Metoda detekcji guzków w obrazach mammograficznych wykorzystująca transformację Rayleigha
|
|
- Franciszek Kaźmierczak
- 7 lat temu
- Przeglądów:
Transkrypt
1 Metoda detekcji guzków w obrazach mammograficznych wykorzystująca transformację Rayleigha Piotr Boniński, Anna Wróblewska, Artur Przelaskowski 1), 1) Instytut Radioelektroniki Politechniki Warszawskiej pboninsk@ire.pw.edu.pl Abstract: Breast cancer is one of the most dangerous tumors for middle-aged and older women, and mammography is its most reliable early detection method. In this paper, a fully automated method for detection of mass-like objects is proposed. The main stage of the algorithm is non-linear histogram conversion based on Rayleigh transformation. That approach gives us mammograms with significantly improved masses visibility and, thus, easier way to segment a potential mass object. Achieved results confirm the usefulness proposed method for application in mammography-oriented content-based image retrieval system and are comparable to other state-of art methods. Słowa kluczowe: mammografia, detekcja guzów, nieliniowa korekcja histogramu 1. Wprowadzenie Najczęściej występującym w Polsce nowotworem złośliwym u kobiet jest rak piersi, który stanowi około 20% wszystkich zachorowań na nowotwory [1]. Jest on równocześnie przyczyną największej liczby zgonów wywołanych przez nowotwory złośliwe u kobiet. W ciągu ostatnich lat zachorowalność na raka sutka wzrosła o około 4-5% [1]. Według Krajowego Rejestru Nowotworów Złośliwych w 2004 roku zarejestrowano przypadków nowych zachorowań wśród kobiet i 106 wśród męŝczyzn. Najczęstszym objawem raka sutka jest guz. ChociaŜ nie wszystkie są złośliwe, to jednak kaŝdy guz powinny stanowić przedmiot analizy i rozpoznania przez lekarza radiologa. Udowodniono, Ŝe wykrycie raka we wczesnym stadium zaawansowania, czyli gdy guz ma mniej niŝ 2 centymetry oraz gdy nie ma przerzutów do węzłów chłonnych, pozwala na wyleczenie 80% pacjentek [2]. Wczesne wykrycie choroby związane jest przede wszystkim z upowszechnieniem masowych badań przesiewowych. Badanie mammograficzne pozwala rozpoznać obecność guza nawet gdy jest jeszcze w okresie klinicznie bezobjawowym. Stąd, między innymi, bierze się znaczenie mammografii jako techniki obrazującej wczesne symptomy raka sutka. Celem niniejszej pracy było opracowanie metody detekcji w mammogramach obiektów będących potencjalnym guzem. Metoda ta ma być wykorzystana w systemie automatycznego indeksowania badań mammograficznych zawartością (treścią diagnostyczną) do inteligentnego przeszukiwania referencyjnej bazy badań mammograficznych. 2. Materiały i metody Planowane zastosowanie opracowanej metody w systemie automatycznego indeksowania badań mammograficznych zawartością wymusza następujące właściwości metody detekcji guzów: w pełni automatyczne działanie o umoŝliwia indeksowanie istniejących baz badań w trybie wsadowym - trudno wyobrazić sobie indeksowanie tysięcy obrazów przy konieczności ręcznego wsparcia przez lekarza radiologa kaŝdego przypadku opisu badań
2 czas analizy obrazu dostosowany do aplikacji w interaktywnym systemie wspomagania diagnostyki algorytm zbyt czasochłonny zniechęci specjalistę do jego wykorzystania w praktyce klinicznej. wysoka czułość detekcji (kosztem wzrostu liczby wskazań fałszywie pozytywnych) załoŝenie minimalizacji wskazań fałszywie negatywnych, a więc w efekcie wysoka czułość metody, jest niezwykle poŝądaną właściwością w praktycznie kaŝdym przypadku komputerowego wsparcia procesu detekcji patologii w obrazach medycznych; w przypadku detekcji ukierunkowanej na zastosowanie w systemie w pełni automatycznego indeksowania i przeszukiwania nabiera jednak szczególnego znaczenia, gdzie pominięcie jakiegoś przypadku zmiany oznacza brak moŝliwości utworzenia odpowiedniego opisu tego badania w indeksie, czyli zupełną utratę (niewidoczność) tego przypadku przy przeglądaniu bazy referencyjnej. W przypadku stosowania metody detekcji w systemie CAD (ang. Computed Aided Diagnosis) pominięcie przypadku prawdziwie pozytywnego oznacza brak odpowiedniego wsparcia ostatecznych decyzji radiologa, jednak zbyt duŝa liczba wskazań fałszywych zmniejsza wraŝliwość lekarza na automatyczne podpowiedzi systemu. Koncepcja proponowanej metody detekcji guzów opiera się na nieliniowej korekcji histogramu. Guzy o wysokim stopniu subtelności są bardzo słabo widoczne. W związku z tym zasadne jest wykonanie modyfikacji histogramu, poprawiającej percepcję, a w efekcie moŝliwość detekcji zmiany patologicznej. Warto w tym miejscu dodać, Ŝe na podstawie częstości wystąpień określonych współczynników jasności moŝna uzyskać informacje o charakterze obrazu, np. jaki rodzaj tkanki dominuje w regionie zainteresowania w mammografie (wnioskowanie o utkaniu sutka), itp. Algorytmy bazujące na analizie histogramu uŝywane są często do nieliniowej korekcji rozkładu wartości jasności pikseli w obrazie. Na podstawie histogramu określonego regionu oraz Ŝądanej postaci histogramu docelowego wyznaczana jest funkcja przejścia (transformacji) jasności pikseli obrazu w celu modyfikacji histogramu. Jeśli histogram będzie znormalizowany (wartości występują w zakresie [0, 1] estymując dyskretny rozkład funkcji gęstości prawdopodobieństwa), wartości histogramu h (i) dla poszczególnych poziomów jasności stanowią szacunkowe przybliŝenie wartości prawdopodobieństwa (metoda częstościowa z odpowiednimi załoŝeniami) h( i) występowania danego poziomu jasności w obrazie p( i) =, gdzie K oznacza liczbę K pikseli w obrazie. Dystrybuanta T (n) (skumulowane prawdopodobieństwo) rozkładu prawdopodobieństwa danego znormalizowanym histogramem, czyli histogram kumulacyjny to: n T ( n) = p( i) (1) gdzie n = 0,...,N-1, a N jest liczbą poziomów jasności w obrazie. RóŜne metody modyfikacji histogramu mogą wzmacniać podkreślać wybrany zakres jasności obrazu. Jest to zaleŝne od wybranej funkcji przejścia zakładającej wyjściowy rozkład gęstości prawdopodobieństwa [4]. Dystrybuanta przetworzonego obrazu (po zastosowaniu funkcji przejścia) to: (2) G( m) = i= 0 m i= 0 p z ( i)
3 gdzie p z (i) to docelowe (poŝądane) wartości znormalizowanego histogramu obrazu wynikowego, m = 0,...,N-1. Wartości kumulacyjnych funkcji rozkładów dla obrazu oryginalnego i przetworzonego powinny się równać: G ( m) = T ( n) (3) gdzie n i m są zmiennymi (jak wyŝej) reprezentującymi poziomy jasności obrazów, odpowiednio oryginalnego i przetworzonego (po operacji korekcji histogramu). Stąd moŝna wyprowadzić wzór na funkcję przejścia: 1 m = G ( T ( n)) = F( n) (4) W ramach prowadzonych badań przebadano szereg metod nieliniowej korekcji histogramu, obejmujących jego wyrównywanie oraz przekształcenie do rozkładu wykładniczego oraz rozkładu Rayleigha. Funkcję gęstości prawdopodobieństwa rozkładu Rayleigha opisuje zaleŝność: 2 m m min ( m mmin ) p z ( m) = exp 2 2 α 2α (5) dla m > mmin, a funkcja przejścia: 2 1 F( n) = mmin 2α ln( ) (6) 1 T ( n) Przekształcenie znormalizowanego histogramu obrazu wejściowego według (6) nazywane jest transformacją Rayleigha. Widoczny na rysunku 1(a) histogram przykładowego mammogramu o duŝym wysyceniu w przewaŝającym obszarze sutka poddany został przekształceniu według zaleŝności (6) celu poprawy widoczności guza zaznaczonego obrysem. Efekt widoczny jest na mammogramie z rys. 1(b). Histogram przekształconego obrazu jest bardzo zbliŝony do zamierzonego rozkładu Rayleigha o określonych parametrach. Oznacza to ukrycie większości obszaru sutka, zawierającego mniej istotną treść diagnostyczną (ze względu na rozpoznanie guzów) w zakresie mało dostrzegalnych (nieabsorbujących uwagi obserwatora) niskich poziomów jasności przy jednoczesnej ekstrakcji informacji z niewielkiego fragmentu sutka o największych poziomach funkcji jasności. Największe wartości jasności zachowuje jedynie centralna część guza. Region ten moŝe być poddany wnikliwej analizie interpretatora obrazów ze względu na wyraźne uszczegółowienie widocznych struktur poprzez przeniesienie lokalnego rozkładu funkcji jasności z zakresu słabo postrzeganych wartości pikseli o największej jasności do zakresu wartości średnich dającego najlepszą percepcję szczegółów tekstur (prawo Webera). Wynikiem tych zabiegów jest znaczna poprawa rozróŝnialności szczegółów struktury guza (wydobytych, uwypuklonych), co znacząco poprawia warunki diagnozy i daje większą skuteczność automatycznych algorytmów segmentacji i detekcji analizowanych zmian. Przekształcenie histogramu obrazu jest krokiem wstępnym procedury detekcji. Schemat całego algorytmu wygląda następująco: 1. Segmentacja gruczołu piersiowego; 2. Transformacja Rayleigha dla uwypuklenia potencjalnych centrów guza; 3. Progowanie w celu wyznaczenia punktów początkowych segmentacji; 4. Dla kaŝdego punktu początkowego segmentacja przybliŝonego obszaru guza metodą rozrostu regionów/obszarów (ang. region growing); 5. Wyznaczenie powierzchni i atrybutów kształtu(momenty kształtu) potencjalnego guza. 1/ 2
4 Poszczególne etapy tego procesu zostały przedstawione bardziej szczegółowo. (a) Rys. 1 Porównanie obrazu guza oraz jego histogramu przed (a) oraz po (b) operacji modyfikacji histogramu za pomocą transformacji Rayleigha. Ad. 1. Pierwszym krokiem w algorytmie jest segmentacja gruczołu piersiowego z obrazu. Zaproponowano do tego celu algorytm bazujący na znanej metodzie rozrostu obszarów. Biorąc pod uwagę, Ŝe obszar piersi w obrazie jest spójny, a określenie względnie prostych kryteriów przynaleŝności piksela do gruczołu wydaje się moŝliwe, ta właśnie metoda wydaje się być właściwą. Algorytm metody segmentacji wygląda następująco: i. określenie, czy na obrazie mamy prawą czy lewą pierś, ii. określenie dolnego i górnego progu przynaleŝności do gruczołu, iii. wybór punktu startowego do segmentacji, iv. segmentacja rozrostu obszarów z wykorzystaniem wyznaczonych: punktu startowego i progów ad.i. Krok ten słuŝy optymalizacji wydajności metody. Określenie, czy mamy w obrazie pierś prawą czy lewą umoŝliwia prawidłowy wybór punktu startowego, czyli rozpoczęcie segmentacji z miejsca na pewno naleŝącego do gruczołu. Jest to waŝne, gdyŝ gdyby punkt startowy był poza gruczołem, kryterium zakończenia pracy algorytmu zostałoby spełnione bardzo szybko (zazwyczaj po sprawdzeniu czterech sąsiednich do startowego pikseli) ze zdecydowanie błędnym wynikiem. Decyzja jest podejmowana na podstawie analizy średniej jasności 2 regionów obrazu: pierwszego, obejmującego 100% wysokości i 20% szerokości obrazu licząc od lewej krawędzi oraz drugiego, obejmującego 100% wysokości i 20% szerokości obrazu licząc od prawej krawędzi. Większy poziom średniej jasności w pierwszym regionie oznacza pierś lewą, w drugim - prawą. ad.ii. Progi do segmentacji wyznaczane są z histogramu obrazu. Dolny próg obliczany jest poprzez określenie średniego poziomu jasności całego obrazu pomniejszony o 15%; górny (b)
5 - jako 97.5 percentyl histogramu. Wartości te zostały dobrane eksperymentalnie, jako dające dobre wyniki segmentacji. ad.iii. Punkt startowy do segmentacji jest wyznaczany jako odległy o 10% szerokości obrazu od prawej bądź lewej jego krawędzi (w zaleŝności od wyniku kroku 1) oraz będący w połowie wysokości. Tak wyznaczony punkt praktycznie musi naleŝeć do gruczołu piersiowego, niezaleŝnie od projekcji i wielkości piersi. Dla pewności wykonywane jest porównanie jasności wyznaczonego punktu z dolnym progiem segmentacji. Jeśli wartość dolnego progu jest większa niŝ jasność punktu, to wyznaczane są 4 nowe punkty będące potencjalnym punktem startowym, kaŝdy powstaje poprzez odpowiednio dodanie bądź odjęcie od poszczególnej współrzędnej 50 pikseli. W razie gdyby Ŝaden z 4 nowych kandydatów nie był jaśniejszy od dolnego progu segmentacji, krok ten powtarzany jest rekurencyjnie aŝ do momentu, gdy odpowiedni punkt zostanie znaleziony, bądź nie będzie juŝ moŝliwe wyznaczenie punktu naleŝącego do obrazu. ad.iv. Sam proces segmentacji wykorzystuje zasadę rozrostu obszaru. Metoda ta polega na łączeniu punktów lub fragmentów obrazu w większe [5]. W sąsiedztwie wybranego punktu (w ogólniejszym przypadku punktów początkowych moŝe być więcej) poszukuje się takich punktów, które będą spełniały określone kryterium przynaleŝności (dotyczące np. poziomu jasności, koloru, tekstury). W tym przypadku wykorzystujemy kryterium stałego przedziału jasności wyznaczonego na podstawie histogramu całego obrazu. Piksele sąsiednie o jasności naleŝącej do ustalonego przedziału są dołączane do tworzonego obszaru. Proces dołączania jest rekurencyjnie powtarzany dla kolejnych, dodawanych punktów. Jeśli Ŝaden z sąsiednich punktów nie spełnia zadanego kryterium, rozrost obszaru w danym kierunku jest zatrzymany. Ad. 2. Funkcja przejścia Rayleigha zawiera 2 parametry: m min oraz α. Ich wartość została dobrana eksperymentalnie: m min = 0, α = 800. Warto nadmienić, Ŝe algorytm jest relatywnie mało wraŝliwy na zmiany tych parametrów, dając zauwaŝalnie gorsze wyniki dopiero dla znacznie odbiegających od proponowanych wartości. Ad.3. Obraz po korekcji histogramu poddawany jest operacji progowania, mającej na celu wybranie punktów startowych do segmentacji guza. Poziom progu wyznaczany jest z histogramu obrazu po transformacie Rayleigha, jako wartość 97 percentyla. Poziom ten zapewnia dobrą równowagę pomiędzy ilością obiektów FP (fałszywie pozytywnych) oraz FN (fałszywie negatywnych). Ad.4. Obiekty wskazane w kroku 3 stanowią punkt wyjścia do segmentacji. KaŜdy obiekt o powierzchni większej niŝ 5mm 2 (co jest szacunkową dolną granicą wykrywalności guzów w mammografii) [3] jest traktowany jako potencjalny guz. Wyznaczany jest centroid takiego obiektu, a następnie przeprowadzana jest segmentacja w dziedzinie obrazu po transformacie Rayleigha. Jako kryterium przynaleŝności przyjęto progowanie poziomu jasności piksela dołączanego ustalając dolną granicę na wartość 93 percentyla histogramu obszaru sutka. Tak zaznaczone obiekty traktujemy jako potencjalne guzy. Główne kroki proponowanej metody zostały zilustrowane na rysunku Eksperymenty i wyniki Do eksperymentów wykorzystano 156 obrazów pochodzące z bazy DDSM. Zawierały one 72 obiekty będące zdiagnozowanymi guzami złośliwymi. W tym zbiorze danych uzyskano: 58 przypadków TP, 376 przypadków FP oraz 14 przypadków FN. Tak więc czułość opracowanego algorytmu wynosi w granicach 80,2%, przy poziomie około 2,5 wskazań fałszywie pozytywnych. Rezultaty te potwierdzają uŝyteczność nieliniowej korekcji histogramu jako efektywnego narzędzia przetwarzającego mammogramy dla detekcji guzów. Proponowany algorytm ma czułość porównywalną z innymi rozwiązaniami w tym zakresie [3], przy wyŝszym poziomie
6 wskazań fałszywie negatywnych. Jest to spowodowane rezygnacją z etapu klasyfikacji znalezionych obiektów w celu odrzucenia wskazań fałszywych. Powodem takiego podejścia była przede wszystkim chęć uproszczenia metody detekcji przy maksymalizacji czułości metody. Nadmiarowość wskazanych obszarów w przypadku indeksowania i przeszukiwania baz obrazowych nie jest parametrem krytycznym. Referencyjna baza danych ma bowiem dostarczać przypadki o podobnych cechach obrazowych do porównań i pomocniczych interpretacji, bez konieczności jednoznacznych wskazań patologii metodami automatycznymi. (a) (c) (b) Rys. 2 Główne kroki algorytmu wykrywania potencjalnych guzów: (a) transformata Rayleigha dla uwypuklenia potencjalnych centrów guza, (b) progowanie dla wyznaczenia punktów początkowych segmentacji, (c) dla kaŝdego punktu początkowego segmentacja przybliŝonego obszaru guza. 4. Kierunki dalszych badań Proponowana metoda detekcji potencjalnych guzów daje zadowalające rezultaty w zastosowaniach bazodanowych. Tym niemniej, moŝna wskazać kierunki jej dalszego rozwoju, szczególnie w przypadku próby aplikacji metody w systemie typu CAD. W ramach prac naszego zespołu rozwijany jest system MammoViewer [6], gdzie zaimplementowano efektywne metody detekcji mikrozwapnień, a nawet zaburzeń architektury. Opracowana wersja detektora potencjalnych guzów będzie doskonalona poprzez bardziej zaawansowane metody rozrostu regionów (stosowanie wielokryterialnych warunków przynaleŝności), a takŝe poprzez zastosowanie klasyfikatorów przestrzeni cech badanych obiektów zawierających takŝe cechy teksturowe, morfologiczne i inne. Literatura [1] Krzakowski M: Rak piersi charakterystyka problemu zdrowotnego w Polsce. Amazonki 2007, 11:11 [2] Iwaszkiewicz K.: Atlas mammografii. PZW, Warszawa, 1993 [3] Timp S.: Analysis of Temporal Mammogram Pairs to Detect and Characterise Mass Lesions. University Medical Centre St. Radboud Nijmegen, 2006 [4] Pratt W.K.: Digital Image Processing. A Wiley - Interscience publication, John Wiley & Sons, 1991 [5] Zieliński K, Strzelecki M., Komputerowa analiza obrazu biomedycznego. Wstęp do morfometrii i patologii ilościowej. Wydawnictwo Naukowe PWN, 2002
7 [6] Wróblewska A, Przelaskowski A, Bargieł P, Boniński P: MammoViewer - CAD application based on effective multiscale image analysis, Polish Journal of Medical Physics & Engineering 2005, 11(1):17-28
Przetwarzanie obrazu
Przetwarzanie obrazu Przegląd z uwzględnieniem obrazowej bazy danych Tatiana Jaworska Jaworska@ibspan.waw.pl www.ibspan.waw.pl/~jaworska Umiejscowienie przetwarzania obrazu Plan prezentacji Pojęcia podstawowe
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie drugie Podstawowe przekształcenia obrazu 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami obrazu wykonywanymi
Bardziej szczegółowoSYSTEM AUTOMATYCZNEJ DETEKCJI I KLASYFIKACJI MIKROZWAPNIEŃ W CYFROWEJ MAMMOGRAFII
SYSTEM AUTOMATYCZNEJ DETEKCJI I KLASYFIKACJI MIKROZWAPNIEŃ W CYFROWEJ MAMMOGRAFII Anna Wróblewska, Artur Przelaskowski Zakład Elektroniki Jądrowej i Medycznej, Instytut Radioelektroniki PW ul.nowowiejska
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przegląd z uwzględnieniem obrazowej bazy danych Tatiana Jaworska Jaworska@ibspan.waw.pl www.ibspan.waw.pl/~jaworska Umiejscowienie przetwarzania obrazu Plan prezentacji Pojęcia podstawowe
Bardziej szczegółowoProste metody przetwarzania obrazu
Operacje na pikselach obrazu (operacje punktowe, bezkontekstowe) Operacje arytmetyczne Dodanie (odjęcie) do obrazu stałej 1 Mnożenie (dzielenie) obrazu przez stałą Operacje dodawania i mnożenia są operacjami
Bardziej szczegółowoWspomaganie diagnostyki mammograficznej: poprawa percepcji zmian patologicznych
Wspomaganie diagnostyki mammograficznej: poprawa percepcji zmian patologicznych Anna Wróblewska Plan prezentacji Mammografia Problemy detekcji i interpretacji badań Komputerowe wspomaganie diagnozy System
Bardziej szczegółowoAnaliza obrazów. Segmentacja i indeksacja obiektów
Analiza obrazów. Segmentacja i indeksacja obiektów Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 Analiza obrazu Analiza obrazu
Bardziej szczegółowoMetoda klasteryzacji i segmentacji mikrozwapnień w celu redukcji wskazań fałszywych przy komputerowym wspomaganiu mammografii
Metoda klasteryzacji i segmentacji mikrozwapnień w celu redukcji wskazań fałszywych przy komputerowym wspomaganiu mammografii Anna Wróblewska, Artur Przelaskowski, Paweł Bargieł, Piotr Boniński Zakład
Bardziej szczegółowoSystemy wspomagania diagnozy, czyli mammografia przyszłości
Systemy wspomagania diagnozy, czyli mammografia przyszłości Anna Wróblewska Plan prezentacji Mammografia Problemy interpretacji badań Komputerowe wspomaganie diagnozy cel Cele detekcji typy patologii Współczesne
Bardziej szczegółowowww.korektorzdrowia.pl www.watchhealthcare.eu PORADNIK DLA PACJENTÓW Biopsja
www.korektorzdrowia.pl www.watchhealthcare.eu PORADNIK DLA PACJENTÓW Biopsja Rak piersi Najczęściej występujący nowotwór złośliwy u kobiet w Polsce 2004 r. ponad12 000 nowych zachorowań na raka piersi
Bardziej szczegółowoWspomaganie decyzji diagnostycznych w mammografii
Wspomaganie decyzji diagnostycznych w mammografii Artur Przelaskowski, Anna Wróblewska, Paweł Bargieł Politechnika Warszawska, Instytut Radiolelektroniki, Nowowiejska 15/19, 00-665 Warszawa 1. Wprowadzenie
Bardziej szczegółowoSłużba Zdrowia nr 24-26 z 23 marca 2000. Znaczenie badań przesiewowych w zwalczaniu raka piersi. Zbigniew Wronkowski, Wiktor Chmielarczyk
Służba Zdrowia nr 24-26 z 23 marca 2000 Znaczenie badań przesiewowych w zwalczaniu raka piersi Zbigniew Wronkowski, Wiktor Chmielarczyk Korzystny wpływ skryningu na zmniejszenie umieralności z powodu raka
Bardziej szczegółowoPrzetwarzanie obrazów wykład 2
Przetwarzanie obrazów wykład 2 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Etapy obróbki pozyskanego obrazu Obróbka wstępna
Bardziej szczegółowoSegmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda
Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji
Bardziej szczegółowoZałącznik nr 4 do zarządzenia Nr 53/2006 Prezesa Narodowego Funduszu Zdrowia. Program profilaktyki raka piersi
Program profilaktyki raka piersi 1 I. UZASADNIENIE CELOWOŚCI WDROŻENIA PROGRAMU PROFILAKTYKI RAKA PIERSI, zwanego dalej Programem. 1. Opis problemu zdrowotnego. Rak piersi jest najczęściej występującym
Bardziej szczegółowoPLATFORMA DO PRZETWARZANIA ZDJĘĆ TOMOGRAFII KOMPUTEROWEJ MÓZGU ORAZ ZDJĘĆ MAMMOGRAFICZNYCH WSPOMAGAJĄCA DIAGNOZOWANIE CHORÓB
PLATFORMA DO PRZETWARZANIA ZDJĘĆ TOMOGRAFII KOMPUTEROWEJ MÓZGU ORAZ ZDJĘĆ MAMMOGRAFICZNYCH WSPOMAGAJĄCA DIAGNOZOWANIE CHORÓB Międzynarodowa Konferencja Naukowa Studentów Uczelni Medycznych. Kraków, 2009
Bardziej szczegółowoP/08/098 LLO-410-30-03/08 P a n i GraŜyna KRULIK Dyrektor Wojewódzkiego; Szpitala Zespolonego w Skierniewicach
Łódź, dnia listopada 2008r. NAJWYśSZA IZBA KONTROLI DELEGATURA W ŁODZI ul. Kilińskiego 210, 90-980 Łódź 7 tel. 683-11-00 (fax) 683-11-29 skr. poczt. 243 P/08/098 LLO-410-30-03/08 P a n i GraŜyna KRULIK
Bardziej szczegółowoSEGMENTACJA OBRAZU Wprowadzenie
Oprogramowanie Systemów Obrazowania SEGMENTACJA OBRAZU Wprowadzenie Segmentacja obszarów to operacja wydzielenia z obrazu obszarów w oparciu o zdefiniowane kryterium. Głównym uzasadnieniem celowości takiego
Bardziej szczegółowoProgram edukacyjno-profilaktyczny wczesnego wykrywania raka piersi ze szczególnym uwzględnieniem kobiet w wieku 40 lat.
Program Nr 2: Program edukacyjno-profilaktyczny wczesnego wykrywania raka piersi. Program edukacyjno-profilaktyczny wczesnego wykrywania raka piersi ze szczególnym uwzględnieniem kobiet w wieku 40 lat.
Bardziej szczegółowoPoprawa percepcji guzków spikularnych w obrazach mammograficznych*
Poprawa percepcji guzków spikularnych w obrazach mammograficznych* Paweł Bargieł, Artur Przelaskowski, Anna Wróblewska, Piotr Boniński Politechnika Warszawska Wydz. Elektroniki i Technik Informacyjnych
Bardziej szczegółowoĆwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy
Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu
Bardziej szczegółowoModelowanie zmian patologicznych sutka z wykorzystaniem analizy wielorozdzielczej
Modelowanie zmian patologicznych sutka z wykorzystaniem analizy wielorozdzielczej Artur Przelaskowski 1 Przemysław Wojtaszczyk 2, Anna Wróblewska 1 1 Politechnika Warszawska, Instytut Radiolelektroniki,
Bardziej szczegółowoGrafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38
Wykład 2 Przetwarzanie obrazów mgr inż. 1/38 Przetwarzanie obrazów rastrowych Jedna z dziedzin cyfrowego obrazów rastrowych. Celem przetworzenia obrazów rastrowych jest użycie edytujących piksele w celu
Bardziej szczegółowoSpośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
Bardziej szczegółowoZBYT PÓŹNE WYKRYWANIE RAKA NERKI ROLA LEKARZA PIERWSZEGO KONTAKTU
ZBYT PÓŹNE WYKRYWANIE RAKA NERKI ROLA LEKARZA PIERWSZEGO KONTAKTU 14 czerwca 2012 r dr n. med. Piotr Tomczak Klinika Onkologii U.M. Poznań Epidemiologia raka nerki RCC stanowi 2 3% nowotworów złośliwych
Bardziej szczegółowoNowotwory złośliwe piersi - ryzyko zachorowania, zaawansowanie, przeŝycia pięcioletnie. Dolny Śląsk, Dolnośląskie Centrum Onkologii.
Nowotwory złośliwe piersi - ryzyko zachorowania, zaawansowanie, przeŝycia pięcioletnie. Dolny Śląsk, Dolnośląskie Centrum Onkologii. Przygotowali: Komitet ds. Epidemiologii Beata Hawro, Maria Wolny-Łątka,
Bardziej szczegółowoNajważniejszym czynnikiem w istotny sposób wpływającym na wyniki leczenia jest wykrycie nowotworu w jak najwcześniejszym stadium rozwoju.
Warunki finansowania programu profilaktyki raka piersi I. Część A. 1. Opis problemu zdrowotnego. Rak piersi jest najczęściej występującym nowotworem złośliwym u kobiet. Stanowi około 23% wszystkich zachorowań
Bardziej szczegółowoKodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG
Kodowanie transformacyjne Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Zasada Zasada podstawowa: na danych wykonujemy transformacje która: Likwiduje korelacje Skupia energię w kilku komponentach
Bardziej szczegółowoWYKŁAD 12. Analiza obrazu Wyznaczanie parametrów ruchu obiektów
WYKŁAD 1 Analiza obrazu Wyznaczanie parametrów ruchu obiektów Cel analizy obrazu: przedstawienie każdego z poszczególnych obiektów danego obrazu w postaci wektora cech dla przeprowadzenia procesu rozpoznania
Bardziej szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek cięŝkości ułoŝenie przestrzenne momenty wyŝszych rzędów promienie max-min centryczność
Bardziej szczegółowoRAKOOPORNI. Program profilaktyki raka piersi. Bezpłatne badania mammograficzne
RAKOOPORNI Program profilaktyki raka piersi Bezpłatne badania mammograficzne Jesteś w wieku od 40 do 49 lat lub po 70 roku życia? W ciągu ostatniego roku nie miałaś wykonanej mammografii? Skorzystaj z
Bardziej szczegółowoGrafika komputerowa. Zajęcia IX
Grafika komputerowa Zajęcia IX Ćwiczenie 1 Usuwanie efektu czerwonych oczu Celem ćwiczenia jest usunięcie efektu czerwonych oczu u osób występujących na zdjęciu tak, aby plik wynikowy wyglądał jak wzor_1.jpg
Bardziej szczegółowoPrzekształcenia punktowe
Przekształcenia punktowe Przekształcenia punktowe realizowane sa w taki sposób, że wymagane operacje wykonuje sie na poszczególnych pojedynczych punktach źródłowego obrazu, otrzymujac w efekcie pojedyncze
Bardziej szczegółowoAnna Fabijańska. Algorytmy segmentacji w systemach analizy ilościowej obrazów
POLITECHNIKA ŁÓDZKA Wydział Elektrotechniki Elektroniki Informatyki i Automatyki Katedra Informatyki Stosowanej Anna Fabijańska Nr albumu: 109647 Streszczenie pracy magisterskiej nt.: Algorytmy segmentacji
Bardziej szczegółowoAutomatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych
Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych autor: Robert Drab opiekun naukowy: dr inż. Paweł Rotter 1. Wstęp Zagadnienie generowania trójwymiarowego
Bardziej szczegółowoImplementacja filtru Canny ego
ANALIZA I PRZETWARZANIE OBRAZÓW Implementacja filtru Canny ego Autor: Katarzyna Piotrowicz Kraków,2015-06-11 Spis treści 1. Wstęp... 1 2. Implementacja... 2 3. Przykłady... 3 Porównanie wykrytych krawędzi
Bardziej szczegółowoDiagnostyka węzłów chłonnych (Lymph nodes assessment) Joanna Anioł
Diagnostyka węzłów chłonnych (Lymph nodes assessment) Joanna Anioł Joanna Anioł Wykształcenie: wyższe Studia na Wydziale Lekarskim Collegium Medium UJ w Krakowie 1989 1995 Kształcenie podyplomowe: Specjalizacja
Bardziej szczegółowoZałącznik nr X Warunki realizacji przedsięwzięć w ramach Populacyjnego programu wczesnego wykrywania raka piersi
Załącznik nr X Warunki realizacji przedsięwzięć w ramach Populacyjnego programu wczesnego wykrywania raka piersi Warunki realizacji przedsięwzięć w ramach Populacyjnego programu wczesnego wykrywania raka
Bardziej szczegółowoInstytut Politechniczny Państwowa Wyższa Szkoła Zawodowa. Diagnostyka i niezawodność robotów
Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa Diagnostyka i niezawodność robotów Laboratorium nr 4 Modelowanie niezawodności prostych struktur sprzętowych Prowadzący: mgr inż. Marcel Luzar Cel
Bardziej szczegółowoStatystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 1/15/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.1.1 ROMAN RUMIANOWSKI Statystyczna analiza awarii pojazdów
Bardziej szczegółowoLaboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 9. Przetwarzanie sygnałów wizyjnych. Politechnika Świętokrzyska.
Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 9 Przetwarzanie sygnałów wizyjnych. Cel ćwiczenia Celem ćwiczenia jest zapoznanie studentów z funkcjami pozwalającymi na
Bardziej szczegółowoPOPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement)
POPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement) Przetwarzanie obrazów cyfrowych w celu wydobycia / uwydatnienia specyficznych cech obrazu dla określonych zastosowań. Brak
Bardziej szczegółowoParametryzacja obrazu na potrzeby algorytmów decyzyjnych
Parametryzacja obrazu na potrzeby algorytmów decyzyjnych Piotr Dalka Wprowadzenie Z reguły nie stosuje się podawania na wejście algorytmów decyzyjnych bezpośrednio wartości pikseli obrazu Obraz jest przekształcany
Bardziej szczegółowoSYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY. Autorzy: M. Lewicka, K. Stańczyk
SYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY Autorzy: M. Lewicka, K. Stańczyk Kraków 2008 Cel pracy projekt i implementacja systemu rozpoznawania twarzy, który na podstawie
Bardziej szczegółowoMetody wspomagania detekcji zmian patologicznych w mammografii
Metody wspomagania detekcji zmian patologicznych w mammografii Doktorat: Anna Wróblewska Promotor: Artur Przelaskowski Zakład Elektroniki Jądrowej i Medycznej Instytut Radioelektroniki Politechnika Warszawska
Bardziej szczegółowoZASADY REALIZACJI PROGRAMU PROFILAKTYKI RAKA PIERSI
I. CZĘŚĆ A. Załącznik nr 4 do zarządzenia Nr 57/2009/DSOZ Prezesa Narodowego Funduszu Zdrowia z dnia 29 października 2009 r. ZASADY REALIZACJI PROGRAMU PROFILAKTYKI RAKA PIERSI 1. Opis problemu zdrowotnego.
Bardziej szczegółowoCZĘŚĆ SZCZEGÓŁOWA NAJCZĘSTSZE NOWOTWORY OBJAWY, ROZPOZNAWANIE I LECZENIE
CZĘŚĆ SZCZEGÓŁOWA ROZDZIA 4 NAJCZĘSTSZE NOWOTWORY OBJAWY, ROZPOZNAWANIE I LECZENIE Arkadiusz Jeziorski W Polsce do lekarzy onkologów zgłasza się rocznie ponad 130 tysięcy nowych pacjentów; około 80 tysięcy
Bardziej szczegółowodokształcającego prowadzonego przez Centralny Ośrodek Koordynujący lub wojewódzki ośrodek koordynujący w latach 2007 2010 w zakresie
Dziennik Ustaw Nr 52 3302 Poz. 271 2. Program profilaktyki raka szyjki macicy macicy etap podstawowy pobranie materiału z szyjki macicy do przesiewowego badania cytologicznego. macicy etap diagnostyczny
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoRACHUNKOWOŚĆ ZARZĄDCZA
RACHUNKOWOŚĆ ZARZĄDCZA wykład XI dr Marek Masztalerz Uniwersytet Ekonomiczny w Poznaniu 2011 EKONOMICZNY CYKL śycia PRODUKTU 1 KOSZTY CYKLU śycia PRODUKTU OKRES PRZEDRYNKOWY OKRES RYNKOWY OKRES POSTRYNKOWY
Bardziej szczegółowoKomputerowa diagnoza medyczna tworzenie i interpretowanie. prof. dr hab. inż. Andrzej Walczak
Komputerowa diagnoza medyczna tworzenie i interpretowanie prof. dr hab. inż. Andrzej Walczak Agenda 1. Po co budujemy komputerowe wspomaganie diagnostyki medycznej? 2. Wymagania na IT wdrażane w medycynie
Bardziej szczegółowodr inż. Jacek Naruniec email: J.Naruniec@ire.pw.edu.pl
dr inż. Jacek Naruniec email: J.Naruniec@ire.pw.edu.pl Coraz większa ilość danych obrazowych How much information, University of California Berkeley, 2002: przyrost zdjęć rentgenowskich to 17,2 PB rocznie
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoEpidemiologia raka szyjki
Epidemiologia raka szyjki W 2004 roku na raka szyjki macicy (kanału łączącego trzon macicy z pochwą) zachorowało blisko 3 500 Polek, a prawie 2 000 zmarło z jego powodu. Wśród wszystkich zachorowań kobiet
Bardziej szczegółowoBIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat
BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,
Bardziej szczegółowoStatystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść
Bardziej szczegółowoSpis treści VII. Wprowadzenie. Prawidłowy gruczoł piersiowy: porównanie budowy makroskopowej z obrazami mammograficznymi... 1
Spis treści Wprowadzenie. Prawidłowy gruczoł piersiowy: porównanie budowy makroskopowej z obrazami mammograficznymi..................................... 1 Wprowadzenie. Prawidłowy gruczoł piersiowy: porównanie
Bardziej szczegółowoPOLITECHNIKA WARSZAWSKA ROZPRAWA DOKTORSKA
POLITECHNIKA WARSZAWSKA Wydział Elektroniki i Technik Informacyjnych ROZPRAWA DOKTORSKA mgr inż. Anna Wróblewska Metody wspomagania detekcji zmian patologicznych w mammografii Promotor dr hab. inż. Artur
Bardziej szczegółowoModelowanie komputerowe
Modelowanie komputerowe wykład 5- Klasyczne systemy kolejkowe i ich analiza dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 16,23listopada2015r. Analiza
Bardziej szczegółowo5. Administracja kontami uŝytkowników
5. Administracja kontami uŝytkowników Windows XP, w porównaniu do systemów Windows 9x, znacznie poprawia bezpieczeństwo oraz zwiększa moŝliwości konfiguracji uprawnień poszczególnych uŝytkowników. Natomiast
Bardziej szczegółowoPOB Odpowiedzi na pytania
POB Odpowiedzi na pytania 1.) Na czym polega próbkowanie a na czym kwantyzacja w procesie akwizycji obrazu, jakiemu rodzajowi rozdzielczości odpowiada próbkowanie a jakiemu kwantyzacja Próbkowanie inaczej
Bardziej szczegółowoZASADY REALIZACJI PROGRAMU PROFILAKTYKI RAKA PIERSI
Załącznik nr 4 do zarządzenia Nr 81/2013/DSOZ Prezesa Narodowego Funduszu Zdrowia z dnia 17 grudnia 2013r. ZASADY REALIZACJI PROGRAMU PROFILAKTYKI RAKA PIERSI I. CZĘŚĆ A. 1. Opis problemu zdrowotnego.
Bardziej szczegółowoSamodzielne badanie piersi - profilaktyka raka sutka
Samodzielne badanie piersi - profilaktyka raka sutka Bardzo waŝną rzeczą dla kaŝdej kobiety jest umiejętność samooceny swojego zdrowia. Obserwacja własnego organizmu i znajomość podstawowych zmian zachodzących
Bardziej szczegółowoPROFILAKTYKA SCHORZEŃ PIERSI
PROFILAKTYKA SCHORZEŃ PIERSI Lek. Dominika Jasińska-Stasiaczek www.domhome.pl http://www.echirurgia.pl/sutek/koliste_ruchy.htm CO TO JEST ZMIANA W PIERSI? Pierś zbudowana jest z tkanki gruczołowej, tłuszczowej
Bardziej szczegółowoRozpoznawanie Twarzy i Systemy Biometryczne
Filtry Plan wykładu Przegląd dostępnych filtrów Zastosowanie filtrów na różnych etapach pracy systemu Dalsze badania Kontrast i ostrość Kontrast różnica w kolorze i świetle między częściami ś i obrazu
Bardziej szczegółowoWspółczesna mammografia
Analogowa intuicja, cyfrowa rzeczywistość Współczesna mammografia Mammografia jest radiologiczną metodą badania gruczołu piersiowego. Jak w każdej innej metodzie rentgenowskiej, do uzyskania obrazu diagnostycznego
Bardziej szczegółowoSamochodowy system detekcji i rozpoznawania znaków drogowych. Sensory w budowie maszyn i pojazdów Maciej Śmigielski
Samochodowy system detekcji i rozpoznawania znaków drogowych Sensory w budowie maszyn i pojazdów Maciej Śmigielski Rozpoznawanie obrazów Rozpoznawaniem obrazów możemy nazwać proces przetwarzania i analizowania
Bardziej szczegółowostopie szaro ci piksela ( x, y)
I. Wstp. Jednym z podstawowych zada analizy obrazu jest segmentacja. Jest to podział obrazu na obszary spełniajce pewne kryterium jednorodnoci. Jedn z najprostszych metod segmentacji obrazu jest progowanie.
Bardziej szczegółowoHurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu
i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę
Bardziej szczegółowoRozpoznawanie obrazów na przykładzie rozpoznawania twarzy
Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić
Bardziej szczegółowoDefinicja pochodnej cząstkowej
1 z 8 gdzie punkt wewnętrzny Definicja pochodnej cząstkowej JeŜeli iloraz ma granicę dla to granicę tę nazywamy pochodną cząstkową funkcji względem w punkcie. Oznaczenia: Pochodną cząstkową funkcji względem
Bardziej szczegółowo11. Blok ten jest blokiem: a. decyzyjnym b. końcowym c. operacyjnym
1. Instrukcja warunkowa a. słuŝy do wprowadzania danych oraz wprowadzania wyników b. to instrukcja decyzyjna c. to sposób przedstawienia algorytmu 2. Instrukcja, która opisuje wykonanie róŝnych czynności
Bardziej szczegółowoInternetowy moduł prezentacji ofert pracy do wykorzystania na stronie WWW lub panelu elektronicznym. Wstęp
Internetowy moduł prezentacji ofert pracy do wykorzystania na stronie WWW lub panelu elektronicznym. Wstęp Prezentujemy Państwu propozycję modułu aplikacji internetowej słuŝącej do prezentacji ofert pracy
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa
STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem
Bardziej szczegółowoPodstawowe zasady projektowania w technice
Podstawowe zasady projektowania w technice Projektowanie w technice jest działalnością twórczą z określonym udziałem prac rutynowych i moŝe dotyczyć głównie nowych i modernizowanych: produktów (wyrobów
Bardziej szczegółowoOperacje przetwarzania obrazów monochromatycznych
Operacje przetwarzania obrazów monochromatycznych Obraz pobrany z kamery lub aparatu często wymaga dalszej obróbki. Jej celem jest poprawienie jego jakości lub uzyskaniem na jego podstawie określonych
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji
Bardziej szczegółowoOdrębności diagnostyki i leczenia raka piersi u młodych kobiet
Odrębności diagnostyki i leczenia raka piersi u młodych kobiet Barbara Radecka Opolskie Centrum Onkologii Amadeo Modigliani (1884-1920) 1 Młode chore Kto to taki??? Daniel Gerhartz (1965-) 2 3 Grupy wiekowe
Bardziej szczegółowoInstrukcja zmian w wersji Vincent Office
Instrukcja zmian w wersji 1.14 Vincent Office 1. Admin-zarządzanie podatnikami. a) przenoszenie planu kont między podatnikami. KaŜdy nowo załoŝony podatnik posiada wzorcowy plan kont opracowny przez naszą
Bardziej szczegółowoZintegrowany system wspomagania diagnostyki mammograficznej
Zintegrowany system wspomagania diagnostyki mammograficznej A. Przelaskowski 1, T.Podsiadły-Marczykowska 2, P.Boniński 1, A.Wróblewska 1 1 Instytut Radioelektroniki PW, Nowowiejska 15/19, Warszawa, 2 Instytut
Bardziej szczegółowoOcena realizacji testów 1kontroli. jakości (testów eksploatacyjnych) 1. Testy specjalistyczne. Użytkownik (nazwa i adres) Mammograf.
Protokół z kontroli jakości badań mammograficznych wykonywanej w ramach Populacyjnego programu wczesnego wykrywania raka piersi przeprowadzonej przez Wojewódzki Ośrodek Koordynujący w... Użytkownik (nazwa
Bardziej szczegółowoPrzetwarzanie obrazów wykład 4
Przetwarzanie obrazów wykład 4 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Filtry nieliniowe Filtry nieliniowe (kombinowane)
Bardziej szczegółowoEfektywna metoda sortowania sortowanie przez scalanie
Efektywna metoda sortowania sortowanie przez scalanie Rekurencja Dla rozwiązania danego problemu, algorytm wywołuje sam siebie przy rozwiązywaniu podobnych podproblemów. Metoda dziel i zwycięŝaj Dzielimy
Bardziej szczegółowoAlgorytmy Laplacian of Gaussian i Canny ego detekcji krawędzi w procesie analizy satelitarnych obrazów procesów atmosferycznych.
Algorytmy Laplacian of Gaussian i Canny ego detekcji krawędzi w procesie analizy satelitarnych obrazów procesów atmosferycznych. Słowa kluczowe: teledetekcja, filtracja obrazu, segmentacja obrazu, algorytmy
Bardziej szczegółowoLaboratorium Cyfrowego Przetwarzania Obrazów
Laboratorium Cyfrowego Przetwarzania Obrazów Ćwiczenie 5 Segmentacja Opracowali: - dr inż. Krzysztof Mikołajczyk - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład Inżynierii Biomedycznej,
Bardziej szczegółowoPodstawowe badania obrazowe. Marcin Szulc Klinika Chorób Wewnętrznych, Nadciśnienia Tętniczego i Angiologii
Podstawowe badania obrazowe Marcin Szulc Klinika Chorób Wewnętrznych, Nadciśnienia Tętniczego i Angiologii Prawidłowe myślenie lekarskie Zebranie podstawowych danych (badanie podmiotowe i przedmiotowe)
Bardziej szczegółowoNiepewność metody FMEA. Wprowadzenie 2005-12-28
5-1-8 Niepewność metody FMEA Wprowadzenie Doskonalenie produkcji metodą kolejnych kroków odbywa się na drodze analizowania przyczyn niedociągnięć, znajdowania miejsc powstawania wad, oceny ich skutków,
Bardziej szczegółowoProgram profilaktyki raka prostaty.
Program profilaktyki raka prostaty. I. Opis Programu: 1. Przesłanki dla realizacji Programu: Badania przesiewowe w celu wczesnego wykrycia raka stercza są równie waŝną metodą kontroli choroby, jak profilaktyka
Bardziej szczegółowoSpotkanie z fizjoterapeutką - Badanie piersi
1 / 5 Rozpoczęliśmy kolejny cykl spotkań. Tym razem artykuły dla Państwa przygotowywać będzie Paulina Frajtag, która jest fizjoterapeutą. Pracuje w Stowarzyszeniu Pniewskich Amazonek "Razem Raźniej". Doświadczenia
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie siódme Usuwanie tła i segmentacja Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z metodami usuwania tła z obrazu oraz algorytmami
Bardziej szczegółowoANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH
Małgorzata Szerszunowicz Uniwersytet Ekonomiczny w Katowicach ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH Wprowadzenie Statystyczna kontrola jakości ma na celu doskonalenie procesu produkcyjnego
Bardziej szczegółowoSegmentacja przez detekcje brzegów
Segmentacja przez detekcje brzegów Lokalne zmiany jasności obrazu niosą istotną informację o granicach obszarów (obiektów) występujących w obrazie. Metody detekcji dużych, lokalnych zmian jasności w obrazie
Bardziej szczegółowoRaport. Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010
Raport Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010 1. Wykrywanie krawędzi 1.0. Obraz oryginalny 1. 1.1. Sobel. Parametry: domyślne. 1.2. Prewitt. Parametry: domyślne. 1.3. Roberts. Parametry: domyślne.
Bardziej szczegółowoALGORYTM PRZETWARZANIA OBRAZU DETEKCJA I ANALIZA OBSZARÓW IMAGE PROCESSING ALGORITHM BLOB DETECTION AND ANALYSIS
ELEKTRYKA 203 Zeszyt 2-3 (226-227) Rok LIX Marek SZYMCZAK Politechnika Śląska w Gliwicach ALGORYTM PRZETWARZANIA OBRAZU DETEKCJA I ANALIZA OBSZARÓW Streszczenie. W artykule przedstawiono algorytm przetwarzania
Bardziej szczegółowoKrótki film o mammografii*. * z Centrum mammografii Central and East London
Transkrypcja filmu Tytuł otwierający Krótki film o mammografii*. * z Centrum mammografii Central and East London Mam na imię Zohra i pracuję od półtorej roku w Central and East London Breast Screening
Bardziej szczegółowoBadania. przesiewowe stosowane w celu wczesnego wykrycia raka sutka. zalecenia National Comprehensive Cancer Network (NCCN)
Badania przesiewowe stosowane w celu wczesnego wykrycia raka sutka zalecenia National Comprehensive Cancer Network (NCCN) Cel wykonywania badań przesiewowych Jak powinna postępować każda kobieta? U jakich
Bardziej szczegółowoLeczenie i przeżycia 5-letnie dolnośląskich kobiet chorych na nowotwory złośliwe piersi z lat 2004-2008
Leczenie i przeżycia 5-letnie dolnośląskich kobiet chorych na nowotwory złośliwe piersi z lat 2004-2008 W latach 2004-2008 w Dolnośląskim Rejestrze Nowotworów zarejestrowaliśmy 6.125 zachorowań na inwazyjne
Bardziej szczegółowoMichał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3)
Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna
Bardziej szczegółowoOprogramowanie dla biznesu Numer 11 (69) Listopad 2009 JAK SZYBKO I SKUTECZNIE ZAMKNĄĆ ROK?
Oprogramowanie dla biznesu Numer 11 (69) Listopad 2009 JAK SZYBKO I SKUTECZNIE ZAMKNĄĆ ROK? CZY TO MOśLIWE, ABY PRZEZ PROCES ZAMKNIĘCIA ROKU W DUśEJ FIRMIE LEASINGOWEJ PRZEJŚĆ SZYBKO I BEZBOLEŚNIE? MY
Bardziej szczegółowo