Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Os melhores documentos à venda: Trabalhos de alunos formados
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
Um estudo sobre a avaliação objetiva de rugas faciais utilizando métodos semi-automáticos baseados em processamento digital de imagens. O trabalho desenvolveu quatro métodos para medição de rugas na região periorbital, testados em relação a robustez, capacidade de diferenciação entre rugas e pele não-rugosa, e associações médicas, como idade e classificação de rugas de glogau. Dois métodos mostraram resultados satisfatórios, podendo ser utilizados para medição objetiva e avaliação de tratamentos de rugas cutâneas.
O que você vai aprender
Tipologia: Provas
1 / 76
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Disserta¸c˜ao apresentada como requisito parcial `a ob- ten¸c˜ao do grau de Mestre. Programa de P´os- Gradua¸c˜ao em Inform´atica, Setor de Ciˆencias Exatas, Universidade Federal do Paran´a.
Orientador: Prof. Dr. H´elio Pedrini Co-orientador: Prof. Dr. Jos´e Hermˆenio C. Lima Filho
i
Apesar de, para todos os efeitos oficiais, eu constar como autor desta disserta¸c˜ao, eu n˜ao conseguiria fazˆe-la sem o esfor¸co de v´arias outras pessoas. Sem a colabora¸c˜ao ou participa¸c˜ao dessas pessoas, este trabalho com certeza n˜ao seria poss´ıvel. Meus dois orientadores prof. Hermˆenio Lima e prof. H´elio Pedrini foram co-autores de todo o trabalho realizado, contribuindo com cr´ıticas, sugest˜oes, discuss˜oes, com v´arias horas de esfor¸co, e mostrando-me por v´arias vezes o caminho a ser tomado. Professores H´elio e Hermˆenio, eu gostaria de agradecˆe-los pela oportunidade de ter trabalhado com vocˆes, por terem acreditado em mim, por ensinar-me, pela paciˆencia e compreens˜ao. Parab´ens a vocˆes tamb´em, pois ´e de vocˆes tamb´em este trabalho. Eu gostaria de agradecer a minha fam´ılia, especialmente a meus pais Miriam e Raul, e a meu irm˜ao Andr´e. Sem a ajuda deles certamente seria muito mais dif´ıcil terminar este mestrado. Meu pai contribuiu com seu incentivo e com seus conselhos, baseados em sua experiˆencia acadˆemica e de vida. Minha m˜ae contribuiu de outras formas, mais indiretas e pessoais mas n˜ao menos importantes, preocupando-se para que nesse per´ıodo eu estivesse bem, em todos os sentidos. Meu irm˜ao contribuiu com sua amizade e companheirismo. A eles dedico este trabalho. Agrade¸co tamb´emas outras pessoas que contribu´ıram direta ou indiretamente na realiza¸c˜ao deste trabalho, sejam amigos, colegas ou conhecidos, ou mesmo aqueles que eu n˜ao pude conhecer. Muitas pessoas participaram com conselhos, dicas, opini˜oes ou relatos, ou mesmo com sua presen¸ca e amizade. Ficaria dif´ıcil citar todas elas. Um obrigado tamb´ema Natura, por ceder o conjunto de fotografias utilizado nos testes. Expresso aqui o meu desejo de que este trabalho seja utilizado para o bem, e de que ele contribua para o avan¸co da ciˆencia, do conhecimento e do bem estar humanos.
iv
2.1 Seis graus de fotoenvelhecimento da escala de Beagley-Gibson. Fonte: Bea- gley [8]...................................... 6 2.2 Pacientes com grau de envelhecimento de pele de 1 a 4 na escala de Glogau. Fonte: Glogau [18]................................ 7 2.3 Teste para verificar se uma cor parece com pele. Fonte: Hance et al. [20].... 9 2.4 Distribui¸c˜ao Gaussiana com m´edia 0 e σ = 1. Fonte: Fisher et. al. [17]..... 11 2.5 Distribui¸c˜ao Gaussiana bidimensional com m´edia em (0,0) e σ = 1. Fonte: Fisher et. al. [17]................................. 11 2.6 Aproxima¸c˜ao discreta de uma fun¸c˜ao Gaussiana bidimensional com σ = 1 e tamanho 5..................................... 12 2.7 M´ascara unidimensional de tamanho 5 aplicada nas dimens˜oes x e y para calcular o Gaussiano mais rapidamente do que a m´ascara mostrada na figura 2.6 12 2.8 Exemplo de filtro Gaussiano. O filtro Gaussiano atenua ru´ıdo, no entanto, faz com que as bordas fiquem difusas. (a) Imagem original; (b) Imagem ap´os a aplica¸c˜ao do filtro Gaussiano........................... 12 2.9 Reconstru¸c˜ao morfol´ogica. Dilata¸c˜oes repetidas da imagem de marca¸c˜ao, res- trita pela m´ascara, em uma dimens˜ao. Fonte: Matlab Documentation [4].... 13 2.10 (a) Uma regi˜ao 3 × 3 de uma imagem (os z’s s˜ao valores de n´ıvel de cinza);(b)- (d) trˆes m´ascaras usadas para computar a derivada no ponto rotulado z 5. Note- se que todos os coeficientes da m´ascara somam zero, indicando uma resposta nula em ´areas constantes, como esperado de um operador diferencial. Fonte: Gonzalez e Woods [19].............................. 19 2.11 Exemplo do operador gradiente Sobel. As ´areas na imagem mais pr´oximas do branco s˜ao as ´areas onde h´a mudan¸ca mais brusca de intensidade. (a) Imagem original; (b) Imagem ap´os a aplica¸c˜ao do operador Sobel............ 19 2.12 Exemplo do operador Canny. A altera¸c˜ao no tamanho do filtro Gaussiano al- tera a sensibilidade do operador. Quanto maior o filtro, menor a sensibilidade a ru´ıdo, no entanto, menos precisa ´e a marca¸c˜ao da fronteira. (a) Imagem origi- nal; (b)-(d) aplica¸c˜ao do operador Canny com σ 0,5, 0,8 e 0,9, respectivamente. 20 2.13 Opera¸c˜oes morfol´ogicas. (a) Conjunto A; (b) conjunto A transladado de um ponto x; (c) conjunto B; (d) reflex˜ao de B; (e) conjunto J e seu complemento; (f) a diferen¸ca entre dois conjuntos. O ponto em cada uma das quatro primeiras figuras indica a origem do conjunto. Adaptado de: Gonzalez e Woods [19].. 21
vi
4.1 Distribui¸c˜ao de idade na popula¸c˜ao. Foi obtida uma distribui¸c˜ao n˜ao-normal da popula¸c˜ao quanto a idade........................... 38 4.2 Distribui¸c˜ao da popula¸c˜ao quanto ao fototipo.................. 39 4.3 Grau de intensidade das rugas na popula¸c˜ao segundo a escala de Glogau.... 39 4.4 Idade × grau de rugosidade cutˆanea, segundo a classifica¸c˜ao de Glogau..... 40 4.5 Exemplos de medi¸c˜oes manuais feitas por seis especialistas em fotografias de trˆes volunt´arias utilizando uma caneta sobre prancheta eletrˆonica. Para cada imagem de pele (esquerda) a avalia¸c˜ao dos especialistas 1, 2 e 3 pode ser observada na primeira linha, e a varia¸c˜ao dos especialistas 4, 5 e 6 na segunda linha. Neste estudo foram observadas diferen¸cas significativas entre medi¸c˜oes realizadas por diferentes especialistas....................... 42 4.6 An´alise do Coeficiente de Varia¸c˜ao (CV) das medi¸c˜oes efetuadas por diferentes observadores pelos grupos de tamanho de rugas. Os grupos I a IV correspondem aos grupos de imagens cujas rugas ocupam menos de 1%, 1% a 2%, 2% a 3% e mais de 3% do total da ´area da imagem, respectivamente. Neste estudo, o grau de variabilidade entre observadores diminuiua medida que o tamanho das rugas aumentou................................. 43 4.7 Correla¸c˜ao da quantidade de rugas, encontradas pelo m´etodo Canny, com a idade das volunt´arias. Este resultado ´e para o m´etodo Canny utilizando σ =
vii
4.15 Correla¸c˜ao da quantidade de rugas encontradas de maneira manual pelo Ob- servador 6 com a idade das volunt´arias...................... 49 4.16 Correla¸c˜ao do resultado da execu¸c˜ao do m´etodo Canny, σ = 3, 0 e σ = 5, 0 , com a classifica¸c˜ao na escala de Glogau, para o primeiro conjunto de fotografias. 50 4.17 (a),(b) Exemplos de fotografia de rosto relaxado e contra´ıdo; (c),(d) Recortes das fotografias (a) e (b).............................. 54 4.18 Resultados do m´etodo Gradiente sem filtragem de ru´ıdo............ 54 4.19 Resultados do m´etodo Gradiente com uma filtragem de ru´ıdo......... 55 4.20 Resultados do m´etodo Gradiente/Sobel com duas filtragens de ru´ıdo...... 55 4.21 Resultados do m´etodo Canny com σ = 5.................... 56
ix
Alguns procedimentos de medi¸c˜ao normalmente utilizados em dermatologia s˜ao subjetivos e dependentes da capacidade de avalia¸c˜ao de um observador humano. A precis˜ao na medi¸c˜ao de caracter´ısticas cutˆaneas pode ser melhorada com o aux´ılio de m´etodos autom´aticos. H´a uma grande demanda pela medi¸c˜ao de rugas cutˆaneas com precis˜ao. Muitos trata- mentos e produtos existentes no mercado prometem a melhora e redu¸c˜ao das rugas cutˆaneas. No entanto, muitas vezes a avalia¸c˜ao destes produtos e tratamentos ´e realizada de maneira subjetiva e sua efic´acia na redu¸c˜ao de rugas ´e muitas vezes controversa. Neste trabalho foram desenvolvidos quatro m´etodos semi-autom´aticos para medi¸c˜ao de rugas da regi˜ao periorbital, que utilizam processamento digital de imagens. Estes m´etodos avaliam a quantidade de rugas em fotografias digitais obtidas por cˆameras fotogr´aficas con- vencionais. A efic´acia e objetividade dos m´etodos foi testada com base na sua aplica¸c˜ao em dois conjuntos de fotografias, um deles com 762 fotografias de 109 volunt´arios de todo o Brasil e outro com 160 fotografias de 10 volunt´arios de Curitiba. Os m´etodos foram testados, com a utiliza¸c˜ao de m´etodos estat´ısticos, quanto a robustez a pequenas varia¸c˜oes, capacidade de diferencia¸c˜ao entre rugas e pele n˜ao-rugosa, e associa¸c˜oes bem conhecidas pelos m´edicos, como a associa¸c˜ao dos resultados com a idade dos volunt´arios e com a classifica¸c˜ao de rugas de Glogau. Al´em disso, fez-se tamb´em uma pesquisa com seis m´edicos dermatologistas, visando obter uma defini¸c˜ao precisa de ruga. A partir de medi¸c˜oes manuais de rugas, realizadas pelos especialistas em uma prancheta eletrˆonica, foram realizados testes quantoa variabilidade entre as medi¸c˜oes realizadas. Estas medi¸c˜oes podem ser utilizadas como um padr˜ao para avalia¸c˜ao dos m´etodos semi-autom´aticos. Dois dos m´etodos semi-autom´aticos desenvolvidos apresentaram resultados satisfat´orios, podendo ser assim utilizados para medi¸c˜ao objetiva e para avalia¸c˜ao de tratamentos de rugas cutˆaneas.
A an´alise de imagens digitais encontra na Medicina v´arios campos de aplica¸c˜ao. Alguns m´etodos de processamento digital de imagens podem melhorar sensivelmente diversos proce- dimentos m´edicos. ´E poss´ıvel, a partir de fotografias ou de outras imagens m´edicas, utilizar m´etodos computacionais para real¸car caracter´ısticas de dif´ıcil visualiza¸c˜ao a olho nu, separar regi˜oes de acordo com suas caracter´ısticas visuais e realizar medi¸c˜oes precisas com base em informa¸c˜oes visuais. A Dermatologia ´e um ramo da medicina que, por si s´o, apresenta uma diversidade de aplica¸c˜oes para an´alise digital de imagens. Muitos procedimentos usuais, principalmente de diagn´ostico, ainda s˜ao subjetivos e dependentes da capacidade de avalia¸c˜ao do examinador humano. Algumas aplica¸c˜oes do processamento digital de imagens em dermatologia s˜ao [22]:
O envelhecimento cutˆaneo ocorre por fatores intr´ınsecos (biol´ogicos, gen´eticos, cronol´ogicos) ou extr´ınsecos (ambientais). Esse envelhecimento ´e caracterizado por v´arias marcas cutˆaneas, como por exemplo, pela mudan¸ca da textura e pelo aumento da rugosidade da pele.
cˆameras digitais convencionais. Os m´etodos desenvolvidos e utilizados neste trabalho foram baseados em diferentes opera¸c˜oes e subt´opicos da ´area de processamento digital de imagens. A efic´acia desses m´etodos para diferenciar entre rugas e pele n˜ao-enrugada n˜ao pˆode ser testada por meio de um padr˜ao ´otimo ou Gold Standard, pois n˜ao existe um padr˜ao objetivo que separe uma pele rugosa de uma pele sem rugas. Al´em disso, nem mesmo especialistas conseguem chegar em um consenso sobre o que ´e ruga e o que n˜ao ´e ruga a partir da fotografia de um rosto, como foi demonstrado neste trabalho. A efic´acia dos m´etodos foi testada com base em um conjunto grande de dados, e procurou- se observar se os m´etodos apresentavam resultados condizentes com algumas hip´oteses nor- malmente aceitas na comunidade m´edica e cient´ıfica, por exemplo, se eles conseguiam achar mais rugas em um grupo de volunt´arias de idade mais avan¸cada, ou se eles conseguiam achar mais rugas quando o volunt´ario intencionalmente contra´ıa o rosto. Al´em disso, foi realizado um teste para verificar se h´a um consenso entre m´edicos derma- tologistas na determina¸c˜ao da ´area de rugas. Este teste foi baseado em medi¸c˜oes manuais realizadas em fotografias de rugas. Estas medi¸c˜oes podem ser utilizadas como um padr˜ao para avalia¸c˜ao dos m´etodos semi-autom´aticos.
O cap´ıtulo 2 apresenta uma revis˜ao bibliogr´afica dos trabalhos relacionados com a ´area da dermatologia, bem como de m´etodos que foram utilizados para realizar as transforma¸c˜oes nas imagens de interesse. O cap´ıtulo 3 detalha a metodologia de estudo desenvolvida neste trabalho. A principais etapas que comp˜oem a metodologia incluem a aquisi¸c˜ao das imagens, calibra¸c˜ao, segmenta¸c˜ao das regi˜oes de interesse, mensura¸c˜ao das caracter´ısticas e an´alise dos resultados. O cap´ıtulo 4 apresenta os resultados obtidos com este estudo e mostra an´alises e com- para¸c˜oes entre os m´etodos testados para dois conjuntos de fotografias. No cap´ıtulo 5 s˜ao apresentadas as considera¸c˜oes finais sobre o trabalho, bem como pro- postas para trabalhos futuros.
Este cap´ıtulo descreve os t´opicos das ´areas de Dermatologia e de Processamento de Imagens que s˜ao relevantes para o desenvolvimento deste trabalho. Na se¸c˜ao 2.1 s˜ao descritas carac- ter´ısticas importantes a serem observadas na cria¸c˜ao de m´etodos autom´aticos de medi¸c˜ao e de diagn´ostico. Tamb´em s˜ao descritas algumas classifica¸c˜oes de cor de pele e envelhecimento cutˆaneos normalmente utilizadas. Os algoritmos utilizados neste trabalho e seu embasamento te´orico s˜ao encontrados na se¸c˜ao 2.2.
As principais aplica¸c˜oes de processamento de imagens em dermatologia cl´ınica incluem aux´ılio na visualiza¸c˜ao, documenta¸c˜ao, quantifica¸c˜ao e diagn´ostico/classifica¸c˜ao autom´aticas ou semi- autom´aticas [22]. Algumas aplica¸c˜oes tˆem um conjunto de regras claras para definir um diagn´ostico, enquanto outras aplica¸c˜oes n˜ao possuem regras t˜ao claras assim. Nessas ´ultimas, ou em aplica¸c˜oes onde os problemas s˜ao muito complexos, ´e mais dif´ıcil elaborar um m´etodo autom´atico de diagn´ostico. Apesar disso, mesmo nessas aplica¸c˜oes ´e fact´ıvel o uso do tratamento digital de imagens para melhorar a visualiza¸c˜ao ou a mensura¸c˜ao. V´arios projetos, em diversas ´areas da dermatologia, utilizam m´etodos de processamento digital de imagens, geralmente com a finalidade de melhorar as mensura¸c˜oes, possibilitando um diagn´ostico mais preciso, ou com a finalidade de realizar diagn´osticos de forma autom´atica ou semi-autom´atica. H´a v´arios m´etodos aplic´aveis para uma grande variedade de casos e de patologias. Para criar um m´etodo autom´atico ou semi-autom´atico de diagn´ostico ´e necess´ario observar alguns pr´e-requisitos [22]:
(a) grau 1 (b) grau 2
(c) grau 3 (d) grau 4
(e) grau 5 (f) grau 6
Figura 2.1: Seis graus de fotoenvelhecimento da escala de Beagley-Gibson. Fonte: Bea- gley [8].
express˜oes faciais. Estes pacientes s˜ao caracterizados com o tipo I na escala de Glogau, “sem rugas”. Conforme o paciente envelhece, as rugas come¸cam a aparecer, primeiramente apenas quando o rosto est´a em movimento, usualmente como linhas de express˜ao paralelas aos l´abios, cantos da boca e outras pequenas ´areas. Estes pacientes freq¨uentemente utilizam maquiagem para diminuir a irregularidade na cor e eles est˜ao normalmente nos seus trinta ou quarenta anos de idade. Quando est´a im´ovel, o rosto n˜ao apresenta linhas. Estes pacientes s˜ao caracterizados com o tipo II na escala de Glogau, “rugas apenas em movimento”. Aproximadamente na quinta d´ecada de vida, as rugas aparecem quando o rosto est´a em repouso. Linhas horizontais se tornam vis´ıveis paralelamente ao canto da boca, abaixo dos olhos e em outros lugares. A maquiagem ´e aplicada, mas tende a acentuar as linhas. Esses pacientes s˜ao considerados tipo III na escala de Glogau, “rugas em repouso”. Com a continuidade do fotoenvelhecimento, as rugas gradualmente se expandem, cobrindo a maioria da pele facial, normalmente pr´oximo da sexta ou s´etima d´ecada de vida, ou mais cedo nos casos mais severos. Alguns desses pacientes j´a tiveram um ou mais tumores de pele. Maquiagem ´e completamente impratic´avel, pois o produto apresenta aspecto quebradi¸co sobre uma superf´ıcie muito inst´avel. Esses pacientes n˜ao apresentam nenhuma regi˜ao sem rugas no rosto e s˜ao caracterizados como tipo IV, “somente rugas”. Esta classifica¸c˜ao pode ser vista com mais detalhes na tabela 2.1. A avalia¸c˜ao de Glogau vem sendo feita at´e hoje de modo visual: conhecendo-se essas caracter´ısticas e tamb´em a idade do paciente de antem˜ao, o m´edico analisa visualmente a face
(a) grau 1 (b) grau 2
(c) grau 3 (d) grau 4
Figura 2.2: Pacientes com grau de envelhecimento de pele de 1 a 4 na escala de Glogau. Fonte: Glogau [18].
do paciente e, baseado nessas informa¸c˜oes, estabelece um grau na escala de Glogau. Exemplos da escala de Glogau podem ser vistos na figura 2.2.
A pele dos seres humanos pode assumir um grande n´umero de cores e tonalidades, mas todas se enquadram dentro de uma faixa de cores mais ou menos conhecida. Sabendo disso, ´e poss´ıvel utilizar m´etodos de processamento de imagens espec´ıficos para separa¸c˜ao de regi˜oes de pele de outros objetos. A escala de Fitzpatrick ´e utilizada no ambiente cl´ınico para classificar a pele de um indiv´ıduo com rela¸c˜ao `a cor [18]. A escala de Fitzpatrick ´e mostrada na tabela 2.2. Algoritmos de processamento de imagens podem aproveitar caracter´ısticas comuns a todos os tipos de pele para processamento espec´ıfico. V´arios trabalhos encontrados na literatura utilizam caracter´ısticas de cor da pele como base de segmenta¸c˜ao. Hance et al. [20] utilizam um fluxograma cuja resposta de sa´ıda ´e um valor Booleano que indica se uma cor parece com cor de pele ou n˜ao. Este fluxograma pode ser visto na figura 2.3. Yang e Ahuja [37] analisam um banco de dados de imagens de pele e isolam alguns valores
Figura 2.3: Teste para verificar se uma cor parece com pele. Fonte: Hance et al. [20].
O problema de detec¸c˜ao de pele em imagens ´e recorrente e bem conhecido, e vem sendo utilizado como etapa de pr´e-processamento em v´arios trabalhos sobre detec¸c˜ao de faces [5, 31] e outros [20, 39].
Nesta se¸c˜ao s˜ao explicados os algoritmos de processamento de imagens utilizados neste tra- balho.
As etapas de pr´e-processamento tˆem por objetivo uniformizar as imagens, diminuindo dife- ren¸cas na aquisi¸c˜ao, de modo que essas diferen¸cas n˜ao prejudiquem a etapa de segmenta¸c˜ao.
O ajuste de cor visa diminuir as diferen¸cas de ilumina¸c˜ao que podem ocorrer na aquisi¸c˜ao. Mesmo que cuidados sejam tomados na etapa da aquisi¸c˜ao para que a luminosidade seja sempre igual, ainda existe a possibilidade de que ocorram diferen¸cas pequenas de luminosidade entre uma fotografia e outra. Para realizar o ajuste, uma referˆencia de cor ´e fotografada junto com o paciente em todas as imagens. A imagem ´e convertida para o sistema de cores HSI (ver apˆendice A) e ent˜ao uma calibra¸c˜ao da intensidade (I) ´e realizada, de modo que, em todas as fotografias de um paciente, a referˆencia de cor apresente a mesma intensidade. Esta calibra¸c˜ao de intensidade consiste na multiplica¸c˜ao de todos os pixels da imagem na banda de intensidade por um fator, de modo que o valor de intensidade final nas marca¸c˜oes de todas as imagens de um paciente seja o mesmo. ´E poss´ıvel encontrar este fator por meio de uma regra de trˆes simples:
Ifinal = Iinicial ∗ fator , tal que fator = (^) IIfinal da referˆencia inicial da referˆencia
O ajuste de escala toma como base um objeto de tamanho fixo utilizado como referˆencia e fotografado em todas as imagens. A partir do tamanho aparente deste objeto, ajusta-se a imagem aumentando-a ou diminuindo-a de modo que o objeto de referˆencia apresente o mesmo n´umero de pixels de largura em todas as imagens de uma seq¨uˆencia.
O ru´ıdo pode influenciar o resultado final de um algoritmo de processamento de imagens de uma maneira n˜ao desej´avel. O ru´ıdo na extra¸c˜ao de objetos, por exemplo, consiste em pequenos detalhes que podem prejudicar ou dificultar a separa¸c˜ao correta de objetos grandes na imagem. Neste trabalho foram utilizados o filtro Gaussiano e a reconstru¸c˜ao morfol´ogica como t´ecnicas para redu¸c˜ao de ru´ıdo, ambos explicados a seguir.
O operador Gaussiano ´e um operador de convolu¸c˜ao bidimensional que ´e utilizado para suavizar imagens, removendo detalhes e ru´ıdo. Operadores de convolu¸c˜ao s˜ao operadores que substi- tuem o valor de cada pixel da imagem pelo valor de uma fun¸c˜ao aplicada em sua vizinhan¸ca. No caso do filtro Gaussiano, essa fun¸c˜ao ´e uma distribui¸c˜ao Gaussiana.
