A Terapia Fotodinâmica no Tratamento do Câncer de Pele

ANAIS DO CONGRESSO DE INICIAÇÃO CIENTÍFICA DO INATEL - INCITEL 2012
10
A Terapia Fotodinâmica no Tratamento do
Câncer de Pele
Ana Cláudia Pereira da Silva
Lucas Barbosa Guimarães
Instituto Nacional de Telecomunicações - Inatel
[email protected]
Instituto Nacional de Telecomunicações - Inatel
[email protected]
Karina Perez Mokarzel Carneiro
Marcos Perez Mokarzel
Instituto Nacional de Telecomunicações - Inatel
[email protected]
Instituto Nacional de Telecomunicações - Inatel
[email protected]
Resumo—O pressuposto deste trabalho é de que um
diagnóstico conclusivo e em fase inicial, permite o sucesso do
tratamento do câncer de pele com grandes possibilidades de cura.
O cenário atual de crescente índice de câncer de pele revelou-se
um importante espaço para o exame dessa questão. Esse projeto
de pesquisa, focado na Terapia Fotodinâmica e Processamento
Digital de Imagens, voltados ao trato do câncer de pele, do tipo
melanoma, visa propor a criação de um software capaz de
identificar e diagnosticar lesões cancerígenas por meio de análise
computacional e inteligência artificial, fazendo uso de ferramentas
matemáticas, aliadas aos conhecimentos de exames clínicos
empregados por médicos dermatologistas. Neste trabalho
procurou-se mostrar, através dos processos de binarização,
levantamento de histograma e esqueletização, que as imagens de
pele contendo manchas, podem ser diferenciadas, o que é o
primeiro passo para o desenvolvimento de processos autônomos
de detecção de câncer.
Palavras chave—Câncer de Pele, Melanoma, Processamento
Digital de Imagens, Lógica Fuzzy
Abstract—The assumption of this work is that a conclusive
diagnosis and early-stage allows successful treatment of skin
cancer with great possibilities of cure. The current scenario of
rising skin cancer index proved to be promising for the
examination of this question. This research project, focused on
Photodynamic Therapy and Digital Image Processing, geared to
the treatment of the skin cancer melanoma type, aims to propose
the creation of a software to identify and diagnose cancerous
lesions through computational analysis and artificial intelligence,
making use of mathematical tools, linked to knowledge using by
dermatologists. This work sought to show, through the processes
of binarization, survey of histogram and skeletonization, that the
images of skin containing spots, may be differentiated, what is the
first step towards the development of autonomous processes of
cancer detection.
Manuscrito recebido e revisado em 26 de março de 2012.
A. C. P. S. Veraldi ([email protected]) e L. B. Guimarães ([email protected]) pertencem ao Instituto Nacional de Telecomunicações Inatel. Av. João de Camargo, 510 - Santa Rita do Sapucaí - MG - Brasil 37540-000.
Key Words—Skin Cancer,
Processing, Fuzzy Logic
Melanoma,
Digital
Image
I. INTRODUÇÃO
Segundo o INCA (Instituto Nacional de Câncer), o câncer
de pele é o tipo de câncer mais freqüente, com incidência de
25% de todos os tumores malignos registrados no Brasil,
porém com alto índice de cura quando detectado precocemente
[1].
As neoplasias cutâneas são definidas como a multiplicação
desorganizada de células, que apresentam um crescimento
autônomo e evoluem independente dos mecanismos que
controlam a proliferação e a diferenciação celular, sendo seus
agentes causadores: físicos (ex: radiação solar), químicos (ex:
tabaco) ou biológicos (ex: vírus do papiloma).
Mais comuns em indivíduos com mais de 40 anos e de pele
clara, são relativamente raros em crianças e negros, a menos
que apresentem doenças cutâneas prévias, sendo os tipos mais
freqüentes: Carcinoma Basocelular (representando 70% dos
casos registrados e o menos agressivo), Carcinoma
Epidermóide (com 25% dos casos) e o Melanoma (com 4%,
sendo este, o tipo mais agressivo pelo seu potencial
metastático) [1].
Um dos tratamentos utilizados com sucesso, no controle e
cura de diversos tipos de cânceres é a TFD - Terapia
Fotodinâmica, que envolve a combinação de luz visível,
fármacos fotossensibilizantes e oxigênio molecular tecidual,
que uma vez combinados, induzem as lesões à eliminação do
tecido canceroso, diminuindo os efeitos colaterais dos
tratamentos tradicionais.
O composto fotossensibilizante é aplicado por via
intravenosa ou cutânea (tópica) e após um intervalo de tempo,
suficiente para seu acúmulo no tecido tumoral, irradia-se a
lesão cancerosa com luz visível (usualmente o laser), através de
um cateter de fibra óptica e em um comprimento de onda
específico, que coincida com o comprimento de onda de
ANAIS DO CONGRESSO DE INICIAÇÃO CIENTÍFICA DO INATEL - INCITEL 2012
absorção máx ima do fotossensibilizante (normalmente 600 a
800nm), ativando o composto e gerando formas de oxigênio
tóxicas que necrosam o tumor. Em casos onde o tumor é muito
grande (profundo) ou de difícil acesso, recomenda-se a TFD
apenas como tratamento pré-operatório, com intuito de
diminuí-lo [2].
Para o diagnóstico das manchas, uma técnica bastante
utilizada pelos dermatologistas em seus consultórios é a
Dermatoscopia, normalmente empregada para identificação de
melanomas em fase inicial, que talvez não sejam perceptíveis a
olho nu. Realizada através de um aparelho óptico digital, o
processo consiste em captar a imagem da lesão podendo
ampliá-la em até 50 vezes (sendo mais comum, na prática, a
ampliação em até 10 vezes), possibilitando ao médico fazer
uma análise mais apurada de seu tamanho, forma, cores e
textura (método conhecido como ABCD). Além de permitir o
armazenamento da imagem para acompanhamento da evolução
da lesão [4].
Apesar da Dermatoscopia ter elevado a acurácia de cerca de
75%, observada no diagnóstico clínico, para aproximadamente
90%, no caso do melanoma, trata-se ainda de um diagnóstico
dependente exclusivamente da experiência do médico e seu
treinamento para o bom emprego dos critérios que o exame
exige [5]. Por esse motivo, esse trabalho objetiva, através do
emprego de técnicas de processamento digital de imagens
aliado aos conhecimentos de análises dermatológicas, a criação
de um software capaz de classificar as manchas de pele como
sendo malignas ou benignas.
11
II. CÂNCER DE PELE
A incidência de câncer de pele tem aumentado rapidamente
durante as últimas décadas, devido principalmente à exposição
excessiva à luz solar, especialmente aos raios ultravioleta, em
conjunto com a diminuição da camada de ozônio, protetora
contra essas radiações.
De acordo com o INCA - Instituto Nacional de Câncer, que
publica uma estimativa de câncer no Brasil a cada dois anos,
para o ano de 2012 a estimativa é de 62.680 novos casos de
câncer de pele do tipo não melanoma entre homens (tipo mais
incidente de câncer de pele) e, 71.490 novos casos entre
mulheres. Para o tipo melanoma (de letalidade alta, porém de
incidência mais baixa), a previsão é de 3.170 novos casos em
homens e 3.060 em mulheres, conforme pode ser observado na
tabela abaixo [1]. Ver figura 1.
O melanoma, objeto de estudo desse trabalho, é o tipo mais
grave de câncer de pele pelo seu potencial poder de produzir
metástase, que é a transferência de células malignas para outros
órgãos, aonde irão se desenvolver. Tem origem nos
melanócitos que são as células responsáveis por dar pigmento à
pele e, podem surgir a partir da pele normal ou de uma lesão
pigmentada. A manifestação da doença na pele normal se dá
após o aparecimento de uma pinta escura de bordas irregulares
acompanhada de coceira e descamação. No caso de uma lesão
pigmentada pré-existente, observa-se o aumento do seu
tamanho, alteração na coloração e na forma da lesão, que passa
a apresentar bordas irregulares.
Fig 1. Estimativa dos diferentes tipos de câncer para 2012 [1]
12
ANAIS DO CONGRESSO DE INICIAÇÃO CIENTÍFICA DO INATEL - INCITEL 2012
Como fatores de risco para o desenvolvimento da doença,
além da exposição excessiva aos raios solares, conta-se
também, com o histórico de câncer de pele do tipo
melanoma na família, bem como de lesões escuras na pele.
Segundo o INCA, o meio mais eficaz de prevenção é a
proteção contra a radiação solar, através de filtros solares de
fator 15 ou mais, vestimentas adequadas e uso de acessórios,
como óculos escuros, chapéu, guarda-sol e camiseta, além
de evitar a exposição ao sol entre 10:00h e 16:00h [1].
A identificação das lesões geralmente é feita através de
uma análise visual de suas características, utilizando-se uma
metodologia simples e rápida conhecida como a regra do
ABCD, ilustrada na figura 2, que consiste dos seguintes
critérios: assimetria da lesão (A), irregularidade das bordas
(B), variabilidade das cores existentes numa mesma lesão –
preta, castanha, branca, avermelhada ou azul - (C) e
diâmetro maior que 6 milímetros (D), gerando um índice
cuja finalidade é auxiliar o dermatologista no diagnóstico
final [7].
técnicas computacionais mais aprimoradas para o
processamento e análise da informação da imagem, sendo
esse o elemento motivador deste trabalho.
III. PROCESSAMENTO DIGITAL DE IMAGENS
O processamento digital de imagens é uma ferramenta
computacional que apresenta um crescimento expressivo em
sua utilização e suas aplicações permeiam quase todos os
ramos de atividade humana por melhorar a informação
visual. Seu avanço permite tanto o desenvolvimento de
novos equipamentos, quanto garantir maior facilidade de
interpretação das imagens produzidas por equipamentos
mais antigos, como por exemplo, o de raio-X.
Por sua vez, o termo Processamento Digital de Imagens,
no que tange o escopo deste trabalho, está contido no
conceito de Visão Computacional que se refere ao
processamento digital de imagens, aliada a algoritmos de
inteligência artificial, para extração de informações
importantes, que auxiliam na interpretação da imagem e na
tomada de decisões inteligentes [10].
A. Componentes gerais de um sistema de visão
computacional
A tarefa dos componentes desse sistema é adquirir uma
imagem convertendo-a em um sinal elétrico através dos
Sensores, digitalizá-la e processá-la por uma cadeia de
algoritmos criados para solucionar o problema em questão.
Ele deve ser capaz de retornar dados importantes ao
computador, que deve tomar decisões em relação às
informações apresentadas. Um esquema básico contendo os
Fig 2. Regra do ABCD [9]
A Dermatoscopia com a possibilidade de captura,
armazenamento e ampliação da imagem da lesão, melhora
significativamente o resultado das referidas análises e o
diagnóstico precoce da doença. Porém ainda muito
susceptível a erros, por depender unicamente da experiência
do profissional, traz consigo a necessidade de utilizar
ANAIS DO CONGRESSO DE INICIAÇÃO CIENTÍFICA DO INATEL - INCITEL 2012
componentes para o processo de visão computacional pode
ser visto na figura 3.
Fig 3. Componentes gerais de um sistema de Processamento de Imagens
[10]
B. Aquisição da Imagem
O primeiro passo para se obter os resultados esperados é
ter, na entrada do sistema, uma imagem de boa qualidade, ou
seja, a etapa de aquisição deve ser bem configurada e
precisa. Imagens escuras, com sombras e foco inapropriado
podem comprometer a qualidade ou inviabilizar a
implementação da aplicação.
Uma vez adquirida uma imagem adequada, esta precisa ser
digitalizada para que possa ser processada pelas demais
etapas, conforme mostrado no diagrama da figura 4. As
imagens podem ser consideradas funções bi-dimensionais na
forma f(x,y), onde f na coordenada espacial (x,y) é um valor
inteiro que representa o nível de intensidade luminosa [10].
13
IV. PROCESSOS EMPREGADOS E RESULTADOS OBTIDOS
A. Binarização
A binarização em Visão Computacional significa dividir
uma imagem digital em duas regiões, onde os pixels
encontrados em cada uma delas serão semelhantes entre si.
Este processo tem com o objetivo, dentre outros, melhor
detectar borda, cor, intensidade e textura.
A binarização consiste em transformar a imagem
inicialmente colorida, ou em escala de cinza, em uma
imagem monocromática (preto e branco). Pode ser realizada
automaticamente (ex: determinação de threshold na escala
de cinza) ou manualmente por programas editores de
imagens.
Nesse trabalho optou-se pela binarizção manual. O
programa utilizado foi o Corel Photo-Paint e as imagens de
lesões cancerígenas tiveram suas regiões demarcadas e
extraídas, como no caso das imagens a e b da figura 5
(branco é a área da lesão e preto, a região de pele normal),
por esta razão, as imagens classificadas como nevos
(manchas normais) foram totalmente pigmentadas de preto,
visto nas imagens c e d da figura 5 (branco = 1, preto = 0).
Fig 4. Etapa de formação de imagens [10]
Nesse processo destacam-se duas etapas importantes
realizadas pelo conversor analógico-digital: amostragem e
quantização do sinal. A amostragem consiste da aquisição
da amostra por um sensor, por exemplo, a exposição de um
fotosensor por um determinado tempo à luz, carregará o
fotosensor com elétrons. No processo de amostragem, as
coordenadas espaciais (x,y) são definidas para cada sensor,
diz-se então que na amostra existe a digitalização do espaço.
A quantização é a conversão da amostra em um valor digital,
com range definido e intervalos fixos entre os níveis (ex:
valores inteiros entre 0 e 255). Como resultado deste
processo, tem-se uma matriz M x N, de valores inteiros, na
qual os índices de linhas e colunas representam um ponto
(pixel) na imagem (x,y) e o valor do elemento da matriz,
indica o nível de brilho naquele ponto [8].
Ambas estão relacionadas à resolução da imagem
produzida, uma vez que quanto maior o número de pontos
amostrados na imagem, maior será sua resolução espacial,
assim como quanto maior o número de níveis de intensidade
luminosa, maior a resolução de tonalidades.
Uma vez transformada em um arranjo matricial, inúmeras
operações matemáticas podem ser aplicadas ao
processamento digital dessas imagens. A seguir serão
descritos os processos utilizados nessa pesquisa.
(a)
(b)
(c)
(d)
Fig 5. (a) Imagem de lesão cancerígena (b) Imagem binarizada (c) Imagem
de mancha normal – nevo (d) Imagem binarizada
B. Histograma de imagens
Um histograma é um gráfico com dois eixos que
representa o número de pixels, para cada um dos diversos
níveis de intensidade luminosa de uma imagem.
Para esse processo foi utilizada a função “imhist” da
biblioteca de processamento digital de imagens do programa
Matlab. Porém, como esta função não se aplica diretamente
a imagens coloridas, foi feita a separação das componentes
de cores (RGB) para depois aplicar a função em cada uma
delas, como segue o comando:
>> im = imread('nome da imagem.jpg');
>> r = im(:,:,1);
ANAIS DO CONGRESSO DE INICIAÇÃO CIENTÍFICA DO INATEL - INCITEL 2012
14
>> g = im(:,:,2);
>> b = im(:,:,3);
>> imhist(r);
>> imhist(g);
>> imhist(b);
>> title('Histograma da Imagem Melanoma');
>> xlabel('pixels');
>> ylabel('frequencia');
Os resultados dos histogramas para um melanoma e um
nevo, considerando a imagem completa da lesão junto com a
pele saudável, encontram-se nos gráficos da figura 6.
transformações no eixo médio da imagem que, mediante
cálculos, definem as bordas em diferentes regiões da imagem
para resultar na sua estrutura esqueleto [8]. Esse processo
remove todos os pixels redundantes da imagem produzindo
uma simplificação da imagem com a largura de um único
pixel, porém sem perder informações, pois os pixels do
esqueleto formam o mesmo número de regiões que a imagem
original apresenta (figura 7).
Comando para realização desse processo no Matlab:
>> BW = imread('circles.png');
>> imshow(BW);
>> BW3 = bwmorph(BW,'skel',Inf);
>> figure, imshow(BW3)
(a)
(b)
Fig 7.(a) Imagem do melanoma esqueletizado (b) Nevo esqueletizado
V. AVALIAÇÃO DOS RESULTADOS
(a)
(b)
Fig 6. (a) Histograma da lesão cancerígena (b) Histograma do nevo
C. Esqueletização
A esqueletização trata de uma operação que indica em um
tipo de afinamento de regiões, aplicado em uma imagem
bidimensional, binária. Tal procedimento fornece a
representação estrutural da imagem em análise detalhada de
seus pixels, realizada por um algoritmo de afinamento.
Obtém-se o esqueleto de uma imagem processando-se
Uma vez realizadas todas as operações matemáticas com o
banco de imagens, se fez necessário analisar as informações
obtidas, em conjunto, para que fosse possível alcançar a
análise do critério ABCD digitalmente. O objetivo dos três
processamentos vistos no item IV foi o de converter a
imagem em algum conjunto de dados de onde se pudesse
extrair uma ou mais informações dos critérios ABCD.
A demarcação dos melanomas pela binarização teve como
objetivo a criação de uma base de dados que pudesse ser
empregada em outros algoritmos, como por exemplo, no
treinamento de redes neurais artificiais. Ela também foi
empregada nos estudos dos outros algoritmos, como por
exemplo, como máscara para separação da lesão, do restante
da pele, para análise de histogramas.
No levantamento do histograma das imagens contendo
apenas a região do sinal, não ficou muito claro a diferença
entre melanona e nevo no critério cor, porém observando os
histogramas da fig. 6, fica visualmente claro que o
melanoma possui um histograma mais distribuído que o
nevo, neste caso, o histograma torna-se relevante no
processo de decisão.
Para o estudo da assimetria, pretendia-se usar a
esqueletização da imagem binarizada. Após alguns testes
ficou claro que a extração desta informação, baseado no
esqueleto, não seria conclusiva. Por isto este algoritmo foi
abandonado.
ANAIS DO CONGRESSO DE INICIAÇÃO CIENTÍFICA DO INATEL - INCITEL 2012
Após a realização dos experimentos ficou claro que
nenhum dos processos testados poderia ser empregado como
condição absoluta para a classificação da lesão. Porém
dentro do conceito de lógica clássica, tem-se que algo é
completamente verdadeiro ou falso, não dando margem para
um resultado parcialmente verdadeiro ou parcialmente falso,
nem para a combinação destas incertezas, o que levaria esse
trabalho a um resultado negativo, caso um dos critérios
fosse considerado falso.
O conceito de Lógica Fuzzy, também chamado de Lógica
Nebulosa, considera que entre um sim e um não, existem
infinitas
possibilidades,
aproximando
a
decisão
computacional das análises humanas, ou seja, é uma forma
de interligar processos analógicos para um computador
digital, mas que por sua vez, permite avaliar valores mais
precisos. Trata-se de uma técnica recentes de Inteligência
Artificial [11] de crescente aplicação na solução de
determinados problemas de biomedicina, dado os tipos de
incertezas envolvidos nos procedimentos médicos.
Nesse tipo de análise considera-se que regras,
aparentemente contraditórias, sejam válidas ao mesmo
tempo, mantendo, ainda, a veracidade de seu resultado, o
que não seria permitido na lógica clássica, uma vez que essa
admite apenas a decisão por um único valor.
No exemplo desse trabalho, os resultados de uma mesma
operação matemática, aplicada às imagens de melanoma,
podem, ser analisados comparativamente entre uma imagem
e outra, apresentar grandes, médias e poucas diferenças entre
si, em um número infinito de valores. A solução final,
portanto, deve ser obtida unindo-se os resultados de todas as
operações de uma mesma lesão, em uma nova análise
matemática gráfica, calculando-se o centro de massa e
comparando esse resultado a valores de referência
determinados inicialmente pelo desenvolvedor do projeto.
VI. CONCLUSÃO
Atualmente o câncer de pele é detectado pelos
dematologistas utilizando o critério ABCD. Neste critério
são analisados visualmente a assimetria da lesão (A),
irregularidade das bordas (B), variabilidade das cores numa
lesão (C) e diâmetro maior que 6 milímetros (D). Para
análise computacional deste critério foram estudados os
processos de binarização, histograma de imagens e
esqueletização.
O diagnóstico de uma lesão não pode ser fornecido por
nenhum destes processos isoladamente e sim por uma
combinação destes.
Embora não se tenha a conclusão que a Lógica Fuzzy
permitiria atingir o diagnóstico, é certo que os dados
pesquisados até o momento de fechamento desse trabalho,
em conformidade com os resultados obtidos até então,
indicam a possibilidade de sucesso no desenvolvimento
final do mesmo.
15
Como trabalhos futuros, acredita-se ser válida a
continuidade do mesmo, com intuito de verificar a
possibilidade de treinamento dos algoritmos e aplicação da
técnica Fuzzy.
REFERÊNCIAS
[1]
Instituto Nacional do Câncer. Março, 2011. Câncer de pele.
Disponível: http://www.inca.gov.br/
[2] E. R. Silva, E. P. Santos, E. Ricci-Junior. Terapia Fotodinâmica no
tratamento do câncer de pele: Conceitos, utilizações e limitações.
Universidade Federal do Rio de Janeiro – UFRJ. Julho/2009.
[3] J. Ribeiro, A. N. Flores, R. Mesquita, J. Nicola, E. Nicola. Terapia
Fotodinâmica: uma luz na luta contra o câncer. Universidade Estadual
de Campinas (UNICAMP). Campinas – SP
[4] Instituto Paulista de Cancerologia. Junho, 2011. Dermatoscopia
Digital. Disponível: http://www.ipc-cancerologia.com.br
[5] G. G. Rezze, B. C. Soares de Sá, R. I. Neves. Dermatoscopia: O
método de análise de padrões. Na Bras. Dermatol. 2006; 81(3): 2618.
[6] Sociedade Brasileira de Cirurgia Dermatológica. Abril, 2011. O sol
pode provocar envelhecimento precoce e câncer de pele. Disponível:
http://www.sbcd.org.br
[7] A. C. Sobieranski, L. Coser, E. Comunelo, A. Wangenheim.
Metodologia computacional para a aplicação da regra ABCD na
avaliação de lesões pigmentadas. Universidade Federal de Santa
Catarina – UFSC. VII Workshop de Informática Médica, 2007.
[8] R. C. Gonzalez, R. E. Woods. Processamento de Imagens Digitais.
Ed. Edgard Blücher, 2000, ISBN 85-212-0264-4
[9] Portal da Sociedade Brasileira de Dermatologia. Outubro, 2011.
Como
identificar
o
câncer
de
pele.
Disponível:
http://www.sbd.org.br/campanha/cancer/como.aspx.
[10] M. R. Stemmer, A. Orth, M. L Rollof, F. Deschamps, A. X. Pavim.
Apostila de Sistemas de Visão. Sistemas Industriais Inteligentes.
Florianópolis, 2005.
[11] Din.
Dezembro,
2011.
Lógica
Difusa.
Disponível:
http://www.din.uem.br/ia/controle/fuz_prin.htm
Ana Claudia Pereira da Silva Veraldi nasceu em
São Paulo, SP, em agosto de 1979. Possui os títulos:
Bacharel em Desenho Industrial (Faculdade de Belas
Artes de São Paulo, 2001) e Especialista em
Administração de Empresas (Fundação Armando
Álvares Penteado - FAAP, 2004).
Desde julho de 2008 é aluna do Inatel, onde faz o
curso de Engenharia Elétrica com ênfase em
Telecomunicações.
Lucas Barbosa Guimarães nasceu em Lavras, MG,
em março de 1990. Desde julho de 2007 é aluno do
Inatel, onde faz o curso de Engenharia Elétrica com
ênfase em Telecomunicações.
Karina Perez Mokarzel Carneiro (Professor Orientador) possui graduação
em Engenharia Elétrica pelo Fundação Instituto Nacional de
Telecomunicações (1990) , mestrado em Engenharia Elétrica pela
Universidade Federal de Itajubá (2001) e aperfeicoamento em
Psicopedagogia pela Universidade Federal do Rio de Janeiro (1998) .
Atualmente é Professor adjunto do Fundação Instituto Nacional de
Telecomunicações. Tem experiência na área de Engenharia Elétrica , com
ênfase em Matemática e Física. Atuando principalmente nos seguintes
temas: Energia solar, Estação Rádio Base, Suprimento de energia elétrica.
16
ANAIS DO CONGRESSO DE INICIAÇÃO CIENTÍFICA DO INATEL - INCITEL 2012
Marcos Perez Mokarzel (Professor Co-Orientador) possui graduação em
Engenharia Eletrônica e de Telecomunicações pelo Instituto Nacional de
Telecomunicações (1994), mestrado em Engenharia Elétrica pela
Universidade de São Paulo (2010) e mestrado em Engenharia Elétrica pela
Universidade Federal do Amazonas (2006). Atualmente é Especialista em
sistemas do Instituto Nacional de Telecomunicações. Atuando
principalmente nos seguintes temas: GPON, MPEG, IPTV. 11/12/11