Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Diagnosztika intelligens eszközökkel Horváth Gábor.

Hasonló előadás


Az előadások a következő témára: "Diagnosztika intelligens eszközökkel Horváth Gábor."— Előadás másolata:

1 Diagnosztika intelligens eszközökkel Horváth Gábor

2 Diagnosztikai feladatok Orvosi diagnosztika – képek – leletek – anamnézis, stb Műszaki diagnosztika – ABS rendszer – motordiagnosztika rezgésjelek alapján – autóállapot-figyelés nagytömegű adat alapján (Bosch) – stb.

3 Diagnosztikai feladatok Miért nehéz? – Sokállapotú rendszerek – nincs megfelelő minőségű fizikai (biológiai) modell – mérési adatok alapján modellezés – felismerési problémák – jelenleg leginkább emberi intelligens megoldás

4 Példák képfeldolgozáson alapuló orvosi diagnosztikai feladatokra Melanoma – színes fénykép elemzése Mammográfia – fekete-fehér röntgenképek elemzése Mellkasfelvételek – fekete-fehér röntgenképek elemzése CT, MRI, PET-CT, stb. – vizsgálatok (fekete-fehér képek) elemzése Szövettani vizsgálatok, stb.

5 Képfeldolgozást alkalmazó orvosi döntéstámogató rendszer Célkitűzés: A cél olyan - orvosi alkalmazásra készülő - képelemző és döntéstámogató rendszer kifejlesztése, mely alkalmas - nagytömegű kép (röntgen-felvétel) elemzésére, - a röntgen-felvételeken található bizonyos alakzatok detektálására, felismerésére, - ez alapján széleskörű orvosi szűrővizsgálatok kiértékelésének támogatására Szűréseken készült (röntgen)képek minősítését támogató rendszer létrehozása

6 Diagnosztikai feladat Felismerendő alakzatok Kerek árnyékok, illetve szabálytalan alakú foltok Mikrokalcifikációk Spikuluszok (szálak) Elkülönítés a nem kóros, de hasonló megjelenésű képi alakzatoktól Zajszűrés (a képalkotásból adódó, illetve anatómiai zaj szűrése) Időbeli követés

7 Új lehetőségek: tomoszintézis -Rétegfelvételek néhányszor 10 digitális felvétel alapján

8 Tomoszintézis rekonstrukció és diagnosztika A különböző szögből készült felvételek (71 kép) alapján a test függőleges síkmetszetbeli képei kiszámíthatók: rekonstrukció. Képminőség javítása, szűrés. Anatómia részek meghatározása, megtalálása, érdetektálás A metszeti képek feldolgozása, elváltozások keresése Hatékony implementáció: nagymennyiségű számítás nagyméretű (2000 x 2000, 3000 x 3000 ) képeken

9

10

11

12

13

14

15

16

17

18

19

20 Érdetektálás

21 Elváltozás detektálás

22 Hatékony implementáció Komplex számítás: rekonstrukció, képszűrés, alakzat detektálás, Nagy memória igény: 71 x 3000 x 3000 képpont Időkorlát: max. 1-2 perc Párhuzamos feldolgozás szükségessége: GPGPU

23 A megoldás fő lépései

24 Klasszikus képfeldolgozó eljárások – élkiemelés, foltkeresés, – képszűrések, morfológiai operátorok alk,stb. Transzformációs eljárások – multirezolúciós eljárások (wavelet) – PCA, ICA – stb Textura analízis stb Előfeldolgozás

25 Felismerés, osztályozás Neuronhálók Kernel gépek Hibrid intelligens eszközök Klaszterező eljárások Stb.

26 Utófeldolgozás Minősítés, kiértékelés Egyéb információkkal való összevetés

27 Eszközök Képfeldolgozó eljárások Klasszikus szabályalapú rendszerek Neuronhálók Hibrid intelligens rendszerek

28 Labor feladatok Kép és jelfeldolgozási eljárások kidolgozása Matematikai eljárások kidolgozása, vizsgálata. Intelligens eszközök létrehozása (szoftver rendszer) és alkalmazása. Hatékony (nagysebességű) párhuzamos implementáció grafikus processzorokon

29 Eredményes hallgatói munkák A témában sikeres hallgatói eredmények születtek Önálló labor feladatok Diplomatervek Díjnyertes TDK dolgozatok Ph.D témák


Letölteni ppt "Diagnosztika intelligens eszközökkel Horváth Gábor."

Hasonló előadás


Google Hirdetések