Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3)

Transkrypt

1 Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna dydaktyka bez ograniczeń zintegrowany rozwój Politechniki Łódzkiej zarządzanie Uczelnią, nowoczesna oferta edukacyjna i wzmacniania zdolności do zatrudniania osób niepełnosprawnych Zadanie nr 13 Studia podyplomowe Przetwarzanie i analiza obrazów biomedycznych Łódź, ul. Żeromskiego 116, tel

2 Wybrane programy do analizy obrazów biomedycznych Klasyfikacja programów do analizy obrazów Przykładowe programy MRIcro MIPAV MaZda Przykład analizy z wykorzystaniem pakietu MaZda 2

3 Klasyfikacja programów do analizy obrazów biomedycznych lekarze programiści funkcjonalność MIPAV MaZda Matlab ImageJ LabView C++ Python Java MRIcro OSIRIS zaawansowanie użytkownika 3

4 MRIcro 4

5 MRIcro wczytywanie obrazów w formacie: Analyze, raw, Dicom, Fiesta, tiff, Philips, podstawowe informacje o wczytanym obrazie wybór płaszczyzny obrazowania, przekroju zmiana jasności, kontrastu odczyt danych z nagłówka pliku 5

6 MRIcro dodatkowe funkcje: negatyw, lustrzane odbicie, histogram, narzędzia graficzne do tworzenia i zapisywania w pliku obszarów zainteresowania powiększanie fragmentów obrazu 6

7 MRicro rendering (z możliwością obrotu obrazu) 7

8 MRIcro obrazy MIP (maximum Intensity Projection) 8

9 MIPAV 9

10 MIPAV wczytywanie obrazów w formacie: Siemens, Dicom, Fiesta, tiff, Leica, narzędzia graficzne do tworzenia i zapisywania w pliku obszarów zainteresowania (2D, 3D) powiększanie/zmniejszanie obrazu, funkcja lupy 10

11 MIPAV wybór palety barw (look up table) zmiana jasności, kontrastu (16b) narzędzia do zaznaczania ROI przez progowanie 11

12 MIPAV podgląd dwóch sąsiednich slajdów 12

13 MIPAV możliwość tworzenia i dodawania własnych procedur w języku Java (plug ins) 13

14 MaZda pakiet programów MaZda i b11 do ilościowej analizy tekstury obrazu, obejmujący wyznaczanie wartości cech tekstur, ich redukcji, przetwarzania i klasyfikacji napisany w języku C++ oraz Delphi, przeznaczony do pracy w środowisku Windows 9x/NT/2k/XP; MaZda skrót od Macierz Zdarzeń (jedna z metod wyznaczania cech tekstur); oprogramowanie rozwijane od 1996 w Instytucie Elektroniki PŁ w ramach programów COST B11 (Quantitation of Magnetic Resonance Image Texture) oraz COST B21 (Physiological Modelling of MR Image Formation). eletel.p.lodz.pl/mazda/ 14

15 MaZda schemat analizy danych Input data 2D grayscale image 2D color image 3D image data MaZda selection of color channel 3D visualization 2D visualization computation of feature maps defining regions of interest computation of feature vectors data aggregation feature selection b11 feature space reduction image segmentation data classification features space visualization P. Szczypinski, M. Strzelecki, A Materka, A. Klepaczko, MaZda-A software package for image texture analysis, Computer Methods and Programs in Biomedicine, 94(1), 2009, pp

16 MaZda Powiększanie/ pomniejszanie obrazu Odczytywanie nagłówka zmiana rozkładu jasności 16

17 Tworzenie obszarów zainteresowania (ROI) Narzędzia do edycji ROI Histogram ROI Zapisz/odczyt plików ROI Nadawanie nazwy ROI Możliwość definicji 16 ROI (klas) 17

18 Edytor obrazów 3D wczytywanie i wyświetlania obrazów 3D (.bmf,.bmp,.dcm) tworzenie obszarów zainteresowania 3D (VOI) 18

19 Edytor obrazów kolorowych 19

20 Opcje analizy Estymacja parametrów geometrycznych (ROI) Wybór map cech Rozmiar maski Wybór rodzaju normalizacji obrazu Zapis/odczyt pliku opcji analizy 20

21 Wyznaczanie map cech Wartość cechy dla określonych współrzędnych obrazu 21

22 Okno raportu Zakładki raportów kolejnych analizy Nagłówek Obszary zainteresowania (klasy) Wartości cech 22

23 Selekcja cech Metody selekcji cech (F, POE+ACC, MI, ) 23

24 Automatyzacja analizy Język do tworzenia makr: LoadImage file_path_and_name LoadROI file_path_and_name LoadOptions file_path_and_name RunAnalysis SaveReport file_path_and_name CloseReport SaveMap file_path_and_name CloseMap / and ; for remarks 24

25 Dalsze przetwarzanie cech z wykorzystaniem modułu b11 25

26 Moduł b11 wizualizacja analiza danych (PCA, LDA, NDA) klasyfikacja: 1-NN, sieci neuronowe perceptronowe (trening i testowanie) 26

27 Opcje b11 Wybór cech (manualny) Opcje architektury i algorytmu uczenia sieci neuronowych 27

28 Nienadzorowana klasyfikacja danych analiza skupień: AHC, SCM, k-średnich 28

29 Nienadzorowana segmentacja danych (k-średnich) 29

30 Klasyfikacja obrazów fantomów SAMODZIELNE ZADANIE DO WYKONANIA PODCZAS LABORATORIUM Obraz MR mózgu + fantomy Obszary zainteresowania (ROI) 30