtualÂ, I Encontro Nacional de Engenharia Biomecânica Petrópolis-RJ 23/05/2007 a 25/05/2007 58. B A MacKalski and C N Bernstein, New diagnostic imaging tools for inflammatory bowel disease, Downloaded from on 14 August 2006 gut.bmjjournals.com , pp. 733-741 59. A May, E Günter, F Roth, L Gossner, M Stolte, M Vieth and C Ell Accuracy of staging in early oesophageal cancer using high resolution endoscopy and high resolution endosonography: a comparative, prospective, and blinded trial Downloaded from on 14 August 2006 gut.bmjjournals.com pp.634-640 60. Hiroyuki Yoshida and Janne Näppi, ÂThree-Dimensional Computer-Aided Diagnosis Scheme for Detection of Colonic PolypsÂ, IEEE TRANSACTIONS ON MEDICAL IMAGING, VOL. 20, NO. 12, DECEMBER 2001 pp. 1261- 1274 61. Hironori Yamamoto and Hiroto Kita, Enteroscopy, Jounal of Gastroenterol 2005; 40: pp. 555Â562 62. A G Schreyer, H C Rath, R Kikinis, M Völk, J Schölmerich, S Feuerbach, G Rogler, J Seitz and H Herfarth Comparison of magnetic resonance imaging colonography with conventional colonoscopy for the assessment of intestinal inflammation in patients with inflammatory bowel disease: a feasibility studyDownloaded from on 14 August 2006 gut.bmjjournals.com 63. Piotr J. Slomka, Jonathan Mandelc, Aaron Fensterabc,Donal Downeyac, Automated 3D registration of Magnetic Resonance Angiography, 3D Power Doppler, and 3D B-mode ultrasound images of carotid bifurcation, SPIE.