Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
SUMRIO
Sumrio 1. Introduo.......................................................................................................................... 3 2. Montando um sistema de equaes lineares .................................................................. 5 3. O Algoritmo ....................................................................................................................... 7 a. O Algoritmo no Caso Bidimensional ......................................................................... 8 b. O algoritmo generalizado ...................................................................................... 12 4. O problema da exposio excessiva radiao na tomografia computadorizada .... 13 5. Concluses ...................................................................................................................... 14 6. Referncias ...................................................................................................................... 14
1. INTRODUO
Em 1971, Godfrey Hounsfield, um programador britnico, trabalhando junto com um neurorradiologista, conseguiu mostrar as partes internas de um crebro humano. Foram esses dois que batizaram o processo que acabavam de inventar com o nome pomposo de tomografia computadorizada axial transversa. Vem a ser uma tcnica para reconstruir imagens bidimensionais de sees transversais de pacientes a partir de um conjunto de fluxos de Raios X unidimensionais. As vantagens de tal facilidade so bvias: ao invs de examinar vagas sombras em um fotograma (chapa) de Raios X convencional, os mdicos podem examinar alteraes patolgicas na anatomia com o mesmo grau de claridade que teriam se tivessem cortado o paciente em duas partes. Para construir cada imagem, so emitidos feixes de Raios X que ultrapassam o corpo do paciente e so captados por detectores. A frao de ftons da radiao que no absorvida ou desviada pelo corpo captada por detectores dotados de um cristal cintilador ou um fotomultiplicador que converte a energia incidente em corrente eltrica, proporcional potencia dos Raios X originais, que por sua vez convertida em sinais eletrnicos que so enviados a um computador, que constri as imagens.
Figura 1: Tomgrafo.
Figura 2: Uma imagem da base de um crnio obtida por tomografia computadorizada. A construo de uma imagem requer encontrar solues aproximadas de sistemas muito grandes de equaes lineares. Nesse trabalho apresentamos o modo como so montadas essas equaes e apresentamos um algoritmo que se enquadra na chamada classe de Tcnicas de Reconstruo Algbrica (TRA), que utilizado para encontrar solues aproximadas desses sistemas lineares, solues essas, que so uteis na construo das imagens das sees transversais do corpo em formato digital. Existem dois modos de escanear a seo transversal: o modo paralelo e o modo leque, conforme as Figuras 3 e 4.
Figura 4: Escaneamento por meio de Raios X em modo leque. No modo paralelo, a fonte de Raios X emite feixes de raios paralelos que ultrapassam o paciente e a radiao que no foi absorvida ou desviada captada pelos detectores de Raios X. Em seguida, o par fonte-detector girado de um pequeno ngulo e feito um novo conjunto de medidas. Esse processo repetido at ser obtido o nmero de medidas desejado. Analogamente, no modo leque, a fonte de Raios X gera um leque de raios e o que no foi absorvido ou desviado pelo paciente captado pelo detector de Raios X. A fonte e o detector so girados e so feitas novas medidas. Esse processo repetido at que o nmero de medidas seja o suficiente. A Figura 5 mostra um dos feixes de Raios X transpassando um paciente. Na mesma figura temos, ao fundo, os pixels da imagem da seo transversal desejada. Os pixels so pequenos quadrados monocromticos que formam a imagem, ou seja, so os elementos bsicos da imagem. Na tomografia, a cada pixel atribuda uma tonalidade de cinza.
Assim, para determinar a densidade de Raios X de uma fileira, basta somar as densidades dos pixels individuais. A densidade do i-simo feixe de um escaneamento denotada por e dada por:
Para cada feixe que passa por uma fileira horizontal ou vertical de pixels devemos ter:
Assim, se o i-simo feixe passa por uma fileira horizontal ou vertical de pixels, ento, das equaes (1) e (2) temos:
Nesta equao, a densidade possivel de ser medida no aparelho de tomogradia e , so densidades desconhecidas que devem ser determinadas. De modo anlogo ao caso horizontal ou vertical, se o i-simo feixe passa por um conjunto de pixels que numeramos , , ..., , ento temos: , ...,
Se definirmos
A equao (3) chamada de i-sima equao de feixe. Olhando para a Figura 5, observamos que os feixes de Raios X no passam necessariamente verticais ou horizontais por cada pixel. H pixels que so bombardeados apenas minimamente pelo feixe. Logo no seria muito preciso atribuir para um feixe totalmente bombardeado ou parcialmente bombardeado por um feixe de Raios X, como estamos fazendo acima. Dependendo da capacidade computacional do tomgrafo, pode-se definir os de modo diferente. Na Figura 8, mostramos trs maneiras de definir os da equao (3). O mtodo do centro do pixel o que estamos adotando. Embora no seja o mais preciso, o que apresenta menor dificuldade computacional.
Figura 8: Mtodos para determinao dos coeficientes das densidades de pixel. Supondo que para construir uma imagem foram emitidos M feixes de Raios X no total, podemos escrever as M equaes de feixe de um escaneamento completo como:
Assim, teremos um sistema linear de M equaes (as M equaes do feixe) e N incgnitas (as N densidades de cada pixel). Dependendo do nmero de feixes e de pixels usados, podemos ter M>N, M=N ou M<N. Vamos considerar o caso sobredeterminado em que M>N, que o caso que ocorre nos tomgrafos. Esse sistema no ter uma soluo matemtica exata, devido aos erros experimentais e de modelagem inerentes ao problema. No entanto, existe um algoritmo simples que permite achar uma soluo aproximada para o sistema linear (4). importante ressaltar que, para a gerao de uma imagem padrao moderna de 512 x 512 pixels de 1 , temos N = 262.144 e M maior ainda.
3. O ALGORITMO
Foram desenvolvidos vrios algoritmos para achar uma soluo para um sistema linear sobredeterminado muito grande (4). O algoritmo que ser descrito pertence classe de Tcnicas de Reconstruo Algbrica (TRA). Esse mtodo vem sendo utilizado desde a primeira mquina comercializada de tomografia computadorizada. Para introduzir essa tcnica, usaremos como exemplo o seguinte sistema linear de trs equaes (M=3) e duas incgnitas (N=2):
As retas , e determinadas por estas equaes esto esboadas no plano Essas retas no tem uma interseo comum, como mostra a Figura 9:
Figura 9: As retas
Isto significa que esse sistema linear no tem uma soluo exata. Contudo, os pontos ( , e podem ser considerados solues aproximadas do sistema, pois esto situados perto dessas trs retas. O seguinte procedimento interativo descreve uma construo geomtrica para gerar pontos na fronteira dessa regio triangular:
, , ,
que esto nas trs retas e ; respectivamente. Pode ser mostrado que, sempre que as trs retas no so paralelas, a primeira sequncia converge a um ponto de ; a segunda converge a um ponto de e a terceira a um ponto de (Figura 11). Estes trs pontos limites formam o que se chama um ciclo-limite do processo interativo. Pode ser mostrado que o ciclo-limite independe do ponto inicial :
Figura 11: Ciclo limite. A seguir estudamos as frmulas especficas necessrias para aplicar a projeo ortogonal do algoritmo acima. Primeiro expressamos a equao.
da reta no espao
sendo:
O teorema a seguir fornece a expresso da projeo: Teorema 3.1 (frmula da projeo ortogonal) Sejam L uma reta em ponto qualquer de . Ento a projeo ortogonal de
um
10
Demonstrao: Antes da demonstrao do teorema, convm estabelecer uma expresso para a projeo ortogonal de um vetor na direo de outro. Para tanto, consideremos a projeo ortogonal de na direo de .
Figura 13: Projeo ortogonal de um vetor na direo de outro. Seja a projeo ortogonal de na direo de : Definimos como sendo (Figura 14): (6)
nulo.
11
O vetor = ( ) ortogonal reta . Sejam um vetor qualquer do plano cartesiano e equao vetorial . Assim, utilizando projees, (Figura 15):
Na notao matricial, podemos escrever a equao vetorial acima como a equao matricial abaixo:
Mas
. Assim:
como queramos.
12
b. O Algoritmo Generalizado
Para generalizar o algoritmo do caso bidimensional de tal modo que se aplique a sistemas sobredeterminados quaisquer:
como seguem:
Com estas matrizes, as M equaes que constituem o nosso sistema linear (8) podem ser escritas em formato matricial como:
Cada uma dessas M equaes define o que chamado um hiperplano no espao euclidiano N-dimensional, . Em geral, estes hiperplanos no tem interseco comum e assim procuramos um ponto que esteja razoavelmente pr ximo de todos os hiperplanos. Tal ponto ser uma soluo aproximada do sistema linear e suas N entradas determinaro densidades de pixel aproximadas com as quais formamos a imagem da seo transversal desejada. Como no caso bidimensional, introduzimos um processo iterativo que gera ciclos de sucessivas projees ortogonais sobre os M hiperplanos a partir de um ponto arbitrrio do . Denotamos estas sucessivas iteradas por:
Os resultados que vimos no caso bidimensional valem para o caso N-dimensional e o algoritmo como segue:
No passo 3, a iterada chamada a projeo ortogonal de sobre o hiperplano . Consequentemente, como no caso bidimensional, este algoritmo determina uma sequencia de projees ortogonais de um hiperplano sobre o seguinte at chegar ao ltimo, quando ento retornamos, cada vez, voltando a projetar sobre o primeiro.
Universidade Federal de Uberlndia Faculdade de Engenharia Qumica
13
, ...,
geram o
, ento as iteradas
no k-simo hiperplano convergem a um ponto naquele hiperplano, que no depende da escolha do ponto inicial . Na tomografia computadorizada escolhida uma das iteradas , com p suficientemente grande, como uma soluo aproximada do sistema linear para as densidades de pixel. Observe que para o mtodo do centro de pixel, a quantidade escalar que aparece na equao do passo 3 do algoritmo simplesmente o nmero de pixels nos quais o k-simo feixe passa pelo centro. Analogamente, note que a quantidade escalar naquela mesma equao pode ser interpretada como o excesso de densidade que resulta do k-simo feixe se as densidades de pixel so tomadas como sendo iguais s entradas de . Isto fornece a seguinte interpretao do nosso esquema de iterao do tipo TRA para o mtodo do centro de pixel: Gere a densidade de pixel de cada iterada distribuindo o excesso de densidade de feixe de sucessivos feixes do escaneamento de maneira uniforme entre aqueles pixels nos quais o feixe passa pelo centro. Quando for alcanado o ltimo feixe do escaneamento, retorne ao primeiro feixe e continue.
14
5. CONCLUSO Um dos principais avanos no diagnstico mdico o desenvolvimento de mtodos no invasivos para obter imagens de sees transversais do corpo humano, como a tomografia computadorizada e a ressonncia magntica. Os mtodos da lgebra Linear podem ser usados para reconstruir imagens a partir do escaneamento por raios X da tomografia computadorizada. Enfim, trabalhar com tomografia realmente um grande desafio. O assunto bem amplo e a busca por tentar compreender ao mximo essa rea no mnimo empolgante. Um assunto que parece todo resolvido mostra um leque enorme de novas aplicaes, algoritmos e resultados a serem melhorados. A lgebra Linear possibilitou a explorao desse avano tecnolgico e continua cada vez mais importante para o desenvolvimento de novas tecnologias. 6. REFERNCIAS [1] Anton, H & Rorres, C. lgebra Linear com Aplicaes. 8a. ed. Porto Alegre: Bookman. 2001. [2] Boldrini, J. L. et alli. lgebra Linear. 3a. ed. Rio de Janeiro: Harbra. 1986. [3] Boulos, P. & Camargo, I. Geometria Analtica: um tratamento vetorial. 2a. ed. So Paulo: McGraw-Hill. 1987.