EKG kapuzott (ECG gated) szív vizsgálat

Slides:



Advertisements
Hasonló előadás
KOGNITÍV FOLYAMATOK VEGETATÍV IDEGRENDSZERI KORRELÁTUMAINAK VÁLTOZÁSAI KIS DÓZISÚ ALKOHOL HATÁSA ALATT Benyovszky Máté.
Advertisements

Szívműködés élettana.
A SZÍV.
Adatbázisrendszerek elméleti alapjai 2. előadás
Időszakosan használt harctéri eszközök biztonság szintjének elemzése diszkrét – diszkrét Markov modellel.
Az orvosi biotechnológiai mesterképzés megfeleltetése az Európai Unió új társadalmi kihívásainak a Pécsi Tudományegyetemen és a Debreceni Egyetemen Azonosító.
IP vagy Analóg Videó Megfigyelő rendszer
Vendéglátás és szállodaszervezés, gazdálkodás
Elektrotechnika 5. előadás Dr. Hodossy László 2006.
Nemlineáris és komplex rendszerek viselkedése
Vendéglátás és szállodaszervezés, gazdálkodás
Alapvető digitális logikai áramkörök
Gépelemek II. előadás 6-7.hét
Összehasonlitó Élettan III. Gyakorlat
Vendéglátás és szállodaszervezés, gazdálkodás
Az emberi szervezet legfontosabb része Készítette: Skultéty István
A keringés szervrendszere
3. Folytonos wavelet transzformáció (CWT)
Digitális képanalízis
Programozási alapismeretek 7. előadás. ELTE Szlávi-Zsakó: Programozási alapismeretek 7. előadás2/  Sorozatszámítás.
Hullámoptika.
Máté: Architektúrák7. előadás1 A verem két felső szavának cseréje (4.17. ábra) Megállapodás szerint TOS tartalmazza a verem tetején lévő szót! Ez többnyire.
Máté: Orvosi képfeldolgozás10. előadás1 Több kompartmentes modell, pl.: Lineáris tagok. Pl. k 32 jelentése: a 3-ba a 2-ből jutó tracer mennyisége lineárisan.
Orvosi képfeldolgozás
Máté: Orvosi képfeldolgozás1. előadás1. Máté: Orvosi képfeldolgozás1. előadás2 A leképezés fizikai alapjai Fény, fénykép, mikroszkóp Röntgen sugárzás.
Máté: Orvosi képfeldolgozás3. előadás1 Torzítás. Máté: Orvosi képfeldolgozás3. előadás2 A tárgy nagyítása A forrás nagyítása forrás tárgy kép A tárgy.
Becquerel I. Curie és Joliot Hevesy György
Intelligens ébresztő óra Számítógépes látás projekt 2011.
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. X. Dr. Szalka Éva, Ph.D..
A szív és a vérkeringési rendszer
Számítógépes hálózatok I.
Fuzzy halmazok. 4. előadás2 3 4 Egy hagyományos halmazEgy Fuzzy halmaz.
Fizika 3. Rezgések Rezgések.
BLK Könyvtármenedzsment III. 1. előadás 1 Könyvtármenedzsment III. Szolgáltatások szervezése.
KÉT FÜGGETLEN, ILL. KÉT ÖSSZETARTOZÓ CSOPORT ÖSZEHASONLÍTÁSA
Kvantitatív módszerek
Mágneses rezonancia (MR, MRI, NMR)
Máté: Architektúrák7. előadás1 A verem két felső szavának cseréje (4.17. ábra) Megállapodás szerint TOS tartalmazza a verem tetején lévő szót! Ez többnyire.
Folytonos jelek Fourier transzformációja
Példák a Fourier transzformáció alkalmazására
Rendszerek sajátfüggvényei és azok tulajdonságai Folytonos (FT) rendszerekkel foglalkozunk,de az eredmények átvihetők diszkrét rendszerekre is. kt)kt)
Diszkrét változójú függvények Fourier sora
Fejmozgás alapú gesztusok felismerése Bertók Kornél, Fazekas Attila Debreceni Egyetem, Informatikai Kar Debreceni Képfeldolgozó Csoport KÉPAF 2013, Bakonybél.
Ipari katasztrófák nyomában Kockázatfizika. Ipari katasztrófák nyomában 1. előadás2 ÁgazatAlkalmazott ak BalesetekHalálesetek Bányászat Textilipar
Ipari katasztrófák nyomában 2. előadás1 Természettudományos ismeretek.
Ipari katasztrófák5. előadás1 Eseménykivizsgálás.
Nagy rendszerek biztonsága
Ipari Katasztrófák3. előadás1 A technika. Ipari Katasztrófák3. előadás2 A technológia kialakulása 1.Alapkutatás: a természettudományos össze- függések.
Ipari katasztrófáknyomában 6. előadás1 Mélységi védelem Célok: Eszközök meghibásodása és emberi hibák esetén bekövetkező meghibásodások kompenzálása A.
Többváltozós adatelemzés
Máté: Orvosi képfeldolgozás6. előadás1 tüdő lép máj Szívizom perfúzió (vérátfolyás) bal kamra jobb kamra A bal kamrai szívizom vérellátásának megítélését.
Radon transzformáció (J. Radon: 1917)
Több képlettel adott függvények
Pénzügyi feladatok VBA támogatása Barna Róbert KE GTK
Osztott adatbázisok.  Gyors ismétlés: teljes redukáló  Teljes redukáló költsége  Természetes összekapcsolások vetítése  Természetes összekapcsolások.
Máté: Orvosi képfeldolgozás10. előadás1 Két kompartmentes modell F = F(t) C A (t)(artériás koncentráció) (flow) k 12 k sejt közötti tér 2. sejten.
Röntgen cső Anód feszültség – + katód anód röntgen sugárzás
Máté: Orvosi képfeldolgozás8. előadás1 Kondenzált képek Transzport folyamat, pl. mukocilliáris klírensz (a légcső tisztulása). ROI kondenzált kép F 1 F.
Üreges mérőhely üreg kristály PMT Nincs kollimátor!
Barna Róbert KE GTK Informatika Tanszék Pénzügyi feladatok VBA támogatása 7. előadás.
Adatátvitel elméleti alapjai
Pénzügyi feladatok VBA támogatása Barna Róbert KE GTK
Máté: Orvosi képfeldolgozás5. előadás1 Mozgó detektor: előnyHátrány állójó időbeli felbontás nincs (rossz) térbeli felbontás mozgójó térbeli felbontás.
Máté: Orvosi képfeldolgozás12. előadás1 Regisztrációs probléma Geometriai viszony meghatározása képek között. Megnevezései: kép regisztráció (image registration),
Máté: Orvosi képfeldolgozás5. előadás1 yy xx Linearitás kalibráció: Ismert geometriájú rács leképezése. Az egyes rácspontok képe nem az elméletileg.
Máté: Orvosi képfeldolgozás12. előadás1 Három dimenziós adatok megjelenítése Metszeti képek transzverzális, frontális, szagittális, ferde. Felület síkba.
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
A vérkeringés. A szív - a vért tartja mozgásban - 4 üregű = 2 pitvar + 2 kamra - szívizomból áll - saját vérellátását a koszorúerek adják - a vér egyirányú.
Előadás másolata:

EKG kapuzott (ECG gated) szív vizsgálat R hullám R hullám R – R távolság 1 2 … n 1. 2. n. . A felvétel több száz szívcikluson keresztül tarthat. Máté: Orvosi képfeldolgozás 7. előadás

Gyakran előforduló probléma: kamra térfogat görbe R R R extra kompenzációs systole pauza Lehetőség van arra, hogy a leggyakoribb R-R távolságtól jelentősen eltérő hosszúságú ciklusokat, sőt, az ezeket követő 1, 2, … ciklust is kihagyjuk a felvételből. Máté: Orvosi képfeldolgozás 7. előadás

R hullám R hullám R – R távolság 1 2 … n 1. 2. n. . 1. 2. n. . 1. 2. Kapuzott képsorozat Puffer 1 Puffer 2 Máté: Orvosi képfeldolgozás 7. előadás

Máté: Orvosi képfeldolgozás 7. előadás

A bal kamra funkciójának vizsgálata Vérben maradó radiofarmakon. EKG kapuzott vizsgálat. ED CPS bal kamra jobb kamra háttér máj lép ms ED ES End Diastole: ED, End Systole: ES, térfogat: V, beütésszám: C Háttér korrekció! Máté: Orvosi képfeldolgozás 7. előadás

Ejekciós Frakció (kibocsátási hányados): EF = (EDV – ESV) / EDV * 100%   (EDC – ESC) / EDC * 100% bal kamra ED ES Néha ESC –t a bal kamra ES –s vetülete alapján számítják Máté: Orvosi képfeldolgozás 7. előadás

Máté: Orvosi képfeldolgozás 7. előadás

Kép, melyben minden pixel = a kívánt jellemző értéke Parametrikus képek Sok kis ROI  sok görbe  áttekinthetetlen Sokszor nem az egész görbe, hanem csak egy-egy jellemzője érdekes. Minden pixel külön ROI ROI-nként görbe Függvény illesztés Kép, melyben minden pixel = a kívánt jellemző értéke Ha egy pixelben a jellemző nem számítható, akkor 0 vagy más speciális értéket adhatunk meg. Máté: Orvosi képfeldolgozás 7. előadás

Példák parametrikus képekre: PMax: pixelenkénti maximális érték TMax: pixelenként a maximum elérésének ideje (esetleg a kép indexe) T1/2: T fél érték (exponenciális/lineáris függvény illesztés alapján). Ha egy pixelben nincs ürülés, ott 0 vagy nagyon nagy lehet T1/2 MTT: (Mean Transit Time) átlagos átfolyási idő Fázis és amplitúdó kép Máté: Orvosi képfeldolgozás 7. előadás

Máté: Orvosi képfeldolgozás 7. előadás

Fk a sorozat k. képe (1  k  n) és k = (2k – 1)  / n, akkor Fázis és amplitúdó kép Az EKG kapuzott vizsgálat esetén minden pixel érték periodikusan változik, tehát Fourier sorba fejthető. Legyen Fk a sorozat k. képe (1  k  n) és k = (2k – 1)  / n, akkor C =  Fk cos k a cos kép, S =  Fk sin k a sin kép, FM = 1/n  Fk az átlag kép (mean), FP =  / 2 + arctg (S/C) a fázis kép (phase), FA = 2/n  C2 + S2 az amplitúdó kép, Fk  FM + FA sin (k – FP) Az amplitúdó kép azt mondja meg, hogy az egyes pixelekben milyen erős a pulzáció, a fázis kép pedig azt, hogy mikor történik az összehúzódás. Máté: Orvosi képfeldolgozás 7. előadás

Máté: Orvosi képfeldolgozás 7. előadás

l(t) és h(t) azt mutatja, hogy hogy „működik” a tüdő és a szív. Funkcionális képek = * l(t) + * h(t) + zaj F1, F2, … Fn L H Az L és H kép azt mutatja, hogy az egyes pixelekben milyen mértékben van jelen a tüdő és a szív. l(t) és h(t) azt mutatja, hogy hogy „működik” a tüdő és a szív. L és H fiziológiás (faktor) képek, l(t) és h(t) fiziológiás faktorok. Máté: Orvosi képfeldolgozás 7. előadás

Faktor analízis (fő komponens analízis – PCA)  Funkcionális képek Faktor analízis (fő komponens analízis – PCA)  1, 2, … , m faktor képek és 1(t), 2(t), … , m(t) faktor sorozat. Általában m << n. m Fk   i i (k) mátrix alakban: F    i=1 A lehetséges m tagú sorozatok között (F –  )2 minimális. Máté: Orvosi képfeldolgozás 7. előadás

  = ( T) (T-1 ) =  (T T-1 )  =   Nem fiziológiás faktorok (negatív elemeket is tartalmaznak)! Faktor transzformáció: ha T invertálható, akkor legyen  =  T,  = T-1 ,   = ( T) (T-1 ) =  (T T-1 )  =   Ha  és  nem tartalmaz negatív elemeket, fiziológiásnak tekinthető. A transzformáció megkereséséhez használható kritériumok: pozitivitás (i minden pixele és i minden pontja ≥ 0), bizonyos területeken bizonyos szerv nincs jelen (a ROI fölött i = 0). A zaj miatt a kritériumok általában csak közelítőleg teljesíthetők. Máté: Orvosi képfeldolgozás 7. előadás

a fiziológiás faktorok egyértelműsége, Kérdések: a faktorok száma, a fiziológiás faktorok egyértelműsége, a fiziológiás faktorok stabilitása. Máté: Orvosi képfeldolgozás 7. előadás

Faktorok alapján rekonstruált képek Szív, aorta Eredeti képek Máj, lép Vese kéreg Vese medence Faktorok alapján rekonstruált képek Húgy hólyag Háttér Máté: Orvosi képfeldolgozás 7. előadás