Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: diagnostyczne obrazowanie medyczne

Sortuj według:

Ogranicz wyniki do:

Fourier transform-based data augmentation in deep learning for diabetic foot thermograph classification

Anaya-Isaza Andrés, Zequera-Diaz Martha

Biocybernetics and Biomedical Engineering

2022

Vol. 42, no. 2

437--452

Diabetes Mellitus (DM) belongs to the ten diseases group with the highest mortality rate globally, with an estimated 578 million cases by 2030, according to the World Health Organization (WHO). The disease manifests itself through different disorders, where vasculopathy shows a chronic relationship with diabetic ulceration events in distal extremities, being temperature a biomarker that can quantify the risk scale. According to the above, an analysis is performed with standing thermography images, finding temperature patterns that do not follow a particular distribution in patients with DM. Therefore, the modern medical literature has taken the use of Computer-Aided Diagnosis (CAD) systems as a plausible option to increase medical analysis capabilities. In this sense, we proposed to study three state-of-the-art deep learning (DL) architectures, experimenting with convolutional, residual, and attention (Transformers) approaches to classify subjects with DM from diabetic foot thermography images. The models were trained under three conditions of data augmentation. A novel method based on modifying the images through the change of the amplitude in the Fourier Transform is proposed, being the first work to perform such synergy in the characterization of risk in ulcers through thermographies. The results show that the proposed method allowed reaching the highest values, reaching a perfect classification through the convolutional neural network ResNet50v2, promising for limited data sets in thermal pattern classification problems.

Determination of the optimal scanning step for evaluation of image reconstruction quality in magnetoacoustic tomography with magnetic induction

Zywica Adam Ryszard, Ziolkowski Marcin

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2019

T. 9, nr 4

38--42

Magnetoacoustic Tomography with Magnetic Induction (MAT-MI) is a new hybrid imaging modality especially dedicated for non-invasive electrical conductivity imaging of low-conductivity objects such as e.g. biological tissues. The purpose of the present paper is to determine the optimal scanning step assuring the best quality of image reconstruction. In order to resolve this problem a special image reconstruction quality indicator based on binarisation has been applied. Taking into account different numbers of measuring points and various image processing algorithms, the conditions allowing successful image reconstruction have been provided in the paper. Finally, the image reconstruction examples for objects’ complex shapes have been analysed.

Tomografia magnetoakustyczna ze wzbudzeniem indukcyjnym (MAT-MI) to nowa hybrydowa technika obrazowania dedykowana szczególnie do nieinwazyjnego obrazowania obiektów o niskiej konduktywności elektrycznej, takich jak na przykład tkanki biologiczne. Celem niniejszej pracy jest określenie optymalnego kroku skanowania zapewniającego najlepszą jakość rekonstrukcji obrazu. W celu rozwiązania tego problemu zastosowano specjalny wskaźnik jakości rekonstrukcji obrazu bazujący na binaryzacji. W artykule przedstawiono warunki umożliwiające pomyślne zrekonstruowanie obrazu biorąc pod uwagę różną liczbę punktów pomiarowych oraz różne algorytmy przetwarzania obrazu. W końcowym etapie pracy przeanalizowano przykłady rekonstrukcji obrazu dla obiektów o bardziej złożonych kształtach.