Documente Academic
Documente Profesional
Documente Cultură
Grupa:
1445A
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
Introducere
Imagistica medicala
Transpunerea in imagini a unor componente din corpul uman joaca un rol important in procesul de
ingrijire a sanatatii, insa cel mai mult conteaza faptul ca ele ne comunica informatii medicale detaliate.
Principalele topicuri in imagistica medicala sunt reprezentate de: achizitia imaginilor, reprezentarea
continutului unei imagini, procesarea imaginilor, si nu in ultimul rand, interpretarea imaginilor.
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
Cele enumerate mai sus sunt cheia pentru a extrage informatii particulare despre structura corpului si
pentru a evidentia caracteristici care ulterior vor fi utile pentru caracterizarea anomaliilor.
În general, există două strategii diferite în imagistica corpului: (1) delimitarea structurilor anatomice
(imagistica anatomica/structurala) și (2) determinarea compoziției sau funcției țesutului (imagistică
functionala).
Scopul imaginii anatomice este de a descrie cu exactitate structura corpului - dimensiunea și forma
organelor. Deoarece scopul în imagistica anatomică este de a descrie și înțelege structura entităților
anatomice cu precizie, rezoluția spațială ridicată este foarte importantă in reprezentarea imaginilor. Multe
tehnici imagistice nu numai că arată structura corpului, dar și funcția, care poate fi dedusă prin observarea
schimbărilor de structură în timp. De exemplu, ultrasunete și angiografia este utilizată pe scară largă
pentru a arăta funcționarea inimii prin reprezentarea mișcării peretelui cu ultrasunete Doppler.
Computer Tomograf
Tomografia computerizată (CT), de asemenea, utilizeaza raze X pentru a produce imagini în secțiune
transversală și volumetrică a corpului. Similar cu radiografia, razele X sunt proiectate prin detectoare;
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
fasciculul și
detectoarele se rotesc în jurul pacientului, făcând numeroase vederi la diferite unghiuri de rotație.
RMN
Baza formării imaginii în RMN se bazează pe relaxarea protonilor (denumită acțiune de relaxare T1 și
T2); diferențele în T1 și T2 sunt inerente proprietățile țesutului și acestea variază între țesuturi. Astfel,
RMN oferă informații funcționale detaliate despre țesuturi). În același timp, fluxul de unde de
radiofrecvență utilizate pentru a produce imaginile este ridicat, iar RMN are astfel o rezoluție spațială
ridicată.
Fig.1
Metoda propusa consta in 3 etape ilustrate in Fig.2. Ca prima etapa: preprocesarea, punctul in care se
obtine o imagine mai clara avertebrelor si convertirea fotografiei intr-o imagine proiectata de maxima
intensitate (MPI). Coloana vertebrala in imaginea proiectata MIP este idntificata si evidentiata manual.
Pasii urmatori: antrenarea algoritmului si validarea, reteaua neuronala „Mask R-CNN” antreneaza
algoritmul sa identifice si sa localizeze coloana vertebrala din imaginea MIP. In final, cu ajutorul „Mask
R-CNN” obtinem masti ale imaginilor, unde observam fiecare vertebra intr-o caseta de delimitare.
Preprocesarea. Toate imaginile sunt redimensionate la 1x1x1(mm); intensitatea din afara osului,
intensitatea corespunzatoare altor tesuturi este setata la 0. Canalul vertebral este cautat desenand cercuri
pe imagini (raza fiind informatie anatomica cunoscuta).
Mask R-CNN. Aceasta retea genereaza patch-uri si masti pentru orice obiect identificat in imagine
folosind Pyramid Network si ResNet. Astfel se genereaza caseta de delimitare pentru detectia vertebrei si
clasificatorul de masca binar care genereaza o masca pentru fiecare vertebra
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
BAZA DE DATE
- Cazul 1(imag 1)
-Cazul 2(imag 2)
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
-mask1(cazul 1)
-mask(cazul 2)
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
PRINCIPIUL METODEI
X, Y=pozitia pixelului
[28]= intensitatea nivelului de gri
( 0=negru
255=alb )
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
Fig. Vertebrele 1 si 6
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
CONTINUARE
In continuare, voi analiza histogramele obtinute cu o baza de date ce contine imagini RMN ale
coloanei, imagini despre care se cunoaste ce afectiune prezinta. Aceasta baza de date apartine
unui medic specialist.
Identificarea imaginilor se va realiza cu ajutorul unor clasificatori, precum KNN(K-nearest
neighbors algorithm).
CONCLUZII
In concluzie, acest proiect doreste obtinerea unui algoritm capabil sa identifice diferite afectiuni
la nivelul coloanei vertebrale.
Prin acest proiect, se doreste obtinerea unui diagnostic mai rapid si mai precis pentru persoanele
care sufera de diferite afectiuni ale coloanei. In acest mod, se usureaza munca medicilor, se
micsoareaza timpul de diagnoza si se ofera un diagnostic mai precis.
In viitor, aceasta metoda se poate extinde, astfel incat sa se poate realiza digitalizarea tuturor
diagnozelor obtinute in urma examinarilor imaginilor RMN.
UNIVERSITATEA POLITEHNICĂ DIN BUCUREȘTI
FACULTATEA DE INGINERIE MEDICALĂ
BIBLIOGRAFIE