825

DESENVOLVIMENTO DE UM MDULO COMPUTACIONAL PARA DETECO

SEMI-AUTOMTICA DE PONTOS CEFALOMTRICOS EM IMAGENS
ODONTOLGICAS CRANIOFACIAIS DIGITALIZADAS.
Lucas Lima Batista1; Claudio Eduardo Goes2;
1
Bolsista FAPESB, Graduando em Engenharia de Computao, Universidade Estadual de
Feira de Santana, email: lucaslbatista@gmail.com
2
Orientador, Departamento de Cincias Exatas, Universidade Estadual de Feira de Santana,
email: cegoes@gmail.com
PALAVRAS-CHAVE: Pontos cefalomtricos, processamento digital de imagens, deteco
semi-automtica.
INTRODUO
A cefalometria radiogrfica corresponde s mensuraes da imagem radiogrfica da
cabea (ossos, dentes e tecido mole). As aplicaes da cefalometria na Ortodontia so
diversas, entre elas: estudo do crescimento e desenvolvimento craniofacial do paciente;
diagnstico radiogrfico de possveis patologias instaladas; deteco de alteraes nas vrias
regies do crnio, permitindo a avaliao do local exato da anormalidade morfolgica,
estrutura dentria, esqueltica e/ou tegumentar (VEDOVELLO, 2007).
A anlise e o diagnstico, a partir da cefalometria, so realizados atravs dos traados
cefalomtricos ou anlises cefalomtricas que so compostos por um conjunto de pontos
cefalomtricos que, por sua vez, unidos a outros, especficos das estruturas sseas, dentrias e
tegumentar por meio do desenho de linhas permitem a realizao das mensuraes (ngulos e
distncias) ditadas pelas diferentes anlises cefalomtricas (VEDOVELLO, 2007).
A determinao dos pontos cefalomtricos tem se mostrado no reprodutvel quando
estes so comparados por diversos observadores. Essa no reprodutibilidade, segundo
Houston (1982), conseqncia da falta de preciso na determinao dos pontos
cefalomtricos, bem como dos erros de medida por instrumentos manuais (rgua, compasso,
lpis).
Devido a esses erros e considerando tempo gasto para na marcao manual dos pontos
cefalomtricos, vrios trabalhos vem sendo desenvolvidos com o objetivo de reduzir esses
erros e consequentemente o tempo gasto na marcao manual. Esse artigo apresenta uma
abordagem que utiliza tcnicas de processamento digital para a marcao semi-automtica dos
pontos cefalomtricos da anlise de Steiner.
METODOLOGIA
A metodologia utilizada para o desenvolvimento desse trabalho baseada em
levantamentos bibliogrficos de trabalhos relacionados e em entrevistas com profissionais da
rea de odontologia. Esse projeto segue as seguintes etapas: (a) Estudo de tcnicas de
deteco para pontos cefalomtricos; (b) Implementao do algoritmo para deteco semiautomtica dos pontos cefalomtricos.
Estudo de tcnicas de deteco para pontos cefalomtricos
A partir do levantamento de artigos tcnicos e da bibliografia especializada foram
estudadas as tcnicas mais recentes utilizadas para reduo do rudo nas radiografias, realce
das estruturas craniofaciais e segmentao das regies onde sero identificados os pontos
cefalomtricos segundo a anlise de Steiner. Durante esta fase do projeto fez-se necessrio um
estudo para identificar quais pontos da anlise de Steiner poderiam ser detectados
automaticamente.

826

Implementao dos algoritmos para deteco semi-automtica dos pontos cefalomtricos

Existem vrios mtodos usados por pesquisadores para a deteco de pontos
cefalomtricos. Dentre estes podemos destacar aqueles que usam tcnicas de processamento
digital de imagens para extrair os contornos importantes nas regies de interesse, para a
localizao dos pontos cefalomtricos (MOHSENI; KASAEI, 2007).
Antes de iniciar a marcao automtica o usurio seleciona o ponto que deseja marcar
e desenha um quadrado ao redor da localizao do ponto. Essa regio a regio de interesse
ou ROI (Regionofinterest). Nessa regio sero aplicadas as tcnicas de processamento de
imagens e o algoritmo do calculo do ponto selecionado. Cada ponto possui um algoritmo
diferente, pois as regras matemticas mudam para cada ponto.
As tcnicas de realce de imagens tm como objetivo processar uma imagem, de modo
que o resultado seja mais apropriado para uma determinada aplicao (GONZALEZ;
WOODS, 2000). O realce de imagens se divide em duas categorias: mtodos de realce no
domnio espacial e mtodos no domnio da freqncia. Segundo Gonzalez, o domnio espacial
refere-se ao prprio plano da imagem, ou seja, os mtodos so baseados na manipulao
direta dos pixels.
Inmeras operaes em processamento de imagens so feitas atravs do conceito de
convoluo com mscaras. Segundo Filho e Neto (1999) as operaes com mscaras so
amplamente utilizadas no processamento de imagens. Dependendo da mscara escolhida se
obtm uma variedade de operaes teis, como reduo de rudo e deteco de caractersticas
da imagem. Filtros de suavizao so muito utilizados para borramentos e reduo de rudo. O
borramento utilizado no pr-processamento da imagem, por exemplo, na reduo de
pequenos detalhes de uma imagem antes da extrao de objetos (GONZALEZ; WOODS,
2000).
O histograma um grfico estatstico que representa a distribuio das intensidades
dos pixels de uma imagem. O histograma normalizado de uma imagem pode ser definido
como uma funo ( ) que fornece uma estimativa da probabilidade de ocorrncia do nvel
de cinza na imagem (GONZALEZ; WOODS, 2000). A equalizao de uma imagem feita
calculando o histograma normalizado e consequentemente o histograma acumulado, e por
fim, construir uma nova imagem com este histograma. Segundo Filho e Neto (1999) a
equalizao de histograma uma tcnica na qual se procura redistribuir os valores de tons de
cinza dos pixels em uma imagem, de modo a obter um histograma mais uniforme, no qual o
nmero de pixels dos nveis de cinza praticamente o mesmo.
Borda o limite entre duas regies com propriedades relativamente distintas de nvel
de cinza (GONZALEZ; WOODS, 2000). O algoritmo utilizado nesse trabalho para a deteco
de bordas o algoritmo de Canny (CANNY, 1986). Esse algoritmo um operador gaussiano
de primeira derivada que suaviza os rudos e localiza as bordas. Para desenvolver este
algoritmo, primeiramente concentraram seus estudos em bordas ideais, cuja representao
pode ser feita por funes em uma dimenso (1-D).
O processo de limiarizao consiste em separar regies de uma imagem. Como
limiarizao produz uma imagem binria de sada, esse processo comumente conhecido
como binarizao. A forma mais simples de binarizao consiste na bipartio do histograma,
convertendo os pixels com um tom de cinza maior ou igual a um valor de limiar (T) em
branco e os demais em preto. Existem vrios trabalhos cientficos que abordam diferentes
alternativas para o clculo do melhor valor de limiar (FILHO; NETO, 1999). O mtodo
utilizado nesse artigo o mtodo de Otsu (OTSU, 1979).
Por fim, a tcnica de Rotulao de Componentes Conexos (DILLENCOURT;
SAMET, 1992) que uma aplicao da teoria dos grafos, onde subconjuntos de uma imagem
binria so classificados de acordo com uma determinada heurstica. Esses elementos so

827

utilizados para calcular os pontos cefalomtricos baseado nos maiores elementos conexos da
imagem.
RESULTADOS
A Figura 1 mostra o resultado do clculo dos pontos Sela, Nsio e D respectivamente.
Para o clculo desses pontos, inicialmente foi necessrio destacar as estruturas de interesse na
imagem. Para isso, as imagens tiveram seu histograma equalizado como um passo de prprocessamento. Em seguida foi aplicado o algoritmo de deteco de bordas de Canny para
extrair as bordas da imagem. A tcnica de rotulao de componentes conexos foi aplicada as
bordas da imagem resultante. Atravs da rotulao possvel saber qual o maior componente
conexo nas imagens (borda marcada em vermelho) e assim aplicar o algoritmo para a
marcao automtica do ponto cefalomtrico.

Figura 1: (a) resultado da marcao do ponto Sela; (b) resultado da marcao do ponto Nsio; (c) resultado da marcao do ponto D;

A marcao do ponto Sela feita atravs do clculo do centro de massa do maior

componente conexo (Figura 1 (a)). J o ponto Nsio encontrado calculando o pixel de valor
1 mais a esquerda do maior componente conexo (Figura 1 (b)). O ponto D calculado da
mesma forma que o ponto Sela, ou seja, atravs do centro de massa do componente conexo
(Figura 1 (c)).
Os prximos pontos tambm precisam ter suas estruturas destacadas, portanto
necessrio equalizar a poro selecionada da imagem. Um filtro de mdia 3x3 aplicado
imagem para diminuir o rudo resultante da equalizao da imagem. Logo aps, a imagem
binarizada atravs da utilizao do limiar de Otsu. Aps a binarizao separado a estrutura
do fundo da imagem. Nos resultados a seguir o pixel com valor 1 representa a cor preto e o
pixel com o valor 0 representa a cor branca.
A localizao do ponto B dada atravs da busca do pixel de valor 0 mais a esquerda
da imagem binarizada. A busca feita da esquerda para direita (Figura 2 (a)). O ponto Pog
calculado atravs da busca do pixel de valor 1 mais a esquerda da imagem binarizada. A
busca feita da direita para a esquerda (Figura 2 (b)). O ponto Gn encontrado calculando o
ponto de inflexo formado pela segmentao da estrutura de interesse (Figura 2 (d)). O
clculo do ponto Me feito atravs da busca do pixel de valor 1 mais inferior na imagem
binarizada (Figura 2 (e)). O ponto Go calculado calculando buscando o primeiro pixel de
valor 1 que coincide com a diagonal formada no canto inferior esquerdo da imagem (Figura 2
(c)).

828

Figura 2: (a) resultado da marcao do ponto B; (b) resultado da marcao do ponto Pog; (c) resultado da marcao do ponto Go; (d)
resultado da marcao do ponto Gn; (e) resultado da marcao do ponto Me;

CONSIDERAES FINAIS
A deteco de todos os pontos depende da qualidade da imagem e da regio escolhida
pelo especialista o que torna um grande desafio generalizar os algoritmos de deteco. Por
outro lado, a utilizao desses algoritmos auxilia o especialista na marcao dos pontos
cefalomtricos, pois apresentam uma aproximao da posio real do ponto.Essa aproximao
facilitar a marcao dos pontos cefalomtricos uma vez que apenas um ajuste ser necessrio
para posicionar o ponto no local exato. Esse processo pode reduzir o tempo de marcao dos
pontos cefalomtricos e contribui para uma marcao mais precisa dos pontos.
As anlises feitas manualmente alm de estarem sujeitas a erros de preciso, o
processo tedioso e lento. A qualidade da anlise e do diagnstico depende da preciso na
marcao dos pontos cefalomtricos. Desta forma, esse trabalho apresentou a deteco semiautomtica de oito pontos da anlise de Steiner, como objetivo de tornar a execuo da anlise
de Steiner mais rpida e precisa.
REFERNCIAS
OTSU, N., A Threshold Selection Method from Grey-Level Histograms, IEEE
Transactions on Systems, Man and Cybernetics, 9, 1, Janeiro 1979, 62-66.
HOUSTON, W.J.B. A comparision of the reability of measurement of cephalometric
radiographs by tracings and direct digitization.SwedDent J., v.15, p.99-103, 1982
CANNY, J.; A computational approach to edge detection, IEEE Transactions on pattern
analysis and machine intelligence, 8(6), pp 679 698 (1986).
DILLENCOURT, M. B.; SAMET H.; A general approach to connected-component labeling
for arbitrary image representations, Journal of the ACM, 1992
GONZALES, R. C.; WOODS, R. E. Processamento digital de imagens. 1. ed. So
Paulo:Blucher, 2000.
MOHSENI, H.; KASAEI, S.; Automatic Localization of Cephalometric Landmarks.IEEE
International Symposium on Signal Processing and Information Technolog, p. 396 401,
Dezembro 2007.
VEDOVELLO, M. F. Cefalometria: Tcnicas de Diagnstico e Procedimentos. 1. ed.
SoPaulo: Napoleo, 2007.