Máté: Orvosi képfeldolgozás5. előadás1 yy xx Linearitás kalibráció: Ismert geometriájú rács leképezése. Az egyes rácspontok képe nem az elméletileg.

Slides:



Advertisements
Hasonló előadás
Adatbázisrendszerek elméleti alapjai 2. előadás
Advertisements

L ÁTHATÓSÁG MEGHATÁROZÁSA tavaszi félév.
Vendéglátás és szállodaszervezés, gazdálkodás
Vendéglátás és szállodaszervezés, gazdálkodás
Gépelemek II. előadás 6-7.hét
Vendéglátás és szállodaszervezés, gazdálkodás
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
2D képszintézis Szirmay-Kalos László.
Mágneses lebegtetés: érzékelés és irányítás
Nemlinearitás: a bináris technika alapja
4. VÉGES HALMAZOK 4.1 Alaptulajdonságok
Adatbázisrendszerek elméleti alapjai 5. előadás
Programozási alapismeretek 7. előadás. ELTE Szlávi-Zsakó: Programozási alapismeretek 7. előadás2/  Sorozatszámítás.
Vendéglátás és szállodaszervezés, gazdálkodás
Csoportosítás megadása: Δx – csoport szélesség
MŰSZERES ANALÍZIS ( a jelképzés és jelfeldologozás tudománya)
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
EKG kapuzott (ECG gated) szív vizsgálat
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
Számítógépes grafika, PPKE-ITK, Benedek Csaba, D képszintézis 4. előadás.
Fuzzy halmazok. 4. előadás2 3 4 Egy hagyományos halmazEgy Fuzzy halmaz.
Adatbázisrendszerek elméleti alapjai 7. előadás
Gazdálkodási modul Gazdaságtudományi ismeretek I. Közgazdaságtan KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc.
MATEMATIKA ÉS INFORMATIKA I.
2D képszintézis és textúrák
BLK Könyvtármenedzsment III. 1. előadás 1 Könyvtármenedzsment III. Szolgáltatások szervezése.
A SPECT képalkotás Szigeti Krisztián. A szeminárium menetrendje dátumtémaelméletiklinikai SPECTSzigeti Krisztián (fizikus)Korom Csaba (orvos,
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.
Turbo Pascal 11..
Önálló laboratórium Képek szegmentálása textúra analízis segítségével
Matematikai eszközök a környezeti modellezésben
Gyakorlati alkalmazás
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.
Kockázatelemzés (PSA)
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.
Ipari katasztrófák nyomában 4. előadás1 Kezdeti események Feladat: egy valószínűségi modell felállítása, amelyből megbecsülhető a kezdeti esemény valószínűsége;
Példák Egy berendezés meghibásodását vizsgáljuk, azonos T időközök alatt. A meghibásodások száma: n 1,n 2,...,n N. Milyen modell használható? Példa: Egy.
Analitikus geometria gyorstalpaló
Lineáris regresszió.
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)
Felbontás és kiértékelés lehetőségei a termográfiában
Bevezetés az informatikába 1. előadás
6. Az atommag is ... a. szcitigráfia.
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.
előadások, konzultációk
Bevezetés - Vonalak. Koordinátarendszer Windows form x y Az y lefelé nő Transzformáció a hagyományosra x Eltolás y Ellentett és eltolás.
Integrálszámítás.
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 képfeldolgozás12. előadás1 Három dimenziós adatok megjelenítése Metszeti képek transzverzális, frontális, szagittális, ferde. Felület síkba.
TÁMOP /1-2F Műszeres analitika 14. évfolyam Fotometriás módszer validálása Tihanyi Péter 2009.
A vese izotóp - vizsgálata gyermek – korban Zámbó Katalin PTE Nukleáris Medicina Intézet.
Mozgásvizsgálat gyakorlat
Bevezetés Tematika Számonkérés Irodalom
Előadás másolata:

Máté: Orvosi képfeldolgozás5. előadás1 yy xx Linearitás kalibráció: Ismert geometriájú rács leképezése. Az egyes rácspontok képe nem az elméletileg meghatározható pontokban keletkezik. Korrekciós érték az a (pixel függő)  x,  y pár, amit hozzá kell adni a rácspont képének koordinátáihoz, hogy a képpont az elméletileg meghatározott helyre kerüljön. A rácspontokhoz tartozó korrekciós értékek bilineáris interpolációjával a korrekciós érték minden pixelre meghatározható.

Máté: Orvosi képfeldolgozás5. előadás2 Linearitás kalibrációs kép

Máté: Orvosi képfeldolgozás5. előadás3 Linearitás korrekciós képek – 0 +

Máté: Orvosi képfeldolgozás5. előadás4 N n n mért Homogenitás kalibráció: Homogén sugárforrás leképezése. A korrekció pixeltől függő. p = n / N ( < 1) 1 p 0 Minden impulzust p valószínűséggel használunk a kép alkotásban: ha a fűrészrezgés értéke a t időpontban kisebb, mint p, akkor az impulzus felhasználható, különben nem. t Ha n értékét túlságosan kicsire választjuk, csökken az érzékenység (hatásfok): DPM / CPM %

Máté: Orvosi képfeldolgozás5. előadás5 99m Tc 141 KeV 201 Tl 167 KeV – 0 + Homogenitás kalibrációs képek A kamera érzékenysége és inhomogenitása függ a fotonok energiájától

Máté: Orvosi képfeldolgozás5. előadás6 energia homogenitás Tc homogenitás Tl linearitás – 0 + Korrekciós mátrixok

Máté: Orvosi képfeldolgozás5. előadás7 Minőség ellenőrzés/biztosítás (Quality Control, QC) UFOV (Useful Field Of View), CFOV (Central Field Of View) Érzékenység FWHM FWTM Feloldóképesség: PSF, LSF, fél-, tizedérték szélesség Modulációs Transzfer Függvény

Máté: Orvosi képfeldolgozás5. előadás8 Minőség ellenőrzés/biztosítás (Quality Control, QC) Feloldóképesség: Tárgy: a + b cos (2   x)  Kép: a K  + b M  (  ) cos (2   x – P  (  )) M  :MTF (Modulációs Transzfer Függvény) P  :PTF (Fázis Transzfer Függvény) A leképezés erősítő (K  > 1), gyengítő (K  < 1) MTF 1 0 ω

Máté: Orvosi képfeldolgozás6. előadás9 Minőség ellenőrzés/biztosítás (Quality Control, QC) UFOV (Useful Field Of View), CFOV (Central Field Of View) Érzékenység FWHM FWTM Feloldóképesség: PSF, LSF, fél-, tizedérték szélesség Modulációs Transzfer Függvény

Máté: Orvosi képfeldolgozás5. előadás10 Minőség ellenőrzés/biztosítás (Quality Control, QC) Feloldóképesség: Tárgy: a + b cos (2   x)  Kép: a K  + b M  (  ) cos (2   x – P  (  )) M  :MTF (Modulációs Transzfer Függvény) P  :PTF (Fázis Transzfer Függvény) A leképezés erősítő (K  > 1), gyengítő (K  < 1) MTF 1 0 ω

Máté: Orvosi képfeldolgozás5. előadás11 Linearitás Uniformitás: Max: maximum, Min: minimum a tartományon Uniformitás: (Max – Min) / (Max + Min) Integrál uniformitás: a tartomány UFOV vagy CFOV Differenciál uniformitás: a tartomány 5 egymás melletti (x irányú) vagy egymás alatti (y irányú) pixel. A tartomány végigfut UFOV-on illetve CFOV-on, és venni kell a maximális uniformitás értéket.

Máté: Orvosi képfeldolgozás5. előadás12

Máté: Orvosi képfeldolgozás5. előadás13 Mellékpajzsmirigy vizsgálat F 1 : Tl felvétel (aktivitás a pajzsmirigyben és a mellékpajzsmirigyben), F 2 : Tc felvétel (aktivitás a pajzsmirigyben). p = A (p 1 – B p 2 ) p: p(x,y) pixel érték a különbség képen. p + = p, ha p > 0, különben 0, p – = – p, ha p < 0, különben 0. A és B választása akkor megfelelő, ha az F + és F – képen a pajzsmirigy vetületében csak zaj marad, a pajzsmirigy mindkét képen kis (kb. egyforma) intenzitással látszik. A –nak a szerepe csak az, hogy a halványabb területek is jól látszódjanak. ROI (Region Of Interest – érdekes terület). P olyan terület, ahova nem vetül mellékpajzsmirigy, csak pajzsmirigy. S 1 illetve S 2 a P terület teljes aktivitása F 1 -en illetve F 2 -n. B = S 1 / S 2 jó választás.

Máté: Orvosi képfeldolgozás5. előadás14 Tl Tc különbség

Máté: Orvosi képfeldolgozás5. előadás15 tüdő lép máj Szívizom perfúzió (vérátfolyás) bal kamra jobb kamra A bal kamrai szívizom vérellátásának megítélését zavarja az inhomogén háttér aktivitás.

Máté: Orvosi képfeldolgozás5. előadás16 Goris – Watson féle háttér levonás Szívizom perfúzió (vérátfolyás) Súlyok: w a = y 2 / y 1 + 1,w b = x 1 / x 2 + 1, w c = y 1 / y 2 + 1,w d = x 2 / x Háttér: (a w a + b w b + c w c + d w d ) / (w a + w b + w c + w d ) a b d x1x1 x2x2 y1y1 y2y2 c