Wyniki 1-5 spośród 5 dla zapytania: authorDesc:"Mirosław SOCHA"

Dopasowanie chmur punktów do powierzchni dla potrzeb przetwarzania i analizy obrazów medycznych oraz systemów wizyjnych DOI:10.12915/pe.2014.05.038

Czytaj za darmo! »

W artykule przedstawiono metodę dopasowania chmur punktów do powierzchni na przykładzie zagadnienia konstrukcji danych uczących w algorytmie ASM w zastosowaniu do segmentacji danych tomograficznych dla potrzeb planowania leczenia radioterapeutycznego. Zaproponowany algorytm składa się z 3 etapów: generacji chmur punktów dla danych uczących, sztywnego dopasowania (rotacji, przesunięcia) z wykorzystaniem ICP oraz lokalnej korekty wyników. Cała metodologia została przetestowana, a skuteczność oceniona na podstawie odległości punktów charakterystycznych w danych po dopasowaniu. Abstract. This paper addresses a problem of automatic point clouds matching in context of training data construction in Active Shape Model algorithm. An algorithm was applied to CT data segmentation for radiotherapy planning. Proposed methodology consists of 3 steps: point clouds generation, rigid matching (rotation, translation) based on ICP and local corrections of points location. Algorithm was tested and validated using distance between points in data after matching. Point clouds matching for medical image processing, analysis and vision systems. Słowa kluczowe: dopasowanie chmur punktów, dopasowanie obrazów, tomografia komputerowa, ICP, ASM. Keywords: point clouds matching, image registration, Computed Tomography, ICP, ASM. doi:10.12915/pe.2014.05.38 Wstęp Zagadnienie dopasowania chmury punktów (ang. points cloud) do powierzchni, chmury lub samego obrazu jest zagadnieniem niezwykle istotnym w laserowych systemach pomiarowych, systemach wizyjnych czy też w przetwarzaniu i analizie obrazów. Punkty pomiarowe w przestrzeni 2D/3D zwykle są generowane przez zewnętrzne urządzenia pomiarowe. Innym źródłem są punkty wygenerowane na podstawie danych obrazowych (stereowizja, algorytmy rekonstrukcji powierzchni, ręczne obrysy struktur anatomicznych wykonywane na obrazach medycznych, skanery optyczne) [1-3]. W prezentowanej pracy proces dopasowania będzie analizowany po[...]

Wizualizacja multimodalnych danych PET-CT DOI:10.12915/pe.2014.05.039

Czytaj za darmo! »

W pracy omówiono podstawowe metody obrazowania wnętrza ciała człowieka oraz zaprezentowano przykłady wizualizacji multimodalnych danych medycznych pochodzących z aparatu PET-CT. Omówiono użyte algorytmy wizualizacji danych, ich wady i zalety oraz zaprezentowano przykłady użycia opracowanej hybrydowej metody prezentacji multimodalnych danych medycznych. Abstract. In the paper the basic methods of imaging the interior of the human body and examples of visualization of multimodal medical data from PET-CT are presented. A new hybrid method based on surface rendering and color mapping of PET-CT visualization is shown. Qualitative results confirm effectiveness of proposed method. Multimodal PET-CT data visualization. Słowa kluczowe: wizualizacja danych medycznych, dane multimodalne, PET-CT. Keywords: medical data visualization, multimodal data, PET-CT. doi:10.12915/pe.2014.05.39 Wstęp Współczesna diagnostyka medyczna, zwłaszcza onkologiczna, coraz częściej może korzystać z multimodalnych danych medycznych, pochodzących z różnych technik obrazowania. Dostarczają one różnorakich informacji o budowie anatomicznej lub też o funkcjonowaniu ciała człowieka. Właściwe połączenie i zaprezentowanie informacji o budowie anatomicznej pacjenta oraz informacji o procesach metabolicznych zachodzących w ciele pacjenta może mieć kluczowe znaczenie dla badanej osoby z podejrzeniem choroby nowotworowej. Skuteczna prezentacja danych, ułatwiająca zrozumienie oraz interpretację wyników badań, jest więc bezcenna dla lekarza, który podejmuje decyzję o dalszym losie pacjenta. 2BPodstawowe techniki obrazowania medycznego Do najpopularniejszych metod obrazowania wnętrza ciała pacjenta można zaliczyć ultrasonografię oraz rentgenografię [1]. W pierwszym przypadku mamy do czynienia z badaniem nieinwazyjnym wykorzystującym fale dźwiękowe wysokiej częstotliwości, które w zależności od osprzętu i jego nastaw, umożliwiają interaktywną inspekcję wnętrza ciała człowi[...]

Algorytm kompresji danych dla interfejsu mózg-komputer DOI:10.15199/48.2015.05.02

Czytaj za darmo! »

Przedstawiony algorytm kompresji danych dla interfejsu mózg-komputer (BMI) pozwala na kodowanie sygnałów neuronowych z przepływnością ok. 0.25 bita na próbkę, przy zniekształceniach mniejszych jak 3% rms. Dzięki redukcji transmitowanych danych kompletny, wielokanałowy system BMI wraz z układem telemetrii i anteną magnetyczną może być implantowany w całości pod skórą badanego zwierzęcia. Pełna podskórna implantacja redukuje prawdopodobieństwo rozwoju infekcji i umożliwia obserwację zwierzęcia w jego naturalnym środowisku. Abstract. Presented data compression algorithm dedicated to Brain-Machine Interface (BMI) system enables encoding of neural signals at data rate of 0.25 bits per sample with distortions below 3% rms. Reduction of transmitted data enables implantation of complete, multichannel BMI system along with telemetry unit and magnetic antenna. Full implantation of BMI system is essential for minimization risk of developing infections and enabling the animal to interact freely with the environment. (Data compression algorithm for brain-machine interface). Słowa kluczowe: interfejs mózg-komputer, kompresja sygnałów neuronowych, transformacja falkowa Keywords: brain-machine interface, neural signal compression, discrete wavelet transform Wstęp Ogromny postęp poczyniony przez mikroelektronikę i inżynierię materiałową umożliwił projektowanie i realizację zaawansowanych, wielokanałowych systemów interfejsu mózg-komputer BMI (ang. brain machine interface systems). Najbardziej zaawansowane z obecnie konstruowanych systemów BMI pozwalają na równoczesną stymulację wielu setek neuronów oraz rejestrację sygnałów elektrycznych pochodzących nawet z kilkuset neuronów równocześnie [1], [2], [3]. W systemach tych wykorzystuje się nowoczesne elektrody wytwarzane na podłożu krzemowym w technologii MEMS (ang. micro-electromechanical systems), które oprócz miniaturowych platynowych kontaktów elektrycznych integrują macierze przełączników w postac[...]

Dekompozycja sygnałów EEG w dziedzinie czasu przy zastosowaniu transformacji Hilberta-Huanga HHT DOI:

Czytaj za darmo! »

Do dekompozycji sygnałów EEG w dziedzinie czasu zastosowana została empiryczna metoda EMD (ang. Empirical Mode Decomposition), która w wersji rozszerzonej o transformację Hilberta funkcjonuje pod nazwą transformacji HHT (ang. Hilbert-Huang Transform). Transformacja ta umożliwia poprawną dekompozycję sygnału EEG na sumę quasi-harmonicznych składowych, których amplitudy oraz częstotliwości są parametrycznymi funkcjami czasu. W przeciwieństwie do stosowanych aktualnie w diagnostyce transformacji Fouriera DFT oraz STFT nadaje się ona do analizy zjawisk o charakterze zarówno nieliniowym jak i niestacjonarnym. Abstract. An Empirical Mode Decomposition method extended with the Hilbert transform (Hilbert-Huang Transform) was used for EEG decomposition in time domain. This transformation allows for proper EEG signal decomposition into quasi-harmonic components that amplitudes and frequencies are time dependence functions. In contrast to commonly used in diagnostic’s DFT and STFT transformations, proposed method is suitable for non-stationary and nonlinear phenomenon’s. (Decomposition of EEG signal in the time-domain using a Hilbert-Huang transformation HHT) Słowa kluczowe: dekompozycja sygnałów, sygnały EEG, transformacja Hilberta, transformacja EMD, transformacja HHT. Keywords: signals decomposition, EEG signals, Hilbert transform, EMD transform, HHT transform. Wprowadzenie Badania elektroencefalograficzne (EEG) umożliwiają analizę elektrycznej czynności mózgu [1,2] wywołanej zarówno naturalnymi funkcjami fizjologicznymi organizmu, jak również anomaliami i stanami chorobowymi. Aktualnie badania EEG stosowane są w diagnostyce epilepsji, urazów mechanicznych mózgu, schorzeniach neurologicznych, EEG-biofeedbacku (neurofeedbacku), jak również kontroli interakcji układu mózg-komputer [3]. Tematyka badawcza i aplikacyjna związana z wykorzystywaniem sygnałów EEG jest bardzo obszerna, a jednym z istotnych jej działów jest QEEG (ang. Quan[...]

Wykorzystanie urządzeń mobilnych do prezentacji medycznych danych obrazowych na przykładzie przeglądarki danych DICOM DOI:10.15199/48.2015.05.17

Czytaj za darmo! »

Nowoczesne urządzenia mobilne, takie jak tablet czy smartfon, dysponują możliwościami graficznymi oraz mocą obliczeniową pozwalającą na ich różnorakie wykorzystanie w praktyce klinicznej. W niniejszej pracy, na przykładzie mobilnej przeglądarki danych medycznych DICOM, omówiono możliwości technologiczne tych urządzeń oraz sposób ich wykorzystania do wizualizacji medycznych danych obrazowych. Zaprojektowana przeglądarka działa pod kontrolą sytemu Android i współpracuje ze szpitalnym systemem archiwizacji danych PACS. Abstract. Modern mobile devices including tablets and smartphones have enough graphics and computing power to enable their successful usage in clinical practice. In this paper technological capabilities of such devices are examined and possibilities of their application for medical data visualization is discussed based on implementation details of mobile DICOM browser, which runs on Android and supports PACS the hospital archiving system. (The use of mobile devices to medical image data presentation on the example of DICOM data viewer). Słowa kluczowe: wizualizacja danych, urządzenia mobilne, DICOM, PACS. Keywords: data visualization, mobile device, DICOM, PACS. Wstęp Dostęp do danych pacjenta jest we współczesnej diagnostyce i leczeniu niezwykle istotny, zwłaszcza, że dostępnych danych jest bardzo dużo oraz mają one często kluczową wartość dla lekarza. Dlatego zasadne staje się badanie i rozwijanie wszelkich możliwych metod wspomagania pracy lekarza, w tym również takich, których celem jest prezentacja medycznych danych obrazowych. Jedną z nowszych metod wspierania pracy lekarza jest wykorzystanie możliwości obliczeniowych mobilnych urządzeń takich jak telefony typu smartfon czy tablety [1]. Urządzenia te są już z powodzeniem wykorzystywane przez lekarzy jako podręczne banki wiedzy, np. do przechowywania i wyszukiwania aktualnych informacji na temat leków [2], "kalkulatory" ułatwiające np. wyliczania klasyfikacji nowot[...]

 Strona 1