Projetos de Iniciação Científica - Propostas 2014

Aviso

Vejam as propostas para 2015: IC-Projects-2015

1   Análise do software freesurfer para processamento e análise de neuroimagens

1.1   Descrição

FreeSurfer é uma ferramenta que reune um conjunto de algoritmos de análise e visualização de imagens estruturais e funcionais do cérebro. É a ferramenta mais utilizada em estudos de espessura cortical do cérebro e foi desenvolvida pelo Martinos Center for Biomedical Imaging.

O objetivo deste projeto é estudar esta ferramenta de modo a entender seus principais componentes e algoritmos implementados. Feito este primeiro reconhecimento da ferramenta, iremos avaliar a possibilidade de implementar parte dos algoritmos no ambiente Adessowiki, incorporando-os às demais ferramentas de análise de imagens médicas já desenvolvidas pelo grupo.

1.2   Pré-requisitos

  • conhecimentos básicos de programação

2   Desenvolvimento de ferramentas de extração de atributos de textura

2.1   Descrição

A área de reconhecimento de padrões em imagens apresenta várias aplicações nas mais diversas áreas (imagens médicas, sensoriamento remoto, entre outras) e tem se tornado um tema recorrente na pesquisa científica. Umas das etapas mais importantes nesse tipo de aplicação é a extração de descritores que representem a imagem, dentre os quais pode-se ressaltar: descritores de forma, cor e textura.

O objetivo do projeto é documentar e complementar a biblioteca de análise de textura [1] de código aberto, desenvolvida em python no adessowiki. O projeto já iniciado apresenta uma documentação limitada, faltando exemplos e casos de uso, assim como as equações que descrevem os métodos aplicados. Inicialmente, seria realizada a complementação da documentação já existente e o desenvolvimento de demonstrações que exemplifiquem as funções da biblioteca. Além disso, o estudante poderia generalizar os métodos já existentes para imagens em 3 dimensões (volumétricas), assim como desenvolver novos descritores.

2.2   Aprendizado esperado

O aluno irá aprender técnicas de processamento e análise de imagens e programação matricial em python e numpy.

2.3   Pré-requisitos

  • conhecimentos básicos de programação

2.4   Referências:

[1] H. Pedrini e W.R. Schwartz Análise de imagens digitais: princípios, algoritmos e aplicações. Thomson Learning (2008).

3   Caracterização das lesões cerebrais que possibilitam o estudo longitudinal

3.1   Descrição

Uma das tarefas mais relevantes na área de processamento de imagens é a descrição ou análise da imagem, na qual atributos relevantes são extraídos da imagem de forma a representá-la [1].

O objetivo deste trabalho é estudar e propor métricas de forma e textura para caracterizar a lesão, possibilitando o acompanhamento quantitativo da lesão ao longo do tempo. Para tal fim, será disponibilizado um conjunto de imagens do mesmo pacientes adquiridas em diferentes instantes de tempo. A primeira imagem do conjunto contendo a segmentação da lesão (região de interesse). Na primeira fase do projeto, esta mesma região deve ser visualizada nas outras imagens. A seguir, deve-se estudar este conjunto de regiões segmentadas afim de propor propor um conjunto de métricas que caracterizam as lesões e sua evolução. Essas métricas devem avaliar a variação no tamanho, forma e textura.

3.2   Aprendizado esperado

O aluno irá aprender técnicas de processamento e registro de imagens médicas e programação matricial em python e numpy.

3.3   Pré-requisitos

  • conhecimentos básicos de programação

3.4   Referências:

[1] R. Woods e R. C. Gonzalez, Processamento de Imagens Digitais, Edgard Blucher (2000).

4   Desenvolvimento de Ferramentas de Suporte para cursos on-line abertos e à distância

4.1   Descrição

O Adessowiki é uma plataforma colaborativa de escrita de documentos e programas científicos desenvolvida dentro de uma cooperação entre a Unicamp e o Centro de Tecnologia da Informação Renato Archer.

O Adessowiki tem sido utilizado com sucesso no apoio às disciplinas processamento de imagens e reconhecimento de padrões, tanto de graduação como de pós-graduação, na FEEC-Unicamp, no IME-USP, UDESC e UFL (Lavras), desde 2008.

Mais recentemente, o Adessowiki tem sido a plataforma de oferecimento des dois cursos on-line aberto no estilo MOOC (Massive Online Open Course) de processamento de imagens e reconhecimento de padrões com número de inscritos da ordem de 1750 na primeira edição e 1150 na segunda edição. Um dos principais diferenciais do Adessowiki no suporte a cursos de programação é a possibilidade dos programas serem desenvolvidos na própria plataforma e serem visualizados e acompanhados por todos os participantes do curso. Existem facilidades de comparação de desempenho dos tempos de execução destes programas que permite ordená-los de forma a agrupar os melhores programas.

O objetivo deste projeto de Iniciação Científica é o de aperfeiçoar e desenvolver ferramentas computacionais de apoio à gestão dos cursos (LMS - Learning Management Systems) de programação no Adessowiki baseado nas experiências anteriores com o curso de processamento de imagens e reconhecimento de padrões. Algumas destas ferramentas são: correção automática de programas, correção automática de testes múltipla escolha, sistema de reconhecimento por participação no curso, entre diversas outras.

O Adessowiki é desenvolvido com ferramentas abertas e gratuítas como o Python e Django.

4.2   Pré-requisitos

Experiência em programação. As ferramentas serão desenvolvidas na linguagem Python e Django - sistema de desenvolvimento de aplicações Web.

4.3   Referências:

      1. Lotufo, R. C. Machado, A. G. Silva, A. V. Saúde. Adessowiki - Collaborative Programming for Teaching Image Processing. Sibgrapi2009 - Workshop on Education and Graphic Processing. Rio de Janeiro, 2009
  • Arto Vihavainen, Matti Luukkainen, and Jaakko Kurhila. 2012. Multi-faceted support for MOOC in programming. In Proceedings of the 13th annual conference on Information technology education(SIGITE '12). ACM,

6   Toolbox de processamento de imagens na Max-Tree (Python/NumPy e Cython)

6.1   Descrição:

A Max-Tree é uma estrutura que representa uma imagem através da relação hierarquica de seus componentes conexos. Ela é uma estrutura bastante apropriada para implementar filtros conexos, i.e. filtros que não criam novos contornos e nem modificam os contornos já existentes da imagem. Já a linguagem de programação Python em associação com a biblioteca de processamento numérico NumPy está entre as ferramentas favoritas dos programadores para desenvolvimento de aplicações em processamento de imagens. O processamento vetorial de arrays no NumPy é bastante eficiente, no entanto em alguns casos não é possível de se escapar dos loops o que pode tornar o código Python bastante lento quando comparado a linguagens como C/C++. Nesse contexto surgiu a linguagem de programação Cython. O Cython é uma linguagem de programação de alto nível capaz de integrar funções C/C++ ao Python e de acelerar o próprio código Python através de declarações de variáveis do tipo estático. O objetivo deste trabalho de pesquisa de IC é o desenvolvimento de uma biblioteca otimizada para processamento de imagens e reconhecimento de padrões baseada na estrutura da Max-Tree. Muitas das funções já se encontram implementadas em Python/NumPy, no entanto há espaço para otimização dessas funções, convertendo-as para a sintaxe Cython.

6.2   Aprendizado Esperado:

Durante o projeto de IC, o aluno irá aprender programação matricial avançada utilizando o Python /NumPy e como otimizar loops Python através da linguagem Cython. O aluno também irá aprender técnicas de processamento de imagens avançadas baseadas na Max-Tree.

6.3   Pré-requisitos:

  • Ter familiaridade com pelo menos uma linguagem de programação (MATLAB, C/C++, Python...).
  • Ter boa capacidade de leitura e interpretação de textos em inglês.
  • Ter interesse em aprender sobre processamento de imagens.

7   Estudo das técnicas de estimativa da espessura cortical a partir de imagens de ressonância magnética (RM)

7.1   Descrição:

O córtex cerebral humano tem um papel fundamental na maioria dos processos cognitivos. A sua espessura média é de 2.5mm, podendo variar entre 1mm e 4,5mm nas diferentes partes do cérebro. A espessura cortical apresenta uma variabilidade significante entre indivíduos saudáveis e indíviduos com doenças neurodegenerativas como o mal de Alzheimer, portanto ser capaz de estimar a sua espessura com precisão é importante para o acompanhamento e diagnóstico precoce de pacientes. O objetivo deste projeto de IC é estudar as diferentes técnicas de estimação da espessura cortical e fazer uma análise critica dos diferentes métodos.

7.2   Aprendizado Esperado:

Durante o projeto de IC o aluno terá contato com imagens médicas e ferramentas para o seu processamento. Ele irá aprender técnicas de processamento de imagens e como aplicá-las para o problema de estimação da espessura cortical a partir de imagens de RM.

7.3   Pré-requisitos:

  • Ter familiaridade com pelo menos uma linguagem de programação (MATLAB, C/C++, Python...).
  • Ter boa capacidade de leitura e interpretação de textos em inglês.
  • Ter interesse em aprender sobre processamento de imagens médicas.

8   Registro multimodalidade de imagens de ressonânica magnética

Atualmente há diferentes modalidades de imagens de ressonância magnética sendo adquiridas e utilizadas para diversas análises na área médica. As imagens geradas por cada modalidade possuem significados diferentes e complementares. Porém, a análise em multimodalidade possui sentido apenas se as imagens estão registradas. Ou seja, deve existir uma correspondência espacial entre as imagens. Isso é feito por meio do registro em multimodalidade, o qual assemelha-se a um processo de registro tradicional, porém com maiores desafios por causa das métricas de correspondência. Usualmente a métrica utilizada para o registro em multimodalidade é a informação mútua. Esse tema de projeto de iniciação científica propõe que o candidato faça a implementação de uma rotina de registro em multimodalidade utilizando as publicações mais recentes na área, de forma a disponibilizar para o grupo de pesquisa uma ferramenta atualizada. Eventualmente, o produto do projeto poderá auxiliar o próprio candidato em seus projetos futuros, como mestrado e doutorado.

8.1   Aprendizado Esperado:

  • Conhecimentos básicos sobre processamento de imagens
  • Transformações geométricas (affine)
  • Entropia e informação mútua
  • Registro de imagens
  • Conhecimentos básicos sobre imagens médicas

8.2   Pré-requisitos:

  • Ter familiaridade com pelo menos uma linguagem de programação (C/C++, Python)
  • Ter bom raciocínio matemático
  • Ter boa capacidade de leitura e interpretação de textos em inglês
  • Ter interesse em aprender sobre processamento de imagens médicas

9   Validação do método de segmentação e parcelameto do corpo caloso

O corpo caloso é a maior estrutura da matéria branca do cérebro humano. Composto basicamente por fibra neurais, sua função é a conexão dos dois hemisférios do cérebro. Diversos estudos relacionados a distúrbio e doenças cerebrais são realizados por meio da análise de propriedades da região do corpo caloso em imagens de ressonância magnética. Contudo, esses estudos são possíveis somente após realizar adequadamente a segmentação e o parcelamento do corpo caloso. Esse tema de projeto de iniciação científica propõe que o candidato faça a validação de um método de segmentação e de parcelamento que foi desenvolvido recentemente por nosso grupo de pesquisa. O formato de execução deste projeto será o de um estudo que deverá resultar em uma publicação científica em congresso ou revista da área. Além de produzir conhecimento que será benéfico a todo o grupo de pesquisa, a publicação contribuirá consideravelmente para a carreira do candidato.

9.1   Aprendizado Esperado:

  • Conhecimentos básicos sobre processamento de imagens
  • Familiarização com o método científico
  • Experiência inicial na produção científica de artigos
  • Conhecimentos básicos sobre imagens médicas
  • Convivência com um grupo interdisciplinar de pesquisadores

9.2   Pré-requisitos:

  • Ter familiaridade com pelo menos uma linguagem de programação (C/C++, Python)
  • Ter boa capacidade de leitura e interpretação de textos em inglês
  • Boa redação e capacidade de argumentação
  • Desejável que o candidato tenha facilidade para a escrita em inglês (ou que esteja disposto a praticar)
  • Ter interesse em aprender sobre processamento de imagens médicas