1 ProsjektProsjekt Våren 2003. 2 OppgaverOppgaver Matematisk behandling av medisinsk bilde-informasjon. Oppgavene vil i hovedtrekk omhandle ulike matematiske.

Slides:



Advertisements
Liknende presentasjoner
12.Studienreise nach Finnland,
Advertisements

Kvinner og politikk Kvinnelig valgmobilisering i Nord-Norge: Glasstak eller etterslep? Marcus Buck.
1 NTNUs Multimediesenter 1.Integrasjon 2.Produksjon 3.Framtidsvisjon NTNUs Multimediesenter REN Medlemsmøte Trondheim 31. August 2005.
Når matematikk blir magisk
1 Arbeidssted, bruk av fasiliteter og - mengde 5.
Litt mer om PRIMTALL.
Ti måter å ødelegge en CT-undersøkelse av halsen på
Grafisk design Visuell kommunikasjon
Teknologi for et bedre samfunn 1 Asbjørn Følstad, SINTEF Det Digitale Trøndelag (DDT) Brukervennlig digitalisering av offentlig sektor.
Årskonferansen for fylkeskommunale fagskoler 2010 Kristiansund 6. mai 2010 NOKUT informerer v/ Bjørn R. Stensby.
1 Arbeidssted, bruk av fasiliteter og - mengde 5.
Hobro februar 2010 Kurs om elektrokjemisk tæring
23 Finn ligningen for det planet  som inneholder linja
Møre og Romsdal. 2 Ligger det et bedehus eller et kristelig forsamlingshus (ikke kirke) i nærheten av der du bor? (n=502) i prosent.
Sentrum og byutvikling: balansens dilemma
Monopolistisk konkurranse og oligopol
Trådløs telefon 7921G Nye Menyer
NRKs Profilundersøkelse NRK Analyse. Om undersøkelsen • NRK Analyse har siden 1995 gjennomført en undersøkelse av profilen eller omdømmet til NRK.
Øvingsforelesning 9 Flytnettverk, maksimum flyt og maksimum bipartitt matching Jon Marius Venstad Redigert og forelest av Gleb Sizov.
2. Planter. Del 1 (1–4). Nivå 2. Side 19–24
1 Prosjekt våren Prosjekt-deltakere Kenneth BolstadUlike Mother WaveletsSINTEF Øyvind Vedå Torgeir MyhreStøyfjerningSINTEF Amund SolbakkenKantskjerpingSINTEF.
Presentasjon Fylkesbiblioteket i Akershus. Spørreundersøkelse blant bibliotekansatte i Akershus. 1.
Gjenfinningssystemer og verktøy II
Kapittel 14 Simulering.
Forelesningsnotater SIF8039/ Grafisk databehandling
Øvingsforelesning 9 Flytnettverk, maksimum flyt og
Høgskolen i Østfold. 5 avdelinger Informatikk og automatisering - IA
Highlights fra markedsundersøkelse Utarbeidet av Inger Marie Brun,
1 ProsjektProsjekt Våren OppgaverOppgaver Matematisk behandling av medisinsk bilde-informasjon. Oppgavene vil i hovedtrekk omhandle ulike matematiske.
1 Helse / IT Databaser
1 ProsjektProsjekt Våren Digital bildebehandling -Utvikle generelle bildebehandlingsrutiner i Java -Bruk av Wavelets i digital bildebehandling.
1 Helse / IT Databaser. 2 InnholdInnhold -Presentasjon (m/IT-helse ved HiA) -OppsummeringDatabase - Tabeller - Modellering - SQL -Database-demo -Strukturering.
Kap 06 Diskrete stokastiske variable
Kap 01 Innledning I dette kapitlet skal vi se litt følgende hovedtemaer: - Kursoppbygging - Hva er algoritmer og datastrukturer - Anvendelser - …
MA-209 Matematikk 3.
MA-209 Matematikk 3. Timeplan Emner Kjeglesnitt Parameteriserte kurver Polarkoordinater Vektorer og geometri i rommet Vektorfunksjoner og kurver / Kepler.
Kap 15 Superposisjon og normale moder
Vokabular barneoppdragelse (m) bleie (f/m) blikk (n) bortskjemt (adj.)
Skriv om slik at setningene betyr omtrent det samme
Statistikk på 20 2 timer PSY-1002
11 IKT-baserte læremidler Arne Ketil Eidsvik Avd. for lærerutdanning.
SINTEF Teknologi og samfunn PUS-prosjektet Jan Alexander Langlo og Linda C. Hald 1 Foreløpig oppsummering – underlag for diskusjon på PUS-forum
Malverk intern produktopplæring
GRØNNALGER BRUNALGER RØDALGER
1 BM-dagen 29.okt BM1 Fysisk miljøplanlegging Studieprogram for Bygg- og miljøteknikk Meny Prosjektoppgaven Arealbruk og befolkning Transport og.
Anvendt statistisk dataanalyse i samfunnsvitenskap
Figur 1 Behov. Figur 2 Behov Figur 3 Prioritering/ressursinnsats.
Eiendomsmeglerbransjens boligprisstatistikk Februar 2011 Norges Eiendomsmeglerforbund og Eiendomsmeglerforetakenes Forening ECON Poyry og FINN.
Kostratall for tjenester Overhalla kommune Av seniorrådgiver Helge Holthe Kristiansund
Samdata 2012 Somatikk.
Virksomhetsrapport Oktober Innhold 1. Oppsummering 2. Hovedmål 3. Pasient 5. Aktivitet 4. Bemanning 6. Økonomi 7. Klinikker 2.
Hovedprojekt våren 2004 Bruk av Wavelets (en relativt ny matematisk metode) innen medisinsk bildebehandling.
Laplace Bruksområder Løsning av differensialligninger.
Sett inn preposisjoner eller adverb som passer
Samhandling og informasjon Kunnskaps- utvikling og refleksjon Menings- danning og over- talelse Skrive- kompetanser Handlinger og formål Kunn- skaps- lagring.
Inflation og produktion 11. Makroøkonomi Teori og beskrivelse 4.udg. © Limedesign
Virksomhetsrapport August Innhold 1. Oppsummering 2. Hovedmål 3. Pasient 5. Aktivitet 4. Bemanning 6. Økonomi 7. Klinikker 2.
Sett inn riktig form av adjektivene, med artikkel hvis nødvendig
Thon Hotel Backlund, Levanger
1 Trivsel Utvalg Trives svært godt Trives godt Trives litt Trives ikke noe særlig Trives ikke i det hele tatt Snitt Trivsel Brannfjell skole (Høst 2014)
Veivalgsanalyse etter Sørlandsmesterskapet i lang (klassisk) distanse 2004.
Kapittel 1, oppgave i) Sett inn preposisjoner eller adverb som passer.
Blood Pressure and Sound
1 PEDAGOGISK BRUK AV DIGITALT VERKTØY I UNDERVISNINGEN.
Befolkning og arbejdsmarked 7. Mikroøkonomi Teori og beskrivelse © Limedesign
Transformasjons-teori Transformasjon f(x) F(u) Fourier Wavelet Laplace.
Basisgrupper en nær professoren-opplevelse Knut Kaasen Nordisk institutt for sjørett Det juridiske fakultet Knut Kaasen 1.
Per Henrik Hogstad Presentation - Mathematics - Statistics
Per Henrik Hogstad Presentation - Mathematics - Statistics
Per Henrik Hogstad Presentation - Mathematics - Statistics
Utskrift av presentasjonen:

1 ProsjektProsjekt Våren 2003

2 OppgaverOppgaver Matematisk behandling av medisinsk bilde-informasjon. Oppgavene vil i hovedtrekk omhandle ulike matematiske operasjoner for å kunne trekke mest mulig informasjon ut fra medisinske bilder. To av oppgavene er av spesiell interesse: - Bruk av Wavelets til å bestemme blodårekanter fra ultralydbilder. Oppdragsgiver: SINTEF Unimed Ultralyd i Trondheim. - Bruk av Wavelets til å bestemme brystkreftsvulster på tidlig stadium. Oppdragsgiver: Det Norske Radiumhospital i Oslo. De påfølgende sidene er litt informasjon om hva som tidligere er utført av prosjekter innenfor dette området her ved HiA. Informasjon om Wavelets er lagt ut på nettet.

3 Oppgaver (forts.) Matematisk behandling av medisinsk bilde-informasjon (forts.). I tillegg til de to nevnte oppgavene på forrige side, finnes det et ubegrenset sett med oppgaver knyttet til mer generell behandling av medisinsk bilde-informasjon. Disse oppgavene vil bli spesifisert nærmere etter eventuell samtale med interesserte studenter. Oppgavene vil variere i vanskelighetsgrad, alt fra elementær programmering til mer avansert matematisk behandling.

4 StudenterStudenter Amund SolbakkenSivingSINTEF Tor Erik Sommerland Kenneth BolstadSivingSINTEF Øyvind Vedå Torgeir MyhreSivingSINTEF Geir Broms FløistadSivingDNR Kjetil Måge Maria ForlandIngBildebehandling Morten Gummedal Bjarte FosseSivingIT/Helse Bjørn Erik Haug

5 Oppgaver inkl./endringer SINTEF Kantdeteksjon av blodårer fra ultralydbilder. 1.Videreføring av 3D applikasjon.Java  C++. 2.Studier av ulike Mother Wavelets 3.Støy-reduksjon DNR  VAS/ASA 1.Bestemmelse av brystkreftsvulster på tidlig stadium. VAS 1.Bestemmelse av blodåretykkelse i lever. 2.Bestemmelse av benmasse mht benskjørhet. ASA 1.Diagnostisering vha IR. HiA 1.Grunnforskning av Wavelets.Java, Mathcad, Matlab, Mathematica.

6 PresentasjonPresentasjon Per Henrik Hogstad -Matematikk -Statistikk -Fysikk(Hovedfag i teoretisk kjernefysikk) -Informatikk -Programmering / Objektorientering -Algoritmer og datastrukturer -Databaser -Digital bildebehandling -FoU

7 Digital bildebehandling -Utvikle generelle bildebehandlingsrutiner i Java -Bruk av Wavelets i digital bildebehandling

8 FoU - Prosjekter Det Norske Radiumhospital i Oslo (DNR) -Styring av lineær-akselerator -Databaser (pasient/personell/aktivitet) -Pasientposisjonsberegninger mht stråleterapi -Matematisk behandling av medisinsk bildeinformasjon -Ulike bildeformater (bmp, dicom, …) -Støyfjerning -Gråtonebehandling (histogram, …) -Convolutionmetoder, gradientberegninger -Flerlagsbilder -Transformasjoner (Fourier, Wavelet, …) -...

9 DNR BildebhandlingBildebhandling LineærakseleratorLineærakselerator

10 Stråleterapi - Pasientposisjon ReferansebildeKontrollbilde

11 Bildebehandling - Ulike områder - Støybehandling - Multiple bilder - Flerlagsbilder - Gråtonebehandling - Punktoperasjoner - Nabo-operasjoner - Geometriske operasjoner - Segmentering - Morfologisk bildebehandling - Transformasjoner - Fourier transformasjoner - Wavelet transformasjoner - Komprimering - Fri-oppgaver -...

12 Digital Image Processing Manipulation of images by computer Input ImageComputerOutput Image Digital Image Processing

13 Physical ImageDigital Image Black Gray White Analog imageDigital image

14 ColorsColors Black Gray White RedGreenBlue = Equal portions of RGB

15 BilderepresentasjonBilderepresentasjon Pixel Bilderepresentasjon vha pixel-verdier i intervallet [0,255]

16 Bildebehandling - Histogram

17 Bildebehandling - Gråtoneskalaer

18 Bildebehandling - Convolution

19 FrequenceFrequence Sinuswave with frequence f 1 = 1 Sinuswave with frequence f 2 = 2 f 1 < f 2

20 Fourier-transformation of a square wave f(x) square wave (T=2) N=2 N=10 N=1

21 Bildebehandling - Fourier transformasjon

22 Bildebehandling - Fourier transformasjon

23 Bildebehandling - Fourier transformasjon

24 Bildebehandling - Fourier transformasjon

25 Bildebehandling - Wavelets - Wavelets er en relativt ny matematisk metode som kan splitte funksjoner opp i ulike frekvenser og som kan studere hver komponent med en passende skalering. - Signalbehandling (EKG, …) Bildebehandling Astronomi/Akkustikk/Optikk/Kjernefysikk Bilde- og tale-gjenkjenning Seismologi Diff.ligninger/Diskontinuiteter

26 Wavelets is a relative new mathematical method with many interesting applications. Wavelets = New mathematical method

27 Wavelets = Small Waves

28 Wavelet-transformasjon

29 Komprimering 1:50 JPEGWavelet Originalt

30 CT

31 Wavelets-transformering

32 Wavelets-transformering Bestemmelse av svulst

33 Kantdeteksjon vha Wavelets Aorta med proteseUltralydbilde

34 Kantdeteksjon vha Wavelets Scalogram

35 Kantdeteksjon vha Wavelets Scalogram

36 Bildebehandling - Wavelets - Visualisering av Wavelets transformasjoner - Ulike Wavelet transformasjoner - Lifting / Biortogonale Wavelets-funksjoner - Ulike basisfunksjoner - Objekt gjenkjenning - Detalj-studering - Komprimering -... Bakgrunnskunnskaper: - Informatikk: - Programmering / Objektorientering (Java / C++) - Matematikk: - Lineær algebra(Vektorrom / basisfunksjoner / matriser / … ) - Fourieranalyse - Statistikk

37 ENDEND