Browsing by Author "Nascimento, J"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Laser fototérmico e sua interacção com a retina humanaPublication . Henriques, J; Nascimento, J; Rosa, P; Vaz, F; Amaro, MHá vários efeitos resultantes da interacção da luz laser com os tecidos biológicos que podemos classificar em 5 tipos: efeito fotoquímico, fototérmico, fotoablativo, fotoablação induzida por plasma e fotodisrupção. Estes efeitos biológicos são modelados pelas propriedades ópticas dos tecidos: reflexão, absorção e dispersão e pelas características do feixe laser, nomeadamente o seu comprimento de onda (cdo) que influência a absorção da energia pelos pigmentos biológicos, bem como pela energia do feixe e do tempo da interacção do laser com os tecidos. Na retina humana usamos principalmente o laser de efeito fototérmico na banda do verde-amarelo (532nm), amarelo (577nm) ou díodo (810nm), obtidos actualmente a partir de um laser de estado sólido (Nd:YAG-KTP) ou díodo e dispensado em modo contínuo ou micropulsado (μP). Na retina humana pretende-se que o feixe laser atravesse os meios ópticos “transparentes “ ao cdo do laser em utilização e a sua energia seja absorvida pelos dois pigmentos: melanina do EPR e corio-capilar (CC) ou pela hemoglobina (microaneurismas). O calor gerado está dependente da energia do feixe por área do spot (fluência) e seu tempo de interacção com o EPR, do modo de saída em onda contínua ou micropulsos. O aquecimento induzido ao complexo EPR-CC pode ficar confinado a um volume próximo do local do spot ou aumentar no sentido da coroideia e muito mais no sentido da retina interna, lesando tecidos e células nobres da retina causando lesão térmica com desnaturação proteica e do DNA – fot ocoagulação. Vários estudos realizados permitem-nos considerar os seguintes mecanismos de acção terapêutica do laser térmico: (i) Diminuição do consumo de O2 pelos fotorreceptores (FR) destruídos pelo laser. Tem-se considerado desde há muito como o único mecanismo de acção.(ii) Aumento da oxigenação da retina – “pontes de O2” retinocoroideias (iii) Aumento da produção de mediadores químicos pelas células do EPR (PEDF e outros mediadores com expressão genética aumentada ou diminuída de determinados genes envolvidos no processo de reparação dos organelos celulares) (iv) Activação da renovação celular e remodelação dos tecidos retinianos (v) Diminuição das Metalo Proteinases da Matriz ( MMP’s) (vi) Aumento das proteinas de shock térmico (HSP’s) (vii) Migração de células HSC da medula óssea com efeito reparador. O laser térmico na retina humana pode ser usado na área macular ou na retina periférica. No primeiro caso a lesão deverá ser a menor possível de forma a preservar os tecidos e células responsáveis pela função visual, sendo importante personalizar e combinar a terapêutica (corticóides e anti-VEGF). Podemos descrever 12 técnicas diferentes para abordar o edema macular diabético (EMD) com laser térmico, preferencialmente usando cdo amarelo 577nm e verde 532nm, podendo no entanto ser usado krypton 657nm ou díodo 810nm. Quando falamos em laser temos que ter presente que podemos estar a referirmo-nos apenas a uma ou duas das técnicas descritas mas, o rigor científico, obriga-nos a conhecer as várias possibilidades técnicas e a descrever com precisão aquilo a que nos estamos a referir.
- The segmentation of the left ventricle of the heart from ultrasound data using deep learning architectures and derivative-based search methodsPublication . Carneiro, G; Nascimento, J; Freitas, AWe present a new supervised learning model designed for the automatic segmentation of the left ventricle (LV) of the heart in ultrasound images. We address the following problems inherent to supervised learning models: 1) the need of a large set of training images; 2) robustness to imaging conditions not present in the training data; and 3) complex search process. The innovations of our approach reside in a formulation that decouples the rigid and nonrigid detections, deep learning methods that model the appearance of the LV, and efficient derivative-based search algorithms. The functionality of our approach is evaluated using a data set of diseased cases containing 400 annotated images (from 12 sequences) and another data set of normal cases comprising 80 annotated images (from two sequences), where both sets present long axis views of the LV. Using several error measures to compute the degree of similarity between the manual and automatic segmentations, we show that our method not only has high sensitivity and specificity but also presents variations with respect to a gold standard (computed from the manual annotations of two experts) within interuser variability on a subset of the diseased cases. We also compare the segmentations produced by our approach and by two state-of-the-art LV segmentation models on the data set of normal cases, and the results show that our approach produces segmentations that are comparable to these two approaches using only 20 training images and increasing the training set to 400 images causes our approach to be generally more accurate. Finally, we show that efficient search methods reduce up to tenfold the complexity of the method while still producing competitive segmentations. In the future, we plan to include a dynamical model to improve the performance of the algorithm, to use semisupervised learning methods to reduce even more the dependence on rich and large training sets, and to design a shape model less dependent on the training set.