Estimativa de profundidade em imagens RGB de regiões anatômicas para a geração de modelos tridimensionais digitais

Abstract

Simular com exatidão a interação da luz com os tecidos biológicos é de alta importância para aplicações médicas. Contudo, obter essa interação por meio da Equação de Transporte Radiativo é bastante complexo. Para isto, o método de Monte Carlo se prova bastante útil, uma vez que por ele é possível resolver a equação de forma estatística, e portanto diminuindo a complexidade do problema. Para utilizar este método, é necessário um modelo tridimensional digital de alta precisão, que por sua vez não é algo acessível, principalmente em ambientes clínicos. Este trabalho portanto visa criar modelos tridimensionais precisos com apenas uma imagem bidimensional, de forma acessível para aplicações médicas. Para tal, processamos a imagem bidimensional por um algoritmo de inteligência artificial, capaz de nos retornar a profundidade para cada pixel da imagem. Com essa informação, criamos uma nuvem de pontos e enfim processamos ela, de modo a criar um modelo tridimensional. Para se obter esse modelo, foram criados vários métodos de geração de malha, além de também a geração de uma grade de voxels, para então ter a comparação destes métodos. Desta forma, foi possível notar as diferentes dificuldades para cada um dos métodos, assim como o quão complexo computacionalmente cada atividade é. Conclui-se então que foi possível utilizar desta metodologia para criar um modelo acessível e preciso dado o contexto, de forma a auxiliar os profissionais da área.

imulating accurately the interaction of light with biological tissues is of great importance for me dical applications. However, obtaining this interaction through the Radiative Transport Equation is quite complex. To address this, the Monte Carlo method proves to be very useful, as it allows the equation to be solved statistically, thus reducing the complexity of the problem. To use this method, a highly accurate 3D digital model is required, which is not easily accessible, particularly in clinical environments. Therefore, this work aims to create precise 3D models using just a 2D image, making it more accessible for medical applications. For this, we process the 2D image using an artificial intelligence algorithm capable of returning the depth for each pixel in the image. With this information, we create a point cloud and then process it to generate a 3D model. To obtain this model, various mesh generation methods were used, along with the creation of a voxel grid, in order to compare these methods. This way, we were able to identify the different challenges each method presents, as well as the computational complexity of each activity. The conclusion is that it was possible to use this methodology to create an accessible and precise model, given the context, to assist professionals in the field.