Содержание
- 2. СТРУКТУРА УЧЕБНОГО СОДЕРЖАНИЯ 1. Оценка изображений в медицине: исторические аспекты 2. Применение обработки и анализа изображений
- 3. СТРУКТУРА УЧЕБНОГО СОДЕРЖАНИЯ 3. Цифровые изображения и их основные характеристики 3.1. Понятие о пикселе и вокселе.
- 4. СТРУКТУРА УЧЕБНОГО СОДЕРЖАНИЯ СТРУКТУРА УЧЕБНОГО СОДЕРЖАНИЯ УКТУРА УЧЕБНОГО СОДЕРЖАНИЯ . 5. Основные методы анализа изображений. 5.1.
- 5. 1. Оценка изображений в медицине: исторические аспекты
- 6. Оценка изображений в деятельности врача Практически не существует врачебных специальностей, для которых не была бы важна
- 7. Можно ли представить себе в настоящее время слепого врача? Казалось бы, нет, но еще 100 лет
- 8. Медицинские изображения в ХХ веке Микроскопические изображения (мазки крови, гистологические культуры микроорганизмов, и т.п.) – с
- 9. Возникновение и развитие систем обработки и анализа изображений для немедицинских целей
- 10. Предпосылки для развития систем компьютерного анализа изображений Появление первых компьютеров в 1940-е годы. Сначала это были
- 11. 2. Применение обработки и анализа изображений в медицине:
- 12. 2.1. Рентгенография На первом этапе использовались специальные сканеры, чтобы преобразовывать изображения на рентгеновской пленке в цифровую
- 13. Рентгенография
- 14. 2.2. Компьютерная томография (КТ) Используется для получения трехмерного представления о состоянии внутренних органов. Источники рентгеновского излучения
- 15. Компьютерная томография Источник рентгеновского излучения Датчики
- 16. 2.3. Магнито-резонансная томография (МРТ) Способ получения томографических медицинских изображений для исследования внутренних органов и тканей с
- 17. Магнито-резонансная томография
- 18. 2.4. Позитронно-эмиссионная томография (ПЭТ) Позитронно-эмиссионная томография – метод исследования внутренних органов и тканей тела, позволяющий оценить
- 19. Позитронно-эмиссионная томография
- 20. 2.5. Ультразвуковое исследование (УЗИ) Получение информации о структуре тела человека в зависимости от способности различных внутренних
- 21. Ультразвуковое исследование
- 22. 2.6. Изображения кожи Изображения в видимом спектре (фотографии, или, при необходимости видеоизображения) Как правило, изображения оцениваются
- 23. Изображения кожи
- 24. 2.7. Изображения слизистых Оцениваются изображения полости рта, гортани, полости носа, пищевода, желудка, различных отделов кишечника, и
- 25. Видеогастроскопия
- 26. 2.8. Изображения глазного дна Изображения глазного дна могут быть получены с помощью фото- или видеокамеры, присоединенной
- 27. Изображения глазного дна
- 28. 2.9 Изображения микроскопических препаратов Возможно изучение клеток крови (представляет интерес выявление атипичных клеток, например, при лейкозе),
- 29. Изображения микроскопических препаратов
- 30. 3. Цифровые изображения и их основные характеристики
- 31. Цифровые изображения Для того, чтобы компьютерныен системы могли обрабатывать изображения, они должны быть представлены в цифровом
- 32. Пиксел и воксел Наряду с уже упомянутым пикселом (минимальном элементе двухмерного изображения) существует еще понятие «воксел»,
- 33. Реалистичное фотоизображение (пикселы сливаются)
- 34. Изображение увеличено (видны отдельные пикселы)
- 35. Форматы цифровых изображений Самый простой формат – так называемый bitmap (BMP), т.е. «карта битов» В начальной
- 36. Изображение в формате BMP и значения части пикселов этого изображения
- 37. Разрешение изображения Разрешение определяется числом пикселов в одном изображении. Скажем, экран подавляющего числа современных ноутбуков позволяет
- 38. Цветопередача Для реалистичных цветных изображений цвет одного пиксела кодируется тремя значениями: значение красного (R- red), зеленого
- 39. Система представления цвета RGB На предыдущем слайде описана наиболее простая с точки зрения компьютера система представления
- 40. Цветовой куб (RGB) B G R
- 41. В ряде случаев цветопередача бывает искажена Пример: освещение объекта лампами накаливания
- 42. Но есть возможности автоматизированной цветокоррекции
- 43. Пример автоматической цветокоррекции
- 44. Цветокоррекция изображений в теледерматологии повышает точность диагностики 57% 82% Различия достоверны, p
- 45. Сжатие цифровых изображений Высококачественные изображения, как правило, имеют значительный объем. Для того, чтобы уменьшить его и
- 46. 4. Основные технологии обработки изображений
- 47. Обработка изображений Коррекция яркости и контраста. Для увеличения (уменьшения) яркости изображения значение яркости каждого пиксела увеличивается
- 48. Псевдоцвета Использование компьютерной обработки изображения позволяет преобразовать монохромные изображения в «цветные», где изменения оттенка будут соотвествовать
- 49. Удаление «шума» Практически любой способ ввода графической информации в компьютер приводит к тому, что появляется «шум»
- 50. Один из способов уменьшения «шума» Усреднение значения нескольких соседних пикселов по вертикали и по горизонтали Например,
- 51. 5. Методы автоматического анализа изображений
- 52. Выделение границ объектов Выделение границ объектов – один из фундаментальных методов, используемых в обраюотке и анализе
- 53. Представим себе, что мы - астрономы (точка слева – Венера))
- 54. Часть изображения, где имеется Луна Луна представлена пикселами со значением яркости больше 100
- 55. То же изображение после очень простой обработки в Excel =IF(A1>100, "Х","") Если значение более 100, рисуем
- 56. Изменение яркости пикселов по вертикали Мы можем только предполагать, что в данном месте находится какой-то яркий
- 57. Мы вычисляем значения разности яркости соседних пикселов Разность между двумя соседними пикселами наиболее высока в точках
- 60. Определение направления линий После того, как мы определили границы объектов (линии), мы можем определять направления этих
- 61. Определение направления линий
- 62. Определение формы и размеров объектов Определение границ объекта на изображении позволяет определить его форму (округлая, неправильная,
- 63. Определение текстуры объектов Характеристика изображения того или иного объекта может быть разной, в частности, кость может
- 64. Определение оптических характеристик выявленных объектов Для каждого объекта можно определить ряд показателей, в частности, яркость или
- 65. Распознавание образов Понятие «распознавание образов» не относится исключительно к сфере анализа изображений. В общем смысле мы
- 66. Пример распознавания образов Самые разные варианты написания буквы «А». Человек с легкостью определяет, что перед ним
- 67. The ABCDE rule, first introduced in 1985 as the ABCD rule3The ABCDE rule, first introduced in
- 69. Ограниченные возможности автоматизированного распознавания изображений Так называемая «капча» (capture), которая часто применяется на веб-сайтах для подтверждения,
- 70. Каковы возможности компьютера в оценке медицинских изображений? Имитация деятельности врача, который оценивает изображения по известным признакам
- 72. Скачать презентацию