Em estruturas médicas que variam com o tempo, como é o caso das cavidades cardíacas, a simples segmentação bidimensional ou tridimensional (2D, 3D) não é suficiente para as diversas quantificações fundamentais na área médica, tais como o estudo da movimentação regional, energia cinética e a contração efetiva das paredes cardíacas. A maior dificuldade reside na severa e complexa movimentação da superfície cardíaca durante a contração, tornando extremamente difícil o acompanhamento (não invasivo) da trajetória de cada elemento do contorno ou da superfície. O objetivo deste trabalho é pesquisar e desenvolver métodos para a estimativa do mapeamento (tracking) de cada ponto significativo do contorno inicial ao longo da evolução temporal de estruturas deformáveis. Os métodos serão baseados em contornos/superfícies e não exigirão marcas físicas ou induzidas nos tecidos, como ocorre com "MR tagging". Será utilizado o termo contorno para designar tanto curvas 2D quanto superfícies 3D. Estas abordagens poderão então ser empregadas em qualquer modalidade de imagens médicas. Inicialmente são apresentados dois métodos para o tracking, sendo o primeiro baseado em contornos intermediários obtidos a partir de interpolação; e o segundo através da programação dinâmica aplicada diretamente sobre os elementos entre os contornos originais. Ambos os métodos podem ser facilmente estendidos, tanto teoricamente quanto do ponto de vista computacional, para o caso tridimensional. A quantificação da dinâmica é severamente influenciada pela qualidade da segmentação das estruturas 2D e 3D. Há consenso de que a segmentação totalmente automatizada em Medicina não é adequada [Udupa, 2000], devido às diferentes modalidades médicas de imageamento, relação sinal/ruído, complexidade das estruturas, etc. ) Conseqüentemente, torna-se fundamental colocar à disposição do Radiologista várias ferramentas de edição e aceitação. O problema torna-se crítico no caso de estruturas dinâmicas 3D, pois o processamento envolve, em vários protocolos, centenas de cortes 2D ou milhões de voxels. Neste contexto, são apresentadas algumas metodologias para a segmentação semi-automática n-dimensional de estruturas médicas, que não dependam de modalidades e órgãos. Em especial, a segmentação baseada em clusters n-dimensionais, conectividade fuzzy competitiva, expansão do balão e simulated annealing.

Sem abstracts