Wyniki wyszukiwania - BazTech

1

Image contours transformation errors

Berezsky O., Melnyk G., Batko Y.

Elektronika : konstrukcje, technologie, zastosowania

|

2013

|

Vol. 54, nr 8

49-51

PL

Obrazy rastrowe, uzyskane za pomocą urządzeń biomedycznych wykorzystywanych do wizualnej i automatycznej analizy w medycynie i biologii mogą być określane obrazami biomedycznymi (BMI). Istotnym problemem w analizie BMI jest określenie i zbadanie odpowiednich cech diagnostycznych. Cechę informacyjną tego procesu stanowi funkcja konturu BMI, który pokazuje informacje o zmianie stanu mikro obiektów i zachodzących w nich procesów patologicznych. Chociaż w ostatnie badania dotyczą transformacji konturu w przestrzeniach afinicznych i topologicznych, błędy transformacji konturu i ich składowych nadal pozostają nieodkryte. Dokument omawia transformację typu „kontur - kontur" w celu uzyskania obrazów z określonym błędem, podczas przeprowadzania analizy cytologicznych obrazów.

EN

Raster images obtained with the help of any biomedical equipment used for visual and automated analysis in medicine and biology may be called biomedical images (BMI). An important problem in the analysis of BMI is to identify and explore diagnostic features used for diagnosis. The informative feature in this process is the contour function of the BMI, which shows information about the change of state in micro objects and pathological processes in them. Although, in recent studies the transformation of contour in affine and topological spaces has been explored, transformation errors of the contour transformations and their components still remain unexplored. Paper study the transformation error of “contour-contour” type to perform of the images with a given error while conducting the analysis of cytological images.

2

Szybka detekcja rozgałęzień w drzewie oskrzelowym

Pawlik P., Bubliński Z.

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

|

2010

|

T. 14, z. 3/1

331-335

PL

Artykuł przedstawia algorytm szybkiej detekcji rozgałęzień w drzewie oskrzelowym na obrazach pozyskanych w trakcie zabiegu bronchoskopii. Wychwycenie charakterystycznych lokalizacji w drzewie oskrzelowym (jakimi są rozgałęzienia oskrzeli) pomaga lekarzowi w przeglądaniu zapisów badania. Uzyskanie jak najkrótszego czasu obliczeń jest istotne w przypadku konieczności przetworzenia wielu zapisów pozyskanych w trakcie całodniowych badań. Proponowany algorytm działa w czasie rzeczywistym i odznacza się bardzo wysoką swoistością.

EN

The paper presents an algorithm for fast detection of bronchial tree subdivisions on images obtained during bronchoscopy examination. Localization of these subdivisions could be very helpful to physicians while reviewing collected data. The time of the detection should be as short as possible, especially when large sets of data were gathered during examination. The presented algorithm works in real time and is characterized by a very high level of specificity.

3

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.