Modelos estatísticos de aparência para análise de imagens médicas e visão computacional

Modelos estatísticos de forma e aparência são ferramentas poderosas para interpretar imagens médicas. Assumimos um conjunto de treinamento de imagens em que pontos de referência correspondentes foram marcados em cada imagem. A partir desses dados, podemos calcular um modelo estatístico da variação de forma, um modelo da variação de textura e um modelo das correlações entre forma e textura. Com exemplos de treinamento suficientes, tais modelos devem ser capazes de sintetizar qualquer imagem de anatomia normal. Ao encontrar os parâmetros que otimizam a correspondência entre uma imagem de modelo sintetizada e uma imagem alvo, podemos localizar todas as estruturas representadas pelo modelo. Duas abordagens para a correspondência serão descritas. O Modelo de Forma Ativa essencialmente combina um modelo com contornos em uma imagem. O Modelo de Aparência Ativa encontra parâmetros do modelo que sintetizam uma imagem completa que é o mais semelhante possível à imagem alvo. Usando uma abordagem de decomposição de diferença, a diferença atual entre a imagem alvo e a imagem do modelo sintetizado pode ser utilizada para atualizar os parâmetros do modelo, levando a uma correspondência rápida de modelos complexos. Demonstraremos a aplicação de tais modelos a uma variedade de problemas diferentes.