تبلیغات
مرکزمهندسی پزشکی شیراز - مطالب ابر آموزش پردازش تصویر
آشنایی با ما
با سلام ( خوش آمدید )

این سایت در جهت معرفی علوم نوین بین رشته ای از جمله مهندسی پزشکی ، مهندسی هسته ای و پرتو پزشکی ، مهندسی برق و الکترونیک و رباتیک و کاربردهای آن در جهت کمک به مهندسان ، پزشکان ، دانشجویان عزیز و سایر علاقمندان در سرتاسر کشور عزیزمان به ویژه همه دانشجویان دانشگاه شیراز و دانشگاه علوم پزشکی شیراز در سال 1391 شروع به فعالیت کرد. همچنین این وبسایت با همکاری مرکز رشد تجهیزات پزشکی دانشگاه علوم پزشکی شیراز در جهت ارتقا سطح علمی و دست یابی راحت دوستان به مقالات علمی مهندسی پزشکی و همچنین مکانی برای تبادل نظرات و پیشنهادات دانشجویان در سراسر کشور فعالیت میکند. بدیهی است که مطالب و نظرات ارزشمند شما عزیزان ما را در این امر یاری خواهد کرد.

تدریس خصوصی کلیه دروس مهندسی برق و مهندسی پزشکی و انجام پروژه های پژوهشی و دانشجویی

shirazbme@sums.ac.ir
shiraz.bme@gmail.com

باتشکر مدیریت سایت (کارشناس ارشد مهندسی پزشکی-بیوالکتریک دانشگاه شیراز)
موضوعات
برگه ها
جستجو در وبلاگ
تاریخ: دوشنبه 11 اسفند 1393 01:40 ب.ظ

آموزش تصویری پردازش تصویر با OpenCV (قسمت ششم)
در ادامه سلسله آموزش های تصویری برنامه نویسی و استفاده از opencv، اینک در قسمت ششم  آن می خواهیم مباحث جدید با محوریت کاربرد عملی آن را در اختیار شما دوستان عزیز قرار دهیم.

در قسمت قبلی آموزش ها (قسمت اول) ، (قسمت دوم) و  (قسمت سوم) (قسمت چهارم

 (قسمت پنجم) به سرفصل های زیر پرداخته شد:

1- معرفی OpenCV و لزوم استفاده از آن

2- آموزش نصب بر روی سیستم عامل لینوکس (Linux)

3- آموزش نصب بر روی سیستم عامل ویندوز (Windows)

4- معرفی رابط های کاربری (interface) رایج برای opencv

5- برنامه نویسی با زبان سی (C) و تبیین نقاط ضعف و قوت آن

6- برنامه نویسی بر اساس زبان سی پلاس پلاس (++C)

7- معرفی مقدماتی زبان پایتون (Python)

8- آموزش رسم اشکال مختلف در تصاویر با استفاده از opencv

9- نحوه ی تار کردن (Blur) عکس

10- توضیح و آشنایی با ساختار عکس ها

11- اضافه کردن نگاشت های هندسی

12- توضیح و آشنایی با هیستوگرام

13- خوشه بندی داده ها بر اساس الگوریتم میانگین (K-mean Clustering)

14- قسمت بندی یک تصویر توسط الگوریتم watershed

15- قسمت بندی یک تصویر توسط الگوریتم Grabcut

16- شناسایی و تطبیق نقاط مورد نظر و حساس در یک تصویر

17- ساخت پانوراما

18- حذف قسمت های زائد تصویر

19- افزایش نور تصاویر کم نور

20- کار با عکس های HDR

و اینک سرفصل های آموزشی قسمت  ششم عبارت است از:

1- شناسایی اشیاء

2- شناسایی صورت

3- شناسایی افراد (جمعیت)

4- تمرین ساخت یک شناساگر توسط خودتان

5- تشخیص چهره

شما می توانید در ادامه ی مطلب، لینک دانلود رایگان آموزش ها و همچنین قسمت هایی از

 این ویدیو آموزشی را مشاهده نمایید.

منبع :  رباتیکال

تاریخ: سه شنبه 5 آذر 1392 07:21 ب.ظ

تشخیص خودكار ناهنجاری‌ها از روی تصاویر CT Scan‌ ریه یك گام انقلابی در تشخیص زود هنگام بیماری‌های ریوی از جمله بیماری مرگ بار سرطان ریه بوده است. بهترین روش اجرای تشخیص خودكار ناهنجاری‌ها به منظور تجزیه و تحلیل تصاویر پزشكی در قدم اول پیش پردازش تصویر به منظور بهبود وحذف نویز تصویر است. در مورد ریه، اولین قدم تشخیص خودكار تصاویر CT Scan‌ بیماران ریوی ابتدا تقسیم منطقه مورد نظر است و سپس تجزیه و تحلیل جداگانه هر منطقه به‌دست آمده برای تشخیص تومور و سرطان و تشخیص گره و یا آسیب‌های دیگر است. در این مقاله ما تكنیك قطعه بندی ناحیه رو به رشد (Region Growing) را به همراه یك سری از تكنیك‌های پردازش تصویر  به منظور قطعه بندی تصاویرCT Scan‌ ریه پیشنهاد می‌كنیم كه می‌تواند به رادیولوژیست در تشخیص زود هنگام بیماری سرطان ریه یاری رساند. همچنین این الگوریتم می‌تواند در تشخیص زود هنگام خوش خیم یا بدخیم بودن نمونه‌ها در اندام‌های دیگر مثل مغز و سینه جهت تشخیص تومور مغزی و سرطان سینه استفاده شود. 

سرطان ریه بیماری عملكرد سلول‌های غیر طبیعی و رو به رشدی است كه به یك تومور تبدیل

Ranjbar151_1.jpgمی‌شود. سلول‌های سرطانی می‌توانند به دور از ریه‌ها در خون  و یا مایع لنفاوی كه در اطراف بافت ریه است قرار داشته باشند. جریان لنفاوی از طریق عروق لنفاوی كه به گره‌های لنفاوی تخلیه می‌شوند در ریه‌ها و در مركز قفسه سینه قرار دارد. سرطان ریه اغلب به سمت مركز قفسه سینه گسترش می‌یابد چرا كه جریان طبیعی غدد لنفاوی، از ریه‌ها به سمت مركز قفسه سینه است. متاستاز زمانی اتفاق می‌افتد كه سلول‌های سرطانی بخشی را كه آغاز كردند ترك كنند و جابه‌جایی به سمت گره لنفی و یا به بخش دیگری از بدن از طریق جریان خون داشته باشند. سرطان، گره و تومورهایی است كه باید در پارانشیم ریه مورد بررسی قرار گیرد، آن‌ها معمولا در منطقه ای هستند كه در بیش از نیمی از مساحت برش تصاویر سی تی اند. این بدین معنی است كه اگر الگوریتم قطعه بندی فقط در درون بخش داخلی منطقه ریه اجرا شود. زمان زیادی از پردازش می‌تواند كم شود علاوه بر این تعداد تشخیص نادرست ضایعات موجود در تصویر قطعه بندی شده به طور چشم گیری پایین تر از تصویر بدون قطعه بندی است. زیرا به طور كلی هیچ سیگنالی در بیرون از ریه یافت نمی‌شود. قطعه بندی ریه یك قدم پیش پردازش شایع سیستم كمك تشخیص كامپیوتری و به طور كلی سیستم‌های تجزیه و تحلیل تصاویر ریه است. مجموعه داده‌های سی تی حتی می‌توانند شامل بیش از هزار عكس باشند لذا قطعه بندی دستی تصاویر ریه‌ها خسته كننده است و گاهی با كاهش دقت همراه می‌شود. به همین دلیل است كه الگوریتم‌های قطعه بندی خودكار برای استخراج ریه از تصاویر CT SCAN‌ بیماران اجرا و تست شده است. در شكل(1) تفاوت تصاویر ریه سرطانی و ریه سالم در یك تصویر CT‌ نشان داده شده است.

روش پیشنهادی
شمار  زیادی از مقالات مرتبط با قطعه بندی تومور و سرطان را می‌توان پیدا كرد. در این مقاله ما روش قطعه بندی ناحیه رو به رشد را با استفاده از ابزارهای اتوماتیك مورد بحث قرار دادیم  كه در آن الگوریتم ناحیه رو به رشد معیار همگن خود را به صورت خودكار از ویژگی‌های منطقه تقسیم شده می‌آموزد  و اجازه قطعه بندی یك ساختار منحصر به فرد را می‌دهد. قطعه بندی دستی تصاویر ریه زمان بسیار زیادی را برای كاربر مصرف می‌كند، كار فشرده باعث ایجاد خطاهای انسانی می‌شود و از این رو یك تكنیك خودكار با الگوریتمی اثبات شده از جمله برنامه‌های كاربردی سیستم‌های تشخیص كامپیوتری است. هیچ تكنیك قطعه بندی خودكار مناسبی به طور كلی وجود ندارد كه بتواند روی تمام تصاویر دقت بالایی داشته باشد. در این مقاله ما الگوریتم قطعه بندی ناحیه روبه رشد را كه می‌تواند منطقه مورد نظر را به نواحی و اشیا با معنی تقسیم كند نشان می‌دهیم. الگوریتم ما رویكرد ناحیه رو به رشد را با بهینه سازی حذف لبه‌های نادرست در بخش‌های معنی دار تصویر تركیب می‌كند. از آنجایی كه نتایج خوبی را نشان داد امید است كه در اندام‌های دیگر مانند سینه و مغز نیز مفید واقع شود. بعد از معرفی روش ناحیه رو به رشد، ما نتایج و محدودیت‌های روش ارائه شده را بیان كرده و در مورد بهبود و آینده كار بحث می‌كنیم.  ‌

Ranjbar151_2.jpg

مواد و روش‌ها  ‌

منبع اصلی داده‌ها برای پیاده سازی این الگوریتم، تصاویر  CT‌50 بیمار بود كه احتمال وجود گره‌های ریوی در ریه‌های آن‌ها وجود داشت كه ما 6 داده از این مجموعه را در این مقاله ارائه كردیم. الگوریتم قطعه بندی ما شامل شش مرحله اساسی است. ما با در نظر گرفتن تصویری از پایگاه داده موجود كار را آغاز می‌كنیم. مراحل الگوریتم كلی مقاله در شكل (2) نشان داده شده است.

 ....


ماهنامه مهندسی پزشکی

تازه ترین مطالب
لینکدونی
ابزارک ها
  • کل بازدید:
  • بازدید امروز :
  • یازدید دیروز :
  • بازدید این ماه :
  • بازدید ماه قبل :
  • تعداد نویسندگان :
  • تعداد کل مطالب :
  • آخرین بازدید :
  • آخرین بروز رسانی :


-*-*-*-*-*-*-*-*-*-*-*-*-*- *---*---*---*---*---*---*---*---*---*---*---*---*---*

.

*---*---*---*---*---*---*---*---*---*---*---*---*---* *---*---*---*---*---*---*---*---*---*---*---*---*---* *---*---*---*---*---*---*---*---*---*---*---*---*---* *---*---*---*---*---*---*---*---*---*---*---*---*---* *---*---*---*---*---*---*---*---*---*---*---*---*---* PRchecker.info -----------

  • به کدام مطالب حوزه مهندسی و پزشکی بیشتر علاقمندید؟