Programul de studii: [606039]

UNIVERSITATEA POLITEHNICA DIN BUCURES TI
FACULTATEA DE S TIINT E APLICATE
Programul de studii:
Matematic a  si Informatic a Aplicat a ^ n Inginerie
Aprobat decan,
Prof.dr. Emil PETRESCU
PROIECT DE DIPLOM A
Metode  si tehnici de recunoa sterea
formelor ^ n circulat ia sistemic a
COORDONATOR S TIINT IFIC, ABSOLVENT: [anonimizat].dr. Vladimir BALAN Mihaela-Andreea UNGUREANU
BUCURES TI
2019

Cuprins
1 Introducere 2
2 Preliminarii 3
2.1 Circulat ia sistemic a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Detect ia t esutului vascular-necesitate medical a  si instrument al autentic arii
biometrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Dispozitive comerciale pentru detect ia venelor . . . . . . . . . . . . . . . . . 6
3 Metode de recunoa stere a formelor ^ n circulat ia sistemic a 9
3.1 Interact iunea t esut-lumin a apropiat a de infraro su valoricat a ^ n metodele de
detect ie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Metod a non-invaziv a de detect ie a venelor utiliz^ and lumin a apropiat a de in-
fraro su . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Procedur a de detect ie a venelor de pe fat a dorsal a m^ ainii . . . . . . . . . . . 13
3.4 Sistemul de detect ie al venelor al lui Mayeer . . . . . . . . . . . . . . . . . . 17
3.5 Algoritmul lui Mansoor pentru detect ia venelor . . . . . . . . . . . . . . . . 19
3.6 Sistemul de detect ie a venelor implementat pe un telefon inteligent . . . . . . 21
4 Tehnici de^ mbun at at ire a imaginilor digitale aplicate^ n algoritmii de detect ie
a venelor 24
4.1 Metode de ^ ndep artare a zgomotului eciente ^ n procesele de detect ie . . . . 24
4.2 Tehnici de ^ mbun at at ire a contrastului pentru vizualizarea clar a a venelor . . 26
4.3 Filtre adaptive care conserv a modelul venos . . . . . . . . . . . . . . . . . . 28
4.4 Modalit at i de proiectare a formei extrase peste imaginea init ial a . . . . . . . 28
5 Aplicat ii – Detect ia venelor utiliz^ and imagini RGB 29
5.1 Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.1.1 Analiza comparativ a a performant elor algoritmiilor dezvoltat i p^ an a ^ n
prezent pentru detect ia venelor . . . . . . . . . . . . . . . . . . . . . 29
5.1.2 Metod a de detect ie a venelor utiliz^ and imagini RGB . . . . . . . . . . 29
6 Concluzii 30
Bibliograe 33
1

1 Introducere
Problematica recunoa sterii formelor aplicat a ^ n domeniul medical este departe de a  una
nou a, cu toate acestea preocuparea pentru dezvoltarea metodelor de detect ie non-invazive
este un subiect de actualitate. Necesitatea acestor metode deriv a din nevoia de a oferi o
mai bun a vizualizare a organelor interne, f ar a a leza ^ n vreun fel integritatea corpului uman,
precum  si o monitorizare a funct iilor acestora, pe de o parte, dar  si de a ecientiza anumite
proceduri medicale, pe de alt a parte.
Un caz particular ^ n care apare problema recunoa sterii formelor, ca o problem a de imagis-
tic a medical a, este reprezentat de detect ia t esutului vascular sau detect ia venelor. ^In timpul
unei proceduri medicale ecare secund a conteaz a, astfel c a, de cele mai multe ori, este impe-
rioas a g asirea ^ n timp c^ at mai scurt a locului exact ^ n care se a
 a o ven a prin care s a ^ i e
administrate pacientului medicamentele de care are nevoie. De asemenea, ^ n cazul transfuzi-
ilor sanguine, al don arii sau al recolt arii de s^ ange este necesar a cunoa sterea pozit iei exacte a
venelor. Chiar  si pentru personalul medical experimentat poate  ^ n anumite situat ii dicil
s a localizeze venele de la prima ^ ncercare. Inject iile intravenoase necorespunz atoare pot duce,
^ ns a, la ^ nro sirea  si aparit ia de um
 aturi la nivelul pielii, la afectarea oaselor  si a nervilor, la
react ii alergice, la aparit ia unor pete negre, a cicatriciilor [8].
Fiind un subiect cu o impotant  a deloc neglijabil a, detect ia venelor a reprezentat  si
reprezint a ^ n continuare obiectul de studiu al cercet atorilor din ^ ntreaga lume, preponde-
rent din domeniul de imagistic a medical a, dar  si din alte domenii precum cel al sistemelor
biometrice. Un exemplu de actualitate este colectivul din jurul domnului profesor Bruno
Montcel de la Universitatea Claude-Bernard Lyon 1, care are printre temele de cercetare
 si detect ia venelor prin imagistic a optic a. Profesorul Septimiu Cri san de la Universitatea
Tehnic a din Cluj-Napoca, al aturi de colectivul s au, a dezvoltat algoritmi de recunoa stere a
formelor^ n cazul t esutului vascular pentru a-i utiliza mai apoi^ n cadrul sistemelor biometrice.
Faptul c a tehnologia permite ^ nregistrarea unor parametri ziologici care indic a starea
de bine a organismului uman poate  de un real ajutor at^ at atunci c^ and vorbim despre
prevenirea oric aror alter ari ale st arii de s an atate, c^ at  si atunci c^ and vorbim despre situat ii
de urgent  a. ^In acest sens, chiar  si dispozitivele portabile cum sunt telefoanele inteligente,
devenite indispensabile ^ n prezent, pot ^ ndeplini cu succes sarcinile de detect ie a anumitor
caracteristici care re
ect a condit ia ^ n care se a
 a corpul uman la un moment dat.
Lucrarea de fat  a are ca scop reliefarea unei tehnici de detect ie a venelor prin procesarea
imaginilor digitale obt inute cu ajutorul camerei foto a unui telefon cu performant e calitative
de nivel mediu (raport^ andu-ne la specicat iile tehnice ale dispozitivelor mobile existente ^ n
prezent).
2

2 Preliminarii
2.1 Circulat ia sistemic a
Ciculat ia are rolul de a asigura nevoile tisulare – transportul substant elor nutritive din
t esuturi  si preluarea catabolit ilor dintr-o parte a organismului ^ n alta,  si de a ment ine ^ n
general homeostazia mediului intern (constant a parametrilor) ^ n toate lichidele tisulare ^ n
vederea supraviet uirii  si funct ion arii optime a celulelor [9].
Circulat ia sistemic a  si circulat ia pulmonar a, cunoscute  si sub nomenclatura de circulat ie
mare respectiv mic a, reprezint a cele dou a p art i ^ n care este divizat sistemul circulator. Dat
ind faptul c a circulat ia sistemic a irig a toate t esuturile organismului cu except ia pl am^ anilor,
ea este frecvent denumit a  si circulat ia periferic a [9].
Punctul de plecare al circulat iei sistemice este, bine^ nt eles, inima, din care pleac a dou a
artere: artera aort a care se ramic a ^ n tot organismul  si artera pulmonar a, care ind res-
ponsabil a de circulat ia pulmonar a, duce s^ angele la pl am^ ani pentru a se oxigena. S^ angele va
trece din artere ^ n vase tot mai mici p^ an a ajunge ^ n capilare, unde se realizeaz a schimbul de
substant e nutritive  si reziduurile celulelor. Apoi se ^ ntoarce la inim a prin intermediul venelor.
Figura 2.1: Distribut ia volumului sangvin ^ n diferite port iuni ale sistemului circulator [9].
Din volumul total de s^ ange din organism [9] 84% se g ase ste ^ n circulat ia sistemic a, astfel
c a venele reprezint a cel mai mare rezervor de t esut sanguin din corpul uman, a sa cum se
poate observa  si din gura 2.1.
Venele cu rol ^ n transportul s^ angelui de la t esuturi ^ napoi la inim a, ^  si datoreaz a culoarea
alb astruie faptului c a acesta este ^ nc arcat cu dioxid de carbon atunci c^ and le traverseaz a.
Presiunea sistemului vascular face ca venele s a aib a peret i subt iri, dar prezint a  si un strat
muscular care le permite s a se contracte sau s a se dilate [9]. ^In gura 2.2 sunt prezentate
detaliat principalele vene  si artere ale corpului uman.
3

Figura 2.2: Anatomia sistemului circulator [19].
^In cadrul diverselor proceduri medicale, cele mai uzitate vene sunt cele de la nivelul mem-
brelor superioare. Venele membrului superior se ^ mpart ^ n vene profunde  si vene superciale.
Venele profunde ^ nsot esc arterele  si poart a numele lor. Ele sunt c^ ate dou a pentru ecare
arter a, cu except ia venei axilare care este singur a. Acestea pot  explorate pe c aile folosite
la artere [7].
Venele superciale se pot explora sub piele, unde reliefurile lor de culoare alb astruie se
observ a cu u surint  a mai ales dac a se produce o staz a venoas a cu ajutorul unui garou aplicat
^ n jurul port iunii superioare a brat ului. Aplicarea garoului faciliteaz a evident ierea venelor
superciale care se pot explora prin inspect ie  si palpare, pot  abordate chirulgical  si permit
recoltarea de s^ ange  si practicarea inject iilor intravenoase. Aceste inject ii se fac de obicei ^ n
venele superciale de la nivelul plicii cotului, dup a o prealabil a evident iere  si xare, deoarece
venele superciale prezint a o mobilitate destul de mare [7].
Venele superciale ale m^ ainii sunt dispuse at^ at pe fat a palmar a c^ at  si pe fat a dorsal a, unde
se g asesc sub forma unor ret ele ce se continu a cu venele superciale ale antebrat ului. Pe fat a
palmar a a m^ ainii se a
 a o ret ea venoas a subcutanat a palmar a format a din vene foarte ne.
Venele superciale de pe fat a dorsal a a m^ ainii sunt mai mari  si constutuie o ret ea venoas a
dorsal a, caracteristic a ec arui individ [7].
Venele superciale ale antebrat ului, de o mare variabilitate, sunt grupate ^ n special ^ n
fat a anterioar a. Clasic, se descriu trei vene superciale ale antebrat ului: cefalic a, bazilic a
 si median a. Vena cefalic a a antebrat ului sau radial a supercial a poate s a e unic a sau
dubl a (principal a  si accesorie). Ea continu a vena cefalic a a policelui, trece ^ n spiral a peste
4

marginea lateral a a antebrat ului  si urc a spre plica cotului, unde se termin a. Vena bazilic a a
antebrat ului sau ulnar a (cubital a) supercial a continu a vena degetului mic, urc a pe partea
medial a a antebrat ului  si se termin a tot la nivelul plicii cotului. Vena median a a antebrat ului
^ ncepe la g^ atul m^ ainii  si merge ascendent pe linia median a a fet ei anterioare a antebrat ului
p^ an a la plica cotului, unde se bifurc a ^ n vena medio-cefalic a  si vena medio-bazilic a [7].
La nivelul plicii cotului, vena medio-cefalic a se une ste cu vena cefalic a a antebrat ului  si
formez a vena cefalic a a brat ului, iar vena medio-bazilic a a antebrat ului se une ste cu vena
bazilic a a antebrat ului  si constituie vena bazilic a a brat ului. Dispozit ia venelor superciale
ale plicii cotului poate  comparat a, de cele mai multe ori, cu litera "M" ("M"-ul venos al
plicii cotului), dar poate   si "Y", "N" sau "W" [7].
Venele descrise mai sus se remarc a prin accesibilitate vizual a ridicat a, ceea ce le situeaz a
^ n ipostaza obiectelor al c aror proces de detect ie automat este posibil, din punct de vedere
tehnic,  si necesar, din punct de vedere medical.
2.2 Detect ia t esutului vascular-necesitate medical a  si instrument
al autentic arii biometrice
Informat iile legate de forma  si distribut ia efectiv a a t esutului vascular nu sunt de o
important  a discutabil a atunci c^ and ne referim e la diverse proceduri medicale, e la sis-
teme de securitate care utilizeaz a autenticarea biometric a. Pentru a examina din punct de
vedere structural, sistemul vascular aproape orice parte a corpului poate  analizat a ^ n acest
sens. Disponibilitatea mai frecvent a a m^ ainilor face ca acestea s a e preferate ^ n procesele
de detect ie ce apar ^ n ambele domenii ment ionate mai sus [4].
Medical vorbind, localizarea exact a a venelor este crucial a^ n multe situat ii. Administrarea
de medicamente sau transfuziile de s^ ange sunt doar dou a exemple care exprim a
agrant
necesitatea vital a a preciziei ^ n momentul detect iei venelor. Erorile pot ap area chiar  si ^ n
cazul personalului medical experimentat, mai cu seam a atunci c^ and trateaz a pacient i pentru
care recunoat erea t esutului vascular viabil, ^ n vederea realiz arii anumitor proceduri, este
problematic a. Din aceast a categorie fac parte cei care au suferit arsuri sau prezint a anumite
semne sau pete la nivelul pielii, care reduc considerabil vizibilitatea venelor. De asemenea,
cazuri speciale sunt considerat i  si pacient ii cu un pigment mai ^ nchis al pielii, copiii, precum
 si persoanele ^ n v^ arst a. Dincolo de ^ mbun at at irea evident a a gradului de confort pe care ^ l
resimt pacient ii ^ n cazul implement arii  si utiliz arii corespunz atoare a unui sistem de detect ie
a venelor, se reduce  si riscul eventualelor complicat ii ca rezultat al insuccesului procedurii
medicale.
Un sistem biometric este, ^ n esent  a, un sistem de recunoa stere a formelor care identic a
o persoan a baz^ andu-se pe un vector caracteristic care deriv a din anumite tr as aturi zice  si
comportamentale pe care le posed a o persoan a. Detect ia formelor ^ n cazul t esutului vascular
a dovedit faptul ca respect a del aceast a denit ie  si asigur a multe caracteristici importante
din punct de vedere biometric:
unicitatea  si invariant a ^ n timp a formei;
procedur a de detect ie non-invaziv a;
aproape imposibil de falsicat sau copiat;
parametrul biometric nu este u sor de reperat cu ochiul liber;
forma venelor este destul de complex a ^ nc^ at s a permit a un criteriu sucient pentru a
putea face distinct ia ^ ntre diferit i subiect i, chiar  si ^ ntre gemeni [4].
5

Securitatea reprezint a un aspect care poate deveni la fel de vital ca  si o procedur a medical a
pentru o persoan a, astfel c a g asirea unei chei de acces unic a pentru ecare utilizator al
unei anumite ret ele este un subiect de mare ^ nsemn atate pentru societatea actual a. Date
ind caracteristicile valoroase, sistemele de detect ie a venelor utilizate ^ n cadrul celor de
autenticare biometric a au rolul de a garanta securitatea. Putem aduce din nou ^ n prim plan
 si confortul, de aceast a dat a al utilizatorilor, deoarece interact iunea om-dispozitive electronice
poate  considerabil ^ nlesnit a. ^In acest context, putem ment iona conceptul de "pay by
nger", care devenit realitate datorit a tehnologiei japoneze Hitachi de autenticare pe baza
venelor din deget, este o dovad a concret a a potent ialului real al venelor ca  si caracteristic a
biometric a. Dincolo de mediul bancar, ^ n care tehnologia amintit a este ^ ndelung uzitat a,
client ii b anciilor din t  ari precum Japonia, Turcia  si Polonia, ne mai av^ and nevoie de un card
pentru a retrage numerar de la un bancomat, exist a  si alte aplicat ii care folosesc acela si
principiu de funct ionare: accesul ^ n autoturisme, autenticarea personalului, conectarea la
computer, sisteme de acces pentru u si [20].
A sadar, recunoat erea formelor ^ n cazul t esutului vascular ^  si dovede ste utilitatea, at^ at ^ n
domeniul medical, c^ at  si ^ n cel biometric.
2.3 Dispozitive comerciale pentru detect ia venelor
Interact iunea dintre lumin a  si materie este esent ial a pentru felul ^ n care percepem reali-
tatea din jur. Este bine cunoscut faptul c a spectrul luminii este mult mai mare fat  a de plaja
de lungimi de und a (380-740 nm) care reprezint a vizibilul pentru om. ^In ciuda diferent ei
semnicative ^ ntre ceea ce este accesibil vizual  si necunoscut, explorarea  si utilizarea practic a
a undelor din afara percept iei umane sunt de un interes continuu ^ n literatura de specialitate.
Lumina sau radiat ia infraro sie este un exemplu sugestiv ^ n acest sens.
Spectroscopia ^ n infraro su este o tehnic a care utilizeaz a radiat ia cu valorile lungimii de
und a cuprinse ^ ntre 720 nm  si 960 nm. Aceasta permite vizualizarea venelor situate la 3-5
mm sub piele, vene care sunt folosite frecvent ^ n recoltarea de s^ ange [11]. Felul ^ n care t esutul
vascular absoarbe lumina infraro sie face ca venele s a e puse ^ n evident  a  si ^ n nal s a creasc a
rata de succes a procedurilor medicale care necesit a detect ia acestora. S^ angele este cel care
ind un puternic absorbant de radiat ie infraro sie, permite ca venele s a apar a ^ n contrast
fat  a de t esutul muscular  si piele. ^In consecint  a, exist a posibilitatea de a localiza vasculatura
subcutanat a, ^ n mod automat, prin imagistic a multispectral a. Astfel, sunt extrase numeroase
informat ii care procesate software corespunz ator, determin a pregnant performant a procesului
de detect ie cu multiple aplicat ii ^ n domeniul medical.
^In studiile sale Juric a identicat trei dispozitive care utilizeaz a spectroscopia ^ n infraro su
pentru a facilita recoltarea de s^ ange. Cele trei dispozitive au fost VienViewer (Christie
Medical Holdings, Memphis, TN, USA), VascuLuminator (De Koningh Medical Systems,
Arnhem, NL)  si AccuVein (AccuVein LLC, Cold Spring Harbor, NY, USA). Acestea difer a
prin design  si mod de implementare, dar ^ n ansamblu sunt construite dintr-o surs a de lumin a
cu infraro su  si o camer a capabil a s a achizit ioneze imagini ^ n infraro su, care mai apoi s a e
procestate  si utilizate ^ n scop clinic [11].
VienViewer prezint a o diod a care emite radiat ie infraro sie  si un laser proiector. Imaginea
suprafet ei de t esut analizat este proiectat a astfel ^ nc^ at venele s a apar a evident iate ca ni ste
linii negre pe un fundal verde. O structur a foarte asem an atoare are  si dispozitivul AccuVein,
cu diferent a c a fundalul pe care se proiecteaz a este ro su. VascuLuminator, care este alc atuit
dintr-o surs a de radiat ie infraro sie, care va  pozit ionat a sub regiunea ce se dore ste a
6

analizat a  si o camer a, care va prelua imagini ale acesteia  si le va proiecta pe un un ecran
unde venele apar negre pe un fundal mai deschis [11].
Figura 2.3: VeinViewer [21]
Figura 2.4: VascuLuminator
[22]
Figura 2.5: AccuVein [23]
Ecacitatea dispozitivelor descrise mai sus reprezint a un subiect deloc neglijat^ n literatura
de specialitate. Un studiu al lui Graa  si al colaboratorilor s ai [8] a pus problema compar arii
ecient ei celor trei dispozitive. Un grup de pacient i, cu v^ arste cuprinse ^ ntre 0  si 18 ani, care
necesitau introducerea unor branule prin care s a le e administrat tratamentul medicamentos
^ nainte de operat ie, a fost cel pentru care s-au utilizat aparatele de detect ie. S-a constatat
faptul c a venele au fost mai u sor reperate cu ajutorul lui VienViewer, pentru 95.3% dintre
pacient i, dar  si al lui AccuVein, pentru 94.1% dintre pacient i, fat  a de VascuLuminator, care
 si-a dovedit utilitatea pentru evident ierea venelor doar ^ n cazul a 89.1% dintre pacient i. ^In
acest studiu, nu s-au remarcat, ^ ns a, diferent e semnicative ^ ntre metoda clasic a de insert ie
a branulei  si utilizarea sistemelor de detect ie.
^Imbun at at irea ratei de succes cu 31% la prima ^ ncercare de introducere a branulei cu
ajutorul dispozitivului VienViewer, fat  a de metoda clasic a a fost rezulatul unui studiu clinic
condus de Hess [10]. De asemenea, num arul de ^ ncerc ari pentru succesul procedurii medicale
s-a observat c a a sc azut cu un pocent de 35%. Un alt c^ a stig al folosirii lui VienViewer a
fost  si sc aderea timpului necesar realiz arii procedurii cu 39% fat  a de modalitatea standard,
f ar a ghidare cu infraro su. Rezultate similare a obt inut  si Cuper ^ mpreun a cu colaboratorii
s ai [6], ^ n cazul recolt arii de s^ ange pentru un grup de copii (cu v^ arste cuprinse ^ ntre 0  si
6 ani), utiliz^ and VascuLuminator: timpul necesar recolt arii a sc azut, rata de succes a fost
^ mbun at at it a (10 =80 versus 1=45).
Exist a  si studii ^ n care, ^ n general, nu s-a remarcat o diferent  a semnicativ a ^ ntre procesul
medical clasic  si cel asistat de un dispozitiv. Totu si, ^ n cazuri particulare, pentru pacient ii
considerat i problematici, din cauza accesibilit at ii reduse a venelor, au ie sit ^ n evident  a: re-
ducerea timpului alocat procedurii  si reducerea num arului de ^ ncerc ari p^ an a la reu sit a. ^In
aceast a categorie se g asesc studiile lui Perry [16], care nu a observat vreun aspect notabil
datorit a utiliz arii lui VeinViewer, cu except ia ment ion arii opiniei personalului medical de la
sect ia de pediatrie unde dispozitivul a fost considerat util. Acela si aparat s-a remarcat ca -
ind u sor de utilizat  si pentru personalul medical din studiul lui Chapman [3]. ^In plus, un real
c^ a stig al utiliz arii sistemului de detect ie, ^ n ceea ce prive ste timpul de introducere a branulei
(121 secunde versus 167 secunde), dar  si o rat a mai mic a a insuccesului, a fost sesizat pentru
7

un subgrup de pacient i cu v^ arste ^ ntre 0  si 2 ani. Rezultate foarte asem an atoare g asim  si ^ n
studiile lui Kim [12]  si Phipps [17].
Putem spune ca sistemele de detect ie existente pe piat  a la ora actual a ne conduc la dou a
aspecte ce ar trebui luate ^ n considerare. Pe de o parte, chiar dac a la prima vedere uti-
lizarea acestora pare simpl a, implementarea la scar a larg a presupune o preg atire specializat a
a personalului medical ^ n acest sens. Garantarea succesului implic a denirea unei proceduri
de utilizare a dispozitivelor cu infraro su [13]. Pe de alt a parte, efortul nanciar pe care ^ l
presupun, este  si el unul ridicat. Este nevoie, a sadar, de adaptarea tehnologiei existente
pentru obt inerea rezulatelor dorite cu costuri minime. Metodele de detect ie a venelor care
minimizeaz a efortul nanciar necesar sunt cele care prezint a maxim interes ^ n prezent. Un
exemplu ^ n acest sens ar putea  ^ ncercarea cre sterii performant elor algoritmilor de procesare
 si implementarea zic a ^ n cadrul dispozitivelor accesibile cum sunt telefoanele inteligente.
Capitolul urm ator va prezenta diverse metode propuse p^ an a^ n prezent pentru recunoa sterea
formelor ^ n circulat ia sistemic a care au la baz a principiul utiliz arii de resurse minime.
8

3 Metode de recunoa stere a formelor ^ n circulat ia sis-
temic a
3.1 Interact iunea t esut-lumin a apropiat a de infraro su valoricat a
^ n metodele de detect ie
Interact iuniile t esutului venos cu lumina infraro sie sunt valoricate intens ^ n metodele
de detect ie. Modelul ret elei venoase este pus ^ n evident  a de principiul de absort ie al deoxi-
hemoglobinei sub incident a luminii apropiate de infraro su (numit a ^ n englez a Near Infrared
Radiation sau pe scurt NIR) [15].
Componentele din s^ ange cunoscute ca ind principalii absorbant i sunt: oxihemglobina,
deoxihemoglobina  si apa. Figura (3.6) ilustreaz a sugestiv coecient ii lor de absort ie ^ n funct ie
de lungimea de und a a luminii. P^ an a la valoarea de 600 nm coecient ii primelor 2 sunt relativ
apropiat i. Fat  a de artere, venele au un nivel mai ridicat de absort ie ^ ntre 600 nm  si 800 nm.
Dup a 800 nm curba deoxihemoglobinei scade rapid [15].
Figura 3.6: Coecient ii de absort ie ai principalilor absorbant i din s^ ange [15].
Coecientul de absort ie se dene ste ca inversul distant ei medii parcurse de un foton^ nainte
de a  absorbit. ^In cazul t esuturilor ad^ ancimea p^ an a la care poate ajunge lumina depinde
de lungimea de und a a sa cum se poate observa ^ n gura (3.7). ^In cazul lungimiilor de und a
de p^ an a ^ n 400 nm nu sunt vizibile dec^ at sect iuniile superciale ale dermei si epidermei care
nu cont in vene. Exist a o "fereastr a spectral a" care se extinde de la 700 nm la 900 nm unde
lumina p atrunde ad^ anc ^ n t esuturi ajung^ and chiar  si ^ n s^ angele vaselor localizate ^ n t esutul
subcutanat [15].
Figura 3.7: Nivelul de penetrare al t esutului ^ n funct ie de lungimea de und a a luminii [15].
9

Aceast a caracteristic a va sta la baza aplicat iilor descrise ^ n continuare asigur^ and, ^ n cazul
ilumin arii ideale, un input valid pentru algoritmii de detect ie.
3.2 Metod a non-invaziv a de detect ie a venelor utiliz^ and lumin a
apropiat a de infraro su
Metoda clasic a de recoltare a probelor biologice prin venipunctur a poate  un procedeu
care altereaz a semnicativ starea de bine a pacientului cu at^ at mai mult ^ n cazul ^ n care
caracteristici de ordin zic ^ ngreuneaz a procedura medical a. Ca solut ie la aceast a problem a,
Marcotti  si echipa sa prezint a ^ n [15] descrierea detaliat a a procesului de dezvoltare  si a
modului de utilizare a unui prototip de sistem pentru recunoat erea ret elei venoase. Totodat a,
ei testeaz a  si fezabilitatea utiliz arii luminii apropiate de infraro su ^ n domeniul s anat at ii.
Metoda lor are la baz a parcugerea a patru etape:
1. iluminarea suprafet ei dermice ce se dore ste a  analizat a cu lumin a apropiat a de in-
fraro su;
2. preluarea cu ajutorul unei camere video a imaginii re
ectate;
3. procesarea software a datelor achizit ionate prin intermediul algoritmiilor dezvoltat i ^ n
mediul Matlab;
4. proiectarea imaginii rezultate pe pielea pacientului.
Echipamentul tehnic utilizat pentru iluminarea zonei de interes a fost format din 40 de
diode cu infraro su, 16 LED-uri cu emisie maxim a de 850 nm  si 24 de LED-uri cu emisie
maxim a de 950 nm, dispuse concentric ^ n jurul camerei video. S-a considerat c a iluminarea
ideal a se atinge pentru o emisie de 760 nm. Camera web Eurocase 816 Infralight a fost
aleas a deoarece presupune costuri reduse. Ea a fost modicat a pentru a permite trecerea
radiat iei infraro sii, indu-i scos ltrul propriu infraro su  si ^ nlocuit cu un alt ltru optic care
s a blocheze accesarea spectrului vizibil p^ an a ^ n 700 nm. ^In timpul experimentelor, camera a
fost pozit ionat a la 18 cm de fat a dorsal a a m^ ainii analizate, astfel ^ nc^ at lumina s a o loveasc a
perpendicular.
Imaginiile preluate cu ajutorul sistemul de achizit ie descris au fost transmise prin USB
unui laptop  si ^ nc arcate ^ n programul Matlab ^ n vederea proces arii. Cu ajutorul unui marker
situat strategic pe m^ ana pacientului este selectat a mai u sor regiunea de interes dintr-un cadru
dat. Soft-ul recunoa ste acest punct ca locul din care va selecta conturul minim al m^ ainii
analizate, dar utilitatea acestuia se remarc a  si ^ n ultima etap a, atunci c^ and va reprezenta
punctul de referint  a la proiectarea imaginii pe pielea pacientului. Init ial, imaginiile sunt
captate ^ n fromat RGB  si sunt reprezentate tensorial ^ n program, a sa c a vor  transformate
^ n monocrom, deci ^ n matrice bidimensionale f ar a a altera informat ia cont inut a de acestea.
Etapa de procesare presupune aplicarea unor tehnici de ltrare pentru a evident ia sau
a suprima selectiv unele elemente, cu scopul p astr arii informat iei utile minime  si eliminarea
valoriilor anormale. Un pas esent ial este binarizarea, care presupune conversia valoriilor de
intensitate ale pixelilor ^ n valori de 0 sau 1 pentru ca ^ n nal s a obt inem o imagine alb-negru.
Pragul de binarizare se alege analiz^ and nivelele de gri care corespund venelor [15].
Filtrarea spat ial a s-a utilizat pentru a^ mbun at at ii interpretarea vizual a  si pentru a facilita
procesarea viitoare. S-a folosit comanda Matlab lter2 care permite ltrarea bidimensional a
cu o masc a la alegere cu ajutorul convolut iei. ^In convolut ie valoarea unui pixel este dat a de
suma ponderat a a vecinilor lui. ^In procesarea imaginilor, convolut ia se face ^ ntre imagine  si o
10

matrice (coecient i de ltrare) numit a masc a de ltrare [15]. Convolut ia lui f(x;y)  sih(x;y)
este dat a de:
g(x;y) =h(x;y)?f(x;y) =1X
i=11X
i=1f(i;j)h(xi;yj):
Pentru a calcula valoarea unui pixel sunt urmat i pa sii:
1. Masca de convolut ie se rote ste cu 180fat  a de elementul din centru.
2. Suprapunem centrul m a stii de convolut ie peste pixelul curent.
3.^Inmult im valorile din masc a cu cele peste care este suprapus a.
4. Sum am produsele obt inute la pasul anterior.
^In imaginea rezultat a venele vor ap area mai dilatate fat  a de modelul lor real, a sa c a se aplic a
un procedeu de scheletizare astfel ^ nc^ at s a e p astrat a cantitatea de informat ie minim a care
conserv a modelul ret elei venoase. Av^ and o imagine A, spunem c a zapart ine scheletului dac a
 si numai dac a:
-D(z) este cel mai mare disc centrat ^ n z cont inut in A(D(z) ind numit discul maxim);
-D(z) atinge marginea lui A ^ n cel mult 2 puncte.
Determinarea scheletului:
A=[
k=1kSk(A)
Sk(A) = (AkB)(AB)B
unde  kindic akeroziuni succesive ( :::(AB)B):::)B), iarkeste ultima iterat ie ^ nainte
ca A s a devin a o mult ime vid a [15].
Dup a procesul de scheletizare este necesar unul de dilatare, pe care pentru a-l ^ ntelege
este nevoie de denirea conceptului de element structural. Elementul structural dene ste
m arimea  si forma vecin at at ii ^ n care va  aplicat a operat ia morfologic a. Prin dilatare se
adaug a pixeli la conturul obiectelor prezente ^ n imagine, iar valoarea nal a a pixelului va
maximul pixelilor prezent i^ n vecin atatea stabilit a de elementul structural. Matlab are funct ia
imdilate (I, E) pentru dilatare, unde I este imaginea care se va dilata  si E reprezint a elementul
structural numit  si strel ( ^ n acest caz p atratic cu latura de 3 pixeli). Operat ia de dilatare are
propriet at i algebrice  si geometrice interesante care permit efectuarea unor procese specice
asupra elementelor structurale. Aceste propriet at i sunt utilizate pentru a deni un diametru
standard al venelor, independent de imaginea care rezult a din caracteristicile pacientului [15].
Figura 3.8: Exemplu de operare strel: matricea din s^ anga este matricea de intrare, matricea din
centru este strelul, iar matricea din dreapta este matricea output [15].
Pentru o execut ie intuitiv a a procesului de detect ie autorii au realizat si o interfat  a grac a
de utilizator (GUI) ^ n Matlab. Prin intermediul ei, utilizatorul poate s a aleag a dintr-o fer-
eastr a video imaginea ideal a pentru procesare, iar ^ n nal este a sat a imaginea ^ n care mode-
lul venelor pacientului este pus ^ n evident  a. Vizualizarea direct a a venelor pentru a facilita
11

venipunctura se face printr-un mini-proiector DLP Optoma PK 102 amplasat strategic astfel
^ nc^ at imaginea procesat a s a se a
e pe pozit ia imaginii preluate init ial.
Rezultatele utiliz arii sistemului au ar atat c a lumina aropiat a de infraro su este fezabil a ^ n
vizualizarea ecient a a ret elei t esutului vascular subcutanat. De asemenea, s-a vericat felul
^ n care p arul sau cantitatea de t esut adipos afecteaz a negativ procesarea imaginiilor. Metoda
propus a de cercat atorii argentinieni reu se ste s a ofere o alternativ a tehniciilor medicale curente
pentru a facilita accesul intravenos dintr-un num ar mai edus de ^ ncerc ari.
12

3.3 Procedur a de detect ie a venelor de pe fat a dorsal a m^ ainii
O metod a de detect ie a venelor ale c arei costuri de implementare sunt reduse a fost
dezvoltat a de profesorul Septimiu Cri san al aturi de colaboratorii s ai, Ioan G. T^ arnovan  si
Titus E. Crisan, de asemenea profesori ai Universit at ii Tehnice din Cluj. Forma venelor,
ind o caracteristic a biometric a, le-a fost necesar a acestora ^ n dezvoltarea unui sistem de
autenticare. La baza acestuia a stat recunoa sterea formei lor, pentru a asigura securitatea
garantat a de unicitatea modelului pentru ecare individ ^ n parte. Algoritmii metodei sunt
construt i customizat pentru detect ia exclusiv a a t esutului vascular de pe fat a dorsal a a m^ ainii,
dar pot  adaptat i pentru identicarea modelului pe care^ l descriu venele  si a pozit iei exacte a
acestora din antebrat , spre exemplu, zon a a corpului utilizat a frecvent ^ n timpul procedurilor
medicale.
Modul de achizt ionare a datelor ce au fost procesate software ^ n vederea detect iei a presu-
pus, mai ^ nt^ ai, determinarea unei solut ii hardware pentru obt inerea de imagini ^ n infraro su.
Autorii au c autat, init ial, sistemul de iluminare care s a asigure contrastul c^ at mai bun dintre
vene  si piele. O matrice de LED-uri a fost considerat a dup a experimente succesive varianta
ideal a.
Figura 3.9: Reprezentarea schematic a a procedurii de detect ie a venelor de pe fat a dorsal a a m^ ainii
Implementarea algoritmilor de procesare a imaginilor s-a f acut prin intermediul mediului
de programare Borland Delphi 7. Esent a procedurii create de cei trei profesorii este reprezen-
tat a tocmai de algoritmii de procesare a imaginilor. A sa cum este ment ionat  si ^ n articolul
acestora [5], un algoritm performant poate s a compenseze cu succes faptul c a radiat ia nu
penetreaz a ^ n aceea si manier a orice tip de t esut  si c a se poate ^ nt^ ampla ca pentru anumit i
13

subiect i imaginile achizit ionate s a apar a blurate sau chiar s a e imposibil de detectat. Figura
(3.9) descrie sugestiv pa sii urmat i cu scopul extragerii formei t esutului vascular.
O prim a etap a, fundamental a de altfel, este achizit ia imaginii ce urmeaz a a  procesat a.
^In aplicat ia original a, autorii au preluat imagini monocrome cu o camer a CCD av^ and o
rezolut ie de 320240 pixeli. Apriori, camera a fost focusat a pe o regiune de interes iluminat a
cu radiat ie infraro sie cu o lungime de und a de 880 nm. Parametrii de achizit ie ai camerei au
fost setat i s a se modice automat pentru a prelua imagini care s a aib a un contrast maxim,
f ar a a  supraexpuse. Acuratet ea datelor depinde ^ ns a  si de alt i factori precum ad^ ancimea la
care se a
 a venele sub piele,
uxul sanguin care le traverseaz a  si grosimea lor. P arul poate
reprezenta  si el o surs a de erori, put^ and  interpretat ca ind t esut vascular, mai cu seam a
^ n cazul subiect iilor de sex masculin [5]. Pentru a u sura aplicarea operat iilor matematice
asupra lor, imaginile sunt salvate ca matrice bidimensionale.
Reducerea zgomotului este un pas urm ator necesar ca ^ n orice alt proces de detect ie. ^In
cazul dat, ltrul medie de strel 3 3 este preferat, deoarece ^ ndep arteaz a zgomotul f ar a a
blura foarte mult imaginea.
Prin tehnica aleas a pentru ^ mbun at at irea contrastului se t ine din nou cont de evitarea
supraexpunerii. Astfel, se consider a c a ^ ntr-o imagine I1^ n care orice pixel, I1(x;y), poate
identicat prin num arul liniei ( x)  si cel al coloanei ( y) pe care se a
 a, intensitatea ec aruia
va  mic sorat a la valoarea minim a posibil a utiliz^ and formula:
I2(x;y) =I1(x;y)Imin;
undeIminreprezint a cea mai mic a valoare a pixelilor din imagine, iar I2este o copie a imaginii
I1mai slab a ^ n intensitate. La nalul acestei etape se obt ine imaginea I3, ca rezultat al
operat iei de contrast urm atoare:
I3(x;y) =bI2(x;y):
Coecientul de contrast b, se obt ine din:
b= 255=(ImaxImin);
undeIminreprezint a cea mai mic a valoare a pixelilor din I2, iarImaxreprezint a cea mai mare
valoare a pixelilor din I2.
Variabilitatea ridicat a pe care o prezint a forma venelor, dar  si lipsa ilumin arii perfecte
implic a necesitatea binariz arii utiliz^ and c^ ate un prag customizat pentru ecare parte a ima-
ginii. Pr aguirea se face consider^ and un strel mare (11 11,:::, 2525) glisant, iar la ecare
iterat ie valoarea pragului s a reprezinte media valorilor pixelilor din strel. Apoi pixelul din
centru va  comparat cu valoarea pragului  si va  modicat ^ n consecint  a. Dimensiunea
efectiv a a strelui poate  stabilit a empiric sau automat, prin analiza preliminar a a imaginii
 si prin analiza histogramei ei [5]. S-a utilizat un strel cu o dimensiune de 25 25, ceea ce a
condus  si la o expandare a venelor, care nu afecteaz a procesul de recunoa stere deoarece pasul
urm ator este subt ierea lor, ^ n care linia lor central a este conservat a.
^In metoda propus a, venele sunt subt iate p^ an a la linii de un pixel grosime. Autorii au
modicat un algoritm care condit iona culoarea alb a a unui pixel de respectarea a cel put in
una din cele 20 de reguli reprezentate ca streluri 3 3. Astfel c a s-au utilizat doar 15 reguli
de conversie, prezentate ^ n gura (3.10), pentru a nu  exclu si anumit i pixeli semnicativi.
Acuratet ea rezultatelor este preferat a ^ n poda vitezei de calcul, care este sc azut a cu 5-10%,
14

Figura 3.10: Regulile de conversie propuse pentru algoritmul de subt iere [5]
Figura 3.11: Rezultatele algoritmului de subt iere pentru o parte din modelul unor vene [5]
din cauz a faptului c a algoritmul de subt iere modicat va necesita cu 3 iterat ii mai mult
pentru a realiza liniile subt irii [5]. Figura (3.11) arat a cum sunt conservate formele venelor,
^ n urma respect arii dele a pa siilor de mai sus.
Optimizarea este o tehnic a particular a aplicat a imaginii rezulate dup a algoritmul de
subt iere, ^ n care este posibil s a  fost create detalii care ^ n realitate nu exist a. Printr-un
proces iterativ, care implic a diferite streluri de la dimensiuni mari de 11 11 pixeli, p^ an a la
minimul de 33, se  sterg segmentele false. Centrul strelului este setat pe un pixel negru
(valoarea 0), iar cei care ^ l bordeaz a sunt testat i. Se disting dou a cazuri: e tot i pixelii
sunt albi (valoarea 1)  si deci cel din centru devine  si el alb, e cel put in unul dintre ei este
negru, deci strelul este conectat la o structur a mai mare  si se mut a secvent ial ^ n alt a parte a
imaginii. Sunt necesare mai multe iterat ii pentru c a dimensiunea obiectelor neconectate este
foarte variabil a.
O tehnic a inteligent a de t aiere este apoi utilizat a pentru a  sterge segmentele false create
de algoritmul de subt iere. Sunt ^ nregistrate lungimile segmentelor, punctele de intersect ie ale
acestora, pentru ca apoi s a se decid a dac a apart in sau nu unor vene reale pe baza rezolut iei
camerei  si a l at imii m^ ainii. Pentru o rezolut ie de 320 240, o m^ an a are ^ n jur de 150-200 de
pixeli. Se vor elimina segmentele care sunt mai mici cu 8% dec^ at l at imea m^ ainii de la de la o
terminat ie la un punct de intersect ie. Din cauza naturii formei venelor, exist a probabilitatea
foarte mare ca un segment scurt s a apart in a unui grup de false obiecte. Acesta va  marcat
pentru  stergere  si va  comparat cu imaginea binarizat a dinainte de subt iere. Dac a pixelii
nu urm aresc identic modelul venelor vor  eliminat i. Din punct de vedere medical, venele nu
15

pot  necontinue, a sa c a terminat iile scurte din partea dreapt a sau partea st^ ang a sunt clar
zgomote de achizit ie sau procesare.
Pentru c a o tehnic a de detect ie a frontierelor nu este optimizat a pentru detect ia venelor,
cea mai important a problem a a unui algoritm de extragere a formei este conservarea conec-
tivit at ii modelului [5]. Rezolvarea ei s-a f acut prin intermediul unui strel glisabil 3 3,
analiz andu-se pixelii care ^ l bordeaz a pe cel din mijloc care poate : o intesect ie, parte a
unui segment sau o terminat ie. Sunt stocate unghiurile relative dintre segmente, num arul
terminat iilor  si al intersect iilor  si vecinii acestora, iar cantitatea total a de date este minim a.
Comparat ia ^ ntre valoriile modelului  si valorii scanate este  si ea mai rapid a. F ar a nicio alt a
tehnic a de compresie, ^ nregistrarea formei venelor unui individ va ocupa mai putin de 400 de
bit i.
Metoda propus a de cei trei profesori se distinge, a sadar, prin peocuparea continu a pentru
acuratet ea datelor, esent ial a^ ntr-un proces de recunoa stere a formelor. Pa sii urmat i  si descri si
de ei pot  implementat i  si ^ n alte medii de programare, a sa cum algoritmul poate  u sor
adaptat pentru detect ia venelor  si din alte regiuni ale corpului uman, de interes mai cu seam a
medical.
16

3.4 Sistemul de detect ie al venelor al lui Mayeer
^In multe proceduri medicale, razele X  si scanarea cu ultrasunete pot  utilizate pentru
detect ia venelor, dar acestea sunt metode invazive, deoarece necesit a introducerea^ n prealabil
^ n corp a unor substant e de contrast. Venele absorb mai mult a radiat ie infraro sie dec^ at t esutul
din jurul acestora, iar atunci c^ and sunt fotograate cu o camer a sensibil a la radiat ie infraro sie
apar mai ^ nchise la culoare dec^ at fundalul. A sadar, un sistem de detect ie a venelor care s a
utilizeze acest tip de radiat ie a reprezentat metoda non-invaziv a propus a ca alternativ a de
Mayeer  si echipa sa.
Din punct de vedere zic, aplicat ia este compus a dintr-o surs a de radiat ie infraro sie
circular a, pentru ca venele s a e iluminate c^ at mai bine,  si o camer a cu o rezolut ie bun a
pentru a capta detaliile acestora. Dorint a autorilor a fost ca dispozitivul lor s a e portabil  si
s a presupun a costuri minime. Din acest motiv camera web a fost modicat a de a sa manier a
^ nc^ at s a poat a prelua imagini ^ n infraro su prin scoaterea ltrului care ^ mpiedic a ^ n general
acest lucru pentru a obt ine rezulate performante ^ n spectrul vizibil. Ledurile originale ale
camerei au fost  si ele ^ nlocuite cu unele care emit radiat ie infraro sie, iar dispunerea lor
circular a a constituit sursa de iluminare. Procesarea software s-a f acut prin intermediul
programului Matlab, iar reprezentarea schematic a a acesteia este descris a ^ n gura (3.12).
Figura 3.12: Algoritmul software utilizat de Mayeer  si echipa lui
^In prim a faz a s-au achizit ionat imagini cu dimensiuni de 640 4808 bit i cu ajutorul
camerei modicate. S-a utilizat progamul Lab-VIEW pentru a seta rezolut ia, frecvent a
cadrelor  si pentru conversia ^ n monocrom  si vizualizarea cadru cu cadru.
Etapa de preprocesare a avut dou a obiective: eliminarea zgomotului  si netezirea imag-
iniilor, pe de o parte,  si ^ mbun at at irea contrastului, pe de alt a parte. A fost selectat a o
regiune de interes asupra c areia s-a aplicat init ial ltrul Gauss. Filtru de netezire, bazat pe
distribut ia Gauss, este  si un ltru trece-jos care atenueaz a frecvent ele mari ale zgomotului
l as^ and frecvent ele joase nealterate. Acesta s-a utilizat pentru a elimina zgomotul provenit
din modul de preluare al datelor. O alt a surs a de zgomot este p arul, prezent sub form a de
17

linii subt iri  si negre ^ n imagine. Filtrul median a fost folosit pentru ^ ndep artarea lui.
Pentru ca venele s a e mai u sor de reperat, ^ n etapa de segmentare  si postprocesare, este
nevoie  si de ^ mbun at at irea contastului. Se prefer a pr aguirea integral a a imaginii care separ a
pixelii a
at i ^ n prim-plan de cei din fundal  si fat  a de alte tehnici se utilizeaz a egalizarea
histogramei. Venele sunt, astfel, localizate  si separate de restul imaginii. Acesta este cel mai
important pas deoarece detect ia incorect a poate avea consecint e negative.
Sistemul s-a dovedit util ^ n detect ia venelor de la nivelul unui antebrat , dar autorii
ment ioneaz a  si limit arile pe care le are acesta. Fiind un dispozitiv portabil, ^ n imagini
pot a parea artefacte datorate mi sc arii. De asemenea, lumina diurn a este necesar a pentru
obt inerea de rezulatelor satisf ac atoare, iar conectarea prin USB a camerei foto la laptop face
ca frecvent a cadrelor s a e  si ea limitat a.
18

3.5 Algoritmul lui Mansoor pentru detect ia venelor
Obiectivul proiectului lui Mansoor  si al colaboratorilor s ai [14], este realizarea unui dispo-
zitiv medical capabil s a detecteze venele. Majoritatea argumentelor care sust in necesitatea
implent arii unui astfel de sistem de detect ie, prezentate pe larg ^ n primul capitol al acestei
lucr ari, sunt prezentate  si ^ n cadrul proiectului lor.
Resursele utilizate au fost alese astfel ^ nc^ at s a presupun a un minim de efort nanciar. S-a
folosit o camer a web modicat a capabil a s a preia imaginii ^ n infraro su, iar pentru iluminare
s-a utilizat un inel de leduri care emit radiat ie infraro sie, ambele conectate la un laptop.
Procesarea software s-a realizat prin Computer Vision (OpenCV) pe Ubuntu. Pa sii urmat i
^ n scopul detect iei sunt descri si sugestiv ^ n gura (3.13).
Figura 3.13: Algotitmul de detect ie a venelor propus de echipa lui Mansoor
Achizit ia datelor s-a f acut ^ n timp real, ceea ce ^ nseamn a c a rezultatul algoritmului este
^ n format video, ^ n esent  a o succesiune de imagini ^ n care venele vor  puse ^ n evident  a.
Conversia ^ n monocrom este un pas necesar, deoarece ^ n comparat ie cu imaginile color
procesarea este mai rapid a  si se consider a ^ n continuare mai rentabil s a distingem venele ^ n
timp real.
Principala surs a de zgomot este legat a de efectuarea transform arilor asupra imaginilor
^ n timp real. Netezirea se face ca zgomotul s a e ^ ndep artat  si informat iile care stau la
baz a s a e evident iate. Astfel, s-a utilizat ltrul median neliniar de strel 3 3, care conserv a
frontierele obiectului de interes dintr-o imagine  si reduce zgomotul. Prin aplicarea acestui
ltru valoarea ec arui pixel devine:
Iij=C5;
undeC52Oij=fC1;C2;:::;C 9geste mult imea ordonat a cresc ator a veciniilor din strelui
corespunz ator pixelului Iij.
Pentru o imagine monocrom a valoriile posibile pentru pixeli sunt numerele^ ntregi 0 ;:::; 255.
Autorii consider a ca pentru ^ mbun at at irea contrastului, utilizatorul s a aib a posibilitatea de
19

a alege  si dincolo de aceste limite. Valoriile posibile devenind 255;:::; 255, se poate ca
select^ and intensitatea dorit a venele s a apar a mai ^ ntunecate  si s a e mai u sor de distins.
Egalizarea histogramei este unul dintre avantajele pr agurii adaptive [14]. De asemenea,
^ n funct ie valoarea aleas a ca prag de utilizator se marcheaz a diferent a dintre pixelii de fond
 si cei care denesc obiectul de interes.
^In urma etapei de segmentare se obt ine  si imaginea binar a ^ n care fundalul  si imaginea din
prim-plan sunt demarcate clar datorit a contrastului ^ mbun at at it [14]. Faptul c a utilizatorul
alege pragul de binarizare face ca viteza algoritmului s a e ^ ncetinit a, dar autorii consider a
c a aceasta este cea mai abil a metod a.
Vizualizarea efectiv a a venelor este ^ nlesnit a prin etapa de colorare a venelor. ^In acest
sens se utilizeaz a algoritmul de umplere al c arui principiu de act iune const a ^ n colorarea unui
pixel dintr-o anumit a regiune de interes, apoi a tuturor vecinilor s ai care au valoarea egal a
cu cea init ial a a pixelului de start.
Figura 3.14: Modul de a sare al rezulatelor pentru un individ [14]
Pe ecranul laptopului sunt redate succesiv cele 3 imagini obt inute dup a ^ mbun at at irea
contrastului, pr aguire adaptiv a  si colorarea venelor pentru ca personalul medical s a poat a
avea acces rapid la informat iile necesare detect iei. Figura (3.14) arat a felul ^ n care se prezint a
rezultatele algoritmului ^ n cazul unui t^ an ar de 20 de ani pentru care venele nu sunt foarte
vizibile cu ochiul liber [14].
Sistemul de detect ie a venelor propus de Mansoor  si echipa lui este unul care are nevoie
de ^ mbun at at iri at^ at din punct de vedere sofware, c^ at  si hardware. Este, ^ ns a, un proiect care
propune o direct ie viabil a de urmat ^ n acest proces particular de recunoa stere a formelor,
demonstr^ and prin rezultatele obt inute acest lucru.
20

3.6 Sistemul de detect ie a venelor implementat pe un telefon in-
teligent
Telefoanele inteligente sunt dispozitive uzitate intens de societatea actual a capabile s a
^ ndeplineasc a multiple funct ii. Faptul c a posibilitatea de a utiliza un astfel de dispozitiv ^ n
cazul unei situat ii de risc este ridicat a a constituit un aspect care a justicat dezvolatarea unui
sistem pentru de detect ia de vene ce poate  implementat pe un telefon. Ahmed ^ mpreun a
cu colaboratorii s ai [1] propun o procedur a de recunoa stere a formelor ^ n cazul t esutului
vascular prin intermediul dispozitivelor mobile. Detect ia ^ n timp real are scopul de a  de
folos personalului medical, precum  si pacient iilor ^ n identicarea rapid a a venelor. S-a reu sit
obt inerea unui sistem ^ n stare s a detecteze vene a
ate sub piele la o ad^ ancime de 7 mm, ^ n
timp real cu o frecvent  a de 25 de cadre pe secund a.
Un pas important ^ n metodologia considerat a cu scopul implement arii sistemului a fost
reprezentat de alegerea unui algoritm potrivit pentru ^ mbun at at irea contrastului ^ n etapa de
postprocesare a datelor. S-a urm arit felul ^ n care variaz a trei parametrii pentru o imagine:
entropia (E), eroarea p atratic a medie ( sau Mean Square Error – MSE)  si maximul raportului
semnal pe zgomot ( sau Peak Signal-to-Noise Ratio – PSNR). Entropia unei imagini reprezint a
cantitatea de informat ie medie din aceasta  si este descris a de expresia matematic a:
E=X
j=0Ulog2U;
unde U este histograma normalizat a a imaginii. Eroarea p atratic a medie a fost calculat a ^ ntre
imaginea init ial a (matricea X)  si cea nal a (matricea Y) ^ n care contrastul a fost ^ mbun at at it.
Matematic expresia MSE este urm atoarea:
MSE =1
m
nm1X
j=0n1X
k=0[X(j;k)Y(j;k)]2;
unde m reprezint a num arul de linii al matricelor, iar n num arul coloanelor. PSNR se cal-
culeaz a folosind urm atoarea formul a:
PSNR = 10 lgL2
MSE
:
L este mult imea valorilor pe care le poate lua un pixel, adic a ^ n cazul dat L= 281 = 255,
deoarece sunt utilizate imaginii monocrome pe 8 bit i. Se folosesc 4 algoritmi pentru aceea si
imagine: CLAHE (Contrast Limited Adaptive Histogram Equalization), BBHE (Brightness
Bi-Histogram Equalization), RMSHE (Recusive Mean Separate Histogram Equalization),
RSIHE (Recursive Sub Image Histogram Equalization). Dac a valoriile parametrilor E  si
MSE sunt mari atunci avem o modicare evident a de la un cadru la altul, iar dac a PNSR
are o valoare mic a atunci avem mai put in zgomot ^ n imagini ceea ce este de dorit ^ n cadrul
sistemului curent [1]. Algoritmul CLAHE s-a dovedit a  cel mai performant ^ n urma testelor
realizate de autori.
Procedura propus a de Ahmed  si colaboratorii s ai ^ n [1] a presupus parcugerea etapelor
urm atoare pentru ecare cadru:
1. Achizit ia imaginii de 640 480 pe 24 de bit i, pentru care s-a avut ^ n vedere asigurarea
ilumin arii ideale, doar cu radiat ie infraro sie cu o lungime de und a de 890 nm, a zonei
ce se dore ste a  analizat a.
21

2. Preprocesare, etap a ^ n care s-a aplicat cadrului o tehnic a de netezire pentru eliminarea
zgomotului "salt and pepper" .
3. Selectarea unei regiuni de interes  si punerea ^ n evident  a a acesteia fat  a de fundal,
urm arindu-se diferent ierea informat iei utile din cadru de cea redundant a. Este etapa
^ n care se aplic a o tehnic a de pr aguire adaptiv a pentru a se obt ine varianta binar a a
imaginii init iale. Elementele matricei cu valori mai mari dec^ at 127 devin 255. Sunt
eliminate obiectele mici, nesemnicative  si este redus  si zgomotul. Matricea astfel
procesat a va  sc azut a din matricea corespunzatoare cadrului init ial achizit ionat.
4. Postprocesare, moment ^ n care algoritmul CLAHE este utilizat pentru ^ mbun at at irea
contrastului, iar ltrul Gauss pentru netezire  si ^ ndep artarea zgomotului.
5. Generarea output-ului, redarea pe ecran a imaginii procesate ca parte a unei secvent e
video.
Din punct de vedere matematic, egalizarea histogramei const a ^ n transformarea unei
distribut ii oarecare (dat a de histograma imaginii init iale) ^ ntr-o distribut ie uniform a. Dac a
consider am dou a variabile aleatoare X(;x)  siY(;y) legate prin Y=g(X), atunci funct iile
lor de probabilitate se descriu prin relat ia:
fY(y) =fX(x)1
j(g1(y))0j
x=g1(y)
Dac a dorim ca funct ia de densitate de probabilitate fY(y) s a e uniform a (^ n condit iile ^ n
care funct ia de densitate de probabilitate fX(x)) este dat a), atunci ^ nseamn a c a vom avea:
j
g1(y)
0j=1
kfX
g1(y)

:
Rezolvarea acestei ecuat ii produce solut ia y=g(x) =Rx
1fX(t) dt[18].
Pentru cazul particular al imaginiilor, variabila aleatoare Xia valori naturale corespun-
z atoare nivelelor de gri. Funct ia de densitate de probabilitate fX(x) este histograma normal-
izat a a imaginii, iar funct ia de transformare devine
y=g(x) =Zx
0fX(t) dt:
Pentru c a valoriile nivelelor de gri sunt discrete, integrala se transform a ^ n sum a  si aceast a
form a nu este altceva dec^ at histograma cumulativ a a imaginii; dac a h este histograma imaginii
atunci:
g(x) =H(x) =xX
i=0h(i);
care se calculeaz a iterativ H(x) =H(x1)+h(x). Valoriile funct iei trebuie ^ ns a redistribuite
^ n intervalul permis de valori de gri, ceea ce duce la deducerea formulei care exprim a noile
valori de gri:
v=H(u)H(0)
m
nH(0)L+ 0:5
;
undeueste nivelul de gri init ial, vnoul nivel de gri, iar Lnum arul de nivele de gri [18].
Pentru procedura pentru detect ia venelor curent a, s-a folosit egalizarea histogramei prin
ltrare adaptiv a cu limitarea contrastului (CLAHE). Algoritmul const a ^ n redistribuirea
22

nivelelor de gri bazat a pe mai multe histograme care corespund diferitelor p art i ale imaginii.
^In acest fel se ^ mbun at at e ste contrastul la nivel local ^ n cadrele procesate f ar a a amplica
zgomotul ^ n regiuniile relativ uniforme,  si se obt ine o imagine clar a a venelor.
Recunoa sterea de forme^ n circulat ia sistemic a nu este un subiect nou^ n domeniul medical,
dar se ^ ncadreaz a ^ n tehnologia de redundant  a care d a o alternativ a procedurilor medicale
existente ^ n prezent [2]. Dezvoltarea unei aplicat ii ce poate  implementat a pe un telefon
inteligent, minimizeaz a costurile de product ie, practic, numai este necesar a producerea unui
sistem hardware. Astfel, autorii au realizat  si o comparat ie ^ ntre rezultatele obt inute prin
prelucrarea imaginiilor cu ajutorul programului Matlab pe un laptop  si ^ n mediul android
pe un smartphone. S-a observat c a frecvent a cadrelor este mai ridicat a ^ n aplicat ia de pe
telefon, dat ind faptul c a procesorul acestuia a fost dezvoltat pentru a rula aplicat ii ^ n timp
real. Dup a aplicarea ltrului Gauss frecvent a cadrelor scade foarte mult ^ n ambele cazuri din
cauza faptului c a procesul este ^ ncetinit de efectuarea convolut iei de nucleu diferit [1].
Sistemul de detect ie a venelor reu se ste s a evident ieze t esutul vascular a
at la o ad^ ancime
de 7 mm sub piele, ^ n timp real, utiliz^ and camera modicat a a unui telefon inteligent [1].
Detect ia venelor utiliz^ and imagini RGB este direct ia pe care autorii o consider a viabil a ^ n
continuarea muncii lor.
23

4 Tehnici de^ mbun at at ire a imaginilor digitale aplicate
^ n algoritmii de detect ie a venelor
4.1 Metode de ^ ndep artare a zgomotului eciente ^ n procesele de
detect ie
Numim zgomot^ ntr-o imagine orice detaliu care nu face parte din scena descris a. De obicei,
valorile de intensitate ale pixelilor care se identic a ca zgomot se diferent iaz a semnicativ
de majoritatea valorilor pixeilor vecini. Achizit ia imaginilor sau prelucrarea preliminar a a
acestora ^ n vederea detect iei poate determina aparit ia zgomotului. Des ^ nt^ alnit este zgomotul
de tip impulsiv, care este caracterizat prin impulsuri pozitive  si negative de amplitudine
maxim posibil a (relativ la num arul de nivele de cuantizare a imaginii) care afecteaz a prin
^ nlocuire o parte din pixelii imaginii. Aceasta ^ nseamn a c a imaginea va  acoperit a de puncte
foarte ^ nchise (negre)  si foarte deschise (albe), rezultatul ind ceea ce se nume ste zgomot de
tip sare  si piper (sau salt and pepper) [18].
Pentru a ^ mbun at at ii calitatea imaginilor, dar  si a procesului de detect ie sunt utilizate
ltre de netezire. Estomparea valorilor anormale face ca obiectul de interes din cadru s a
devin a mai vizibil  si astfel mai u sor de extras. At^ at ltrele liniare, c^ at  si cele neliniare  si-
au demonstrat ecient a ^ n eliminarea zgomotului ^ n timpul proces arii imaginilor cu scopul
recunoa sterii de forme.
^Indepartarea zgomotelor punctuale (de tip salt and pepper) se poate face utiliz^ and ltrele
liniare integrale. Reg asite frecvent ^ n cadrul metodelor propuse pentru detect ia venelor,
ltrul median, dar  si ltrul Gaussian sunt ltre care conserv a frecvent ele joase, ind numite
 si ltre "trece-jos". Dac a consider am imaginea monocrom a f:1;m1;n!D, undem si
nreprezint a dimensiunile imaginii, iar D= [0;1] sauD=0;255, atunci prin ltrare median
uniform a cu masca 3 3:
1
90
@1 1 1
1 1 1
1 1 11
A2M1;11;1(R)
obt inem imaginea "netezit a" ~f, ^ n care ecare element reprezint a media aritmetic a a prixelilor
inclu si ^ n strelul asociat pozit iei sale. Masca ltrului Gaussian este:
0
@1=16 2=16 1=16
2=16 4=16 2=16
1=16 2=16 1=161
A=1
160
@1 2 1
2 4 2
1 2 11
A=1
40
@1
2
11
A
1 2 1
1
42M1;11;1(R):
^In noua imagine ~fvaloarea ec arui element se identic a prin:
~fij=1
16fi1;j1+2
16fi1;j+1
16fi1;j+1+2
16fi;j1+4
16fi;j+2
16fi;j+1+1
16fi+1;j1+2
16fi+1;j+1
16fi+1;j+1:
Operat iile de ltrare de mai sus corespund unui produs de convolut ie discret:
~fij=X
(r;s)2~Vfi+r;j+s
mrs=X
(r;s)2~Vfir;js
r;s(f ? )ij;
unde ~V=a;ab;bZZreprezint a mult imea care dene ste congurat ia strelului, iar
m(r;s) =(r;s) este masca de ltrare.
24

Dintre ltrele neliniare se disting metodele de ltrare bazate pe ordonare. Felul ^ n care
opereaz a acestea se fundamenteaz a pe ideea c a valorile anormale se vor a
a ^ n pozit iile
extreme din  sirul ordonat al nivelelor de intensitate ale pixelilor. Astfel, eliminarea lor va
mai simpl a [18].
Considerat operator local un ltru de ordine are asociat a o masc a (sau o fereastr a), ca ^ n
cazul liniar, cu ajutorul c areia sunt selectat i pixelii din vecin atatea celui curent. Urm atorul
pas este reprezentat de ordonarea cresc atoare a valorilor selectate: dac a sunt selectat i npixeli,
iar valorile g asite sunt fx1;x2;:::;x ng, atunci prin ordonare obt inem fx(1);x(2);:::;x (n)g.
Elementele mult imii g asite, de forma x(i), se mai numesc  si statistici de ordine de ordinul i
cu proprietatea:
x(1)x(2):::x(n):
Ie sirea ltrului de ordine este statisica de ordinul k, cuk2f1;2;:::;ng:
rank kfx1;x2;:::;x ng=x(2):
Avantajul acestor ltre este acela c a se p astreaz a valorile de intensitate din imaginea
init ial a  si nu se creaz a valori noi. Filtrele de ordine nu sunt ltre liniare, deoarece nu se
respect a principiul superpozit iei:
rank kfx1+y1;x2+y2;:::;x n+yng6=rank kfx1;x2;:::;x ng+rank kfy1;y2;:::;y ng;
dar sunt comutative cu operat iile de modicare liniar a a valorilor:
rank kfx1+;x 2+;:::;x n+g=rank kfx1;x2;:::;x ng+:
O caracteristic a a acestora, care le face potrivite pentru aplicat iile de detect ie din circulat ia
sistemic a, este aceea c a ele nu afecteaz a contururile  si p astreaz a valoarea zonelor uniforme
[18].
Dintre acestea, g asim utilizat ^ n literatura de specialitate ltrul median neliniar. Pentru a
^ ntelege modul de act iune al acestuia consider am o imagine monocrom a f:1;m1;n!D.
Vecin atatea aferent a pixelului fijpentru un strelVxat este:
Vij(i;j)(V) =
fkl(k;l)2Vij
:
Not am num arul din Vijcu:
p= cardVij= cardV
 si ordon am cresc ator culorile vecinilor fkldinVij si obt inem familia ordonat a de nivele de gri
Oij=fC1;:::;C pg, undeC1C2:::Cp.
^In cazul ltrului median, ec arei familii Oij=fC1;:::;C pg, (i;j)21;m1;n, i se
asociaz a valoarea pixelului ~fijal noii imagini ltrate:
~fij=8
><
>:Cq+1; dac apimpar
Cq+Cq+1
2;dac appar;undeq=hp
2i
:
25

4.2 Tehnici de^ mbun at at ire a contrastului pentru vizualizarea clar a
a venelor
Luminozitatea reprezint a gradul de str alucire  si se refer a la faptul c a o culoare poate
^ nchis a sau deschis a, mai ^ ntunecat a sau mai luminoas a, altfel spus. ^Intr-o imagine obiectele
descrise pot avea diferite valori ale str alucirii, ^ n funct ie de culorile componente, iar ceea ce
numim contrast este exact variat ia maxim a a str alucirii pixelilor care o formeaz a. Necesi-
tatea modic arii contrastului intervine, ^ n prelucrarea imaginilor, atunci c^ and se dore ste o
vizualizare c^ at mai clar a a obiectelor. Recunoa sterea de forme ^ n circulat ia sistemic a pre-
supune extragerea unui model compact  si exact care s a poat a servi drept instrument adjuvant
^ n diferite proceduri medicale, deci reprezint a un exemplu de situat ie ^ n care este important a
aplicarea unei tehnici de ^ mbun at at ire a contrastului.
Calitatea imaginilor achizit ionate este cea care den sete direct ia de urmat ^ n prelu-
crarea ulterioar a ^ n vederea detect iei. Literatura de specialitate propune diferite metode
de ^ mbun at at ire a contrastului, de ecare dat a ^ n concordant  a cu performant ele impuse si-
stemului de preluare a imaginilor. Spre exemplu, ^ n cazul metodei de detect ie a venelor de pe
fat a dorsal a a m^ ainii, propus a de profesorul Cri san, contrastul este ajustat printr-o tehnic a
specic a. Din cadrul achizit ionat init ial se scade valoarea minim a a intensit at ii pixelilor, iar
imaginea astfel obt inut a este amplicat a cu un coecient de contrast. Acesta este calculat
ca raportul dintre num arul de nivele de cuantizare ale imaginii  si diferent a dintre valorile
maxim a  si minim a de intensitate a pixelilor. Sistemul de preluare a cadrelor este, ^ ns a, unul
complex, ^ n care iluminarea zonei de interes cu radiat ie infraro sie este atent calibrat a, astfel
^ nc^ at s a e obt inut ^ nc a din faza incpient a a procesului detect ie un contrast c^ at mai bun al
venelor fat  a de fundal.
Histograma unei imagini este un instrument foarte util ^ n obt inerea contrastului op-
tim, ind o funct ie care descrie num arul de aparit ii al unui nivel de gri, pentru o imagine
monocrom a, sau al unei culori, pentru o imagine color. Pe baza ei pot  calculat i indicatorii
statistici precum media, variant a, deviat ia normal a standard, care prelucrat i corespunz ator
determin a ^ mbun at at irea calit at ii imaginii procesate. Variant a este considerat a o m asur a
a contrastului. R ad acina p atrat a a variant ei se nume ste deviat ie standard. Astfel, pentru
imagini av^ and contrast mic valoarea ei este mic a, ^ n timp ce valori mari ale acesteia corespund
unui contrast mare.
Din punct de vedere matematic, dac a f:1;m1;n!0;255 este o imagine monocrom a,
atunci histograma imaginii este vectorul ~h:
~h= (~hc)c=0;255= (~h0;~h1;:::; ~h255);
unde
~hc=cardf(i;j)21;m1;nfij=cg;8c20;255;
adic a ~hceste num arul de pixeli din imagine care au nivelul de gri egal cu c.
Numim histograma normalizat a a imaginii monocrome f, vectorulh= (hc)c20;255, unde:
hc=~hc
m
n=1
m
ncardf(i;j)21;m1;nfij=cg;8c20;255:
Num arulhcse identic a cu probabilitatea de aparit ie a culorii c^ n imaginea monocrom a f,
ind egal cu raportul dintre num arul de pixeli care au valoarea c si num arul total de pixeli
din imagine, m
n.^In consecint a avem: 0 hc1;8c=0;255  sih0+h1+


+h255= 1.
26

Media unei imaginii este reprezentat a de culoarea medie c?sau valoarea medie a nivelelor
de gri care o compun  si se calculeaz a prin formula:
med =c?=P
(i;j)21;m1;nfij
cardf(i;j)21;m1;ng=255P
c=0c
~h(c)
m
n=255X
c=0c
h(c):
Varian ra se obt ine din:
var=P
(i;j)21;m1;n(fijmed)2
cardf(i;j)21;m1;ng=255P
c=0(cc?)2
~h(c)
m
n=255X
c=0(cc?)2
h(c);
deci dispersia sau deviat ia normal a standard este dat a de:
=pvar:
^In metodele de detect ie a venelor, un procedeu des ^ nt^ alnit este egalizarea histogramei.
Se pleac a de la faptul c a imaginiile achizit ionate ^ n vederea detect iei sunt e mult prea
^ ntunecate, e mult prea luminoase. Deci, dac a nivelele de gri reprezentate semnicativ ^ n
histogram a sunt e grupate preponderent ^ n st^ anga, respectiv ^ n dreapta. Astfel, ca este
necesar a aplicarea unei transform ari care s a distribuie uniform pixelii ^ n plaja nivelelor de
gri.
27

4.3 Filtre adaptive care conserv a modelul venos
4.4 Modalit at i de proiectare a formei extrase peste imaginea init ial a
28

5 Aplicat ii – Detect ia venelor utiliz^ and imagini RGB
5.1 Introducere
Imaginiile color reprezint a pentru societatea actual a un mijloc intens uzitat pentru trans-
miterea de informat ii. Achizit ia imaginiilor color este o funct ie care se realizeaz a performant
cu ajutorul dispozitivelor mobile inteligente, at^ at de comune ^ n prezent. A sadar, dezvoltarea
unei metode de detect ie a venelor care s a utilizeze imagini de acest tip va determina faptul c a
procesul de recunoa stere a formelor poate  semnicativ ^ mbun at at it. C^ a stigul major deriv a
din modul de preluare al datelor, nemaiind necesar a realizarea p art ii hardware a unui sistem
de detect ie. Un exemplu relevant este cazul situat iilor de urgent  a de ordin medical ^ n care
existent a unui dispozitiv mobil, pe care s a poat a  instalat a o aplicat ie de detect ie a venelor,
poate  de un real ajutor.
^In cadrul acestui capitol urm aresc s a descriu, pe de o parte, analiza rezultatelor obt inute
ca urmare a implent arii metodelor de recunoa stere a t esutului vascular g asite ^ n literatura
de specialitate, iar, pe de alt a parte, o variant a de algoritm pentru detect ia venelor utiliz^ and
imagini RGB.
5.1.1 Analiza comparativ a a performant elor algoritmiilor dezvoltat i p^ an a ^ n
prezent pentru detect ia venelor
5.1.2 Metod a de detect ie a venelor utiliz^ and imagini RGB
29

6 Concluzii
30

Index
algoritm, 2
artera
aort a, 3
pulmonar a, 3
autenticare biometric a, 6
binarizare, 14
capilare, 3
cheletizare, 11
circulat ia
mare, 3
mic a, 3
periferic a, 3
pulmonar a, 3
sistemic a, 3
coecient de absort ie, 9
contrast, 14
convolut ie, 11
deoxihemoglobin a, 9
detect ia
non-invaziv a, 5
venelor, 2
egalizarea histogramei, 18
element structural, 11
entropia imaginii, 21
eroarea p atratic a medie, 21
lter2, 10
ltru
Gauss, 17
median, 18
median neliniar, 19
medie, 14
trece-jos, 17
funct ia de densitate de probabilitate, 22
histogram a, 14
cumulativ a, 22
normalizat a, 22
imagine
binar a, 15
color, 29monocrom a, 14
RGB, 23
imagistic a
medical a, 2
multispectral a, 6
optic a, 2
imdilate, 11
inima, 3
lungimi de und a, 6
matrice
bidimensional a, 14
netezirea imaginii, 17
nivele de gri, 22
oxihemglobina, 9
parametri ziologici, 2
pixel, 14
pr aguire, 14
adaptiv a, 22
prag de binarizare, 20
procesarea imaginilor digitale, 2
radiat ie infraro sie, 6
recoltarea de s^ ange, 4
regiune de interes, 17
segmentare, 18
sistem
de autenticare, 13
de detect ie, 21
biometric, 5
circulator, 3
hardware, 23
software, 6
spectrul luminii, 6
staz a venoas a, 4
strel, 14
t esut, 3
variabil a aleatoare, 22
vene
profunde, 4
31

superciale, 4
venipunctur a, 10
zgomot salt and pepper, 22
32

Bibliograe
[1] K. I. Ahmed, M. H. Habaebi, M. R. Islam, Blood vein detection system for smart-
phones , 7thInternational Conference on Computer and Communication Engineering, 19-
28 Septembrie 2018, Kuala Lumpur, Malaysia, IEEE 2018, 459{464.
[2] K. I. Ahmed, M. H. Habaebi, M. R. Islam, N. A. B. Zainal, Enhanced Vision Based Vein
Detection System , The 4thIEEE International Conference on Smart Instrumentation,
Measurement and Applications (ICSIMA), 28-30 Noiembrie 2017, Putrajaya, Malaysia.
[3] L. L. Chapman, B. Sullivan, A. L. Pacheco, C. P. Draleau, B. M. Becker, VeinViewer-
assisted intravenous catheter placement in a pediatric emergency department , Academic
Emergency Medicine, 18 (2011), 966{971.
[4] S. Cri san, T. E. Cri san, C. Curta, Near infrared vein pattern recognition for medical ap-
plications. Qualitative aspects and implementations , Proceedings of the 1st International
Conference on Advancements of Medicine and Health Care through Technology, 2007,
Cluj-Napoca, Rom^ ania.
[5] S. Cri san, I. G. T^ arnovan, T. E. Cri san, Radiation optimization and image processing
algorithms in the identication of hand vein patterns , Computer Standards & Interfaces,
32 (2010), 130{140.
[6] N. J. Cuper, R. M. Verdaasdonk, R. de Roode, Visualizing veins with near-infrared light
to facilitate blood withdrawal in children , Clinical Pediatrics, 50 (2011), 508{512.
[7] N. Diaconescu, N. Rottenberg, V. Niculescu, Not iuni de Anatomie Practic a , Facla, 1979.
[8] J. C. de Graa, N. J. Cuper, R. A. Mungra, K.Vlaardinherbroek, S. C. Numan, C. J.
Kalkman, Near infrared light to aid peripheral intravenous cannulation in children: a
cluster randomized clinical trial of three devices , Anaesthesia, 8 (2013), 835{845.
[9] A. C. Guyton, Fiziologie , Fiziologia uman a  si mecanismele bolilor, Editura medical a
AMALTEA, 1997.
[10] H. A. Hess, A biomedical device to improve pediatric vascular access success , Pediatric
Nursing, 36 (2010), 259{263.
[11] S. Juric, V. Flis, M. Debevc,A. Holzinger , B. Zalik, Towards a Low-Cost Mobile Subcu-
taneous Vein Detection Solution Using Near-Infrared Spectroscopy , The Scientic World
Journal, (2014).
[12] M. J. Kim, J. M. Park, N. Rhee, Ecacy of VeinViewer in pediatric peripheral intra-
venous access: a randomized controlled trial , European Journal of Pediatrics, 171 (2012),
1121{1125.
[13] M. Lamperti and M. Pittiruti, Dicult peripheral veins: turn on the lights , British
Journal of Anaesthesia, 110 (2013), 891{895.
[14] M. Mansoor, S.N. Sravani, S. Z. Naqvi, I. Badshah, M. Saleem, Real-time law cast
infrared vein imaging system , International Conference on Signal Processing, Image Pro-
cessing and Pattern Recognition, 7-8 Februarie 2013, Coimbatore, IEEE, 117{121.
33

[15] A. Marcotti, M. B. Hidalgo and L. Math e, Non-Invasive Vein Detection Method Using
Infrared Light , IEEE LATIN AMERICA TRANSACTIONS, 1 (2013), 264{268.
[16] A. M. Perry, A. C. Caviness, D. C. Hsu, Ecacy of a nearinfrared light device in pediatric
intravenous cannulation: a randomized controlled trial , Pediatric Emergency Care, 27
(2011), 5{10.
[17] K. Phipps, A. Modic, M. A. O'Riordan, M. Walsh, A randomized trial of the VeinViewer
versus standard technique for placement of peripherally inserted central catheters (PICCs)
in neonates , Journal of Perinatology, 32 (2012), 498{501.
[18] C. Vertan, Prelucrarea  si analiza imaginiilor , 1999.
[19] ***, Aparatul cardiovascular , https:==ro.wikipedia.org =wiki=Aparatul cardiovascular# =
media=File:Circulatory System ro.svg.
[20] ***, Tehnologia Hitachi , https:==www.banknews.ro.
[21] ***, VeinViewer , https:==www.christiemed.com =products=our-technology =assess-
imaging-suite.
[22] ***, VascuLuminator , http:==www.quantivision.info =the-vasculuminator.
[23] ***, AccuVein , https:==www.accuvein.com =home.
34