TÉCNICAS DE TRABALHO NA

PRODUÇÃO DE IMAGENS DIGITAIS

O dia a dia da atividade médica é marcado por uma busca constante de um

diagnóstico preciso e da avaliação da terapêutica, para esse fim o médico
serve-se de uma grande variedade de técnicas de produção de imagens,
entre eles destacando-se os métodos radiológicos (raios X simples e
contrastado, CT, MRI, imagens de medicina nuclear, tomografia PET;
ultrassonografia, ecocardiografia), micrografias, exames
anatomopatológicos, endoscopias, análises cromossomiais, fotografias e
exames relacionados a especialidades em particular, como a oftalmologia.

A medicina estava inicialmente atrasada na adoção dos computadores,

mas o manejo e manipulação das informações em larga escala e as altas
velocidades venceram os médicos e administradores hospitalares. O
trabalho com imagens médicas pode ser dividido em quatro categorias:
geração de imagens, análise de imagens, gerenciamento de imagens, e
gerenciamento de informações. Em cada uma destas tarefas é possível o
uso do computador.

O processamento de imagens por computador é no momento um dos

ramos da computação que mais tem crescido, baseado em técnicas digitais
que tem suas origens nos projetos espaciais da NASA. Atualmente, o
desenvolvimento deve-se fundamentalmente à produção de componentes
eletrônicos mais potentes, baratos e menores, que permitem o aumento das
investigações nesse campo, que antes estavam limitados a grandes
instituições de países do primeiro mundo. O objetivo deste artigo é
discorrer sobre o processamento digital de imagens médicas, dando ênfase
as técnicas radiológicas, e abordando os princípios básicos da
digitalização de imagens, análise, arquivamento e comunicação através de
redes das imagens médicas.

Evolução das Técnicas Radiológicas

Em 1895, o físico alemão Wilhelm Conrad Roentgen descobriu os raios X,

que revolucionaram o meio cientifico, e em especial a Medicina, de tal
forma que por volta de 1900 a radiologia já existia como especialidade
médica. Por volta de 1940 novas tecnologias como a televisão e
intensificadores de imagens permitiram a realização de fluoroscopias de
ótima qualidade e em tempo real, as quais foram os únicos métodos
existentes até a década de 70. O desejo de separar estruturas superpostas
também levou ao desenvolvimento de uma variedade de técnicas
tomográficas analógicas, especialmente a tomografia axial (seções
transversais), mas que davam maus resultados. Os pesquisadores
reconheceram, então, que um computador seria necessário para realizar a
limpeza dos borrões, e métodos matemáticos para reconstrução de imagens
foram desenvolvidos, principalmente por Cormack. Por volta de 1970,
Hounsfield e sua equipe da EMI Corporation desenvolveu o primeiro
tomógrafo computadorizado comercialmente viável, que permitiu pela
primeira vez a visualização de estruturas internas do corpo através de
seções transversais, trabalho pelo qual ambos pesquisadores receberem o
prêmio Nobel de Medicina em 1979.

Após a invenção do tomógrafo computadorizado, vários métodos de

produção de imagens foram desenvolvidos, como a MRI (tomografia de
ressonância magnética), que produz cortes tomográficos a partir de
campos magnéticos, a ultrassonografia, e a cintilografia, com o uso de
isótopos radioativos que além de gerar imagens de estruturas anatômicas,
presta-se á avaliação da função orgânica; e entre as quais se conta o
SPECT e o PET (tomógrafo de emissão positronica).

Podemos atribuir a muitos fatores a multiplicação das modalidades de

produção de imagens médicas, tais como a melhor compreensão dos
princípios básicos da captação de imagens, aperfeiçoamento de técnicas
matemáticas de reconstrução, a evolução dos computadores com
desenvolvimento de equipamentos mais baratos e mais seguros. Esta
melhoria na tecnologia da computação levou a uma tendência para a
geração de imagens digitais, e os exames tradicionais de raios X podem
agora ser adquiridos e processados pelo computador. A aquisição e análise
de imagens digitais de raios X formam a base de um novo campo chamado
radiologia digital.

Conceitos Básicos de Imagem Digital

O que é, e o que faz da digitalização de imagens algo tão importante?

A resposta está na forma com que a imagem é representada. O

computador não pode guardar em sua memória ou modificar em seus

circuitos qualquer imagem na forma analógica, que é a como o olho

humano a enxerga, porque o computador trabalha com números discretos,

não podendo representar diretamente tons de cinza ou cores contínuas.

Para que o computador possa operar com imagens, elas precisam primeiro

ser convertidas para uma grande lista de números.

Numa radiografia simples do tórax, as variações nas áreas claras e

escuras são codificadas como um conjunto de números, por exemplo, nas
áreas claras do filme (correspondentes a regiões que absorvem uma
grande porção do feixe de raios X), pode ser dado o valor numérico de 0
(zero), enquanto que nas áreas escurecidas (que são causadas por baixa
absorção de raios X) poderá ser atribuído algum valor alto, tal como 255
para o negro total. Aos níveis de cinza intermediários podemos atribuir
algum valor entre 0 e 255, por exemplo. Para fazer essa conversão de
imagem em números, a imagem é subdividida em uma grade, contendo
milhões de quadrados de igual tamanho, sendo cada um dos mesmos
associado a um valor numérico da intensidade de raios X naquele ponto. A
essa grade de quadrados chamamos de "imagem matriz", e cada quadrado
na imagem é chamado de "pixel" (do inglês "picture element"). Cada
pixel carrega a informação sobre o nível de cinza que ele representa.

Vale a pena lembrar que este nível de cinza em si mesmo é o análogo de

alguma propriedade do corpo na imagem que nos interessa, ou seja, a
grandeza física que eles representam. Por exemplo, na imagem
radiográfica, o valor numérico representa a atenuação de raios X no
tecido, mas em uma imagem de medicina nuclear, esse valor é o número
de contagem dado pelo composto radioativo.Os computadores usam uma
forma de representação numérica chamada de "notação binária".

Em vez do uso de números do sistema decimal (0 a 9), os computadores

usam somente 0 e 1. Qualquer número no sistema decimal pode ser
representado no binário e vice versa. Os computadores usam a base
binária para aritmética, porque dois valores, tais como 0 e 1, são
facilmente representados eletronicamente, por exemplo, sendo um circuito
desligado para 0 e ligado para 1. O número de arranjos possíveis para
números binários é simplesmente: 2 elevado a n, onde n é o número de
opções possíveis. Essa regra também é válida para o número de níveis de
cinza que nós queremos representar. Com 2 dígitos binários (ou bits) na
memória do computador, nos poderemos então ter 4 tons de cinza, com 3
dígitos teremos 8 tons de cinza e com 4 dígitos, 16 tons e assim por diante.
Cada pixel, então, tem um certo número de bits a ele associado, assim
podendo representar não somente o local na imagem (a localização do
pixel na imagem matriz) com também o nível de cinza deste local. O
número de bits associado com cada pixel é chamado de bit de intensidade
e é usualmente igual para toda a matriz.

A Resolução da Imagem

Todas as imagens podem ser caracterizadas por diversos parâmetros de

qualidade de imagem. Os mais úteis desses parâmetros são a resolução

espacial, a resolução de contraste e a resolução temporal. Esses

parâmetros foram largamente usados para caracterizar imagens de raios

X tradicionais; eles também proveem os meios para comparação de

imagens formadas por modalidades de imagens digitais. A resolução

espacial está relacionada à aspereza da imagem; ou seja a capacidade de

exibir separação física entre duas imagens. Para a imagem digital, a

resolução espacial é determinada pelo número de pixels por área de

imagem. A resolução de contraste é a medida da capacidade para

distinguir pequenas diferenças de intensidade, como mudanças nos

parâmetros mensuráveis, tais como atenuação de raios X. para imagens

digitais, o número de bits por pixel determina a resolução de contraste da

imagem.

Finalmente, a resolução temporal é a medida de tempo necessária para

formar a imagem. Nós consideramos um processamento de imagens para
aplicações em tempo real se ela pode gerar imagens a uma taxa de 30 por
segundo, pelo menos. A esta taxa é possível produzir imagens de batimento
cardíacos sem borrões. Uma inadequada resolução resulta na
impossibilidade de distinguir estruturas; duas estruturas parecem uma só
(baixa resolução espacial) ou a lesão não apresenta limites precisos (baixa
resolução de contraste).Outros parâmetros que são especificamente
relevantes para a produção de imagens médicas são os que quantificam o
risco do paciente, os graus de invasibilidade, a dosagem de radiações
ionizantes, o grau de desconforto do paciente, o tamanho (portabilidade)
do instrumento, a capacidade de descrever as funções fisiológicas bem
como as estruturas anatômicas, e o custo do procedimento.

Uma modalidade de produção de imagens perfeita deverá produzir

imagens com altas resoluções espacial de contraste e temporal; deverá ser
de baixo custo, ser portátil, livre de risco, indolor, e não invasiva; não
deverá usar radiações ionizantes; e ter capacidade de descrever as funções
fisiológicas bem como as estruturas anatômicas. A primeira razão para a
proliferação de modalidades de produção de imagens é que nenhuma
única modalidade satisfaz todos estes requerimentos - cada uma é
poderosa para uma ou mais dessas dimensões e fraca para outras.

A seleção da modalidade mais apropriada para um particular diagnóstico

requer a renuncia entre essas várias dimensões. A resolução espacial é o
problema mais frequentemente questionado da imagem digital. A fim de
igualar a resolução espacial típica do filme, uma imagem de 14 X 17
polegadas poderá ter aproximadamente 2000 X 2500 pixels, e para
capturar todas as informações de níveis de cinza, cada pixel deve carregar
10 bits (1024 tons de cinza). Por este método o tamanho da imagem
chegaria a 6,5Mb. Para dobrar-se a qualidade da resolução espacial é
necessário quadruplicar o número de pixels. Já a resolução de contraste
varia linearmente com o número de bits requeridos. A imagem matriz
frequentemente tem valores de 512 X 512 pixels, por exemplo, tornando as
imagens fáceis de serem manipuladas no computador.

Desde o começo deste artigo a frase "níveis de cinza" tem sido enfatizada.
Na geração de imagens digitais, cores podem ser usadas para representar
os tons de cinza das imagens, o que se denomina "falsa cor". Em vez de
atribuir um diferente valor de cinza para cada valor binário no pixel, uma
diferente saturação da cor primária é usada. Contudo, três cores primárias
são necessárias para produzir todas as outras cores, deste modo, em
imagens coloridas, cada pixel tem três componentes, uma para cada cor
primária usada (tipicamente vermelho, verde e azul, ou RGB). Esses
métodos para imagens coloridas requerem 3 vezes mais espaço para
armazenagem que os tons de cinza.

Análise de Imagens

Depois de a imagem ter sido gerada, é preciso ser analisada. Usualmente o

exame radiológico é requisitado por quatro razões básicas: visualização,

quantificação, localização e triagem. O radiologista escolhe o método de

melhor indicação para manipular imagens, permitindo assim uma melhor

visualização da doença. Por exemplo, pode-se ajustar os níveis de cinza de

uma imagem tomográfica para exibir as regiões de maior interesse.

Muitos dos procedimentos de enriquecimento de imagens desenvolvidos

pelo programa espacial da NASA foram ou serão usados para esse
propósito. Por exemplo, técnicas de filtragens digitais podem ser aplicadas
para remover ruídos, para detecção de bordas, e para limpar imagens
borradas. Atualmente o enriquecimento de imagens para uma melhor
visualização é o principal uso do computador para a análise de imagens.

O computador também pode ser utilizado para quantificar parâmetros

mensuráveis, tal como o volume do coração ou o tamanho do feto. Nos
sistemas mais modernos, esses parâmetros podem ser medidos nos
instrumentos da tela com calibradores eletrônicos. O computador registra
as medidas e executa os cálculos,. melhorando a sua consistência e
acurácia, e a produtividade dos radiologistas. Além disso, a
disponibilização de imagens tridimensionais torna o cálculo de volumes
mais acurado, principalmente quando são feitas automaticamente
(volumetria)

Para certos propósitos, tais como cirurgias ou radioterapia, a localização

precisa da lesão é a principal razão para estudo. A localização também é
crucial para procedimentos radiológicos intervencionistas, tais como
biópsias aspirativas com agulha e drenagem de abscessos. Os radiologistas
analisam as imagens para determinar o melhor local para chegar á lesão,
e para determinar o ângulo de aproximação e a profundidade. Dados de
imagens tridimensionais são Inestimáveis para localização, porque estas
devem ser relacionadas a pontos de referência externos no corpo (como 3
cm acima do umbigo). Esta informação também é usada no planejamento
de radioterapia onde o oncologista deve examinar o volume da zona de
tratamento precisamente.

Reconhecimento de Imagens

Como a interpretação cuidadosa de imagens radiográficas consome

tempo, e é caro treinar radiologistas para processar grande número de

imagens, alguns pesquisadores tem trabalhado no desenvolvimento de

sistemas de ajuda á interpretação de imagens por computador. Esses

sistemas, podem ser particularmente utilizados com o propósito de triagem

- por exemplo, exame do tórax em pré-operatório e mamografias

periódicas. Como na condição de triagem a probabilidade de positivo

verdadeiro é, relativamente baixa, e usam leitura manual além de tediosa é

demorada, o sistema de análise automática de imagens pode sinalizar

imagens anormais ou questionáveis para posterior interpretação pelo

radiologista. Esta noção de triagem automatizada já foi analisada com

sucesso para a interpretação de registros de ECG. O problema da

interpretação de imagens é baseado em técnicas de Inteligência Artificial.

Apesar de ser improvável que o desenvolvimento de interpretação

completamente automatizada ocorra brevemente, sistemas que oferecem

interpretação parcialmente automatizada são viáveis. Esses sistemas

resolvem sub tarefas de uma tarefa de interpretação global.

O padrão de reconhecimento e análise de imagens pode ser dividido em

quatro sub tarefas: processamento global, segmentação, detecção de
características, e classificação. Essas sub tarefas são análogas ao processo
que os cientistas acreditam que o cérebro humano realize com o processo
sensorial.

O processamento global envolve a computação com a imagem inteira, sem

levar em consideração o conteúdo local especifico. O propósito é realçar a
imagem para a visualização humana ou para posterior análise pelo
computador. O processamento global é o mais ativo e mais próspero
campo de pesquisa de análise de imagens, porque se aplicam princípios
fiscos de geração de imagens desenvolvidos pela indústria espacial para
realçar imagens do espaço exterior. Um exemplo comum de
processamento global é a janela de níveis de cinza da imagem
tomográfica. O tomógrafo produz números na faixa de -1000 a ~1000 (-
3000 a ~4000 no equipamentos mais modernos). Nós, contudo, não somos
capazes de distinguir mais do que cerca de 100 matizes de cinza. Para
apreciar a máxima precisão disponível da imagem de tomografia
computadorizada, o operador pode ajustar o ponto médio e o gama de
exibição dos valores de CT. Deste modo o radiologista consegue perceber
melhor pequenas mudanças na resolução de contraste dentro da sub-
região de interesse, porém ao mesmo tempo eles sacrificam a resolução em
outras áreas da imagem.

Outro exemplo do processamento global aplicado a imagens tomográficas

é a equalização por histograma, no qual a distribuição estatística de níveis
de cinza é tornado uniforma, muitas vezes melhorando a resolução de
contraste da imagem. Uma variedade de algoritmos de filtragem pode ser
aplicado no processamento da imagem para remover chuviscos da
imagem, para acrescentar margens ou bordas, ou para tornar mais nítidas
imagens borradas.

Durante a fase de segmentação, as regiões de interesse são extraídas da

imagem total. As regiões usualmente correspondem a estruturas
significativas anatomicamente, tal como órgãos ou partes de órgãos. A
estrutura pode ser delineada pelas suas bordas, nesse caso técnicas de
detecção de bordas (tais como algoritmo de aproximação de bordas) são
usadas. Nenhum desses tipos de tecnologias tem sido completamente bem
sucedido, pois regiões frequentemente tem bordas descontínuas ou não
distinguíveis da composição interna. Além disso, as regiões contíguas
frequentemente sobrepõe-se.
A detecção de características é o processo de extração de parâmetros úteis
para as regiões segmentadas. Esses parâmetros podem por si próprios
serem informativos. Eles também podem ser usados aplicados dentro de
um processo de classificação automatizado, o qual determina o tipo de
objeto construído. Por exemplo, pequenas regiões redondas na imagem de
raios X do tórax, podem ser classificadas como tumores, dependendo de
fatores como intensidade, perímetro e área.

Modelos matemáticos são frequentemente utilizados para ajudar na

execução de sub tarefas de análise de imagens automatizadas. Alguns
pesquisadores estão aplicando técnicas de Inteligência Artificial para
imitar interação entre sub tarefas. O computador é programado com
alguns dos conhecimentos anatômicos que o radiologista usa quando
interpreta imagens. Assim, um bom modelo orgânico dá uma referência de
alto nível para que o processo de segmentação funcione a contento.
Fusão de Imagens

Grande parte da imagem radiológica é estrutura. E possível fazer ótimas

interpretações anatômicas com estudos radiográficos, mas isto pode não

revelar muito sobre a doença que ainda não alterou anatomicamente mas

apenas mudou a função do órgão. Muitas vezes a Imagem funcional de

medicina nuclear é preferível a trabalhar somente com imagens

anatômicas, por sua capacidade de marcar moléculas de interesse com

isótopos radioativos, e então acompanhar a sua distribuição espacial e

temporal. Também, CT, MRI e imagens vasculares, podem produzir dados

funcionais. Alguns métodos de combinações entre imagens funcionais e

anatômicas parecem ideais. Embora seja bastante problemático,

especialmente em alinhar precisamente duas imagens onde uma tem

poucos pontos de referência, os computadores podem executar esta tarefa,

pois o método de alinhamento é matemático. A combinação de PET com

CT já deu informação sobre esquizofrenia, e imagens biomagneticas são

promissoras na produção de informações sobre o cérebro em tempo real.

Gerenciamento de Imagens e Informação

No manejo de informação dentro do hospital por meio de uma rede de

computadores, surgiu inicialmente o conceito de Sistemas de Informação

Radiológica - RIS (Radiology Information Systems) e que demonstraram

que é possível utilizar sistemas computadorizados para melhorar o

gerenciamento dos pacientes, a geração e distribuição de relatórios, as

facilidades de utilização dos recursos disponíveis, a localização dos filmes,

e as rotinas de funcionamento do setor de radiologia. Frequentemente eles

são integrados ao Sistema de Informação Hospitalar (HIS - Hospital

Information Systems). Como o RIS faz tudo menos trabalhar com as

próprias imagens, na década dos 80 este conceito foi ampliado para

incluir o que chamamos de PACS (Picture Archiving and Communication

System, ou sistemas de arquivamento e comunicação de imagens). É um

sistema que permite, como o nome diz, a armazenagem e recuperação das

imagens em uma rede de computadores.

Atualmente, a maior parte das imagens são registradas e armazenadas em

filme. Igualmente imagens como CT e MRI, as quais são inerentemente
digitais, são transferidas para o filme depois que os técnicos a tenham
otimizado para a visualização. Ocasionalmente como no caso de estudos
ultrassonográficos, as imagens são transferidas para vídeo- tapes para
posterior revisão e interpretação.

O armazenamento de filmes requer um grande espaço no departamento de

radiologia. Os departamentos tem a capacidade de armazenar filmes
somente para pacientes que tenham sido estudados nos últimos 6 a 12
meses. Estudos antigos, são retidos por no mínimo 7 anos e estocados em
um porão por exemplo. A aquisição digital de todas as imagens dentro de
um hospital oferece um excitante panorama de redução do espaço físico
requerido, custo de material, redução do trabalho manual tradicional de
manuseio de filmes, rápida recuperação de imagens via pedido de
informação á base de dados, e alta velocidade de transmissão de imagens
através de redes.

O desenvolvimento dos sistemas PACS é uma área ativa de pesquisa em

informática médica. Um número de complexos problemas tiveram que ser
resolvidos antes de por em prática, incluindo padronização de transmissão
de imagens e formatos de armazenagem. Armazenar todos os dados de
imagens médicas digitais pode criar um grande problema de
gerenciamento, que não pode ser resolvidos por métodos que não
envolvam computação. Por exemplo, um hospital de 600 leitos que realiza
125.000 procedimentos de imagens médicas por ano pode gerar centenas
ou até milhares de gigabytes de dados de imagens por ano.
Afortunadamente, a eletrônica digital permite o manejo de tão grande
soma de dados, e existem técnicas de computação que podem comprimir
informações, como a compressão de dados, que geralmente aproveita a a
redundância na informação. A máxima compressão para imagens é
geralmente na faixa de 2 ou 3 para 1. Algumas técnicas de alta
compressão de dados, conhecidas como "com perda", conseguem
proporções de até 10 para 1, mas podem desfocar e alterar a imagem e
prejudicar o diagnóstico em caso de estruturas muito pequenas na imagem
(bordas, microcalcificações, etc.)

A tecnologia de discos óticos é o meio mais utilizado para armazenamento

on-line de dados de imagens. Cada disco armazena cerca de 2,5 gigabytes,
e são disponibilizados através de um equipamento robótico de
manipulação e leitura, chamado de "jukebox". Existem equipamentos
deste tipo com capacidade de 100 discos ou mais, o que permite o
armazenamento on-line de um ano inteiro de dados de um hospital de
grande porte. Os discos óticos são baratos e os preços continuam em
queda. Além disso os novos discos permitem que sejam gravados e
regravados várias vezes. Existem vários outros meios para armazenagem a
longo prazo (sem disponibilidade on-line), incluindo fita magnética, discos
óticos e cartões a laser.

Redes

O gerenciamento de informação em um hospital envolve a transmissão de

imagens em redes. A integração de estações de visualização distribuídas,

bases de dados on-line, sistemas de gerenciamento de imagens, e redes

locais de larga escala permitem que os dados de imagens sejam

partilhados entre profissionais de saúde e que seja feita a visualização

local e remota. Além disso, os dados podem ser vistos em múltiplos

locais simultaneamente.

Os principais meios de transmissão em redes são os cabos coaxiais e fibras

óticas. Cabos coaxiais são usados em TV a cabo, e suportam uma
variedade de topologias de redes. Redes coaxiais são relativamente baratas
e confiáveis, apesarem de serem susceptíveis a interferência elétrica e de
rádio- frequência. Redes de fibra ótica oferecem um alto grau de
confiança sem problemas com interferência. A capacidade máxima de
transmissão de dados deve ser suficiente para suportar as necessidades do
departamento ou clínica.
O hardware necessário para o trabalho em redes deve estar de acordo com
o sistema PACS desenvolvido e com o protocolo de comunicação de redes.
Padronização de protocolos de redes usando convenções tais como o ISO
OSI é importante para garantir que uma larga variedade de equipamentos
possam ser interfaceados com a rede e que os dados possam ser
reconhecidos e interpretados corretamente em todos os nodos da rede.
Para esse fim, o National Equipament Manufacturers Association
(NEMA) e o American College of Radiology (ACR) cooperaram para criar
um formato padrão de dados de imagens, chamado ACR-NEMA e foi o
primeiro passo para conseguir a adesão dos fabricantes de equipamentos
de imagem digital, facilitando a sua interconexão direta em rede.
Atualmente o ACR-NEMA evoluiu para um novo padrão, amplamente
adotado, chamado DICOM.

Atualmente, existem diversas superposições de funções entre o HIS, o RIS

e o PACS. Um dos mais significativos desenvolvimentos no futuro será a
integração desses sistemas,, o que exigirá esforços de padronização e de
desenvolvimento paralelo em outras áreas da ciência da computação.
Dirigindo muitos destes esforços sempre estão a crescente demanda do
administrador hospitalar e dos médicos por informações.

Referências Bibliográficas
Horii. Steven. C. Computer appllcations in diagnostic imaging. Clinics in
Chest Medicine, 1991, Mar, 12(1):1-17.
Shortliffe, E. H.; Perreault, L. E; Wiederholt G.; Fagan, L. M. Medical
lnformatics. Computer Applications in Health Care. Addison Wesley,
Reading, Mass.; USA, 1990.
Abad, O. M.; Blanco, A. N.; Somonte, E. E.; Processamiento de imagenes
por computadora. Su aplicacion en la medicina. Rev. Ata
Médica 3(2):245-250, 1989.
Dawan, A. P. A review on biomedical image processing and future
trends. Comput Methods Programs Bíomed 1990 mar-apr, 31(3-4)141-83
Wells. W A.; Rainer. R., Menoli. U.A. Equipment, standardization, and
applications of image processing. AM J Clln Pathol. 1993 jan;99(1):4a-56
Basic Principles of Image Processing. AM J Clin Pathol. 1992 nov,
98(5)493-501
Gillespie, T. 3rd.; Rowberg, A. N. Displaying radiologic images on
personal computer: image storage and compression. Part 2. Digital
Imaging, 1994, Feb;7(1):1-12.