Pesquisar e desenvolver procedimentos inovativos e na fronteira do conhecimento para o processamento avançado de imagens médicas e suas aplicações no diagnóstico auxiliado por computador e na modelagem computacional dos sistemas fisiológicos humanos.

As imagens hoje têm papel importante na medicina, pois permitem a visualização interna do corpo humano in-vivo, desta forma são uma ferramenta poderosa para auxílio aos diagnósticos. A visão computacional, a computação gráfica e o reconhecimento de padrões são áreas que evoluem rapidamente devido à demanda por soluções computacionais que possam contribuir com novas informações a partir dessas imagens. A área de visão computacional engloba técnicas baseadas em modelos físicos e matemáticos que realizam o processamento e análise de imagens de forma a caracterizá-las e assim simular computacionalmente a visão humana. A computação gráfica compreende métodos de visualização de dados em 3 dimensões (3D), que simulam estruturas de forma realística e o reconhecimento de padrões classifica informações baseadas em conhecimento a priori que podem ser características extraídas dos dados ou imagens. As atividades de pesquisa desenvolvidas no atual INCT-MACC (que se encerra em 2015) propiciaram um ambiente onde profissionais de simulação computacional, computação gráfica e medicina, colaboraram para a solução de problemas estratégicos em bioengenharia. Por um lado, este ambiente facilitou o desenvolvimento de ferramentas para atender as necessidades em computação gráfica e processamento de imagens para os projetos do instituto. Por outro lado, a interação entre os profissionais envolvidos permitiu que especialistas em visualização científica explorassem métodos em mecânica do contínuo para o desenvolvimento de novos algoritmos. É neste duplo contexto que as pesquisas desta área se inserem, de acordo com as atividades listadas a seguir. Esta linha de pesquisa tem por objetivo desenvolver ferramentas fundamentadas nestas quatro áreas: visão computacional, computação gráfica, reconhecimento de padrões e construção de modelos físicos 3D. Estas podem distinguir estruturas relevantes em imagens médicas, especialmente em modalidades com resolução milimétrica como o ultrassom intravascular ou micrométrica como a tomografia intravascular por coerência óptica. Em particular estas ferramentas permitem reconstruir a geometria de estruturas médicas relevantes para diagnose e para a modelagem computacional do comportamento dos sistemas fisiológicos em condições normais ou alterados por doenças ou procedimentos médicos e suas aplicações no planejamento cirúrgico.

Atividades

1. Estudo e desenvolvimento de modelos matemático-computacionais para processamento de imagens de ultrassom intravascular e angiografias ortogonais para reconstrução 3D de vasos coronários e para caracterização do fenótipo da placa de ateroma permitindo identificar tecidos fibrosos, fibro-lipídios, necróticos e calcificações, através de técnicas que envolvem a análise espectral do sinal de radiofrequência.
2. Estudo e desenvolvimento de modelos matemático-computacionais para processamento de imagens angiográficas e de ressonância magnética para a reconstrução 3D de vasos cerebrais incluindo reconstrução de aneurismas e de vasos coronários.
3. Estudo e desenvolvimento de modelos matemático-computacionais para análise de aneurismas cerebrais incluindo caracterização do “parent vessel”, do “saco aneurismal” e “pescoço” visando a definição automática de índices morfológicos associados ao aneurisma.
4. Desenvolvimento de um modelo matemático que represente as diferentes camadas da parede vascular: íntima, média e adventícia; além de diferenciar tecidos e sua composição (cálcio, lipídio ou fibra) em imagens intravasculares de tomografia por coerência óptica (OCT), assim como propor um conjunto de ferramentas computacionais que possam representar distintamente os diversos tecidos envolvidos na parede vascular presente em imagens de OCT e quantificá-los de forma automática;
5. Estudo e desenvolvimento de métodos para o processamento de volumes de imagens de ortopedia a partir imagens de tomografia computadorizada e de ressonância magnética para análise de parâmetros biomecânicos;
6. Explorar métodos de interpolação para obter a reconstrução tridimensional a partir de um conjunto de seções transversais (imagens) de um objeto. Aplicação de métodos baseados em redes neurais, aprendizagem estatística e transformada wavelet para geração de descritores para os objetos obtidos.
7. Desenvolvimento de métodos para segmentação via entropia e rastreamento (tracking) de imagens médicas, com aplicação de modelos deformáveis e fluxo ótico.
8. Desenvolvimento de modelos para cálculo de fluxo ótico e processamento de imagens usando wavelets com aplicações para rastreamento (tracking).
9. Explorar métodos dos conjuntos de níveis e derivada topológica com aplicações para registro de imagens.
10. Aplicação de modelos massa-mola e conceitos em análise isogeométrica com aplicações para modelagem de tecidos flexíveis dentro de simuladores médicos em ambientes de realidade virtual.
11. Aplicação de métodos de aprendizagem estatística (SVM, LDA, PCA, etc.) para classificação de imagens, segmentação, recuperação de imagens e objetos em bancos de dados e redução de dimensionalidade.
12. Desenvolvimento de métodos para recuperação de informação e mineração de dados em bancos de imagens via métodos baseados em representação tensorial e aprendizado de variedades.
13. Integração entre modelos estatísticos envolvendo forma e textura, modelos deformáveis e técnicas de aprendizagem para modelagem, renderização e animação de faces com vistas a aplicações em bioengenharia craniofacial.
14. Desenvolvimento de técnicas de manufatura aditiva para construção de modelos físicos tridimensionais de estruturas cardíacas a partir de imagens médicas.
15. Estudos sobre a funcionalidade de dispositivos médicos costumizados de acordo com a anatomia do paciente.

Metas

1. Até final de 2019: Desenvolver um conjunto de métodos para quantificação de estruturas em imagens intravasculares de tomografia de coerência óptica.
2. Até final de 2019: Desenvolver um conjunto de métodos para caracterização de tecidos em imagens de ultrassom intravascular.
3. Até final de 2019: Desenvolver um conjunto de métodos para análise de parâmetros biomecânicos, disponibilizados em interface de fácil utilização.
4. Até final de 2017: Desenvolver metodologia para reconstrução tridimensional, via interpolação, a partir de um conjunto de seções transversais (imagens) de um objeto.
5. Até final de 2017: Desenvolver metodologia para representação de bancos de imagens e redução de dimensionalidade via álgebra multilinear (tensores)
6. Até final de 2017: Desenvolver metodologia para redução de dimensionalidade via aprendizado de variedades.
7. Até final de 2019: Desenvolver protótipo incluindo técnicas de extração de características, redução de dimensionalidade, redes neurais, aprendizagem estatística, transformadas para classificação, segmentação e recuperação de imagens e objetos em bancos de dados.
8. Até final de 2021: Desenvolver metodologia para processamento via entropia, rastreamento (tracking) em imagens médicas, com aplicação de modelos deformáveis, fluxo ótico e derivada topológica.
9. Até final de 2019: Desenvolver metodologia baseada em modelos massa-mola e conceitos em análise isogeométrica para modelagem de tecidos flexíveis para simuladores médicos em ambientes de realidade virtual.
10. Até final de 2019: Desenvolver métodos para recuperação de informação e mineração de dados em bancos de imagens via métodos baseados em representação tensorial e aprendizado de variedades.
11. Até final de 2021: Desenvolver protótipo com integração de modelos estatísticos de aprendizagem, modelos deformáveis e renderização (rendering) para aplicações em bioengenharia craniofacial.
12. Até final de 2019: Aprimorar métodos de detecção automática de bacilos da tuberculose, a partir do desenvolvimento de técnicas de fusão de imagens de microscopia convencional.
13. Até final de 2019: Desenvolver um algoritmo para diferenciação de lesões de mama em imagens de ultrassom, a partir de características de texturas e parâmetros morfométricos, utilizando um classificador de novidades;
14. Até final de 2021: Contribuir para o atingimento da meta 6 dos “Objetivos de desenvolvimento do Milenio (WHO report, 2013)”  através do o desenvolvimento de um método de auxílio ao diagnóstico da malária usando imagens de microscopia.
15. Até final de 2019: Obtenção de modelos físicos tridimensionais de estruturas cardíacas a partir de imagens digitais.
16. Até final de 2021: Construção de estruturas complexas via imagem computacional utilizando uma combinação de materiais avançados biocompatíveis para avaliação pré-clínica.

Impactos

• Melhora da qualidade dos diagnósticos a partir de imagens médicas.
• Aumento da eficiência nos procedimentos de aquisição e na combinação destes procedimentos para tomada de decisão.
• Redução nos custos operacionais associados com o procedimento de aquisição de imagens médicas.
• Disponibilização de ferramentas abertas para processamento de imagens para o uso pela comunidade médica em geral.
• Formação de Recursos Humanos: Os temas de pesquisa em questão estão sendo desenvolvidos com a participação de alunos da pós-graduação e graduação das instituições envolvidas.
• Aplicação de manufatura aditiva no desenvolvimento de dispositivos e implantes médicos costumizados.
• Criação de escores quantitativos para avaliação de riscos e benefícios associados a uma determinada terapia ou procedimento cirúrgico.