Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Orvosi alkalmazások grafikus megjelenítése Megyesi Zoltán Dr. Tornai Róbert.

Hasonló előadás


Az előadások a következő témára: "Orvosi alkalmazások grafikus megjelenítése Megyesi Zoltán Dr. Tornai Róbert."— Előadás másolata:

1 Orvosi alkalmazások grafikus megjelenítése Megyesi Zoltán Dr. Tornai Róbert

2 2007. november Gyires Béla Informatikai Nap2 Áttekintés ► Együttműködés a Komputergrafika és a Nukleáris Medicina tanszékek között ► Az orvosi képalkotás teljes folyamatát lefedő szoftverfejlesztés ► Partnerkapcsolat a MEDISO Kft.-vel ► A fejlesztőcsoport vezetője Dr. Emri Miklós

3 2007. november Gyires Béla Informatikai Nap3 A képalkotás fizikai háttere

4 2007. november Gyires Béla Informatikai Nap4 Az orvosi képalkotás folyamata ► Adatgyűjtés ► Képrekonstrukció a gyűjtött adatokból ► A rekonstruált képek feldolgozása ► Vizualizáció

5 2007. november Gyires Béla Informatikai Nap5 Adatgyűjtés - MiniPET ► Ethernet technológia ► Minden detektor külön IP-címmel rendelkezik ► A gyűjtött adatokat UDP protokollon keresztül küldjük a serveralkalmazásnak ► Az adatgyűjtés vezérlése TCP protokollon ► Real-time koincidencia válogatás (időablak 5-6 ns) ► LOR (Line of Response) file: adott koincidenciavonalban a mért események száma

6 2007. november Gyires Béla Informatikai Nap6 Adatgyűjtés

7 2007. november Gyires Béla Informatikai Nap7 Képrekonstrukció ► Analitikus módszer ► Iteratív módszer Egy túlhatározott egyenletrendszer megoldása statisztikus közelítéssel(maximum likelihood becslés alkalmazása a paraméter legvalószínűbb értékére). Iteratív módszert használunk a közelítéshez. SM * LOR = IMG SM: A detektorrendszer geometriáját, ill. a voxelek egymáshoz viszonyított kapcsolatát írja le SM[i,j]: Mekkora a valószínűsége, hogy a rekonstruálható térfogat i-edik voxele valamilyen mértékben hozzájárul a j- edik LOR-hoz

8 2007. november Gyires Béla Informatikai Nap8 Képrekonstrukció ► MLEM, OSEM algoritmusok (OSEM: MLEM+Lor subset, gyorsabban konvergál) ► SM tárolása kritikus Memória, háttértár, cluster, valósidejű előállítás ► SM generálása: CPU/GPU technológiák ► Monte-Carlo szimuláció

9 2007. november Gyires Béla Informatikai Nap9 System matrix ► Valós példa MiniPET: (detektorok * kristályok * detkoinc) / 2 = LOR 1.6 millió LOR Voxelszám 128^3 ► LOR * Voxelszám = SM shortban iterációnként 6.1 TB ► Memóriába nem fér, háttértár lassú Realtime SM számítás CPU cluster, vagy GPU

10 2007. november Gyires Béla Informatikai Nap10 Architektúra, teljesítmény

11 2007. november Gyires Béla Informatikai Nap11 Képfeldolgozás ► Multimodális orvosi képfeldolgozás Funkcionális (PET) és anatómiai (CT) fúziója ► 2D Slice, 3D Volume, 4D Gated ► Volume-ok memóriában szegmentált területen ► GPU memóriában 2D vagy 3D texturában ► Regisztráció, ROI/VOI, Transzformációk

12 2007. november Gyires Béla Informatikai Nap12 Eszközkészletünk egy része:

13 2007. november Gyires Béla Informatikai Nap13 Vizualizáció ► Célja az orvosok támogatása a képek értelmezésében (szakorvosi igények) ► OpenGL környezet ► Különféle vizualizációs módok ► CG, GLSL shaderek ► Filterezés, palettakezelés ► Eredmény: 6 FPS -> 90 FPS

14 2007. november Gyires Béla Informatikai Nap14 Legújabb fejlesztéseink

15 2007. november Gyires Béla Informatikai Nap15 BrainCAD ► A BrainCAD jelenleg az agy megjelenítésében csak az ortogonális metszeteket használja

16 2007. november Gyires Béla Informatikai Nap16 Új megjelenítési módok ► Egy új, Oblique-nak nevezett metszet típuson dolgozunk a BrainCAD szoftverhez, ami a volume-ok meglévő Coronal, Axial és Sagittal megjelenítését egészíti majd ki ► Négydimenziós megjelenítés a térbeli képek sorozatához (például szívfelvételek) ► Sávkiemelt kép készítése egy adott intenzitásérték környezetében

17 2007. november Gyires Béla Informatikai Nap17 Tetszőleges irányú metszetek A modern grafikus kártyák 3D és multitextúrázás funkcióira nagymértékben építünk

18 2007. november Gyires Béla Informatikai Nap18 Diffusion Tensor Imaging ► A vizsgálat tárgya Az emberi agy fehérállománya ► Cél Az agy belső struktúrájának a vizualizációja (C++, OpenGL) ► Módszer Fiber tracking, amit White Matter Tractography-nak is hívnak (WMT) ► Feladat Elkészíteni a megjelenítendő adatokat a diffuzióval súlyozott MRI adatokból

19 2007. november Gyires Béla Informatikai Nap19 Alapvető fogalmak ► Tract: olyan szálak együttese, amelyek azonos kiindulási és végződési ponttal rendelkeznek ► White Matter Tractography (WMT): a fehérállomány szálainak iránybecslésén alapul felhasználva a víz diffúziós tulajdonságát ► Anizotropikus diffúzió: az iránnyal változó diffúziós tulajdonság ► Diffúziós tenzor: egy másodrendű szimmetrikus tenzor, ami leírja az anizotropikus diffúziót

20 2007. november Gyires Béla Informatikai Nap20 Diffúziós tenzor N irányban végrehajtott diffúzióval súlyozott mérésekből a következő mátrix egyenletet írhatjuk fel: ahol B az összes kódoló gradiens hatását tartalmazza, és A tartalmazza a megfelelő logaritmikus jelarányokat

21 2007. november Gyires Béla Informatikai Nap21 ► Az algoritmus bemenete  diffúzióval súlyozott képsorozat (25)  egy alapkép Az alkalmazott algoritmus

22 2007. november Gyires Béla Informatikai Nap22 A kiértékelés ► Az egyes voxelekhez tartozó összes adatot egyszerre el lehet érni iterátorok használatával ► A voxelek adatait összegyűjtjük ► Amennyiben ez lehetséges, a gradienseket (B) kiszámoljuk, egyébként alapértékeket használunk ► Az A vektor komponenseit meghatározzuk ► A túlhatározott egyenletrendszert a legkisebb négyzetek módszerével oldjuk meg (ehhez a matematikai eszközöket a GSL függvényei biztosítják) ► A voxelenként kapott 6 értéket állományokba írjuk

23 2007. november Gyires Béla Informatikai Nap23 Az alkalmazott algoritmus ► Az algoritmus kimenete 6 állomány, amely tartalmazza a megfelelő tenzor elemeket az egyes voxelekhez D zz D xx D yy D xy D xz D yz

24 2007. november Gyires Béla Informatikai Nap24 Diffúziós ellipszoid ► A diffúziós tenzor ortogonális vektorrendszert (x’, y’ és z’) határoz meg az egyes voxelek sajátvektorai alapján. ► A diffúziót egy ellipszoiddal ábrázolhatjuk, a főtengelyek hosszát a tenzor sajátértékeinek gyökei határozzák meg, az irányait pedig a tenzor sajátvektorai.

25 2007. november Gyires Béla Informatikai Nap25 ► 3 sajátvektor  9 állomány Az előfeldolgozás eredménye λ1λ1 λ2λ2 λ3λ3 E1 x E1 y E1 z E2 x E3 y E3 z E2 z E2 y E3 x ► 3 sajátérték  3 állomány

26 2007. november Gyires Béla Informatikai Nap26 A DTI kiterjesztése ► Összehasonlítási és kiindulási alapként a csapat implementálta a standard Fiber imaging algoritmusokat (pl.: Diffusion Tensor Imaging) ► Jelenleg a DTI javításán dolgozunk, különös tekintettel a szálak elágazásának és összefésülésének problémájára

27 2007. november Gyires Béla Informatikai Nap27 Ellipszoidos megjelenítés A DTI eredményének egy lehetséges vizualizációs módja

28 2007. november Gyires Béla Informatikai Nap28 Statikus szálmegjelenítés forrás: wikipedia.org Ennek a módszernek a részecskerendszeres animált fejlesztése indult el egy szakdolgozat keretén belül ebben a félévben.

29 2007. november Gyires Béla Informatikai Nap29 Kombinált módszer Azt tervezzük, hogy az elkészült ellipszoid és részecske rendszert tetszőleges állású vágósíkok segítségével kombináltan tudjuk megjeleníteni

30 2007. november Gyires Béla Informatikai Nap30 3D irányítás ► 3D mouse - Connexion SpaceTraveler ► 6 szabadsági fokkal rendelkezik ► A meglévő egerünket egészíti ki

31 2007. november Gyires Béla Informatikai Nap31 Köszönjük a kitüntető figyelmüket!


Letölteni ppt "Orvosi alkalmazások grafikus megjelenítése Megyesi Zoltán Dr. Tornai Róbert."

Hasonló előadás


Google Hirdetések