Made available in DSpace on 2016-06-02T19:03:57Z (GMT). No. of bitstreams: 1 5096.pdf: 8198780 bytes, checksum: 111ff0c36ae2d9c790f8a8d7129dccba (MD5) Previous issue date: 2013-03-22 / Universidade Federal de Sao Carlos / Computed Tomography (CT) images, in many cases, need to be acquired with low photon counting due to low exposure time to the rays of the CT scanner to reduce the radiation doses to the maximum possible (in Medicine, the ALARA principle As Low As Reasonably Achievable) or even for reasons of cost, obtaining projections corrupted by Poisson noise. Invoking the Central Limit Theorem, the reconstructed images tend to be corrupted by Gaussian noise. Moreover, it was observed that this noise remains signal-dependent after the reconstruction. Thus, this work proposes to denoise the reconstructed images (post-filtering), by adopting an a priori contextual model by using Markov Random Field (MRF), to improve the visual quality of the image. Basically, for contextual filtering two approaches were considered. One uses iterative algorithms for combinatorial optimization such as ICM (Iterated Conditional Modes), GSA (Game Strategy Approach) and MPM (Maximizer of the Posterior Marginals). And the other uses variations of the Wiener filter by considering Fisher Information, Separable MRF and Isotropic MRF. Also, to address the issue of signal-dependent noise, three new methods for its local variance estimation, as well as ways to consider this model in both iterative and those based on Wiener filter methods were investigated. The proposed methods were applied to simulated and real CT images that were reconstructed by Filtered Backprojection (FBP) and Projections Onto Convex Sets (POCS) algorithms. Furthermore, the use of Non Local Means method has been proposed for a better estimate of the noise-free image. Finally, several experiments were conducted and the results were compiled and presented comparing the various methods, including the state-of-the-art Non Local Means method, showing that the context and the consideration of signal-dependent noise can contribute to CT denoising by improving the Signal-to-Noise Ratio and therefore allow a reduction in the radiation dose. / Imagens de tomografia computadorizada (CT), em diversos casos, precisam ser adquiridas com baixa contagem de fótons devido ao baixo tempo de exposição aos raios do tomógrafo para reduzir a dose de radiação ao máximo possível (na Medicina, princípio ALARA As Low As Reasonably Achievable) ou mesmo por questões de custo, fazendo com que as projeções obtidas sejam corrompidas por ruído Poisson. Invocando o Teorema Central do Limite, as imagens reconstruídas tendem a ser corrompidas por ruído Gaussiano. Além disso, observou-se que este ruído continua a ser dependente do sinal, depois da reconstrução. Desta forma, este trabalho propôs a filtragem de ruído da imagem reconstruída (pós-filtragem), adotando um modelo a priori contextual pela utilização de Campos Aleatórios Markovianos (MRF), a fim de melhorar a qualidade visual da imagem. Basicamente, para a filtragem contextual foram consideradas duas abordagens. Uma utilizando algoritmos iterativos de otimização combinatória como ICM (Iterated Conditional Modes), GSA (Game Strategy Approach) e MPM (Maximizer of the Posterior Marginals). E outra, utilizando variações do filtro de Wiener, considerando Informação de Fisher (Generalizado), MRF Separável e MRF Isotrópico. Ainda, para tratar a questão de ruído dependente do sinal, três novos métodos de estimação de suas variâncias locais, como também maneiras de se considerar este modelo tanto nos métodos iterativos quanto nos baseados em Wiener foram investigados. Os métodos foram aplicados em imagens simuladas e reais de CT reconstruídas por Retroprojeção Filtrada e POCS (Projections Onto Convex Sets). Além disso, foi proposto o uso de Non Local Means para uma melhor estimativa da imagem livre de ruído. Finalmente, diversos experimentos foram realizados e os resultados foram compilados e apresentados comparando os diversos métodos, inclusive com o método em estado-da-arte Non Local Means, mostrando que o contexto e a consideração de ruído dependente do sinal podem contribuir para a filtragem de ruído em CT pela melhora na relação Sinal-Ruído e, consequentemente, permitir a redução da dose de radiação.

O objetivo deste trabalho é apresentar um novo método para a remoção do ruído Poisson em imagens de mamografia digital adquiridas com baixa dosagem de radiação. Sabe-se que a mamografia por raios X é o exame mais eficiente para a detecção precoce do câncer de mama, aumentando consideravelmente as chances de cura da doença. No entanto, a radiação absorvida pela paciente durante o exame ainda é um problema a ser tratado. Estudos indicam que a exposição à radiação pode induzir a formação do câncer em algumas mulheres radiografadas. Apesar desse número ser significativamente baixo em relação ao número de mulheres que são salvas pelo exame, existe a necessidade do desenvolvimento de meios que viabilizem a diminuição da dose de radiação empregada. No entanto, uma redução na dose de radiação piora a qualidade da imagem pela diminuição da relação sinal-ruído, prejudicando o diagnóstico médico e a detecção precoce da doença. Nesse sentido, a proposta deste trabalho é apresentar um método para a filtragem do ruído Poisson que é adicionado às das imagens mamográficas quando adquiridas com baixa dosagem de radiação, fazendo com que ela apresente qualidade equivalente àquela adquirida com a dose padrão de radiação. O algoritmo proposto foi desenvolvido baseado em adaptações de algoritmos bem estabelecidos na literatura, como a filtragem no domínio Wavelet, aqui usando o Shrink-thresholding (WTST), e o Block-matching and 3D Filtering (BM3D). Os resultados obtidos com imagens mamográficas adquiridas com phantom e também imagens clínicas, mostraram que o método proposto é capaz de filtrar o ruído adicional incorporado nas imagens sem perda aparente de informação. / The aim of this work is to present a novel method for removing the Poisson noise in digital mammography images acquired with reduced radiation dose. It is known that the X-ray mammography is the most effective exam for early detection of breast cancer, greatly increasing the chances of healing the disease. However, the radiation absorbed by the patient during the exam is still a problem to be treated. Some studies showed that mammography can induce breast cancer in a few women. Although this number is significantly low compared to the number of women who are saved by the exam, it is important to develop methods to enable the reduction of the radiation dose used in the exam. However, dose reduction led to a decrease in image quality by means of the signal to noise ratio, impairing medical diagnosis and the early detection of the disease. In this sense, the purpose of this study is to propose a new method to reduce Poisson noise in mammographic images acquired with low radiation dose, in order to achive the same quality as those acquired with the standard dose. The method is based on well established algorithms in the literature as the filtering in Wavelet domain, here using Shrink-thresholding (WTST) and the Block-matching and 3D Filtering (BM3D). Results using phantom and clinical images showed that the proposed algorithm is capable of filtering the additional noise in images without apparent loss of information.

Esse trabalho apresenta uma nova proposta do algoritmo de médias não-locais (NLM - Non-Local Means) para a filtragem do ruído quântico de imagens mamográficas digitais adquiridas com dose de radiação reduzida. A redução nas doses de radiação tem como objetivo principal minimizar os riscos de indução ao câncer de mama causado pela exposição do paciente à radiação ionizante no momento do exame. No entanto, a qualidade da imagem mamográfica diminui com a redução da dose de radiação e o ruído predominante nesse caso é o ruído quântico, que segue a distribuição de Poisson e é dependente do sinal. Como o algoritmo NLM foi originalmente desenvolvido para filtragem de ruído Gaussiano independente do sinal, a proposta desse trabalho foi de adaptar o algoritmo NLM original de modo que ele se tornasse mais adequado para filtragem do ruído encontrado nas imagens mamográficas digitais. Nessa nova abordagem, chamada de Variance Map Non-local Means (VM-NLM), a filtragem do ruído quântico é realizada no próprio domínio da imagem, levando-se em conta a variância do ruído em cada pixel da imagem, já que o ruído é dependente do sinal. Com isso, elimina-se a necessidade de realizar uma estimativa precisa dos parâmetros do ruído para o uso de uma transformada de estabilização de variância (como a transformada generalizada de Anscombe), antes do processo de filtragem. Essa estimativa normalmente requer medidas preliminares no equipamento mamográfico, cujo acesso nem sempre é viável na prática. A proposta foi avaliada em três bancos de imagens mamográficas adquiridas com diferentes doses de radiação. As avaliações de desempenho foram realizadas comparando objetivamente a qualidade das imagens mamográficas obtidas com a dose padrão de radiação com as adquiridas com doses reduzidas, após a filtragem do ruído. Os resultados obtidos com o algoritmo proposto mostraram que ele produz imagens mamográficas mais nítidas e com melhor preservação de bordas e pequenos detalhes do que o algoritmo NLM original. / This work presents a new proposal from the non-local means algorithm (NLM - Non-Local Means) for filtering the quantum noise of digital mammography images acquired with reduced radiation dose. The reduction in radiation doses aims to minimize the risk of inducing breast cancer caused by patient exposure to ionizing radiation during the examination. However, the mammographic image quality decreases with the reduction of the radiation dose and the predominant noise in this case is the quantum noise, which follows the Poisson distribution and it is dependent of the signal. As the NLM algorithm was originally developed for filtering additive Gaussian noise, the purpose of this study was to adapt the original NLM algorithm so that it becomes more suitable for filtering the noise found in digital mammographic images. In this new approach, called Variance Map Non-local Means (VM-NLM), the filtering of the quantum noise is performed in the image domain, considering the noise variance in each pixel of the image, since the noise depends on the pixel value. Thus, it eliminates the need for an accurate estimate of the noise parameters for the use of a variance stabilization transform (such as generalized Anscombe Transformation) before the filtering process. This estimate typically requires preliminary measurements in the mammographic equipment, which is not always viable in clinical practice. The proposal was evaluated in three databases of mammographic images acquired with different radiation doses. Performance evaluations were conducted comparing objectively the quality of mammographic images acquired with standard radiation dose and with reduced doses, after filtering the noise. The results obtained with the proposed algorithm showed that it produces sharper mammographic images with better preservation of edges and small details than the original NLM algorithm.

Esse trabalho apresenta uma nova proposta do algoritmo de médias não-locais (NLM - Non-Local Means) para a filtragem do ruído quântico de imagens mamográficas digitais adquiridas com dose de radiação reduzida. A redução nas doses de radiação tem como objetivo principal minimizar os riscos de indução ao câncer de mama causado pela exposição do paciente à radiação ionizante no momento do exame. No entanto, a qualidade da imagem mamográfica diminui com a redução da dose de radiação e o ruído predominante nesse caso é o ruído quântico, que segue a distribuição de Poisson e é dependente do sinal. Como o algoritmo NLM foi originalmente desenvolvido para filtragem de ruído Gaussiano independente do sinal, a proposta desse trabalho foi de adaptar o algoritmo NLM original de modo que ele se tornasse mais adequado para filtragem do ruído encontrado nas imagens mamográficas digitais. Nessa nova abordagem, chamada de Variance Map Non-local Means (VM-NLM), a filtragem do ruído quântico é realizada no próprio domínio da imagem, levando-se em conta a variância do ruído em cada pixel da imagem, já que o ruído é dependente do sinal. Com isso, elimina-se a necessidade de realizar uma estimativa precisa dos parâmetros do ruído para o uso de uma transformada de estabilização de variância (como a transformada generalizada de Anscombe), antes do processo de filtragem. Essa estimativa normalmente requer medidas preliminares no equipamento mamográfico, cujo acesso nem sempre é viável na prática. A proposta foi avaliada em três bancos de imagens mamográficas adquiridas com diferentes doses de radiação. As avaliações de desempenho foram realizadas comparando objetivamente a qualidade das imagens mamográficas obtidas com a dose padrão de radiação com as adquiridas com doses reduzidas, após a filtragem do ruído. Os resultados obtidos com o algoritmo proposto mostraram que ele produz imagens mamográficas mais nítidas e com melhor preservação de bordas e pequenos detalhes do que o algoritmo NLM original. / This work presents a new proposal from the non-local means algorithm (NLM - Non-Local Means) for filtering the quantum noise of digital mammography images acquired with reduced radiation dose. The reduction in radiation doses aims to minimize the risk of inducing breast cancer caused by patient exposure to ionizing radiation during the examination. However, the mammographic image quality decreases with the reduction of the radiation dose and the predominant noise in this case is the quantum noise, which follows the Poisson distribution and it is dependent of the signal. As the NLM algorithm was originally developed for filtering additive Gaussian noise, the purpose of this study was to adapt the original NLM algorithm so that it becomes more suitable for filtering the noise found in digital mammographic images. In this new approach, called Variance Map Non-local Means (VM-NLM), the filtering of the quantum noise is performed in the image domain, considering the noise variance in each pixel of the image, since the noise depends on the pixel value. Thus, it eliminates the need for an accurate estimate of the noise parameters for the use of a variance stabilization transform (such as generalized Anscombe Transformation) before the filtering process. This estimate typically requires preliminary measurements in the mammographic equipment, which is not always viable in clinical practice. The proposal was evaluated in three databases of mammographic images acquired with different radiation doses. Performance evaluations were conducted comparing objectively the quality of mammographic images acquired with standard radiation dose and with reduced doses, after filtering the noise. The results obtained with the proposed algorithm showed that it produces sharper mammographic images with better preservation of edges and small details than the original NLM algorithm.

O objetivo deste trabalho é apresentar um novo método para a remoção do ruído Poisson em imagens de mamografia digital adquiridas com baixa dosagem de radiação. Sabe-se que a mamografia por raios X é o exame mais eficiente para a detecção precoce do câncer de mama, aumentando consideravelmente as chances de cura da doença. No entanto, a radiação absorvida pela paciente durante o exame ainda é um problema a ser tratado. Estudos indicam que a exposição à radiação pode induzir a formação do câncer em algumas mulheres radiografadas. Apesar desse número ser significativamente baixo em relação ao número de mulheres que são salvas pelo exame, existe a necessidade do desenvolvimento de meios que viabilizem a diminuição da dose de radiação empregada. No entanto, uma redução na dose de radiação piora a qualidade da imagem pela diminuição da relação sinal-ruído, prejudicando o diagnóstico médico e a detecção precoce da doença. Nesse sentido, a proposta deste trabalho é apresentar um método para a filtragem do ruído Poisson que é adicionado às das imagens mamográficas quando adquiridas com baixa dosagem de radiação, fazendo com que ela apresente qualidade equivalente àquela adquirida com a dose padrão de radiação. O algoritmo proposto foi desenvolvido baseado em adaptações de algoritmos bem estabelecidos na literatura, como a filtragem no domínio Wavelet, aqui usando o Shrink-thresholding (WTST), e o Block-matching and 3D Filtering (BM3D). Os resultados obtidos com imagens mamográficas adquiridas com phantom e também imagens clínicas, mostraram que o método proposto é capaz de filtrar o ruído adicional incorporado nas imagens sem perda aparente de informação. / The aim of this work is to present a novel method for removing the Poisson noise in digital mammography images acquired with reduced radiation dose. It is known that the X-ray mammography is the most effective exam for early detection of breast cancer, greatly increasing the chances of healing the disease. However, the radiation absorbed by the patient during the exam is still a problem to be treated. Some studies showed that mammography can induce breast cancer in a few women. Although this number is significantly low compared to the number of women who are saved by the exam, it is important to develop methods to enable the reduction of the radiation dose used in the exam. However, dose reduction led to a decrease in image quality by means of the signal to noise ratio, impairing medical diagnosis and the early detection of the disease. In this sense, the purpose of this study is to propose a new method to reduce Poisson noise in mammographic images acquired with low radiation dose, in order to achive the same quality as those acquired with the standard dose. The method is based on well established algorithms in the literature as the filtering in Wavelet domain, here using Shrink-thresholding (WTST) and the Block-matching and 3D Filtering (BM3D). Results using phantom and clinical images showed that the proposed algorithm is capable of filtering the additional noise in images without apparent loss of information.

Made available in DSpace on 2016-06-02T19:06:17Z (GMT). No. of bitstreams: 1 6277.pdf: 15816665 bytes, checksum: 105661656ee67fe816f34a96605797f9 (MD5) Previous issue date: 2014-01-23 / The development of new methods and noisy images filtering techniques still attract researchers, which seek to reduce the noise with the minimal loss of details, edges, resolution and removal of fine structures of the image. Moreover, it is extremely important to expand the capacity of the filters for the different noise models present in the Image and Signal Processing literature, like the multiplicative noise speckle, present in the synthetic aperture radar (SAR) images. This Master s degree thesis aims to use a recent denoising algorithm: the nonlocal means (NLM), developed for the additive white gaussian noise (AWGN), and expand, analyze and compare its capacity for intensity SAR images denoising (despeckling), which are contaminated with the speckle. This expansion of the NLM filter is based with the use of the stochastic distances and the comparison of the estimated parameters with de G0 and the inverse Gamma distributions. Finally, this work compares the synthetic and real results of the proposed filter with some filters of the literature. / A elaboração de novos métodos e técnicas de filtragem de imagens ruidosas ainda atraem pesquisadores, que buscam a redução de ruído com a mínima perda dos detalhes, bordas, resolução e remoção de estruturas finas da imagem. Além disto, é de extrema importância ampliar a capacidade dos filtros para diversos modelos de ruído existentes na literatura de Processamento de Imagens e Sinais, como o ruído multiplicativo speckle , presente em imagens de radar de abertura sintética (SAR). Esta dissertação de Mestrado tem o objetivo de utilizar um algoritmo de filtragem recente: o nonlocal means (NLM), desenvolvido para o ruído branco aditivo gaussiano (AWGN), e ampliar, analisar e comparar a sua capacidade para a filtragem de imagens SAR de intensidade ( despeckling ), as quais são contaminadas com o speckle . Esta ampliação do filtro NLM é baseada no uso das distâncias estocásticas e na comparação dos parâmetros estimados através das distribuições G0 e da inversa da Gama. Por fim, este trabalho compara os resultados sintéticos e reais do filtro proposto com alguns filtros da literatura.

Made available in DSpace on 2015-04-11T14:03:17Z (GMT). No. of bitstreams: 1 DISSERTACAO ADRIANO NOGUEIRA.pdf: 382280 bytes, checksum: fc1f9e0caac3d97ff74a893e97298a71 (MD5) Previous issue date: 2008-12-17 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Digital processing of speech signal is applied in several computer applications, which the major ones are the following: Recognition, synthesis and coding of speech. All these applications require the amount of data in the acoustic signal to be reduced, in order to allow processing by a computer device. The feature extraction of speech signal, that is the goal of this study, performs this action. The features extracted should well depict the speech signal and should have no redundancy, in order to increase the performance of the systems using them. The feature extraction Mel Frequency Cepstral Coefficients (MFCC) method partially fulfills these requirements, but it is seriously damaged when noise signal is acting. The appliance of the statistical method of Factorial Analysis is intended to filter the noise components from the speech. The results of the experiments performed in this work shows that this is a competitive method, especially when used to generate acoustic models in severe noise conditions. / O processamento digital do sinal de voz é empregado em diversas aplicações computacionais, das quais as principais são: Reconhecimento, síntese e codificação da fala. Todas estas aplicações requerem que ocorra redução da quantidade de informações da onda acústica, de maneira a permitir o processamento por um computador. O processo de extração de características do sinal de voz, objeto de estudo deste trabalho, realiza esta tarefa. As características extraídas devem caracterizar o sinal de voz e não conter redundância, de forma a maximizar o desempenho dos sistemas que as utilizem. O método MFCC (Mel Frequency Cepstral Coefficients) de extração de características cumpre parcialmente esses requisitos, mas é seriamente degradado sob a incidência de ruído. A aplicação do método estatístico de Análise Fatorial objetiva filtrar o sinal de ruído das locuções. Os resultados obtidos dos experimentos realizados indicam a competitividade deste método, especialmente quando usado na geração dos modelos acústicos robustos em condições de ruído severo.

Made available in DSpace on 2016-06-02T19:05:43Z (GMT). No. of bitstreams: 1 3115.pdf: 5210903 bytes, checksum: d78cb316f1a90afa1f1d9e435752a5f6 (MD5) Previous issue date: 2010-05-24 / Financiadora de Estudos e Projetos / In this dissertation we present techniques for filtering of tomographic projections with Poisson noise. For the filtering of the tomogram projections we use variations of three filtering techniques: Bayesian estimation, Wiener filtering and thresholding in Wavelet domain. We used ten MAP estimators, each estimator with a diferent probability density as prior information. An adaptive windowing was used to calculate the local estimates. A hypothesis test was used to select the best probability density to each projection. We used the Pointwise Wiener filter and FIR Wiener Filter, in both cases we used a adaptive scheme for the filtering. For thresholding in wavelet domain, we tested the performance of four families basis of wavelet functions and four techniques for obtaining thresholds. The experiments were done with the phantom of Shepp and Logan and five set of projections of phantoms captured by a CT scanner developed by CNPDIA-EMBRAPA. The image reconstruction was made with the parallel POCS algorithm. The evaluation of the filtering was made after reconstruction with the following criteria for measurement of error: ISNR, PSNR, SSIM and IDIV. / Nesta dissertação técnicas de filtragem de projeções tomográficas com ruído Poisson são apresentadas. Utilizamos variações de três técnicas de filtragem: estimação Bayesiana, filtragem de Wiener e limiarização no domínio Wavelet. Foram utilizados dez estimadores MAP, em cada uma densidade de probabilidade foi utilizada como informação a priori. Foi utilizado um janelamento adaptativo para o cálculo das estimativas locais e um teste de hipóteses para a escolha da melhor densidade de probabilidade que se adéqua a cada projeção. Utilizamos o filtro de Wiener na versão pontual e FIR, em ambos os casos utilizamos um esquema adaptativo durante a filtragem. Para a limiarização no domínio Wavelet, verificamos o desempenho de quatro famílias de funções Wavelet e quatro técnicas de obtenção de limiares. Os experimentos foram feitos com o phantom de Shepp e Logan e cinco conjunto de projeções de phantoms capturas por um minitomógrafo no CNPDIAEMBRAPA. A reconstrução da imagem feita com o algoritmo POCS paralelo. A avaliação da filtragem foi feita após a reconstrução com os seguintes crit_erios de medida de erro: ISNR, PSNR, IDIV e SSIM.

Made available in DSpace on 2016-06-02T19:06:17Z (GMT). No. of bitstreams: 1 6285.pdf: 2877079 bytes, checksum: 80439eede94d8bbebc2443de9d032d34 (MD5) Previous issue date: 2014-05-23 / Universidade Federal de Sao Carlos / A common problem to applications such as positron emission tomography, low-exposure X-ray imaging, fluorescence microscopy, optical and infrared astronomy, and others, is the degradation of the original signal by Poisson Noise. This problem arises in applications in which the image acquisition process is based on counting photons reaching a detector surface during a given exposure time. Recently, a new algorithm for image denoising, called Nonlocal-Means (NLM), was proposed. The NLM algorithm consists of a nonlocal approach that explores the inherent image redundancy for denoising, that is, it explores the principle in which, in natural images, there are similar regions, yet locally disjoint. NLM was originally proposed for additive noise reduction. The goal of this work is to extend the NLM algorithm for Poisson noise filtering. To achieve this goal, symmetric divergences, also known as stochastic distances, have been applied as similarity metrics to the NLM algorithm. Stochastic distances assume a parametric model for the data distribution. Therefore they can accommodate different stochastic noise models. However, knowledge of the model parameters is necessary to calculate the stochastic distances. In this research, estimation and non-local filtering schemes were considered under Poisson noise hypothesis, leading to competitive results with the state of- the-art. / Um problema comum a aplicações como tomografia por emissão de pósitrons, imageamento por baixa exposição de raios-X, microscopia de fluorescência, astronomia ótica ou por infravermelho, dentre outras, é a degradação do sinal original por ruído Poisson. Esse problema surge em aplicações nas quais o processo de aquisição de imagem se baseia na contagem de fótons atingindo a superfície de um detector durante um dado tempo de exposição. Recentemente, um novo algoritmo para a redução de ruído em imagens, chamado Non Local-Means (NLM) foi proposto. O algoritmo NLM consiste em uma abordagem não-local que explora a redundância inerente da imagem para a filtragem de ruído, isto é, explora o principio em que, em imagens naturais existem muitas regiões similares, porém, localmente disjuntas. Essa abordagem foi originalmente proposta para a redução de ruído aditivo. O objetivo deste trabalho foi estender o algoritmo NLM para a filtragem de ruído Poisson, que é dependente de sinal. Para alcançar esse propósito, divergências simétricas, também conhecidas como distâncias estocásticas, foram utilizadas como métricas de similaridade para o algoritmo NLM. Distâncias estocásticas assumem um modelo paramétrico sobre a distribuição dos dados, portanto podem acomodar diferentes modelos estocásticos de ruído. No entanto, conhecimento dos parâmetros de modelo é necessário para o cálculo das distâncias estocásticas. Neste trabalho de pesquisa, esquemas de estimativa e filtragem não-local foram considerados sobre hipótese de ruído Poisson, levando a resultados competitivos com o estado-da-arte.