De acordo com os resultados apresentados no capítulo anterior, conclui-se que os objetivos inicialmente propostos para este projeto de dissertação foram alcançados. O algoritmo do aplicativo móvel aqui desenvolvido permite, a identificação de fraturas ósseas nas imagens ultrassonográficas em tempo-real.
O desenvolvimento deste projeto deu continuidade ao estudo anteriormente desenvolvido em [11], [12] ao utilizar os métodos de remoção de ruído do tipo Speckle e os algoritmos de identificação da linha de osso e fratura óssea que obtiveram melhores resultados num aplicativo móvel de forma a permitir a deteção das fraturas ósseas em imagens de ultrassom em tempo-real.
Os métodos propostos e desenvolvidos no curso desta dissertação foram apresentados no capítulo 4 e os resultados obtidos na análise do sistema de apoio ao utilizador desenvolvido em [12], comparativamente aos resultados obtidos no aplicativo em tempo-real aqui desenvolvido, são apresentados no capítulo 5.
Ambas as versões da aplicação aqui desenvolvidas, apresentaram os resultados esperados a nível de apresentação das imagens com a identificação da linha de osso e identificação de fratura óssea. A primeira versão serviu para verificar que o tempo de resposta da aplicação era demasiado grande, e a razão passava pela inicialização do engine a cada vez que era submetida uma imagem para análise da aplicação. No desenvolvimento da segunda versão da aplicação, este fator foi tido em causa, tendo em conta o uso de uma imagem em formato SVG que poderia influenciar ainda mais o tempo de resposta da aplicação ao apresentar os resultados da análise da imagem. Nesta versão, a engine será inicializada no momento em que o servidor iniciar, o que fará com que a maior parte da perda de tempo aconteça apenas no início da sessão de diagnóstico. Esta alteração permitiu que o tempo de resposta da aplicação a cada vez que é enviada uma imagem para análise, passasse do intervalo de 25-30 segundos para um intervalo de tempo situado entre os 4 e 7 segundos. A inicialização do servidor nesta versão consumirá mais tempo, mas acontecerá apenas uma vez por sessão de diagnóstico. O importante será apresentar os resultados do processamento da imagem o mais breve possível, o que se conseguiu com sucesso, comparativamente aos
resultados obtidos na análise preliminar feita ao sistema de apoio ao utilizador, como demonstrado no capítulo anterior.
6.2 Trabalho futuro
Apesar de ter se ter chegado a resultados bastante positivos, existem aspetos do algoritmo que talvez possam ser melhorados.
Com a crescente popularidade e utilização da linguagem Python, a passagem do algoritmo do sistema de apoio ao utilizador desenvolvido em MATLAB para Python pode ser possível. Esta alteração poderá influenciar ainda mais o tempo de resposta da aplicação e com a qual se evitaria a utilização da MATLAB engine, que consome bastante tempo na respetiva inicialização.
Referências
[1] M. Mercuri, T. Sheth, e M. K. Natarajan, «Radiation exposure from medical imaging: A silent harm?», C. Can. Med. Assoc. J., p. 413:414, 2011.
[2] E. C. Lin, «Radiation Risk From Medical Imaging», Mayo Clin. Proc., vol. 85, pp. 1142–1146, 2010.
[3] S. X.O., F. Jin, M. S. Linet, W. Zheng, J. Clemens, J. Mills, e Y. T. Gao, «Diagnostic X-ray and ultrasound exposure and risk of childhood cancer.», pp. 531–536, 1994. [4] S.-T. Feng, M. W.-M. Law, B. Huang, S. Ng, Z.-P. Li, Q.-F. Meng, e P.-L. Khong,
«Radiation dose and cancer risk from pediatric CT examinations on 64-slice CT: a phantom study», Eur. J. Radiol., 2010.
[5] C. R. McNeil, J. G. Mcmanus, e S. Mehta, «The accuracy of portable ultrasonography to diagnose fractures in an austere environment», Prehosp Emerg Care, 2009.
[6] J. G. Mcmanus, M. J. Morton, C. S. Crystal, T. J. McArthur, J. S. Helphenstine, D. A. Masneri, S. E. Young, e M. A. Miller, «Use of ultrasound to assess acute fracture reduction in emergency care settings», Am J Disaster Med, 2008.
[7] K. P. Cross, F. Warkentine, I. K. Kim, e R. I. Paul, «Bedside ultrasound diagnosis of clavicle fractures in the pediatric emergency department», Acad Emerg Med, 2010. [8] R. M. Haralick, K. Shanmugam, e I. Dinstein, «Textural Features for Image
Classification», IEEE Trans. Syst. Man Cybern., vol. 3, pp. 610–621, 1973.
[9] T. H. Marshburn, E. Legome, A. Sargsyan, e D. Robinson, «Goal-directed ultrasound in the detection of long-bone fractures», J. Trauma Inj. Infect. Crit. Care, pp. 329–332, 2004.
[10] J. Baun, «Sonographic Image Interpretation», em Cap. 3 de Physical Principles of
General and Vascular Sonography, 2009.
[11] N. Fernandes, «Deteção automática de fraturas ósseas em imagens ultrassónicas», 2013.
[12] L. Nascimento, «Contribuições para a deteção automática de fraturas ósseas em imagens de Ultrassom», 2014.
[13] P. Fish, Physics and Instrumentation of Diagnostic Medical Ultrasound. 1990.
[14] K. Bontranger e J. Lampignano, Tratado de Posicionamento Radiográfico e Anatomia
Associada, 6.a ed. 2006.
[15] A. Achim, A. Bezerianos, e P. Tsakalides, «Novel Bayesian Multiscale Method for Speckle Removal in Medical Ultrasound Images», IEEE Trans. Med. Imaging, vol. "0,
No.8.
[16] K. Karthikeyanm e D. C. Chandrasekar, «Speckle Noise Reduction of Medical Ultrasound Images using Bayeshrink Wavelet Threshold», Int. J. Comput. Appl., vol. 22–No 9.
[17] A. Bullock, R. Dimond, K. Webb, J. Lovatt, W. Hardyman, e M. Stacey, «How a mobile app supports the learning and practice of newly qualified doctors in the UK: aan intervention study», 2015.
[18] R. F. Reardon, J. R. Mateer, e O. J. Ma, «Pocket atlas of emergency ultrasound», 2011. [Em linha]. Disponível em: https://itunes.apple.com/us/app/pocket-atlas-of-emergency- ultrasound/id408558888?mt=8. Verificado a: 28/09/2017
[19] «SonoSupport: a clinical emergency medicine and critical care ultrasound reference tool». Disponível em: https://itunes.apple.com/us/app/sonosupport-clinical-emergency- medicine-critical-care/id638608139?mt=8. Verificado a: 28/09/2017
[20] O. J. Ma, Mateer, «Emergency Ultrasound», 2008. Disponível em: https://itunes.apple.com/us/app/emergency-ultrasound-
handbook/id737953236?mt=8&ign-mpt=uo%3D8. Verificado a: 28/09/2017
[21] «MobiSante MobiUS SP1». Disponível em:
http://www.mobisante.com/products/product-overview/. Verificado a: 28/09/2017
[22] «MobiSante MobiUS SP1 FAQ’s». Disponível em:
http://www.mobisante.com/products/faqs/. Verificado a: 28/09/2017
[23] K. Foss, Y. Subhi, R. Aagaard, E. Bessmann, M. Bøtker, O. Graumann, C. Laursen, J. Weile, e T. Todsen, «Developing an emergency ultrasound app - a collaborative project between clinicians from different universities», 2015.
[24] «Spring». Disponível em: https://spring.io. Verificado a: 28/09/2017 [25] H. L. Weissmann, Vire o jogo com Spring Framework. .
[26] «Wt framework». Disponível em: https://www.webtoolkit.eu/wt. Verificado a: 28/09/2017
[27] V. Volkman, «Wt: C++ Web Toolkit Library Lets You Write Scripting-Independent Web Apps», 2008.
[28] «Django Project». Disponível em: https://www.djangoproject.com. Verificado a: 28/09/2017
[29] J. B. de Vasconcelos, Python: Algoritmia e Programação Web. .
GOfQ0.twitter. Verificado a: 28/09/2017
[31] «MathWorks - Get Started with MATLAB Engine API for Python». Disponível em: https://www.mathworks.com/help/matlab/matlab_external/get-started-with-matlab- engine-for-python.html. Verificado a: 28/07/2017
[32] «Install Matlab Engine API for Python». Disponível em:
https://www.mathworks.com/help/matlab/matlab_external/install-the-matlab-engine- for-python.html. Verificado a: 28/09/2017
[33] «Call MATLAB Functions from Python». Disponível em:
https://www.mathworks.com/help/matlab/matlab_external/call-matlab-functions-from- python.html. Verficado a: 28/09/2017
[34] «ultrasound-images». Disponível em: http://www.ultrasound-images.com/. Verificado a: 28/09/2017
[35] «ultrasoundcases». Disponível em: http://www.ultrasoundcases.info/. Verificado a: 28/09/2017