Com a finaliza¸c˜ao do processamento e segmenta¸c˜ao, a convers˜ao entre as plataformas ITK e VTK deve ser realizada e o VTK passa a ser a plataforma respons´avel por recons- truir de forma segmentada e calcular o volume e ´area do muco acumulado. Nesta etapa a informa¸c˜ao dever´a ser convertida ao formato VTK, utilizando o modelo de dados de imagem (Image Data), ilustrado na Figura 21. Estudos preliminares apontaram uma in- finidade de estruturas de dados com os quais poderia-se trabalhar, por´em, dada a origem da imagem e a finalidade da aplica¸c˜ao, o modelo de dados de imagem ´e utilizado evitando assim qualquer nova etapa de convers˜ao.
O m´etodo Marching Cubes, implementado no VTK, por trabalhar com o mesmo tipo de dados de imagens de tomografia, image data, al´em de conseguir resultados com per- formance, tamb´em obt´em resultados precisos durante a renderiza¸c˜ao do volume. Existem duas outras alternativas de renderiza¸c˜ao, uma seria o uso do m´etodo de extra¸c˜ao de con- torno, modelo mais gen´erico e que atende um grande n´umero de tipos de dados, e outra seria uma combina¸c˜ao deste com a o filtro de malha poligonal, onde a mesma tem um resultado mais pr´oximo ao m´etodo Marching Cubes (SCHROEDER; MARTIN; LOREN- SEN, 2002).
A implementa¸c˜ao realizada pelo VTK, consiste basicamente em dizer ao m´etodo qual a superf´ıcie desejada para filtrar/extrair, baseado em uma normaliza¸c˜ao de HU, e adicionar este resultado a um ator.
Um ator, como chamado pelo VTK, ´e uma estrutura tridimensional, reconstru´ıda a partir dos valores da filtragem da sequˆencia, onde ´e poss´ıvel controlar a movimenta¸c˜ao ao redor de um eixo central, bem como aumentar e diminuir a regi˜ao.
3.4
Medi¸c˜ao do Volume
A biblioteca VTK proporciona algoritmos precisos de medi¸c˜ao de volume, como o algoritmo de MUNC e DTA, detalhados na Se¸c˜ao 2.5 e baseados no trabalho de Alyassin et al. (1994) (INC., 2014).
O processo de segmenta¸c˜ao ´e essencial para que seja poss´ıvel o c´alculo do volume e da ´area sem interferˆencia de valores externos, para isto, foram aplicados valores uniformes de 20 HU de intensidade na ´area retornada da segmenta¸c˜ao e substitu´ıdos os valores de 20 HU nas outras regi˜oes por valores m´edios em uma matriz 5x5.
A t´ecnica de c´alculo de volume e ´area, implementada no VTK n˜ao retorna unidades e por isso, seus valores s˜ao interpretados de acordo com a medida contida nos atributos da DICOM.
4
EXPERIMENTOS E RESULTADOS
Nesta se¸c˜ao s˜ao abordados os resultados obtidos bem como os problemas encontrados durante a pesquisa.
O processo de segmenta¸c˜ao manual, como descrito na Se¸c˜ao 3.1, com gera¸c˜ao de imagens em PNG (Portable Network Graphics) resultou em perda de informa¸c˜oes im- portantes, e uma reconstru¸c˜ao ineficiente para comparar com a segmenta¸c˜ao autom´atica, como pode ser observado na Figura 30.
(a) (b)
Figura 30: Reconstru¸c˜ao da segmenta¸c˜ao manual
´
E poss´ıvel observar na Figura 30 a sobreposi¸c˜ao das imagens, em tons mais escuros, compondo a profundidade, por´em como as imagens n˜ao cont´em as informa¸c˜oes de posici- onamento e distanciamento entre os cortes, n˜ao houve uma reconstru¸c˜ao tridimensional. A imagem passou pelo processo de alinhamento, realizado pelo ITK, e mesmo ap´os inserir manualmente as informa¸c˜oes da CT, como as dimens˜oes e espa¸camento entre os cortes, a reconstru¸c˜ao apresentou falhas.
Ao criar uma nova imagem, as informa¸c˜oes DICOM n˜ao eram devidamente salvas na nova imagem. Para corrigir este problema, as altera¸c˜oes da imagem foram feitas no mesmo arquivo, o que possibilitou a manuten¸c˜ao de todas as informa¸c˜oes originais na imagem.
forma mais direta poss´ıvel, sem o uso do ITK e fazendo uso apenas da biblioteca VTK com o respectivo valor da escala de Hounsfield. Como ilustrou-se na Figura 30, este trabalho mostrou-se complexo.
A Figura 31, ilustra que a separa¸c˜ao se mostrou poss´ıvel entre as janelas de tecidos moles (pele, m´usculo, massa branca e cinzenta, sangue, entre outros) e ossos.
Figura 31: Segmenta¸c˜ao e reconstru¸c˜ao utilizando valores da escala de Hounsfield
A visualiza¸c˜ao ilustrada na Figura 31, foi realizada com os valores maiores de 1250 HU para ossos e menores que 800 HU para pele. Pode-se observar que a segmenta¸c˜ao e reconstru¸c˜ao foram realizadas com sucesso, pois os valores de HU neste caso n˜ao sofrem nenhuma sobreposi¸c˜ao. Na Figura 32a ´e poss´ıvel observar os seios paranasais em uma visualiza¸c˜ao interna, por´em ao contr´ario da segmenta¸c˜ao entre osso e tecidos, neste caso o valor HU do muco trata-se de uma janela menor de valores contida dentro da janela de tecido mole, e para estes valores nenhum resultado satisfat´orio foi encontrado com este m´etodo.
(a) Seios Paranasais (b) Imagem 19
Figura 32: Recorte da reconstru¸c˜ao interna dos tecido mole
´
E poss´ıvel observar na Figura 32a que o seio paranasal maxilar esquerdo, destacado manualmente em contorno verde, encontra-se a direita na imagem devido a rota¸c˜ao da mesma, e ´e maior se comparado ao direito, destacado em azul, tamb´em realizado de forma manual. A Figura 32b n˜ao esta rotacionada, logo a disposi¸c˜ao esta invertida e fica mais f´acil entender que o muco n˜ao aparece nesta segmenta¸c˜ao, pois o seio paranasal direito cont´em um acumulo significativo e o que foi reconstru´ıdo na 32a foi apenas o espa¸co a qual o muco n˜ao ocupava. Na Figura 32b tamb´em ´e poss´ıvel observar a influˆencia das obtura¸c˜oes na imagem. Estes resultados foram publicados por Lima e Marengoni (2015), e pode ser analisado no Apˆendice A.
Foram implementados m´etodos de redu¸c˜ao de ru´ıdos met´alicos, como explicado na Se¸c˜ao 2.4, onde os mesmos obtiveram melhora na suaviza¸c˜ao da imagem, removendo parte do ru´ıdo ap´os 3 itera¸c˜oes, conforme pode ser observado na Figura 33.
(a) Imagem Original (b) Imagem Filtrada
Figura 33: Resultados obtidos ap´os a redu¸c˜ao de ru´ıdos
Ap´os a diminui¸c˜ao do ru´ıdo met´alico, uma m´ascara foi aplicada para limitar a regi˜ao de interesse, com o objetivo de limitar a regi˜ao a ser segmentada, conforme ilustrado na Figura 34.
Figura 34: M´ascara aplicada a um corte da sequˆencia tomogr´afica
Al´em desta limita¸c˜ao de regi˜ao, uma binariza¸c˜ao da imagem foi realizada separando a imagem com o limiar de 150 HU, onde acima deste valor a imagem passa a ter valor 1, e abaixo, 0, conforme pode ser observado na Figura 35a.
(a) Binariza¸c˜ao da m´ascara seguido de fechamento
(b) Esqueletiza¸c˜ao e fechamento de contorno
(c) Contorno da binariza¸c˜ao (d) Refor¸co de bordas na imagem original
Figura 35: Processo de segmenta¸c˜ao da imagem
A Figura 35b ´e o resultado da aplica¸c˜ao do filtro morfol´ogico de esqueletiza¸c˜ao na Figura 35a, seguido de um algoritmo de busca, onde pontos desconexos s˜ao ent˜ao ligados a outros, em uma matriz de busca de 31x31. Com um filtro linear, buscando apenas a troca de valores entre 0 e 1, e marcando esta troca como 1, a Figura 35c, ilustra o contorno da imagem binarizada. Esta imagem ´e importante por destacar contornos internos e externos, enquanto que a esqueletiza¸c˜ao ilustra um contorno interno a este.
A jun¸c˜ao destas duas t´ecnicas, ilustrada na Figura 35d, foi necess´aria para que no processo de mapeamento da imagem, 36, fosse poss´ıvel conter o mapeamento a cavidade do seio paranasal maxilar, neste caso, o direito, ilustrado na imagem em azul claro.
Figura 36: Mapeamento RGB da imagem
Neste processo de mapeamento s˜ao retornados Labels que identificam cada objeto, ilustrado em cores diferentes na Figura 36, com seus valores m´ınimos, m´aximos e m´edios, al´em de sua localiza¸c˜ao na imagem.
Uma sele¸c˜ao destes objetos foi realizada, descartando objetos com valores fora das intensidades de -150 e +150 HU, como no objeto em verde na Figura 36, al´em dos objetos que n˜ao tinham sua regi˜ao pr´oximo aos centros direito e esquerdo da m´ascara.
Ap´os finalizar a segmenta¸c˜ao, ´e retornado a imagem original e realizado um filtro retirando pixels de intensidade entre 18 e 22 HU, isto ´e necess´ario para que estes valores n˜ao interfiram no processo de reconstru¸c˜ao da imagem, isolando a regi˜ao de interesse completamente das demais regi˜oes. Na regi˜ao encontrada e destacada no mapeamento RGB, os pixels s˜ao normalizados com valores de intensidade de 20 HU. Este processo ´e utilizado apenas como efeito visual, pois para o c´alculo da ´area e volume envolvido ´e utilizado a regi˜ao encontrada no mapeamento da imagem.
Este processo ´e repetido entre as imagens 12 e 25, onde as cavidades do seio paranasal come¸cam a ser observadas. O resultado final deste processo ´e ilustrado na Figura 37, onde tem-se o comparativo da figura original e final.
(a) Imagem original (b) Imagem segmentada
Figura 37: Imagem original e final
Apesar de obter a ´area segmentada na maioria das imagens, alguns ajustes ser˜ao necess´arios, pois h´a partes na imagem onde n˜ao existe um contorno e os seios paranasais se conectam, como ´e o caso da Figura 38.
Figura 38: Erro no processo de segmenta¸c˜ao
A Figura 38, faz parte do corte 17 da sequˆencia tomogr´afica e indica um erro, circulado em contorno branco, que pode ser observado em outras imagens da sequˆencia. Este problema n˜ao foi tratado neste trabalho, mas algumas solu¸c˜oes ser˜ao discutidas na Se¸c˜ao 5.1.
Ap´os a convers˜ao para a plataforma VTK foi poss´ıvel calcular o volume e a ´area, onde os valores retornaram em mil´ımetro por ter esta unidade associada aos atributos da imagem. Na Figura 39 o volume do muco ´e de 15902, 90mm3
8039, 12mm2
.
(a) Frontal (b) Lateral (c) Topo
Figura 39: Reconstru¸c˜ao do muco acumulado no seio paranasal direito
´
E poss´ıvel observar na Figura 39a, circulado em vermelho, que tamb´em parte dos seios etmoidais foram reconstru´ıdos e fazem parte do volume extra´ıdo pela segmenta¸c˜ao e calculado ap´os convers˜ao ao VTK. Al´em disso, com a convers˜ao houve perda de defini¸c˜ao na reconstru¸c˜ao da imagem.
Em um segundo paciente a sele¸c˜ao dos Labels retornados foram menos assertivos, resultando algumas vezes mais de um objeto. Por´em, se informado uma semente na primeira imagem da sequˆencia, onde ´e esperada a existˆencia do muco, a sele¸c˜ao por unidades de Hounsfield e por posi¸c˜ao torna-se desnecess´aria em ambos os casos. Neste segundo m´etodo, a uniformiza¸c˜ao dos valores em 20 HU foi utilizada apenas como fun¸c˜ao de m´ascara, e n˜ao mais para representar o corte na reconstru¸c˜ao e na volumetria do muco, o que mant´em o resultado mais pr´oximo do real, como pode ser observado na Figura 40, onde a imagem cont´em pequenos espa¸cos de ar, ante a uma imagem mais uniforme na Figura 39a.
(a) Paciente A (b) Paciente B
Figura 40: Comparativo da reconstru¸c˜ao do muco acumulado
A Figura 40, ilustra uma compara¸c˜ao entre o m´etodo de sele¸c˜ao de regi˜ao autom´atico 39a e m´etodo onde ´e indicada uma localiza¸c˜ao aproximada do muco na primeira imagem da sequˆencia, 40a. O resultado da segmenta¸c˜ao pelo m´etodo de indica¸c˜ao da regi˜ao no paciente B ´e demonstrado pela Figura 40b. Com este novo m´etodo foi poss´ıvel determinar melhor a regi˜ao de interesse, diminuindo a ´area de erro do, circulada em vermelho na Figura 39a.
Isto melhorou a acur´acia do algoritmo mudando os valores de volume e ´area do muco, antes em 15902, 90ml3 e 8039, 12mm2 , agora correspondem a 13617, 80mm3 e 10113, 10mm2 , respectivamente.
5
CONCLUS ˜AO
Alguns problemas com a segmenta¸c˜ao e obten¸c˜ao da imagem dificultaram a rende- riza¸c˜ao do volume do muco. Novas etapas de processamento e segmenta¸c˜ao de imagem foram adicionados, buscando alcan¸car melhores resultados.
A comunica¸c˜ao entre as bibliotecas ocorreu como planejado. J´a a segmenta¸c˜ao ma- nual, com o processo posterior de reconstru¸c˜ao se mostrou ineficiente, j´a que perdeu informa¸c˜oes contidas no padr˜ao DICOM ao transformar a imagem em Portable Network
Graphics (PNG). Plataformas como Osirix e MIPAV foram estudadas para a realiza¸c˜ao
destes cortes, mas nenhuma delas foram eficientes na obten¸c˜ao destes valores recortados para compara¸c˜ao. Em trabalhos futuros, ver Se¸c˜ao 5.1, este problema dever´a ser melhor discutido.
Mesmo sem a obten¸c˜ao do m´etodo manual de compara¸c˜ao, os valores est˜ao dentro da m´edia calculados no trabalho de Ariji et al. (1994), que estabelecem uma m´edia de 14, 64cm3
de volume para o seio maxilar. Como os testes realizados eram de acumulo de muco com preenchimento total do seio maxilar, o volume de 13617, 80mm3
esta de acordo com estas medidas o que corrobora para a conclus˜ao de que a t´ecnica utilizada foi eficiente.
Dado o pequeno conjunto de s´eries, ser´a preciso um novo conjunto de imagens to- mogr´aficas para aprimorar os resultados e valida-los, atestando a efic´acia dos mesmos. Devido a algumas discordˆancias de sistemas de an´alise de diagn´ostico, como Lund-Mackay, onde resultados de adultos e crian¸cas tem escores diferentes, ´e importante que em novos trabalhos, sejam considerados dois conjuntos de imagens, separados em adultos e crian¸cas. Mesmo ap´os a utiliza¸c˜ao de filtros que diminuem os ru´ıdos met´alicos, a eficiˆencia de bina- riza¸c˜ao com valores HU em janelas pequenas como a do muco n˜ao mostraram a efic´acia esperada, sendo que a classifica¸c˜ao por este m´etodo continuou mostrando melhores resul- tados para janelas maiores como a do osso e tecidos moles.
Por´em a utiliza¸c˜ao de t´ecnicas em conjunto, como a pr´opria binariza¸c˜ao, morfologia matem´atica e a classifica¸c˜ao de pixels conectados por limiares de intensidade apresentou resultado perto do esperado, e podem ser melhorados em trabalhos futuros.
na segmenta¸c˜ao, parte dos seios paranasais etmoidais foram adicionados ao volume. A aplica¸c˜ao da m´ascara diminuiu este problema por´em dever´a ser melhor analisada em outros conjuntos de imagens tomogr´aficas.
5.1
TRABALHOS FUTUROS
Os erros e resultados discutidos na Se¸c˜ao 4, dever˜ao ser tratados em trabalhos futuros. A segmenta¸c˜ao dever´a ser melhorada evitando que os outros seios paranasais n˜ao invadam as demais regi˜oes de interesse. Tamb´em ´e importante expandir este trabalho aos demais seios paranasais, para que seja poss´ıvel contribuir mais efetivamente ao sistema de Lund- Mackay. Uma ferramenta espec´ıfica dever´a ser criada para realizar a segmenta¸c˜ao manual, afim de comparar os valores obtidos entre os dois m´etodos. A melhoria na defini¸c˜ao da imagem, ap´os reconstru¸c˜ao, por se tratar de um problema visual, ser´a tratado apenas em um momento onde a preocupa¸c˜ao for a melhoria de como exibir os resultados. Ser´a necess´ario organizar os resultados, na cria¸c˜ao de uma plataforma visual, para atender a necessidades m´edicas no acompanhamento do diagn´ostico. Nesta etapa ser´a importante o acompanhamento de Otorrinolaringologistas para entender a necessidade e como estes resultados ser˜ao melhores aproveitados.
REFERˆENCIAS BIBLIOGR ´AFICAS
ALYASSIN, a. M. et al. Evaluation of new algorithms for the interactive measurement of surface area and volume. Medical physics, v. 21, n. 6, p. 741–752, 1994. ISSN 0094-2405. Dispon´ıvel em: <http://scitation.aip.org/content/aapm/journal/medphys/21/6/10- .1118/1.597333>.
ANDRADE, M. A. Desenvolvimento De Um Plugin Java Para Reconstru¸c˜ao Tomogr´afica
Em Spect. 96 p. Disserta¸c˜ao (Mestrado), 2007.
ARIJI, Y. et al. Age changes in the volume of the human maxillary sinus: a study using computed tomography. Dento maxillo facial radiology, v. 23, n. 3, p. 163–168, 1994. ISSN 0250-832X.
BOARI, L.; Castro J´unior, N. P. D. Diagn´ostico de rinossinusite crˆonica em pacientes com fibrose c´ıstica: correla¸c˜ao entre anamnese, nasofibroscopia e tomografia computadorizada.
Revista Brasileira de Otorrinolaringologia, v. 71, n. 6, p. 705–710, 2005. ISSN 00347299.
BRADSKI, G.; KAEHLER, A. Learning OpenCV. [S.l.: s.n.], 2008. 571 p. ISBN 9780596516130.
BRENNER, D. J.; HALL, E. J. Computed tomography–an increasing source of radiation exposure. The New England Journal of Medicine, v. 357, n. 22, p. 2277–84, nov. 2007. ISSN 1533-4406. Dispon´ıvel em: <http://www.ncbi.nlm.nih.gov/pubmed/18046031>. BUZUG, T. M. Computed Tomography. [S.l.: s.n.], 2008. 526 p. ISBN 978-3-540-39497-5. CHAN, T. F.; VESE, L. a. Active contours without edges. IEEE transactions on image
processing : a publication of the IEEE Signal Processing Society, v. 10, n. 2, p. 266–77,
jan. 2001. ISSN 1057-7149. Dispon´ıvel em: <http://www.ncbi.nlm.nih.gov/pubmed- /18249617>.
CLINE, H. E. et al. 3D reconstruction of the brain from magnetic resonance images using a connectivity algorithm. Magnetic resonance imaging, v. 5, p. 345–352, 1987. ISSN 0730725X.
CLINE, H. E. et al. Two algorithms for the three-dimensional reconstruction of
Da Silva, R. L. Segmenta¸c˜ao e modelagem 3D de imagens de tomografia computadorizada no aux´ılio da avalia¸c˜ao no tratamento de asma. Documento de Qualifica¸c˜ao de Mestrado - Mackenzie, S˜ao Paulo, p. 23, 2007.
de Ara´ujo Neto, S. A.; BARACAT, E. C. E.; FELIPE, L. F. A new score for tomographic opacificacation of paranasal sinuses in children. Brazilian Journal of Otorhinolaryngology, v. 76, p. 491–498, 2010. ISSN 18088694.
DONG, H. et al. Medical image reconstruction based on itk and vtk. In: Computer
Sciences and Applications (CSA), 2013 International Conference on. [S.l.: s.n.], 2013. p.
642–645.
DREBIN, R. A.; CARPENTER, L.; HANRAHAN, P. Volume rendering. In: Proceedings
of the 15th Annual Conference on Computer Graphics and Interactive Techniques.
New York, NY, USA: ACM, 1988. (SIGGRAPH ’88), p. 65–74. ISBN 0-89791-275-6. Dispon´ıvel em: <http://doi.acm.org/10.1145/54852.378484>.
GAO, X.; ZHANG, C.; GAO, W. Design and implementation of three dimensional visualization and analysis system of medical images. In: 2012 5th International
Conference on BioMedical Engineering and Informatics. IEEE, 2012. p. 108–112. ISBN
978-1-4673-1184-7. Dispon´ıvel em: <http://www.scopus.com/inward/record.url?eid=2- s2.0-84886409389\&partnerID=tZOtx3y1>.
GILROY, A. M. et al. Atlas of Anatomy. [S.l.: s.n.], 2012. 704 p. ISBN 978-1604067453. GRAUER, D.; CEVIDANES, L. S.; PROFFIT, W. R. Working with DICOM craniofacial images. v. 136, n. 3, p. 460–470, 2010.
INC., K. VTK 6.2 Documentation. 2014. Dispon´ıvel em: <http://www.vtk.org/doc- /nightly/html/index.html>.
JOHNSON, H. J. et al. The ITK Software Guide Third Edition - Updated for ITK
version 4.5. [s.n.], 2013. Dispon´ıvel em: <http://itk.org/ItkSoftwareGuide.pdf>.
KOEHLER, T.; BRENDEL, B.; BROWN, K. A New Method for Metal Artifact Reduction in CT. The International Conference on Image Formation in X-ray Computed
Tomography, 2011. Dispon´ıvel em: <http://repository.tudelft.nl/assets/uuid:22d5815d-
KRISHNAN, K. et al. An open-source toolkit for the volumetric measurement of CT lung lesions. Optics express, v. 18, n. 14, p. 15256–15266, 2010. ISSN 1094-4087. LAST, C. et al. A Model-Based Approach to the Segmentation of Nasal Cavity and Paranasal Sinus Boundaries. Pattern Recognition (Proc. of DAGM 2010) Lecture Notes
in Computer Science, v. 6376, p. 333–342, 2010.
LEVOY, M. Display of surfaces from volume data. IEEE Computer Graphics and
Applications, v. 8, p. 1–10, 1988. ISSN 0272-1716.
LIMA, R. F.; MARENGONI, M. Visualization 3D Reconstruction Volume Rendering of
Mucus into Paranasal Sinuses. 2015. 215–220 p.
LORENSEN, W. E.; CLINE, H. E. Marching cubes: A high resolution 3d surface construction algorithm. In: Proceedings of the 14th Annual Conference on Computer
Graphics and Interactive Techniques. New York, NY, USA: ACM, 1987. (SIGGRAPH
’87), p. 163–169. ISBN 0-89791-227-6. Dispon´ıvel em: <http://doi.acm.org/10.1145- /37401.37422>.
MARENGONI, M.; STRINGHINI, D. Tutorial : Introdu¸c˜ao `a Vis˜ao Computacional usando OpenCV. RITA, XVI, 2009.
MARENGONI, M.; STRINGHINI, D. High Level Computer Vision using OpenCV. 2011.
MILLAS, I. et al. An´alise histol´ogica do padr˜ao de distribui¸c˜ao glandular em conchas nasais inferiores normais. v. 75, n. 4, p. 507–510, 2009.
NOUMEIR, R. Dicom Structured Report Document Type Definition. IEEE Transactions
on Information Technology in Biomedicine, v. 7, n. 4, p. 318–328, 2003. ISSN 10897771.
PIRNER, S. et al. CT-based manual segmentation and evaluation of paranasal sinuses.
European Archives of Oto-Rhino-Laryngology, v. 266, n. 4, p. 507–518, 2009. ISSN
09374477.
PONTE, E. V.; LIMA, F.; AGUIAR, G. F. Altera¸c˜oes tomogr´aficas de seios paranasais em pacientes adultos com rinite al´ergica. v. 31, n. 5, p. 421–426, 2005.
SANTOS, J. B.; VARGAS J ´UNIOR, E. d. A.; BARROSO, E. V. Estudo Experimental dos Mecanismos de Produ¸c˜ao de Areia Empregando Tomografia Computadorizada de Raios-X. p. 37–57, 2004.
SCHROEDER, W.; MARTIN, K.; LORENSEN, B. The Visualization Toolkit. 3rd. ed. [S.l.: s.n.], 2002. ISBN 1-930934-07-6.
SCHROEDER, W.; MARTIN, K.; LORENSEN, W. The design and implementation of an object-oriented toolkit for 3D graphics and visualization. Proceedings of
Seventh Annual IEEE Visualization ’96, Acm, v. 1, p. 93–100,, 1996. Dispon´ıvel em:
<http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=567752>. SEEMANN, R. Volume Rendering with VTK. p. 8, 2002.
SEIXAS, R. d. B. et al. Visualiza¸c˜ao Volum´etrica com Otimiza¸c˜oes de Ray Casting e Detec¸c˜ao de Bordas. Rio de Janeiro, p. 281–286, 1995.
SZELISKI, R. Computer Vision. London: Springer London, 2011. (Texts in Computer Science). ISBN 978-1-84882-934-3. Dispon´ıvel em: <http://link.springer.com/10.1007- /978-1-84882-935-0>.
TINGELHOFF, K. et al. Comparison between manual and semi-automatic segmentation of nasal cavity and paranasal sinuses from CT images. Conference proceedings : ...
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Conference, v. 2007, p.