Página Pública de Eventos da (UFPB)

SIGEventos - Sistema Integrado de Gestão de Eventos

Sobre o Evento

Tipo do Evento:

CURSO

Período do Evento:

09/06/2020 a 13/08/2020 (Evento encerrado)

Sobre:

OBJETIVOS:

Entender o que são imagens digitais, como melhorar sua qualidade e métodos de análise. Estudar imagens microscópicas obtidas de processos biológicos e patológicos significativos ao desenvolvimento do ensino, ciência e tecnologia aplicados à saúde, compreendendo desde a aquisição de imagens digitais, ao seu processamento para melhoria de qualidade e suas análises qualitativas e quantitativas para obtenção de informações adicionais sobre os sistemas estudados.

CONTEÚDOS ABORDADOS:

UNIDADE I: Porque analisar imagens em saúde? O que são imagens digitais. Diferentes modalidades de imagem. Objetivos da análise de imagem. Entendendo a digitalização de imagens. Melhoria da qualidade da imagem e artefatos na imagem. Noções de dimensões espacial e temporal. Tamanho dos dados da imagem e metadados. Redimensionamento de imagens.

UNIDADE II: Ferramentas para análise de imagem em saúde. Morfometria Computacional: análises qualitativas, semi-quantitativas e quantitativas. Bases da quantificação em imagens. Escala de Medida. Identificação de dados mensuráveis. Bases morfométricas. Segmentação de imagens. Introdução aos métodos de análise de imagens. Matriz integradora de pontos. Análises de formas. Análises de cores. Análises de movimento. Morfometria interativa e automatizada. Métodos lineares e não-lineares.

METODOLOGIAS E RECURSOS DIDÁTICOS:

Exposição dialogada, vídeos, slides e softwares (freeware). As aulas expositivas abordando os temas propostos serão acompanhadas simultaneamente de práticas em computador usando software. Leitura de guia para usuário de softwares. Práticas de interpretação e análises de imagens microscópicas. Práticas em grupo remotas. Palestras. Recursos a serem utilizados: computador, software e internet.

BIBLIOGRAFIA BÁSICA:

1. Análise de imagens digitais : princípios, algoritmos e aplicações / Hélio Pedrini, William Robson Schwartz ; – São Paulo : Cengage Learning, 2008.

2. Ross, Michael H. Histologia: texto e atlas / Michael H. Ross, Wojciech Pawlina; Revisão técnica Telma Maria Tenório Zorn; Tradução Beatriz Araújo, Claudia Araujo, Patricia Lydie Voeux. – 7. ed. – Rio de Janeiro: Guanabara Koogan, 2018.

3. De Robertis, E. M. F., 1947- Biologia celular e molecular / Edward M. De Robertis, José Hib; tradução Iara Gonzalez Gil, Maria de Fátima Azevedo. - 16. ed. - Rio de Janeiro : Guanabara Koogan, 2017

4. TOENNIES, KD. Guide to Medical Image Analysis Methods and Algorithms. Springer-Verlag, London, 2012.

5. MADABHUSHI A, LEE G. Image analysis and machine learning in digital pathology: Challenges and opportunities. Medical Image Analysis 33:170–175, 2016.

6. ZHANG S, METAXAS D. Large-Scale medical image analytics: Recent methodologies, applications and Future directions. Medical Image Analysis. 33:98–101, 2016.

BIBLIOGRAFIA COMPLEMENTAR:

1. GRAHAM S, CHEN H, GAMPER J, DOU D, HENG P, SNEAD D, TSANG YH, RAJPOOT N. MILD-Net: Minimal information loss dilated network for gland instance segmentation in colon histology images. Medical Image Analysis. 52:199-211, 2019.

2. NIESSEN, WJ. MR brain image analysis in dementia: From quantitative imaging biomarkers to ageing brain models and imaging genetics. Medical Image Analysis. 33:107–113, 2016.

3. JIANG W, YIN Z. Seeing the invisible in differential interference contrast microscopy images. Medical Image Analysis. 34:65–81, 2016.

4. IGLESIAS JE, MODAT M, PETER L, STEVENS A, ANNUNZIATA R, VERCAUTEREN T, LEIN E, FISCHL B, OURSELIN S; A.D.N.I. Joint registration and synthesis using a probabilistic model for alignment of MRI and histological sections. Medical Image Analysis. 50:127-144, 2018.

5. MATL S, BROSIG R, BAUST M, NAVAB N, DEMIRCI S. Vascular image registration techniques: A living review. Medical Image Analysis. 35:1-17, 2017.

6. KHENED M, KOLLERATHU VA, KRISHNAMURTHI G. Fully convolutional multi-scale residual DenseNets for cardiac segmentation and automated cardiac diagnosis using ensemble of classifiers. Medical Image Analysis. 51:21-45, 2019.

CRONOGRAMA DAS AULAS

Aula Data O que será abordado?

1 09/06/2020 Porque analisar imagens em saúde?

O que são imagens digitais.

2 16/06/2020 Diferentes modalidades de imagem.

3 18/06/2020 Objetivos da análise de imagem.

4 23/06/2020 Entendendo a digitalização de imagens.

5 25/06/2020 Melhoria da qualidade da imagem e artefatos na imagem

6 30/06/2020 Noções de dimensões espacial e temporal.

7 02/07/2020 Tamanho dos dados da imagem e metadados.

Redimensionamento de imagens.

8 07/07/2020 Avaliação I

9 09/07/2020 Ferramentas para análise de imagem em saúde.

10 14/07/2020 Morfometria Computacional: análises qualitativas, semi-quantitativas e quantitativas.

11 16/07/2020 Bases da quantificação em imagens.

Escala de Medida.

12 21/07/2020 Identificação de dados mensuráveis.

Bases morfométricas.

13 23/07/2020 Segmentação de imagens.

14 28/07/2020 Introdução aos métodos de análise de imagens.

Matriz integradora de pontos.

15 30/07/2020 Análises de formas.

Análises de cores.

Análises de movimento.

17 04/08/2020 Morfometria interativa e automatizada.

Métodos lineares e não-lineares.

18 06/08/2020 Avaliação II

19 11/08/2020 Reposição

20 13/08/2020 Avaliação final

Inscrever-se