Cirurgias minimamente invasivas correspondem a uma importante especialidade da Medicina, cuja aplicação em larga escala depende do treinamento de novos cirurgiões em habilidades específicas que podem ser aprimoradas através do uso de simuladores virtuais de cirurgia. Entretanto, tais aplicações demandam alta qualidade visual das simulações de órgãos internos, que idealmente podem ser realizadas com base em aproximações de mais alta ordem da interação luz-matéria. Trabalhos recentes têm proposto abordagens híbridas onde dados da BRDF (Bidirectional Reflectance Distribution Function - Função de Distribuição de Reflectância Bidirecional) de órgãos vivos têm sido amostrados ou estimados, para orientar técnicas de rendering em tempo real. O presente trabalho propõe um pipeline para o rendering de estruturas orgânicas baseado em Física visando a simulação de cirurgia compatível com alto nível de aproximação da interação luz-matéria. Através de um novo método de amostragem da BRDF de órgãos vivos por meio de laparoscopias convencionais, e do estudo de formas de representação para os dados amostrados, imagens de órgãos humanos são geradas em sistemas de rendering de tempo real e sistemas baseados em algoritmos de iluminação global. A metodologia proposta foi aplicada em um experimento realizado através de uma Colecistectomia, cujos importantes resultados caracterizam-se pela cobertura de aproximadamente 22% da BRDF de um fígado humano vivo, configurando assim uma contribuição singular para técnicas de amostram de BRDF de órgãos e rendering de órgãos baseado em Física. / Minimally invasive surgeries are an important specialty of Medicine. Virtual simulators allow the development of the needed skills for new surgeons. Such simulators demand high visual quality of the internal organs that ideally can be performed based on higher-order approximations of the light-material interaction. Recent work proposes hybrid approaches where the BRDF (Bidirectional Reflectance Distribution Function) data for living organs was sampling or estimated to guide real-time rendering techniques. This work proposes a pipeline for physically-based rendering of organic structures with the goal of surgery simulations with a high level of approximation for the light-material interaction. We present a new sampling method for measuring BRDFs for living organs based on conventional laparoscopy. With this data we are able to render human organs in real-time and also improve global illumination results. The methodology was applied in an experiment performed through a Cholecystectomy. Our results achieved a high BRDF coverage of 22% for a living human liver, establishing a singular contribution for the sampling of BRDF in-vivo organs and physically-based rendering.

Simuladores cirúrgicos possibilitam a médicos e estudantes a visualização de órgãos humanos representados com alto grau de realismo. Trata-se de um grande avanço que reduz o tempo e os custos na formação desses profissionais, oferecendo menor risco aos pacientes. Entretanto, esses sistemas comerciais de simuladores têm, em geral, suas representações voltadas apenas para a superfície dos órgãos. Assim, quando ocorre o corte de um órgão com estruturas internas, o seu interior aparece vazio, não mostrando, por exemplo, estruturas anatômicas como vasos sanguíneos no seu interior. Trabalhos na área de textura sólida também não lidam com objetos que possuem estruturas internas modeladas geometricamente. Nessa dissertação é proposto um sistema gráfico interativo que permite cortes arbitrários em estruturas anatômicas, reconstruindo a textura nas superfícies da zona de corte de forma a respeitar as estruturas internas. O sistema protótipo desenvolvido propõe que cortes definidos pelo usuário alterem modelos tridimensionais, retriangulando apropriadamente a malha nas regiões de corte. Como estudo de caso, foi selecionado um modelo de fígado humano com vasos, apresentando como resultado a visualização interna em tempo real desse objeto para quaisquer planos. Essa abordagem pode ser considerada como um passo para os simuladores se tornarem ainda mais realistas. Extensões do trabalho envolvem a integração com simuladores médicos existentes, bem como uma validação do sistema por parte dos profissionais da Medicina. / Surgical simulators help doctors and students the visualization of human organs with high realism. Simulators are an improvement which reduce time and cost spend by professionals, offering less risk to the patients. Besides, studies show that the amount of realism seen in the simulators is related to the engaging of students in learning. However, these commercial simulator systems represent only the surface of organs. Thus, when a cut of an organ with internal structures occurs, its interior remains empty, without showing anatomical structures such as blood vessels inside. Research in the area of solid texture typically do not deal with objects which have internal structures geometrically modeled. In this dissertation, we propose a graphical interactive system that allows arbitrary cuts in anatomical structures, reconstructing the texture in the cutting zone’s surface according to its internal structures. With the developed application, cuts defined by the user transform three-dimensional models, triangulating properly the mesh in the cutting area. As a case study we selected a human liver model with vessels, presenting as result the internal visualization of the object in real time for any cut planes. We consider this approach as a step in order for simulators to become more realistic. Extensions of the work include the integration with current medical simulators, as well as a validation of the system by the Medicine professionals.

Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2016-10-17T13:34:17Z No. of bitstreams: 2 Dissertação - Elias Borges Macena Junior - 2016.pdf: 9321304 bytes, checksum: ca477b8a1eeb56b690f41c443b0ca638 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2016-10-17T17:17:50Z (GMT) No. of bitstreams: 2 Dissertação - Elias Borges Macena Junior - 2016.pdf: 9321304 bytes, checksum: ca477b8a1eeb56b690f41c443b0ca638 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-10-17T17:17:50Z (GMT). No. of bitstreams: 2 Dissertação - Elias Borges Macena Junior - 2016.pdf: 9321304 bytes, checksum: ca477b8a1eeb56b690f41c443b0ca638 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-09-30 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In order to improve the diagnostic process several research centers have focused on the development of information systems applying powerful techniques of computer-aided diagnosis (CAD). In this context, the creation of content-based image retrieval (CBIR) is an important step in developing an efficient CAD system. This work proposes the validation of recovery with a hybrid CBIR method based on 2D medical images. The results of the techniques applied, indicate a hit rate of 90.25% and indicate a gain of 35% in the performance of techniques, that is, the time search and retrieval of images, paving the way for the development of information systems more efficient to build support generic diagnostic systems. / Com o objetivo de melhorar o processo de diagnóstico vários centros de pesquisas têm focado no desenvolvimento de sistemas de informação aplicando poderosas técnicas de diagnóstico auxiliado por computador (Computer-Aided Diagnosis-CAD). Neste contexto, a criação de métodos de recuperação de imagens baseado em conteúdo (Content-based image retrieval - CBIR) é um passo importante para desenvolver um sistema CAD eficiente. Este trabalho propõe a validação de técnicas de recuperação com um método híbrido CBIR baseado em imagens médicas 2D. Os resultados das técnicas aplicadas, indicam uma taxa de acerto de 90,25% e ainda indicam um ganho de 35% no desempenho das técnicas, isto é, no tempo de busca e recuperação das imagens, abrindo caminho para o desenvolvimento de sistemas de informação mais eficientes para construção de sistemas de apoio ao diagnóstico genéricos.

Neste trabalho foi desenvolvida uma Ferramenta Gráfica Computacional para o monitoramento de pacientes portadores de úlceras dermatológicas, especificamente úlceras de perna. Esta ferramenta provê resultados ao profissional da área médica de modo a facilitar o acompanhamento da lesão ao longo do tempo e fornecer informações sobre o seu diagnóstico. Diversas imagens adquiridas da lesão são processadas extraindo-se características de texturas obtidas da parte interna da lesão. Para este fim, é usada a abordagem estatística de segunda ordem, através das características de Haralick. Esta metodologia estabelece uma técnica não invasiva, que tem por função auxiliar o diagnóstico médico e permitir o acompanhamento da evolução de pacientes submetidos a tratamentos de úlceras dermatológicas.

Estudos mostram que a maior parte dos erros de diagnóstico mamográfico estão ligados a dificuldades de classificação e não de detecção (MEYER, EBERLEIN, et al., 1990; KARSSEMEIJER, 2011; SCHIABEL, 2014). Uma possível solução a este problema é a estruturação de um esquema CADx (Computer-aided Diagnosis), ou seja, um sistema computacional que analisa as informações disponíveis e tenta apresentar um diagnóstico com base nos dados fornecidos pela imagem processada. Este trabalho tem como intuito apresentar um esquema CADe/Dx completo e funcional para uso por radiologistas. O software final poderá ser usado em qualquer sistema operacional, ou mesmo via Internet, permitindo que qualquer médico interessado acesse e utilize o sistema como segunda opinião sem restrições. A formação da biblioteca JAVA também visa a permitir que outros desenvolvedores possam fazer uso das ferramentas desenvolvidas em projetos futuros, facilitando ampliações e melhorias no esquema CADx. Vários módulos de processamento previamente desenvolvidos para o protótipo do esquema CADx-LAPIMO tiveram que ser reconstruídos, e outros elaborados completamente, produzindo novos resultados que são analisados neste trabalho, assim como suas vantagens e limitações. Estes módulos estão divididos em duas partes: o pré-processamento, que inclui a correção baseada na curva característica do digitalizador (técnica BCC), amplamente testada neste trabalho, e o processamento propriamente, incluindo detecção de microcalcificações e detecção e classificação de nódulos. O programa CADx desenvolvido neste trabalho foi separado em duas versões (cada uma com uma versão online correspondente): um é o esquema CADe/Dx que envolve tanto a detecção como a classificação da estrutura encontrada e o outro é um esquema CADx semiautomático, cujas regiões que devem ser classificadas são previamente demarcadas pelo usuário. Os principais resultados obtidos neste trabalho estão associados ao detector de microcalcificações e ao classificador de nódulos. Para o detector de microcalcificações atingiu-se 89% de sensibilidade com 1,4 falso-positivo por imagem quando usado em imagens digitais de sistemas FFDM e 99% de sensibilidade com 5,4 falsos-positivos quando usado em imagens digitalizadas de mamas densas . Já o classificador de nódulos apresentou 72% de acurácia, usando apenas 4 atributos associados a contorno, densidade e textura, resultando em um sistema robusto e de fácil treinamento. / Studies show that most diagnostic errors are linked to classification difficulties and not detection (MEYER, EBERLEIN, et al., 1990; KARSSEMEIJER, 2011; SCHIABEL, 2014). A possible solution for this problem is the construction of a CAD (Computer aided Diagnosis), a computational system that analyses the available information e tries to present a diagnosis based on the data offered by the processed image. This thesis presents a complete and functional mammographic CADe/Dx scheme for radiologist use. The software is designed to function in any operational system, or even online, allowing any interested radiologist to access the software as a second opinion. The formation of a JAVA library also allows any future developers can use all tools developed for this system, easing future improvements in the CADx scheme. Several modules of the scheme previously developed for the CADx-LAPIMO prototype had to be rebuilt or completely developed, generating new results that are analyzed in here, as are their advantages and limitations. Those modules are divided in two parts, the preprocessing, that includes the scanner\'s characteristic curve based correction, detailed tested in this thesis and the processing itself, including detection of microcalcifications, and detections and classification of masses. The CADx scheme developed here was separated in two versions (each one with a corresponding online version): one is a CADe/Dx scheme that involves both detection and classification of the found structures and the other is a CADx semi-automatic scheme, where the classified regions are previously marked by the user. The main results obtained in this thesis are associated with the microcalcifications detector and the mass classification. The microcalcifications detector obtained a 89% sensibility with 1,4 false-positives per image when used in digital FFDM systems and 99% sensibility with 5,4 false-positives per image in digitalized images of dense breasts. The mass classification module presented a 72% accuracy, using only 4 attributes associated to contour, density and texture, resulting in a robust system and of easy training.

Os grandes centros médicos e hospitais de todo o mundo têm procurado integrar as informações de seus pacientes incluindo os exames de imagens efetuados (tomografia computadorizada, tomografia por ressonância magnética, ultrasson, medicina nuclear, etc.). Um sistema que integra as imagens junto às informações tradicionais é chamado de Sistema de Arquivamento e Comunicação de Imagens (Picture Archive and Communication System - PACS). Os sistemas PACS comerciais associam as imagens de exames às informações de pacientes através de chaves de consultas textuais e numéricas, não suportando consultas baseadas no conteúdo pictórico das imagens. Entretanto, muitas vezes o médico gostaria de recuperar as imagens armazenadas que fossem semelhantes (similares) a uma determinada imagem de consulta. Por exemplo, seja a consulta: "encontre as 10 imagens mais semelhantes à imagem Raio-X-tórax do Jõao da Silva". Ao responder a consultas desse tipo, o sistema permite que o médico relembre casos ocorridos anteriormente. Além disso, o conhecimento já gerado de exames e tratamentos anteriores pode ser recuperado mais rapidamente do que utilizando apenas a memória humana ou um sistema não automático de recuperação de informações. Um sistema com a capacidade de recuperar imagens utilizando o seu conteúdo pictórico é uma ferramenta valiosa para o auxílio ao diagnóstico médico. Esta tese apresenta a arquitetura de um PACS atualmente em desenvolvimento. Este sistema está sendo denominado mini-PACS. Tal sistema necessita da integração de três sistemas, a saber: - Um Sistema de Processamento de Imagens (SPI), o qual é responsável pela leitura e pré-processamento das imagens que são recebidas de diferentes dispositivos e possuem diferentes formatos. O SPI extrai as características relevantes das imagens, as quais serão utilizadas para a sua indexação e recuperação por conteúdo. - Um Sistema de Gerenciamento de Bases de Dados e Imagens (SGBDI), que permite a armazenagem e a recuperação de imagens baseada em seu conteúdo. O SGBDI utiliza uma estrutura métrica, a Slim-tree, que indexa as imagens através das características extraídas pelo SPI e possibilita responder consultas por similaridade. - Um Servidor de Web (SW), que disponibiliza o acesso às informações através da internet. A construção do Servidor de Web encontra-se fora do escopo do desenvolvimento desta tese. Porém, testes iniciais sobre a transferência e comunicação de imagens utilizando um servidor e aplicativos Java foram desenvolvidos para avaliar o comportamento do sistema. Entre as principais contribuições deste trabalho encontra-se um novo método de extração de características de imagens chamado histograma métrico. Os histogramas métricos permitem comparar imagens de diferentes tamanhos e mapeadas em faixas de quantização diferentes (se a alteração de brilho for linear). O tempo de resposta às consultas por similaridade utilizando histogramas métricos é, em média, 5 vezes menor do que o tempo de resposta utilizando histogramas tradicionais. Para permitir a indexação das imagens utilizando a Slim-tree foi necessário desenvolver uma nova função de distância métrica. Tal função de distância utiliza a diferença entre as áreas das curvas do histograma métrico. A construção da árvore de indexação utilizando os histogramas métricos chega a ser 10 vezes mais rápida do que com os histogramas tradicionais. As inovações e aperfeiçoamentos oriundos deste trabalho estão sendo integrados ao mini-PACS. Este sistema vem sendo desenvolvido de forma conjunta entre o Grupo de Bases de Dados e Imagens (GDBI) do Instituto de Ciências Matemáticas e de Computação da USP e o Centro de Ciências de Imagens e Física Médica (CCIFM) da Faculdade de Medicina de Ribeirão Preto da USP.

Segundo o Instituto Nacional do Câncer (INCA), o câncer de colorretal é o terceiro tipo de câncer mais comum entre os homens e o segundo entre as mulheres. Atualmente a avaliação visual feita por um patologista é o principal método utilizado para o diagnóstico de doenças a partir de imagens microscópicas obtidas por meio de amostras em exames convencionais de biópsia. A utilização de técnicas de processamento computacional de imagens possibilita a identificação de elementos e a extração de características, o que contribui com o estudo da organização estrutural dos tecidos e de suas variações patológicas, levando a um aumento da precisão no processo de tomada de decisão. Os conceitos e técnicas envolvendo redes complexas são recursos valiosos para o desenvolvimento de métodos de análise estrutural de componentes em imagens médicas. Dentro dessa perspectiva, o objetivo geral deste trabalho foi o desenvolvimento de um método capaz de realizar o processamento e a análise de imagens obtidas em exames de biópsias de tecidos de pólipo de cólon para classificar o grau de atipia da amostra, que pode variar em: sem atipia, baixo grau, alto grau e câncer. Foram utilizadas técnicas de processamento, incluindo um conjunto de operadores morfológicos, para realizar a segmentação e a identificação de estruturas glandulares. A seguir, procedeu-se à análise estrutural baseada na identificação das glândulas, usando técnicas de redes complexas. As redes foram criadas transformado os núcleos das células que compõem as glândulas em vértices, realizando a ligação dos mesmos com 1 até 20 arestas e a extração de medidas de rede para a criação de um vetor de características. A fim de avaliar comparativamente o método proposto, foram utilizados extratores clássicos de características de imagens, a saber, Descritores de Haralick, Momentos de Hu, Transformada de Hough, e SampEn2D. Após a avaliação do método proposto em diferentes cenários de análise, o valor de acurácia geral obtida pelo mesmo foi de 82.0%, superando os métodos clássicos. Conclui-se que o método proposto para classificação de imagens histológicas de pólipos utilizando análise estrutural baseada em redes complexas mostra-se promissor no sentido de aumentar a acurácia do diagnóstico de câncer colorretal / According to the National Cancer Institute (INCA), colorectal cancer is the third most common cancer among men and the second most common cancer among women. Currently the main method used for the diagnosis of diseases from microscopic images obtained through samples in conventional biopsy tests are the visual evaluation made by a pathologist. The use of computational image processing techniques allows the identification of elements and the extraction of characteristics, which contributes to the study of the structural organization of tissues and their pathological variations, leading to an increase of precision in the decision making process. Concepts and techniques involving complex networks are valuable resources for the development of structural analysis methods of components in medical images. In this perspective, the general objective of this work was the development of a method capable of performing the image processing and analysis obtained in biopsies of colon polyp tissue to classify the degree of atypia of the sample, which may vary in: without atypia, low grade, high grade and cancer. Processing techniques including a set of morphological operators, were used to perform the segmentation and identification of glandular structures. Next, structural analysis was performed based on glands identification, using complex network techniques.The networks were created transforming the core of the cells that make up the glands in vertices, making the connection of the same with 1 to 20 edges and the extraction of network measurements to create a vector of characteristics. In order to comparatively evaluate the proposed method, classical image characteristic extractors were used, namely, Haralicks Descriptors, Hus Moments, Hough Transform, and SampEn2D. After the evaluation of the proposed method in different analysis scenarios, the overall accuracy value obtained by it was 82.0%, surpassing the classical methods. It is concluded that the proposed method for the classification of histological images of polyps using structural analysis based on complex networks is promising in order to increase the accuracy of the diagnosis of colorectal cancer

Constantemente, uma variedade de novos métodos de processamento de imagens é apresentada à comunidade. Porém poucos têm provado sua utilidade na rotina clínica. A análise e comparação de diferentes abordagens por meio de uma mesma metodologia são essenciais para a qualificação do projeto de um algoritmo. Porém, é difícil comparar o desempenho e adequabilidade de diferentes algoritmos de uma mesma maneira. A principal razão deve-se à dificuldade para avaliar exaustivamente um software, ou pelo menos, testá-lo num conjunto abrangente e diversificado de casos clínicos. Muitas áreas - como o desenvolvimento de software e treinamentos em Medicina - necessitam de um conjunto diverso e abrangente de dados sobre imagens e informações associadas. Tais conjuntos podem ser utilizados para desenvolver, testar e avaliar novos softwares clínicos, utilizando dados públicos. Este trabalho propõe o desenvolvimento de um ambiente de base de imagens médicas de diferentes modalidades para uso livre em diferentes propósitos. Este ambiente - implementado como uma arquitetura de base distribuída de imagens - armazena imagens médicas com informações de aquisição, laudos, algoritmos de processamento de imagens, gold standards e imagens pós-processadas. O ambiente também possui um modelo de revisão de documentos que garante a qualidade dos conjuntos de dados. Como exemplo da facilidade e praticidade de uso, são apresentadas as avaliações de duas categorias de métodos de processamento de imagens médicas: segmentação e compressão. Em adição, a utilização do ambiente em outras atividades, como no projeto do arquivo didático digital do HC-FMUSP, demonstra a robustez da arquitetura proposta e sua aplicação em diferentes propósitos. / Constantly, a variety of new image processing methods are presented to the community. However, few of them have proved to be useful when used in clinical routine. The task of analyzing and comparing different algorithms, methods and applications through a sound testing is an essential qualification of algorithm design. However, it is usually very difficult to compare the performance and adequacy of different algorithms in the same way. The main reason is due to the difficulty to assess exhaustively the software, or at least using a comprehensive and diverse number of clinical cases for comparison. Several areas such as software development, image processing and medical training need a diverse and comprehensive dataset of images and related information. Such datasets could be used to develop, test and evaluate new medical software, using public data. This work presents the development of a free, online, multipurpose and multimodality medical image database environment. The environment, implemented such as a distributed medical image database, stores medical images, reports, image processing softwares, gold standards and post-processed images. Also, this environment implements a peer review model which assures the quality of all datasets. As an example of feasibility and easyness of use, it is shown the evaluation in two categories of medical image processing methods: segmentation and compression. In addition, the use of the set of applications proposed in this work in other activities, such as the HC-FMUSP digital teaching file, shows the robustness of the proposed architecture and its applicability on different purposes.

Sistemas de recuperação de imagens por conteúdo (Content-based image retrieval { CBIR) e de classificação dependem fortemente de vetores de características que são extraídos das imagens considerando critérios visuais específicos. É comum que o tamanho dos vetores de características seja da ordem de centenas de elementos. Conforme se aumenta o tamanho (dimensionalidade) do vetor de características, também se aumentam os graus de irrelevâncias e redundâncias, levando ao problema da \"maldição da dimensionalidade\". Desse modo, a seleção das características relevantes é um passo primordial para o bom funcionamento de sistemas CBIR e de classificação. Nesta tese são apresentados novos métodos de seleção de características baseados em algoritmos genéticos (do inglês genetic algorithms - GA), visando o aprimoramento de consultas por similaridade e modelos de classificação. A família Fc (\"Fitness coach\") de funções de avaliação proposta vale-se de funções de avaliação de ranking, para desenvolver uma nova abordagem de seleção de características baseada em GA que visa aprimorar a acurácia de sistemas CBIR. A habilidade de busca de GA considerando os critérios de avaliação propostos (família Fc) trouxe uma melhora de precisão de consultas por similaridade de até 22% quando comparado com métodos wrapper tradicionais para seleção de características baseados em decision-trees (C4.5), naive bayes, support vector machine, 1-nearest neighbor e mineração de regras de associação. Outras contribuições desta tese são dois métodos de seleção de características baseados em filtragem, com aplicações em classificação de imagens, que utilizam o cálculo supervisionado da estatística de silhueta simplificada como função de avaliação: o silhouette-based greedy search (SiGS) e o silhouette-based genetic algorithm search (SiGAS). Os métodos propostos superaram os métodos concorrentes na literatura (CFS, FCBF, ReliefF, entre outros). É importante também ressaltar que o ganho em acurácia obtido pela família Fc, e pelos métodos SiGS e SiGAS propostos proporcionam também um decréscimo significativo no tamanho do vetor de características, de até 90% / Content-based image retrieval (CBIR) and classification systems rely on feature vectors extracted from images considering specific visual criteria. It is common that the size of a feature vector is of the order of hundreds of elements. When the size (dimensionality) of the feature vector is increased, a higher degree of redundancy and irrelevancy can be observed, leading to the \"curse of dimensionality\" problem. Thus, the selection of relevant features is a key aspect in a CBIR or classification system. This thesis presents new methods based on genetic algorithms (GA) to perform feature selection. The Fc (\"Fitness coach\") family of fitness functions proposed takes advantage of single valued ranking evaluation functions, in order to develop a new method of genetic feature selection tailored to improve the accuracy of CBIR systems. The ability of the genetic algorithms to boost feature selection by employing evaluation criteria (fitness functions) improves up to 22% the precision of the query answers in the analyzed databases when compared to traditional wrapper feature selection methods based on decision-tree (C4.5), naive bayes, support vector machine, 1-nearest neighbor and association rule mining. Other contributions of this thesis are two filter-based feature selection algorithms for classification purposes, which calculate the simplified silhouette statistic as evaluation function: the silhouette-based greedy search (SiGS) and the silhouette-based genetic algorithm search (SiGAS). The proposed algorithms overcome the state-of-the-art ones (CFS, FCBF and ReliefF, among others). It is important to stress that the gain in accuracy of the proposed methods family Fc, SiGS and SIGAS is allied to a significant decrease in the feature vector size, what can reach up to 90%

O aumento da geração e do intercâmbio de imagens médicas digitais tem incentivado profissionais da computação a criarem ferramentas para manipulação, armazenamento e busca por similaridade dessas imagens. As ferramentas de recuperação de imagens por conteúdo, foco desse trabalho, têm a função de auxiliar na tomada de decisão e na prática da medicina baseada em estudo de casos semelhantes. Porém, seus principais obstáculos são conseguir uma rápida recuperação de imagens armazenadas em grandes bases e reduzir o gap semântico, caracterizado pela divergência entre o resultado obtido pelo computador e aquele esperado pelo médico. No presente trabalho, uma análise das funções de distância e dos descritores computacionais de características está sendo realizada com o objetivo de encontrar uma aproximação eficiente entre os métodos de extração de características de baixo nível e os parâmetros de percepção do médico (de alto nível) envolvidos na análise de imagens. O trabalho de integração desses três elementos (Extratores de Características, Função de Distância e Parâmetro Perceptual) resultou na criação de operadores de similaridade, que podem ser utilizados para aproximar o sistema computacional ao usuário final, visto que serão recuperadas imagens de acordo com a percepção de similaridade do médico, usuário final do sistema / The continuous growth of the medical images generation and their use in the day-to-day procedures in hospitals and medical centers has motivated the computer science researchers to develop algorithms, methods and tools to store, search and retrieve images by their content. Therefore, the content-based image retrieval (CBIR) field is also growing at a very fast pace. Algorithms and tools for CBIR, which are at the core of this work, can help on the decision making process when the specialist is composing the images analysis. This is based on the fact that the specialist can retrieve similar cases to the one under evaluation. However, the main reservation about the use of CBIR is to achieve a fast and effective retrieval, in the sense that the specialist gets what is expected for. That is, the problem is to bridge the semantic gap given by the divergence among the result automatically delivered by the system and what the user is expecting. In this work it is proposed the perceptual parameter, which adds to the relationship between the feature extraction algorithms and distance functions aimed at finding the best combination to deliver to the user what he/she expected from the query. Therefore, this research integrated the three main elements of similarity queries: the image features, the distance function and the perceptual parameter, what resulted in searching operators. The experiments performed show that these operators can narrow the distance between the system and the specialist, contributing to bridge the semantic gap