Wyniki wyszukiwania - BazTech

1

Computer analysis of gallbladder ultrasonic images towards recognition of pathological lesions

Ogiela M. R., Bodzioch S.

Opto-Electronics Review

|

2011

|

Vol. 19, No. 2

155-168

EN

This paper presents a new approach to gallbladder ultrasonic image processing and analysis towards automatic detection and interpretation of disease symptoms on processed US images. First, in this paper, there is presented a new heuristic method of filtering gallbladder contours from images. A major stage in this filtration is to segment and section off areas occupied by the said organ. This paper provides for an inventive algorithm for the holistic extraction of gallbladder image contours, based on rank filtration, as well as on the analysis of line profile sections on tested organs. The second part concerns detecting the most important lesion symptoms of the gallbladder. Automating a process of diagnosis always comes down to developing algorithms used to analyze the object of such diagnosis and verify the occurrence of symptoms related to given affection. The methodology of computer analysis of US gallbladder images presented here is clearly utilitarian in nature and after standardising can be used as a technique for supporting the diagnostics of selected gallbladder disorders using the images of this organ.

2

Automated Detecting Symptoms Of Selected Gallbladder Illness Based On A Static Ultrasound Images Analysis

Bodzioch S.

Bio-Algorithms and Med-Systems

|

2006

|

Vol. 2, no. 3

33--42

EN

Automating a process of diagnosis always comes down to developing algorithms used to analyze the object of such diagnosis and verify the occurrence of symptoms related to a given affliction. Usually the final stage is to make a diagnosis based on the detected symptoms. This last stage can be carried out through either expert systems or a more classic approach, that is with the application of minimal distance methods. In the case of gallbladder diagnostics, the most important examination still remains image ultrasound diagnostics. This paper discusses the algorithms of a computer analysis of static ultrasound gallbladder images and detecting symptoms of the most frequent illness of this organ.

PL

Zautomatyzowanie procesu diagnostycznego zawsze sprowadza się do opracowania algorytmów analizujących przedmiot diagnozy oraz weryfikujących obecność symptomów związanych z danym schorzeniem. Ostatnim etapem jest postawienie diagnozy na podstawie wykrytych symptomów. Etap ten zwykle można zrealizować za pomocą systemów ekspertowych bądź podejściem bardziej klasycznym stosując metody minimalno-odległościowe. W przypadku diagnostyki pęcherzyka żółciowego, najważniejszym badaniem wciąż jest Obrazowa diagnostyka ultrasonograficzna. W niniejszym artykule zostaną omówione algorytmy komputerowej analizy statycznych obrazów USG pęcherzyka żółciowego oraz wykrywania symptomów dla najczęściej występujących schorzeń tego organu.

3

Redukcja informacji w obrazie i jej wpływ na poprawę procesu rozpoznawania

Bodzioch S.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2004

|

T. 8, z. 2

137-150

PL

Kluczowym elementem w procesie analizy i rozpoznawania obrazów cyfrowych jest proces przetwarzania wstępnego (preprocessing). Jest to klasyczne podejście, które obejmuje etapy: 1. filtracji - poprawiany jest kontrast obrazów oraz usuwane są zakłócenia z obrazu (np. szum), 2. binaryzacji, 3. segmentacji, 4. rozpoznania. Niestety klasyczne podejście nie zawsze się sprawdza. Niektóre problemy klasyfikacji obrazów cyfrowych wymagają bardziej złożonych metod, np. stosowania transformat, których celem jest wyeliminowanie z obrazu niepotrzebnej informacji i ułatwienie zamiany obrazu wejściowego na wektor cech bądź jego opis formalny. W niniejszym artykule opisany został eksperyment, który miał na celu zilustrowanie zależności pomiędzy redukcją zbędnej informacji w cyfrowym obrazie a efektywnością jego rozpoznania. Obrazy oryginalne we wspomnianym eksperymencie były przetwarzane kilkuetapowo i za każdym razem poddawane procesowi rozpoznawania. Pozwoliło to na zbadanie zależności stopnia wpływu redukcji informacji w obrazie na poprawę procesu rozpoznawania. Kolejne etapy przetwarzania obejmowały transformowanie obrazu na płaszczyznę logarytmiczno-biegunową, binaryzację obrazu, detekcję krawędzi, normalizację kątową, transformowanie obrazu konturu obiektu na płaszczyznę log-Hougha oraz zrzutowanie obrazu na osie płaszczyzny log-Hougha.

EN

Preprocessing plays a key role in process of analyzing and recognition of digital images. Classical approaching covers the following steps: 1. filtering for improving contrast and eliminating defects, 2. reduction of color scope to binary representation, 3. segmentation of image, 4. analyzing and recognition. Unfortunately classical approaching gives poor results. Some problems of digital image classification need more complex and sophisticated methods like using transformations which reduces unnecessary information from digital images and eventually replacing digital images with their feature vector or formal description. In this paper there is described experiment which illustrates relationship between unnecessary information reductions of digital images and achieving of image recognition process. In mentioned experiment original images were processed in several steps and for every step processed images were analyzed by recognition process. It allowed examining impact of image information reduction on improving of recognition process. Steps of processing images covered: transforming digital image onto log-polar plane, reducing image to binary format, edge detection, rotation normalization, transforming image with object contour onto log-Hough's plane and finally impinging image on log-Hough's axises.

4

Porównanie metod analizy obrazów tekstur USG

Bodzioch S.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2004

|

T. 8, z. 3

189-202

PL

Proces rozpoznawania obrazów dzieli się na kilka etapów: przetwarzanie wstępne, segmentację, analizę i rozpoznanie. W procesie segmentacji bardzo często wykorzystuje się analizę tekstur. Analizowane są mniejsze fragmenty obrazu, zwane rejonami zainteresowania. W niniejszym artykule porównane zostało kilka metod analizy tekstur obrazów ultrasonograficznych pęcherzyka żółciowego. Ponadto w podsumowaniu scharakteryzowane zostały możliwe zastosowania poszczególnych metod w diagnostyce ultrasonograficznej.

EN

The process of image recognition usual consists of four stages: preprocessing, segmentation, analyzing and recognition. In segmentation process texture analyzing is used very often. Small parts of image called regions of interest (ROI) are analyzed and recognized. In this paper there is comparison of several approaching of texture analyzing for ultrasonic images of gall bladder. In summary, an effectiveness of these methods is described and commented.

5

Analiza dynamiki przemieszczeń punktu skupienia uwagi w rozpoznawaniu obrazów

Bodzioch S.

Elektrotechnika i Elektronika

|

2003

|

T. 22, z. 2

61--70

PL

Analiza obrazów cyfrowych stawia przed wizyjnymi systemami informatycznymi wymagania dotyczące dużych mocy obliczeniowych oraz wykorzystania dużych obszarów pamięci operacyjnej masowej. Aby uniknąć problemu ograniczonych zasobów systemu, dąży się w takich przypadkach do zredukowania przetwarzanej jednorazowo informacji. Jednym z takich rozwiązań jest segmentacja analizowanego obrazu i analizowanie go porcjami. W celu opracowania efektywnych algorytmów segmentacji prowadzi się badania nad przemieszczaniem ludzkiej uwagi podczas analizy dużych obrazów. W niniejszym artykule opisana została metoda rejestracji przemieszczania punktu skupienia uwagi podczas rozpoznawania cyfr ręcznie pisanych. Celem prezentowanego rozwiązania jest wyznaczenie atraktorów ludzkiej uwagi, które są kluczowe w procesie rozpoznawania oraz sposobu przemieszczania punktu skupienia uwagi dla poszczególnych cyfr. Wyniki eksperymentów mogą posłużyć za podstawę opracowywania algorytmów analizy bądź segmentacji obrazów cyfrowych. Algorytmy takie mogą stanowić szybką i skuteczną procedurę segmentacji dla bardziej złożonych obrazów.

EN

Digital image analysis requires visual computer systems with big computing power and big memory (RAM and storing memory). In order to avoid a problem of limited system resources it is practiced to reduce information processing at once. The solution of this problem is a segmentation of analyzing image and analysis small portions of the image. In order to create an effective segmentation algorithm experiments and researches are conducted about movements of the human attention during analyzing big images. In this paper I have described an experiment that depends on recording of human attention movement during recognizing hand-written Arabian digits. The goal of that experiment was to determine human attention attractors associated with hand-written digit recognition. Another purpose was to determine the way of the attention focus point movement. The results can be useful to work out image analyzing algorithms or image segmentation algorithms. These algorithms can be fast and effective segmentation procedure of very large and complex digital images.