ΜΕΘΟ ΟΙ ΕΞΑΓΩΓΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΥΦΗΣ ΓΙΑ ΑΝΙΧΝΕΥΣΗ ΑΣΤΕΡΟΕΙ ΩΝ ΜΑΖΩΝ ΣΤΗ ΜΑΣΤΟΓΡΑΦΙΚΗ ΕΙΚΟΝΑ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΜΕΘΟ ΟΙ ΕΞΑΓΩΓΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΥΦΗΣ ΓΙΑ ΑΝΙΧΝΕΥΣΗ ΑΣΤΕΡΟΕΙ ΩΝ ΜΑΖΩΝ ΣΤΗ ΜΑΣΤΟΓΡΑΦΙΚΗ ΕΙΚΟΝΑ"

Transcript

1 ΜΕΘΟ ΟΙ ΕΞΑΓΩΓΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΥΦΗΣ ΓΙΑ ΑΝΙΧΝΕΥΣΗ ΑΣΤΕΡΟΕΙ ΩΝ ΜΑΖΩΝ ΣΤΗ ΜΑΣΤΟΓΡΑΦΙΚΗ ΕΙΚΟΝΑ

2 ΠΕΡΙΕΧΟΜΕΝΑ Εισαγωγή Σηµασία της µαστογραφίας Ανατοµία του µαστού Αλλοιώσεις µαστού (Αποτιτανώσεις-Μάζες) Ανασκόπηση Σκοπός της εργασίας Υλικά και Μέθοδοι είγµα µαστογραφικών εικόνων Χαρακτηριστικά εικόνας Μέθοδοι εξαγωγής χαρακτηριστικών 1 η µέθοδος: Από στατιστική 1 ης τάξης χαρακτηριστικά υφής Χαρακτηριστικά κατεύθυνσης 2 η µέθοδος: Από στατιστική 2 ης τάξης χαρακτηριστικά υφής 1 η τεχνική: Αρχικές Εικόνες και Sobel φίλτρο 2 η τεχνική: 2- Wavelet µετασχηµατισµός Αξιολόγηση της διακριτικής ικανότητας των χαρακτηριστικών Συµπεράσµατα Μελλοντικά σχέδια Βιβλιογραφία Κρυστάλλη Μαρία 2

3 Σηµασία µαστογραφίας Ο καρκίνος του µαστού αποτελεί το συχνότερο νεόπλασµα στις γυναίκες και αντιπροσωπεύει το 25% όλων των νεοπλασµάτων στο γυναικείο φύλο. Η πρώιµη διάγνωση και θεραπεία, παίζουν τον πιο καθοριστικό ρόλο στην αύξηση των πιθανοτήτων επιβίωσης. Η µαστογραφία αποτελεί την πιο αποτελεσµατική διαγνωστική µέθοδο για την έγκαιρη ανίχνευση του καρκίνου του µαστού. Η ανάλυση µαστογραφικής εικόνας ενισχύεται: Ψηφιακή ανάλυση µαστογραφικής εικόνας Ψηφιακή µαστογραφία Άλλες απεικονιστικές µέθοδοι του µαστού είναι: Υπερηχογράφηµα Μαγνητική µαστογραφία Μαστογραφία εκποµπής ποζιτρονίου Κρυστάλλη Μαρία 3

4 Ανατοµία του µαστού Ο γυναικείος µαστός αποτελείται κυρίως από λιπώδη και συνδετικό ιστό. Παρατηρούνται αλλοιώσεις του µαστού που δεν χαρακτηρίζονται πάντα ως κακοήθειες. Βασικά ανατοµικά χαρακτηριστικά του µαστού Κρυστάλλη Μαρία 4

5 Αλλοιώσεις του µαστού: Αποτιτανώσεις Μάζες Αλλοιώσεις του µαστού Αποτιτανώσεις Μάζες Είναι µικρές εναποθέσεις ασβεστίου. Μάκρο-αποτιτανώσεις Μίκρο-αποτιτανώσεις Ποικίλουν ως προς το µέγεθος, το σχήµα και την πυκνότητα. Παρουσιάζουν σηµαντική σχέση ως προς την πυκνότητα µε τον περιβάλλοντα ιστό. Κρυστάλλη Μαρία 5

6 Αλλοιώσεις του µαστού: Μάζες Μάζες Ανάλογα µε το σχήµα Στρογγυλό /σφαιρικό Οβάλ /ελλειπτικό Λοβωτό (1obulated) Ανώµαλο όταν το σχήµα µιας µάζας δεν µπορεί να χαρακτηριστεί µε κανέναν από τους παραπάνω τρόπους. Ανάλογα µε το περίγραµµα Περιγεγραµµένη (circumscribed) τα όρια µεταξύ της αλλοίωσης και του περιβάλλοντος ιστού είναι σαφώς ορισµένα. Αµυδρή (obscured) τα όρια δεν διακρίνονται καθαρά και δεν µπορεί να γίνει σίγουρη διάγνωση. Απροσδιόριστη (ill-defined) τελείως αδιάκριτα όρια. Αστεροειδής (stellate/spiculated) γραµµές περιβάλλουν κυκλικά τη µάζα, µε κατεύθυνση ακτινική. Κρυστάλλη Μαρία 6

7 Αλλοιώσεις του µαστού: Μάζες ύο από τα βασικά είδη µαζών: περιγεγραµµένη µάζα αστεροειδής µάζα Περιγεγραµµένη µάζα (αριστερά), Αστεροειδής µάζα (δεξιά) ΣΗΜΕΙΩΣΗ: Οι µάζες που είναι περισσότερο ύποπτες για κακοήθεια είναι αυτές που ανήκουν στην κατηγορία των περιγεγραµµένων και των αστεροειδών µαζών Κρυστάλλη Μαρία 7

8 Ανίχνευση και χαρακτηρισµός µαζών Πρόβληµα: υσδιάκριτες αλλοιώσεις παρουσία µαστογραφικά πυκνού παρεγχύµατος. Π.χ. Οι µάζες, είναι συνήθως πολύ µικρές σε µέγεθος ή/και έχουν χαµηλή αντίθεση λόγω ίδιου συντελεστή απορρόφησης µε το παρέγχυµα. Αποτέλεσµα: ψευδώς αρνητικές διαγνώσεις ψευδώς θετικές διαγνώσεις Κρυστάλλη Μαρία 8

9 Ανασκόπηση Κρυστάλλη Μαρία 9

10 Ανασκόπηση Κρυστάλλη Μαρία 10

11 Σκοπός της εργασίας Ο στόχος αυτής της µελέτης είναι η διαφοροποίηση αστεροειδών µαζών, που είναι ενσωµατωµένες σε πυκνό παρέγχυµα, από τον φυσιολογικό πυκνό ιστό, µε χρήση ανάλυσης εικόνας. Εξαγωγή χαρακτηριστικών υφής από στατιστική 1 ης και 2 ης τάξης καθώς και χαρακτηριστικών κατεύθυνσης. Αξιολόγηση της διακριτικής ικανότητας των χαρακτηριστικών. Σύγκριση της διακριτικής ικανότητας των χαρακτηριστικών από αρχικές και υποεικόνες µετασχηµατισµού wavelet. Κρυστάλλη Μαρία 11

12 είγµα µαστογραφικών εικόνων Αποτελείται από µαστογραφικές εικόνες (DDSM, 100µm ανάλυση και 12bits βάθος εικονοστοιχείου) που περιέχουν πυκνό φυσιολογικό ιστό και αστεροειδείς µάζες διαφορετικών µεγεθών µε λίγες έως πολλές ακτινωτές προσεκβολές 52 ROIs µε φυσιολογικό ιστό Πυκνό παρέγχυµα Ετερογενώς πυκνό παρέγχυµα 64 ROIs µε µάζες (χαµηλής αντίθεσης, υψηλός δείκτη δυσκολίας ανίχνευσης: subtlety 1,2,3 κατά DDSM) Κρυστάλλη Μαρία 12

13 Παρατηρώντας το ROI της φυσιολογικής εικόνας (a) φαίνεται ότι είναι πυκνό ROI, χαµηλής αντίθεσης όπως και το ROI της παθολογικής εικόνας (b). Συνέπεια: Υψηλός δείκτης δυσκολίας ανίχνευσης και χαρακτηρισµού αστεροειδούς µάζας. B_3058_1.RIGHT_CC B_3076_1.LEFT_MLO Παράδειγµα µάζας χαµηλής ανιχνευσιµότητας Κρυστάλλη Μαρία 13

14 Χαρακτηριστικά εικόνας Χρησιµοποιούνται για να περιγράψουν και να διαχωρίσουν αντικείµενα εικόνας. Κατηγορίες χαρακτηριστικών: Χαρακτηριστικά χώρου (spatial features) Ροπές ιστογράµµατος Χαρακτηριστικά υφής (texture features) Γεωµετρικά χαρακτηριστικά (geometrical features) Χαρακτηριστικά από µετασχηµατισµό (transform features) Στην εργασία ασχοληθήκαµε µε: Χαρακτηριστικά υφής (texture features) Από στατιστική 1 ης τάξης Mean, Std,από αρχικές εικόνες και approximations υποεικόνες (wavelet) ALOE, Stdfold, (χαρακτηριστικά κατεύθυνσης) από εικόνες φάσης (Sobel, wavelet) Από στατιστική 2 ης τάξης (Haralick [27] και R.Walker [32] ) Κρυστάλλη Μαρία 14

15 Μέθοδοι εξαγωγής χαρακτηριστικών ΑΡΧΙΚΗ ΕΙΚΟΝΑ ΕΠΙΛΟΓΗ ROI 2 ης τάξης χαρακτηριστικά Haralick [27] και R.Walker [32] Mean, Std Μετασχηµατισµός Wavelet Approximation υποεικόνες Magnitude υποεικόνες Phase υποεικόνες S o b e l Phase ALOE, Stdfold Mean, Std 2 ης τάξης χαρακτηριστικά Haralick [27] και R.Walker [32] ALOE, Stdfold Κρυστάλλη Μαρία 15

16 Από στατιστική 1 ης τάξης χαρακτηριστικά υφής (Προκύπτουν από το ιστόγραµµα αρχικών ROIs και approximation subrois) Για κάθε εικονοστοιχείο (i,j) εξάγεται ένα σύνολο από χαρακτηριστικά που είναι σχεδιασµένα να διαφοροποιούν τις µάζες (κυρίως αστεροειδείς) από τον φυσιολογικό ιστό. N(i,j): η γειτονιά γύρω από το εικονοστοιχείο από την οποία εξάγονται τα χαρακτηριστικά. Τα χαρακτηριστικά που χρησιµοποιούµε σύµφωνα µε την µέθοδο αυτή είναι: Μέση τιµή της φωτεινότητας εικονοστοιχείων f (i, j) (Mean): Όπου Κ: ο αριθµός των εικονοστοιχείων. ( i= γραµµή, j= στήλη) και f(m,n): οι χαµηλής συχνότητας wavelet συντελεστές (approximation image) στη θέση (m,n) Τυπική απόκλιση της φωτεινότητας εικονοστοιχείων (Standard Deviation): Κρυστάλλη Μαρία 16

17 Standard Deviation of Gradient-Orientation Histogram ALOE (Προκύπτει από το ιστόγραµµα της εικόνας φάσης-κατευθυντικό ιστόγραµµα) Τυπική απόκλιση ιστογράµµατος των κατευθύνσεων βάθµωσης (Standard Deviation of Gradient-Orientation Histogram) (Analysis of Local Oriented Edges ALOE) [10] θ(i,j)=arctan(d y (i,j)/ d χ (i,j)): η κατεύθυνση της βάθµωσης στο σηµείο (i,j) µε τιµές(-π/2,π/2), όπου d y (i,j) και d χ (i,j): η κάθετη και οριζόντια συνιστώσα της βάθµωσης στο σηµείο (i,j) αντίστοιχα hist ij : το ιστόγραµµα των κατευθύνσεων θ στο Ν(i,j) χρησιµοποιώντας 256 τµήµατα (bins) hist i,j (n): ο αριθµός των εικονοστοιχείων στο Ν(i,j) µε θє(-π/2+nπ/256, -π/2+(n+1)π/256), όπου n=0,1,2, 255. και : Το µέσο ύψος του ιστογράµµατος Κρυστάλλη Μαρία 17

18 Φυσική σηµασία χαρακτηριστικού ALOE (a): Κατευθύνσεις ακµών για µια αστεροειδή περιοχή και για φυσιολογική περιοχή (b): Gradient orientation histogram (c): Αντιστοίχηση προσανατολισµών E, N, W, S µε γωνίες Αστεροειδής µάζα: ακανόνιστο κέντρο που περιβάλλεται από προσεκβολές οι οποίες εκτείνονται προς όλες τις κατευθύνσεις. Φυσιολογικές περιοχές: τείνουν να έχουν παρόµοιες κατευθύνσεις βάθµωσης. Κρυστάλλη Μαρία 18

19 Παράδειγµα εξαγωγής χαρακτηριστικού ALOE Tα ιστογράµµατα κατευθύνσεων βάθµωσης (c και d) προέκυψαν από τους συντελεστές φάσης του µετασχηµατισµού wavelet στην 3η κλίµακα. Στον οριζόντιο άξονα δεν παρουσιάζουµε πλέον τους προσανατολισµούς µε τα γράµµατα E, Ν, W και S και αλλά έχει γίνει αντιστοίχησή τους µε γωνίες και µάλιστα από π έως π, τα οποία σηµειώνονται σαν -3 έως 3. Κατευθυντικά ιστογράµµατα για περιοχή φυσιολογικού ιστού (a) και αστεροειδούς µάζας (b) Κρυστάλλη Μαρία 19

20 Standard Deviation of Folded gradient orientation Stdfold (Προκύπτει από την εικόνα φάσης) Τυπική απόκλιση των αναδιπλωµένων κατευθύνσεων βάθµωσης (Standard Deviation of folded gradient orientation) Αν ΚΡ και ΚΝ: ο αριθµός των θετικών και αρνητικών κατευθύνσεων βάθµωσης στο Ν(i,j) αντίστοιχα ο µέσος όρος των θετικών και αρνητικών κατευθύνσεων ορίζεται: Και η αναδιπλωµένη κατεύθυνση βάθµωσης ορίζεται: Φυσική σηµασία του χαρακτηριστικού Stdfold Η µετατροπή από θ σε β είναι απαραίτητη για τον υπολογισµό του χαρακτηριστικού σ β που µελετάµε ώστεγιααστεροειδείςµάζες να προκύπτουν παρόµοιες τιµές. Ακόµα και αν όλα τα β περιστραφούν κατά µια γωνία α, η τιµή του χαρακτηριστικού σ β θα παραµείνει η ίδια, παρόλο που οι αναδιπλώσεις θα είναι διαφορετικές. Κρυστάλλη Μαρία 20

21 Επιστηµονικό εργαλείο επεξεργασίας εικόνων Για την εξαγωγή των προαναφερθέντων χαρακτηριστικών έγινε χρήση ενός επιστηµονικού εργαλείου το οποίο υλοποιήθηκε σε γλώσσα προγραµµατισµού C, στο Εργαστήριο Ιατρικής Φυσικής. Το περιβάλλον του εργαλείου αυτού φαίνεται παρακάτω: Κρυστάλλη Μαρία 21

22 Από στατιστική 2 ης τάξης χαρακτηριστικά υφής (Προκύπτουν από τα αρχικά ROIs και magnitude subrois) Αυτή η µέθοδος είναι βασισµένη στην εξαγωγή χαρακτηριστικών υφής σύµφωνα µε τον Haralick [27] και R.Walker [32]. Χρησιµοποιούνται κάποιοι πίνακες-µήτρες γνωστοί ως Spatial Gray Level Co-occurrence Matrices (SGLCM), οι οποίοι χαρακτηρίζουν την χωρική κατανοµή των διαβαθµίσεων του γκρι των εικονοστοιχείων σε µια εικόνα. Ο υπολογισµός των χαρακτηριστικών πραγµατοποιείται στις διευθύνσεις θ=0 ο, 45 ο, 90 ο, 135 ο και για απόσταση d=1 pixel (4 SGLCMs) 14 χαρακτηριστικά από κάθε SGLCM. Mean και range για κάθε χαρακτηριστικό. Κρυστάλλη Μαρία 22

23 Από στατιστική 2 ης τάξης χαρακτηριστικά υφής Εξάγονται τα εξής χαρακτηριστικά υφής (MATLAB) Κρυστάλλη Μαρία 23

24 Από στατιστική 2 ης τάξης χαρακτηριστικά υφής Κρυστάλλη Μαρία 24

25 1 η τεχνική Κρυστάλλη Μαρία 25

26 2 η τεχνική Κρυστάλλη Μαρία 26

27 2- Wavelet µετασχηµατισµός «Ξεχωρίζει» τις διαφορετικών ευρών ζώνης χωρικές συχνότητες και τις αναλύει µε διαφορετικό τρόπο. Προσαρµόζεται στην ανίχνευση µαζών διαφορετικού µεγέθους. Ο όρος scale=κλίµακα s, είναι το αντίστροφο µέγεθος της συχνότητας. Υποεικόνες υψηλών scales αντιστοιχούν σε χαµηλές συχνότητες, ενώ Υποεικόνες χαµηλών scales δίνουν τις λεπτοµέρειες της εικόνας. Η επεξεργασία µιας εικόνας µέσω wavelet µπορεί να ερµηνευθεί ως µια διαδικασία φιλτραρίσµατος της εικόνας. Χρήση του µετασχηµατισµού wavelet µε τα φίλτρα Mallat [26] όπου η κλίµακα s ποικίλει µόνο κατά µήκος της δυαδικής ακολουθίας 2j, jєζ και η γκαουσσιανή συνάρτηση αντικαθίσταται από την παρόµοια οµαλή κυβική συνάρτηση (cubic spline) θ(x). Τα φίλτρα αυτά προσφέρουν ακριβή ανακατασκευή εικόνας γιατί δεν χρησιµοποιούν υποδειγµατοληψία στις εικόνες και γρήγορη ταχύτητα εκτέλεσης. Κρυστάλλη Μαρία 27

28 2- Wavelet µετασχηµατισµός Η 1 η υποεικόνα περιλαµβάνει κυρίως το background της εικόνας (approximations). Αντιστοιχεί στις χαµηλότερες συχνότητες. Οι υπόλοιπες υποεικόνες αντιστοιχούν σε υψηλότερες συχνότητες και περιλαµβάνουν τις λεπτοµέρειες της εικόνας (details). Τις κάθετες, οριζόντιες ακµές, και ως προς τις δύο κατευθύνσεις ακµές, την φάση. Κρυστάλλη Μαρία 28

29 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Ησυνάρτηση που χρησιµοποιούµε για τον σκοπό αυτό είναι η TTEST. Είναι µια δόκιµη µέθοδος για την αξιολόγηση της διακριτικής ικανότητας ανεξάρτητων χαρακτηριστικών. Μέσω της στατιστικής ανάλυσης όσα χαρακτηριστικά δίνουν τιµή πιθανότητας µικρότερη του 0,05 (p-value<0,05), θεωρείται ότι µπορούν να διαχωρίσουν µάζες από φυσιολογικό ιστό αποτελεσµατικά. Κρυστάλλη Μαρία 29

30 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Ο µέσος όρος των τιµών των χαρακτηριστικών: Η µέση τιµή του χαρακτηριστικού Aloe, Std, StdFold είναι µικρότερη για τις φυσιολογικές εικόνες από την αντίστοιχη των παθολογικών. Το αντίθετο παρατηρείται για το χαρακτηριστικό Mean (χρήση ROI γειτονίας και όχι περιοχών που αντιστοιχούν σε τµηµατοποίηση του ορίου της) Κρυστάλλη Μαρία 30

31 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Mean και Standard deviation of gray level histogram (Std): διαφοροποιούν µάζες από πυκνό φυσιολογικό παρέγχυµα Το χαρακτηριστικό Standard Deviation of folded gradient orientation (Stdfold) ειδικεύεται στον διαχωρισµό spiculated µαζών από φυσιολογικό ιστό, σε συµφωνία µε τους Kegelmeyer [10] και Liu [13]. Όσο µεγαλώνει η κλίµακα τόσο καλύτερα ανταποκρίνεται το χαρακτηριστικό αυτό, δηλαδή τόσο αποτελεσµατικότερη διακριτική ικανότητα έχει. Κρυστάλλη Μαρία 31

32 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Tο χαρακτηριστικό Standard Deviation of gradient-orientation histogram (Aloe) φαίνεται να µην είναι ικανό να διαχωρίσει µάζες από φυσιολογικό ιστό. Περιοχές οµοιογενώς πυκνού φυσιολογικού ιστού (a) και αστεροειδούς µάζας (b). Κατευθυντικά ιστογράµµατά τους αντίστοιχα (c και d). Περιοχές ετερογενώς πυκνού φυσιολογικού ιστού (e) και αστεροειδούς µάζας (f). Κατευθυντικά ιστογράµµατά τους αντίστοιχα (g και h). Κρυστάλλη Μαρία 32

33 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Όσο αυξάνεται η κλίµακα περισσότερα είναι τα χαρακτηριστικά που µπορούν να διαφοροποιήσουν µάζες από φυσιολογικό πυκνό ιστό. Γιατί όπως οι µάζες και ο φυσιολογικός ιστός έχουν χαµηλής συχνότητας περιεχόµενα µε αποτέλεσµα να γίνεται η διαφοροποίηση µε µεγάλη δυσκολία. Όσο αυξάνεται η κλίµακα οι διαφορές µεταξύ των µαζών και του φυσιολογικού ιστού αρχίζουν να αποκαλύπτονται. Κρυστάλλη Μαρία 33

34 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Χαρακτηριστικά όπως Correlation, Sum Variance, Information measure of correlation 2 στις αρχικές εικόνες αλλά και σε διάφορες κλίµακες, διαφοροποιούν µάζες από φυσιολογικό ιστό, ένα αποτέλεσµα που έρχεται σε συµφωνία µε µελέτες που έχουν γίνει στην multiresolution texture analysis of breast masses [11,12]. Κρυστάλλη Μαρία 34

35 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Όσο µεγαλώνει η κλίµακα των µετασχηµατισµένων εικόνων περισσότερα είναι εκείνα τα χαρακτηριστικά των οποίων το mean και range δείχνουν ότι είναι αποτελεσµατικά στην διάκριση µαζών από φυσιολογικό ιστό. Κρυστάλλη Μαρία 35

36 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Το χαρακτηριστικό Contrast στην τέταρτη κλίµακα και το mean και το range αυτού διακρίνουν το παθολογικό από το φυσιολογικό. Μεγάλες τιµές του Contrast δηλώνουν ανοµοιογένεια, δηλαδή ένδειξη παθολογικού περιστατικού, ενώ µικρές τιµές δηλώνουν οµοιογένεια. Άλλωστε τα περιστατικά που χρησιµοποιήθηκαν σε αυτήν την εργασία είναι χαµηλής αντίθεσης και µάλιστα µε δυσκολία ανίχνευσης subtle 1,2,3 Κρυστάλλη Μαρία 36

37 Αξιολόγηση της διακριτικής ικανότητας χαρακτηριστικών Υπάρχουν χαρακτηριστικά που µόνο στην τέταρτη κλίµακα έχουν καλή διακριτική ικανότητα, όπως για παράδειγµα το mean και range του Shade, το range του Sum Variance. Κρυστάλλη Μαρία 37

38 Συµπεράσµατα Ένα σύνολο χαρακτηριστικών µελετήθηκαν ως προς την ικανότητά τους να διαφοροποιούν αστεροειδείς µάζες από πυκνό φυσιολογικό ιστό, η οποία είναι υψηλών απαιτήσεων διαδικασία διαφοροποίησης. Από τα χαρακτηριστικά που µελετήθηκαν τα multiresolution χαρακτηριστικά έχουν αυξηµένη διακριτική ικανότητα. Κρυστάλλη Μαρία 38

39 Μελλοντικά σχέδια Αύξηση του δείγµατος και εµπλουτισµός του και µε άλλα είδη µαζών όπως είναι οι circumscribed µάζες. Θα µπορέσει να ελεγχθεί ποια χαρακτηριστικά έχουν καλύτερη διακριτική ικανότητα για οποιοδήποτε είδος µαζών. Χρήση άλλων µεθόδων για επιλογή των βέλτιστων χαρακτηριστικών (π.χ. PCA). Χρήση ταξινοµητή µε είσοδο τα χαρακτηριστικά µε την καλύτερη διακριτική ικανότητα. Θα είναι δυνατόν να γίνεται αυτόµατη εκτίµηση της πιθανότητας να πρόκειται πράγµατι για παθολογικό ή φυσιολογικό περιστατικό. Κρυστάλλη Μαρία 39

40 Βιβλιογραφία [1] Greenlee, R.T., Hill-Harmon M.B., Murray, T., and Thun, M. (2001), Cancer statistics, CA Cancer J. Clin., Vol. 51, pp [2] Heine, J., Malhotra, P. (2002), Mammographic tissue, breast cancer risk, serial image analysis and digital mammography, Acad. Radiol., Vol. 9, pp [3] Dahnert, W. (1996), Breast, Radiology Review Manual. Dahnert, W. (ed). Williams and Wilkins, Baltimore, pp [4] Costaridou, L., Skiadopoulos, S., Sakellaropoulos, P., Kalogeropoulou, C.P., Likaki, E. and Panayiotakis G. (2005), Evaluating the effect of a wavelet enhancement method in characterization of simulated lesions embedded in dense breast parenchyma, Eur. Radiol. (in press, DOI: /S ). [5] Karssemeijer, N. (2002), Detection of masses in mammograms, Image-Processing Techniques for Tumor Detection, Strickland, R.N (ed), Marcel Dekker Inc., New York, pp [6] Sahiner, B., Chan, H-P, Petrick, N., Helvie, M.A. and Goodsitt, M. (1998), Computerized characterization of masses on mammograms: The rubber band straightening transform and texture analysis, Med. Phys., Vol. 25, pp [7] Sahiner, B., Chan, H-P, Petrick, N., Helvie. M.A and Hadjiiski. L.M. (2001), Improvement of mammographic mass characterization using speculation measures and morphological features, Med. Phys., Vol. 28, pp [8] Pisano, E.D., Cole, E.B., Hemminger, B.M. et al. (2000), Image processing algorithms for digital mammography: A pictorial essay, RadioGraphics, Vol. 20, [9] Chan, H-P., Sahiner, B., Petrick, N., Hadjiiski, L. and Paquerault, S. (2005), Computer-aided diagnosis of breast cancer, Medical Image Analysis Methods, Costaridou, L. (ed), Taylor & Francis, LCC, CRC Press (in press). [10] Kegelmeyer, J., Pruneda, J.M., Bourland, P.D., Hillis, A., Riggs, M.W. and Nipper, M.L. (1994), Computer-aided mammographic screening for spiculated lesions, Radiology, Vol. 191, pp [11] Wei, D., Chan, H-P., Helvie, M.A., Sahiner, B., Petrick, N., Adler, D.D. and Goodsitt, M.M. (1995), Classification of mass and normal breast tissue on digital mammograms: Multiresolution texture analysis, Med. Phys., Vol. 22. pp [12] Wei, D., Chan, H-P., Petrick, N., Sahiner, B., Helvie, M.A., Adler, D.D. and Goodsitt, M.M. (1997), False-positive reduction technique for detection of masses on digital mammograms: Global and local multiresolution texture analysis, Med. Phys., Vol 24, pp [13] Liu, S., Babbs, C.F., and Delp, E.J. (2001), Multiresolution detection of spiculated lesions in digital mammograms, IEEE Trans. Image Proc, Vol. 10, pp [14] Petrick, N., Chan, H-P., Wei, D., Sahiner, B., Helvie, M.A. and Adler, D.D. (1996), Automated detection of breast masses on mammograms using adaptive contrast enhancement and texture classification, Med. Phys., Vol. 23, pp [15] Kobatake, H., Murakami, M, Takeo, H. and Nawano, S. (1999), Computerized detection of malignant tumors on digital mammograms, IEEE Trans. Med. Imaging, Vol. 18, pp [16] te Brake, G.M, Karrssemeijer, N. and Hendriks, J.H.C.L. (2000), An automatic method to discriminate malignant masses from normal tissue in digital mammograms, Med. Phys. Biol., Vol. 45, pp [17] Zwiggelaar, R., Parr, T.C., Schumm, J.E., Hutt, I.W., Taylor C.J., Astley, S.M. and Boggis, C.R.M. (1999), Model-based detection of spiculated lesions in mammograms, Medical Image Analysis, Vol. 3 pp [18] Christoyianni, I., Koutras, A, Dermatas, E and Kokkinakis, G. (2002), Computer aided diagnosis of breast cancers in digitized mammograms, Comp. Med. Imaging Graphics, Vol. 26, pp Κρυστάλλη Μαρία 40

41 Βιβλιογραφία [19] Costaridou, L. (2005), Softcopy display of mammograms, ECR 2005, Book of Abstracts, Eur. Radiol., Vol. 15 (Suppl. 1), pp [20] Costaridou, L., Skiadopoulos, S., Karahaliou, A., Sakellaropoulos, P. and Panayiotakis G. (2005), On the lesion specific enhancement hypothesis in mammography, Accepted for the 14th International Conference in Medical Physics, Nuremberg, Germany, September. [21] Laine, A., et al. (1994), Mammographic feature enhancement by multiscale analysis, IEEE Trans. Med. Imaging, Vol. 13, pp [22] Sakellaropoulos, P., Costaridou, L., and Panayiotakis, G. (2003), A wavelet-based spatially adaptive method for mammographic contrast enhancement, Phys. Med. Biol., Vol. 48, pp [23] Costaridou, L., Sakellaropoulos, P., Skiadopoulos, S. and Panayiotakis, G. (2005), Locally adaptive wavelet contrast enhancement, Medical Image Analysis Methods, Costaridou L. (ed), Taylor & Francis, LCC, CRC Press (in press). [24] Costaridou, L., Sakellaropoulos, P., Stefanoyiannis, A., Ungureanu, E. and Panayiotakis G. (2001), Quantifying image quality at breast periphery vs. mammary gland in mammography using wavelet analysis, Br. J. Radiol., Vol. 74, pp [25] Chang, C-M, and Laine, A. (1999), Coherence of multiscale features for enhancement of digital mammograms, IEEE Trans. Inform. Tech. Biom., Vol. 3, pp [26] Mallat, S. (1998), A Wavelet Tour of Signal Processing, Academic Press, London. [27] Haralick, R.M., Shanmugam, K., Dinstein, I. (1973), Textural features for image classification, IEEE Trans. Syst. Man. Cybern., SMC-3, pp [28] Heath, M., et al. (2000), The digital database for screening mammography, Proceedings of 5th International Workshop on Digital Mammography, Yaffe, M.J. (ed), Medical Physics Publishing, Madison, WI, [29] DDSM: Digital Database for Screening Mammography, Internet URL:http://marathon.csee.usf.edu/Mammography/Database.html. [30] Sakellaropoulos, P., Costaridou, L. and Panayiotakis, G. (1999), An image visualization tool in mammography, Med. Inform., Vol. 24, pp [31] Sakellaropoulos, P., Costaridou, L. and Panayiotakis, G. (2000), Using component technologies for web based wavelet enhanced mammographic image visualization, Med. Inform., Vol. 25, pp [32] R. Walker, P. Jackway, I.D. Longstaff, Proc. 3rd Conference on Digital Image Computing: Techniques and Application DICTA95, Brisbane, Australia, 6-8th December, pp [33] Ohanian, P. and Dubes, R., (1992), Performance evaluation for four classes of textural features, Pattern Recognition, Vol. 25, No. 8, pp [34] Mallat S, Zhong S.(1992), Characterisation of signals from multiscale edges, IEEE Trans. Pat. Anal. Machine Intell., 14: [35] Strickland RN, Hahn HH. (1997) Wavelet transform methods for object detection and recovery, IEEE Trans. Med. Imaging, 6: [36] A. Laine, J. Fan, S. Schuler, A framework for contrast enhancement by dyadic wavelet analysis, Computer and Information Science department, University of Florida. [37] B. Sahiner, Chan, D. Wei, N. Petrick, (1995), Image feature selection by a genetic algorithm: Application to classification of mass and normal breast tissue, Department of Radiology, pp [38] Lena I. Costaridou, Philipos N. Sakellaropoulos, Maria A. Kristalli, Spyros G. Skiadopoulos, Anna N. Karahaliou, Ioannis S. Boniatis and George S. Panayiotakis Μultiresolution feature analysis for differentiation of breast masses from normal tissue,department of Medical Physics, University of Patras, 1stInternational Conference on Experiments/Process/System Modelling/Simulation/Optimization, 1st IC-EpsMsO, Athens, 6-9 July, 2005 Κρυστάλλη Μαρία 41

42 2 η µέθοδος: 2 ης τάξης χαρακτηριστικά υφής Παράδειγµα υπολογισµού SGLCM πινάκων Έστω µια εικόνα 4x4 µε 4 τόνους του γκρι. N g xn g είναι ο αριθµός τόνων της εικόνας. Ενώ d είναι η απόσταση µεταξύ των pixels των οποίων οι τιµές συγκρίνονται. Έστω d=1. Υπολογίζονται οι πίνακες SGLCM για θ=0 o, 45 o, 90 o, 135 o. Κρυστάλλη Μαρία 42

43 2 η µέθοδος: 2 ης τάξης χαρακτηριστικά υφής Παράδειγµα υπολογισµού SGLCM πινάκων Κάθε µια από αυτές τις µήτρες κανονικοποιείται αφού διαιρείται µε R, όπου R είναι το άθροισµα των στοιχείων κάθε µιας από τις µήτρες που προκύπτουν. Από αυτές τις µήτρες προκύπτουν χαρακτηριστικά όπως: Energy, Correlation Entropy, Inertia (contrast), Sum average κτλ. Κρυστάλλη Μαρία 43

Χαρακτηρισµός Νεοπλασµάτων στη Μαστογραφία από το Σχήµα της Παρυφής µε χρήση Νευρωνικών ικτύων

Χαρακτηρισµός Νεοπλασµάτων στη Μαστογραφία από το Σχήµα της Παρυφής µε χρήση Νευρωνικών ικτύων Χαρακτηρισµός Νεοπλασµάτων στη Μαστογραφία από το Σχήµα της Παρυφής µε χρήση Νευρωνικών ικτύων Χ. Γεωργίου 1 (xgeorgio@hol.gr),. Κάβουρας 2 (cavouras@hol.gr), Ν. ηµητρόπουλος 3, Σ. Θεοδωρίδης 1 (stheodor@di.uoa.gr)

Διαβάστε περισσότερα

Υποβοήθηση Διάγνωσης Καρκίνου του Μαστού με Μέθοδο Ανάκτησης Εικόνας Βάσει Περιεχομένου

Υποβοήθηση Διάγνωσης Καρκίνου του Μαστού με Μέθοδο Ανάκτησης Εικόνας Βάσει Περιεχομένου ΔΡΑΣΗ ΕΘΝΙΚΗΣ ΕΜΒΕΛΕΙΑΣ«ΣΥΝΕΡΓΑΣΙΑ 2011» ΕΥΡΩΠΑΪΚΗ ΕΝΩΣΗ ΕΥΡΩΠΑΪΚΟ ΤΑΜΕΙΟ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ Υπουργείο Παιδείας και Θρησκευμάτων ΓΓΕΤ ΕΥΔΕ-ΕΤΑΚ Ε. Π. Ανταγωνιστικότητα και Επιχειρηματικότητα (ΕΠΑΝ

Διαβάστε περισσότερα

ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ

ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.) ΣΕΡΡΩΝ Τμήμα ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ

Διαβάστε περισσότερα

Ολοκληρωμένο σύστημα υποστήριξης γυναικολόγου κατά την υστεροσκοπική εξέταση

Ολοκληρωμένο σύστημα υποστήριξης γυναικολόγου κατά την υστεροσκοπική εξέταση Ολοκληρωμένο σύστημα υποστήριξης γυναικολόγου κατά την υστεροσκοπική εξέταση Ιωάννης Κωνσταντίνου, Μάριος Νεοφύτου, Βασίλης Τάνος, Κωνσταντίνος Παττίχης Περιεχόμενα Εισαγωγή Καρκίνος του ενδομητρίου Υστεροσκοπική

Διαβάστε περισσότερα

INNOVATIVE WEB-BASED DECISION SUPPORT SYSTEM FOR COMBINING MAMMOGRAPHIC, HISTOLOGICAL AND CYTOLOGICAL IMAGE DATA IN BREAST CANCER DIAGNOSIS

INNOVATIVE WEB-BASED DECISION SUPPORT SYSTEM FOR COMBINING MAMMOGRAPHIC, HISTOLOGICAL AND CYTOLOGICAL IMAGE DATA IN BREAST CANCER DIAGNOSIS INNOVATIVE WEB-BASED DECISION SUPPORT SYSTEM FOR COMBINING MAMMOGRAPHIC, HISTOLOGICAL AND CYTOLOGICAL IMAGE DATA IN BREAST CANCER DIAGNOSIS Spiros Kostopoulos 1, George Xenogiannopoulos 1, Dimitris Glotsos

Διαβάστε περισσότερα

Μέθοδος Ελαχίστων Διαδρομών για τον αυτόματο καθορισμό του ορίου μαζών στη μαστογραφική απεικόνιση

Μέθοδος Ελαχίστων Διαδρομών για τον αυτόματο καθορισμό του ορίου μαζών στη μαστογραφική απεικόνιση ΔΡΑΣΗ ΕΘΝΙΚΗΣ ΕΜΒΕΛΕΙΑΣ «ΣΥΝΕΡΓΑΣΙΑ 2011» ΕΥΡΩΠΑΪΚΗ ΕΝΩΣΗ ΕΥΡΩΠΑΪΚΟ ΤΑΜΕΙΟ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ Υπουργείο Παιδείας και Θρησκευμάτων ΓΓΕΤ ΕΥΔΕ-ΕΤΑΚ Ε. Π. Ανταγωνιστικότητα και Επιχειρηματικότητα (ΕΠΑΝ

Διαβάστε περισσότερα

Αυτόματο σύστημα Πρώιμης Διάγνωσης κατά την διάρκεια Υστεροσκοπικής Εξέτασης για Γυναικολογικό Καρκίνο. Δρ Μάριος Νεοφύτου

Αυτόματο σύστημα Πρώιμης Διάγνωσης κατά την διάρκεια Υστεροσκοπικής Εξέτασης για Γυναικολογικό Καρκίνο. Δρ Μάριος Νεοφύτου Αυτόματο σύστημα Πρώιμης Διάγνωσης κατά την διάρκεια Υστεροσκοπικής Εξέτασης για Γυναικολογικό Καρκίνο Δρ Μάριος Νεοφύτου Περιεχόμενα Σκοπός της έρευνας Γυναικολογικός Καρκίνος Ενδοσκόπηση / Υστεροσκόπηση

Διαβάστε περισσότερα

DIP_05 Τµηµατοποίηση εικόνας. ΤΕΙ Κρήτης

DIP_05 Τµηµατοποίηση εικόνας. ΤΕΙ Κρήτης DIP_05 Τµηµατοποίηση εικόνας ΤΕΙ Κρήτης ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Τµηµατοποίηση εικόνας είναι η διαδικασία µε την οποία διαχωρίζεται µία εικόνα σε κατάλληλες περιοχές ή αντικείµενα. Για την τµηµατοποίηση εικόνας

Διαβάστε περισσότερα

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Gemini,, Applications Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents 1 Table of contents 1 2 Table of contents 1 2 3 Table of contents

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΔΟΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΛΙΚΩΝ Εξαγωγή χαρακτηριστικών μαστογραφικών μαζών και σύγκριση

Διαβάστε περισσότερα

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης DIP_05 Τμηματοποίηση εικόνας ΤΕΙ Κρήτης ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Τμηματοποίηση εικόνας είναι η διαδικασία με την οποία διαχωρίζεται μία εικόνα σε κατάλληλες περιοχές ή αντικείμενα. Για την τμηματοποίηση

Διαβάστε περισσότερα

ΚΑΤΑΤΜΗΣΗ ΥΦΗΣ ΜΕ ΧΡΗΣΗ ΤΕΛΕΣΤΗ ΤΟΠΙΚΟΥ ΥΑ ΙΚΟΥ ΠΡΟΤΥΠΟΥ ΚΑΙ ΕΦΑΡΜΟΓΗ ΜΟΝΤΕΛΟΥ ΕΝΕΡΓΟΥ ΠΕΡΙΓΡΑΜΜΑΤΟΣ ΧΩΡΙΣ ΑΚΜΕΣ *

ΚΑΤΑΤΜΗΣΗ ΥΦΗΣ ΜΕ ΧΡΗΣΗ ΤΕΛΕΣΤΗ ΤΟΠΙΚΟΥ ΥΑ ΙΚΟΥ ΠΡΟΤΥΠΟΥ ΚΑΙ ΕΦΑΡΜΟΓΗ ΜΟΝΤΕΛΟΥ ΕΝΕΡΓΟΥ ΠΕΡΙΓΡΑΜΜΑΤΟΣ ΧΩΡΙΣ ΑΚΜΕΣ * ΚΑΤΑΤΜΗΣΗ ΥΦΗΣ ΜΕ ΧΡΗΣΗ ΤΕΛΕΣΤΗ ΤΟΠΙΚΟΥ ΥΑ ΙΚΟΥ ΠΡΟΤΥΠΟΥ ΚΑΙ ΕΦΑΡΜΟΓΗ ΜΟΝΤΕΛΟΥ ΕΝΕΡΓΟΥ ΠΕΡΙΓΡΑΜΜΑΤΟΣ ΧΩΡΙΣ ΑΚΜΕΣ * Μιχάλης Α. Σαβελώνας 1, ηµήτρης Ε. Μαρούλης 1, ηµήτρης Κ. Ιακωβίδης 1, Σταύρος Α. Καρκάνης

Διαβάστε περισσότερα

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ "ΜΕΛΕΤΗ ΕΠΙΔΡΑΣΗΣ ΜΕΘΟΔΩΝ ΕΝΙΣΧΥΣΗΣ ΕΙΚΟΝΑΣ ΣΤΟ ΧΑΡΑΚΤΗΡΙΣΜΟ ΑΛΛΟΙΩΣΕΩΝ ΣΤΗ ΜΑΣΤΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ" ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ του

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΜΕΛΕΤΗ ΕΠΙΔΡΑΣΗΣ ΜΕΘΟΔΩΝ ΕΝΙΣΧΥΣΗΣ ΕΙΚΟΝΑΣ ΣΤΟ ΧΑΡΑΚΤΗΡΙΣΜΟ ΑΛΛΟΙΩΣΕΩΝ ΣΤΗ ΜΑΣΤΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ του ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ "ΜΕΛΕΤΗ ΕΠΙΔΡΑΣΗΣ ΜΕΘΟΔΩΝ ΕΝΙΣΧΥΣΗΣ ΕΙΚΟΝΑΣ ΣΤΟ ΧΑΡΑΚΤΗΡΙΣΜΟ ΑΛΛΟΙΩΣΕΩΝ ΣΤΗ ΜΑΣΤΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ" ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ του ΤΣΑΚΩΝΑ ΙΩΑΝΝΗ του ΝΙΚΟΛΑΟΥ Στα πλαίσια του Προγράμματος

Διαβάστε περισσότερα

Βούρτση Α, Λαζάρου Σπ, Αθανασίου Α, Ρουσάκης Α, Κουφόπουλος Κ, Καντζάβελος Κ, Πανουργιά Ε, Χρυσογονίδης Ι. www,hbis.gr

Βούρτση Α, Λαζάρου Σπ, Αθανασίου Α, Ρουσάκης Α, Κουφόπουλος Κ, Καντζάβελος Κ, Πανουργιά Ε, Χρυσογονίδης Ι. www,hbis.gr Βούρτση Α, Λαζάρου Σπ, Αθανασίου Α, Ρουσάκης Α, Κουφόπουλος Κ, Καντζάβελος Κ, Πανουργιά Ε, Χρυσογονίδης Ι. www,hbis.gr Γυναίκα ηλικίας 74 ετών προσήλθε για μαστογραφία. Ατομικό ιστορικό αρνητικό. Κλινική

Διαβάστε περισσότερα

Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα

Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα Βασικές Έννοιες Διεργασίες στο πεδίο του χώρου f(x, y) : εικόνα εισόδου g(x, y) : εικόνα εισόδου g x, y = T f(x, y) T : τελεστής που εφαρµόζεται

Διαβάστε περισσότερα

Ειδικές Επιστηµονικές Εργασίες

Ειδικές Επιστηµονικές Εργασίες Ειδικές Επιστηµονικές Εργασίες 2005-2006 1. Ανίχνευση προσώπων από ακολουθίες video και παρακολούθηση (face detection & tracking) Η ανίχνευση προσώπου (face detection) αποτελεί το 1 ο βήµα σε ένα αυτόµατο

Διαβάστε περισσότερα

DIP_04 Σημειακή επεξεργασία. ΤΕΙ Κρήτης

DIP_04 Σημειακή επεξεργασία. ΤΕΙ Κρήτης DIP_04 Σημειακή επεξεργασία ΤΕΙ Κρήτης ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Σκοπός μιας τέτοιας τεχνικής μπορεί να είναι: η βελτιστοποίηση της οπτικής εμφάνισης μιας εικόνας όπως την αντιλαμβάνεται ο άνθρωπος, η τροποποίηση

Διαβάστε περισσότερα

ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ

ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ Νικόλαος Κυριακούλης *, Ευάγγελος Καρακάσης, Αντώνιος Γαστεράτος, Δημήτριος Κουλουριώτης, Σπυρίδων Γ. Μουρούτσος Δημοκρίτειο

Διαβάστε περισσότερα

George Washington University (Department of Electrical Engineering, Division of Medical

George Washington University (Department of Electrical Engineering, Division of Medical Κωσταρίδου Ελένη Αναπληρώτρια Καθηγήτρια Ιατρικής Φυσικής Τµήµα Ιατρικής, Σχολή Επιστηµών Υγείας, Πανεπιστήµιο Πατρών Βιογραφικό Σηµείωµα Σπουδές και Σταδιοδροµία Γεννήθηκε στο Αίγιο Αχαΐας και είναι µητέρα

Διαβάστε περισσότερα

Ποιότητα Ακτινοδιαγνωστικής Εικόνας

Ποιότητα Ακτινοδιαγνωστικής Εικόνας Ποιότητα Ακτινοδιαγνωστικής Εικόνας Γ. Παναγιωτάκης Ε. Κωσταρίδου Εργαστήριο Ιατρικής Φυσικής Τµήµα Ιατρικής, Πανεπιστήµιο Πατρών Περιεχόµενα µαθήµατος Φυσικό υπόβαθρο της ιατρικής απεικόνισης µε ακτίνες

Διαβάστε περισσότερα

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013

Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013 ΨΗΦΙΑΚΗ ΑΝΑΛΥΣΗ ΕΙΚΟΝΑΣ Η ψηφιακή ανάλυση ασχολείται κυρίως με τέσσερις βασικές λειτουργίες: διόρθωση, βελτίωση, ταξινόμηση, και Κ. Ποϊραζίδης μετασχηματισμό. Η βελτίωση ασχολείται με την τροποποίηση των

Διαβάστε περισσότερα

ΟΓΚΟΥ. ΨΕΥΔΟΑΓΓΕΙΩΜΑΤΩΔΗΣ ΣΤΡΩΜΑΤΙΚΗ ΥΠΕΡΠΛΑΣΙΑ ΤΟΥ ΜΑΣΤΟΥ ΜΕ ΚΛΙΝΙΚΗ ΕΙΚΟΝΑ ΕΥΜΕΓΕΘΟΥΣ ΟΓΚΟΥ. Σαλεμής Στ. Νικόλαος. Σαλεμής Στ.

ΟΓΚΟΥ. ΨΕΥΔΟΑΓΓΕΙΩΜΑΤΩΔΗΣ ΣΤΡΩΜΑΤΙΚΗ ΥΠΕΡΠΛΑΣΙΑ ΤΟΥ ΜΑΣΤΟΥ ΜΕ ΚΛΙΝΙΚΗ ΕΙΚΟΝΑ ΕΥΜΕΓΕΘΟΥΣ ΟΓΚΟΥ. Σαλεμής Στ. Νικόλαος. Σαλεμής Στ. Μονάδα Μαστού, 401 ΓΣΝΑ, Αθήνα Σκοπός αυτής της εργασίας είναι η παρουσίαση ασυνήθους περίπτωσης ψευδοαγγειωματώδους στρωματικής υπερπλασίας σε έφηβη ασθενή με ευμεγέθη όγκο μαστού με γρήγορη αύξηση του

Διαβάστε περισσότερα

Α. ΜΑΖΕΣ ACR BI - RADS ATLAS - ΜΑΣΤΟΓΡΑΦΙΑ

Α. ΜΑΖΕΣ ACR BI - RADS ATLAS - ΜΑΣΤΟΓΡΑΦΙΑ ACR BI - RADS ATLAS - Μια μάζα είναι τρισδιάστατη και καταλαμβάνει χώρο. Είναι ορατή σε δύο διαφορετικές μαστογραφικές προβολές. Έχει εξολοκλήρου ή μερικώς κυρτά όρια και (αν είναι ακτινοσκιερή) παρουσιάζει

Διαβάστε περισσότερα

Ταχεία Μαγνητική Μαστογραφία

Ταχεία Μαγνητική Μαστογραφία Ταχεία Μαγνητική Μαστογραφία Ultra-Fast Breast MRI (3 min MRI) Εάν σε 1000 γυναίκες με φυσιολογική Μαστογραφία και φυσιολογικό Υπερηχογράφημα μαστών προσθέσουμε την Ταχεία Μαγνητική Μαστογραφία θα ανακαλύψουμε

Διαβάστε περισσότερα

9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis)

9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis) 1 9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis) Προαπαιτούμενα: MULTISPEC και η πολυφασματική εικόνα του φακέλου \Multispec_tutorial_Files\Images and Files \ salamina_multispectral.tiff Σκοπός:

Διαβάστε περισσότερα

Projects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας

Projects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας Projects Στα Ειδικά Θέµατα Επεξεργασίας Σήµατος και Εικόνας Τα projects θα γίνουν απο δύο άτοµα Για τα projects 1-4 υπεύθυνος είναι ο κ. Αναστασόπουλος Για τα 5-11 ο κ. Φωτόπουλος Για τα 12-15 οι κ. Φωτόπουλος

Διαβάστε περισσότερα

ΤΟΜΟΣΥΝΘΕΣΗ ΚΑΙ ΜΑΣΤΟΓΡΑΦΙΑ ΔΙΠΛΗΣ ΕΝΕΡΓΕΙΑΣ ΜΕ ΧΡΗΣΗ ΣΚΙΑΓΡΑΦΙΚΟΥ. ΠΟΙΑ ΕΙΝΑΙ Η ΕΠΙΒΑΡΥΝΣΗ ΣΤΗ ΔΟΣΗ;

ΤΟΜΟΣΥΝΘΕΣΗ ΚΑΙ ΜΑΣΤΟΓΡΑΦΙΑ ΔΙΠΛΗΣ ΕΝΕΡΓΕΙΑΣ ΜΕ ΧΡΗΣΗ ΣΚΙΑΓΡΑΦΙΚΟΥ. ΠΟΙΑ ΕΙΝΑΙ Η ΕΠΙΒΑΡΥΝΣΗ ΣΤΗ ΔΟΣΗ; ΤΟΜΟΣΥΝΘΕΣΗ ΚΑΙ ΜΑΣΤΟΓΡΑΦΙΑ ΔΙΠΛΗΣ ΕΝΕΡΓΕΙΑΣ ΜΕ ΧΡΗΣΗ ΣΚΙΑΓΡΑΦΙΚΟΥ. ΠΟΙΑ ΕΙΝΑΙ Η ΕΠΙΒΑΡΥΝΣΗ ΣΤΗ ΔΟΣΗ; ΕΛΣΑ ΤΖΑΜΙΧΑ Ακτινοφυσικός MSc Υποψήφια Διδάκτωρ Ιατρικής Σχολής Πανεπιστημίου Αθηνών Νοέμβριος 2016

Διαβάστε περισσότερα

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Ιωάννης Φαρασλής Τηλ : 24210-74466,

Διαβάστε περισσότερα

Μέθοδοι Αναπαράστασης Περιοχών

Μέθοδοι Αναπαράστασης Περιοχών KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μέθοδοι Αναπαράστασης Περιοχών ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 3 : Αποκατάσταση εικόνας (Image Restoration) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας

Διαβάστε περισσότερα

ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ

ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΕΠ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Ευθυγράμμιση ιατρικών δεδομένων:

Διαβάστε περισσότερα

ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης

ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης Διακριτική ικανότητα δεδοµένων τηλεπισκόπησης Χωρική (Spatial resolution) πόσα µέτρα? Χρονική (Temporal resolution) πόσος χρόνος?

Διαβάστε περισσότερα

Κωσταρίδου Ελένη Αναπληρώτρια Καθηγήτρια Ιατρικής Φυσικής Τμήμα Ιατρικής, Σχολή Επιστημών Υγείας, Πανεπιστήμιο Πατρών

Κωσταρίδου Ελένη Αναπληρώτρια Καθηγήτρια Ιατρικής Φυσικής Τμήμα Ιατρικής, Σχολή Επιστημών Υγείας, Πανεπιστήμιο Πατρών Κωσταρίδου Ελένη Αναπληρώτρια Καθηγήτρια Ιατρικής Φυσικής Τμήμα Ιατρικής, Σχολή Επιστημών Υγείας, Πανεπιστήμιο Πατρών Σύντομο Βιογραφικό Σημείωμα Σπουδές και Σταδιοδρομία Γεννήθηκε στο Αίγιο Αχαΐας και

Διαβάστε περισσότερα

Τηλεπισκόπηση. Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ

Τηλεπισκόπηση. Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ Βελτίωση Εικόνας 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ (Spatial feature manipulation)

Διαβάστε περισσότερα

ΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΤΟΠΟΓΡΑΦΙΑΣ ΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΒΥΡΩΝΑΣ ΝΑΚΟΣ ΑΘΗΝΑ 2006 ΠΕΡΙΕΧΟΜΕΝΑ Περιεχόμενα 1. Εισαγωγή 1 2. Μέθοδοι σταθερών

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Στατιστική ανάλυση του γεωχηµικού δείγµατος µας δίνει πληροφορίες για τον γεωχηµικό πληθυσµό που µελετάµε. Συνυπολογισµός σφαλµάτων Πειραµατικά

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 2 : Βελτιστοποίηση εικόνας (Image enhancement) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το

Διαβάστε περισσότερα

ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ. Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα

ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ. Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα πολυδιάστατου ψηφιακού σήµατος (Εικόνες Εικονοσειρές)» Πακέτο Εργασίας 4: Προστασία

Διαβάστε περισσότερα

ΒΙΟΣΤΑΤΙΣΤΙΚΗ. ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας

ΒΙΟΣΤΑΤΙΣΤΙΚΗ. ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας Επικοινωνία: Πτέρυγα 4, Τοµέας Κοινωνικής Ιατρικής Εργαστήριο Βιοστατιστικής Τηλ. 4613 e-mail: biostats@med.uoc.gr thalegak@med.uoc.gr

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Αποκατάσταση εικόνας Αφαίρεση Θορύβου Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Αποκατάσταση

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά

ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Αντικείμενο: Εξαγωγή ιστογράμματος εικόνας, απλοί μετασχηματισμοί με αυτό, ισοστάθμιση ιστογράμματος. Εφαρμογή βασικών παραθύρων με την βοήθεια του ΜΑΤLAB

Διαβάστε περισσότερα

Αξιολόγηση µεθόδων σύνθεσης εικόνων. Β. Τσαγκάρης και Β. Αναστασόπουλος

Αξιολόγηση µεθόδων σύνθεσης εικόνων. Β. Τσαγκάρης και Β. Αναστασόπουλος Αξιολόγηση µεθόδων σύνθεσης εικόνων Β. Τσαγκάρης και Β. Αναστασόπουλος Περιεχόµενα Σύνθεση πληροφορίας - εικόνων Εφαρµογές Τύποι εικόνων Μέθοδοι σύνθεσης εικόνων Αξιολόγηση µεθόδων σύνθεσης εικόνων Θεωρία

Διαβάστε περισσότερα

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Επεξεργασία Εικόνας Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή

Διαβάστε περισσότερα

Τι είναι το JPEG2000?

Τι είναι το JPEG2000? JPEG 2000 Τι είναι το JPEG2000? Νέο εξελιγµένο σχήµα συµπίεσης για ακίνητη εικόνα Αναπτύχθηκε από: ISO (International Standardization Organization) και IEC (International Electrotechnical Committee) Καθιερώθηκε

Διαβάστε περισσότερα

Κέντρο Μαστού & Κλινική Μαστού. Μέχρι χθες παράλειψη... από σήμερα πρόληψη!

Κέντρο Μαστού & Κλινική Μαστού. Μέχρι χθες παράλειψη... από σήμερα πρόληψη! Κέντρο Μαστού & Κλινική Μαστού Μέχρι χθες παράλειψη... από σήμερα πρόληψη! Η ΡΕΑ Μαιευτική Γυναικολογική Κλινική δημιούργησε το Πρότυπο Κέντρο Μαστού και την Κλινική Μαστού, εξασφαλίζοντας τη μέγιστη υποστήριξη

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Intensity Transformations Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Image Enhancement: είναι

Διαβάστε περισσότερα

Επεξεργασία ιατρικών εικόνων θυρεοειδούς και εντοπισµός όζων

Επεξεργασία ιατρικών εικόνων θυρεοειδούς και εντοπισµός όζων Επεξεργασία ιατρικών εικόνων θυρεοειδούς και εντοπισµός όζων Μιχάλης Σαβελώνας, ηµήτρης Μαρούλης, ηµήτρης Ιακωβίδης Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών, Τµήµα Πληροφορικής και Τηλεπικοινωνιών

Διαβάστε περισσότερα

ΚΕΣ 03: Αναγνώριση Προτύπων και Ανάλυση Εικόνας. KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας. Κατάτµηση Εικόνων:

ΚΕΣ 03: Αναγνώριση Προτύπων και Ανάλυση Εικόνας. KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας. Κατάτµηση Εικόνων: KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών Τµήµα Επιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Περιεχόµενα Βιβλιογραφία Περιεχόµενα Ενότητας

Διαβάστε περισσότερα

27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό

27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό ΗΜΥ 429 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 1 (i) Βασική στατιστική 2 Στατιστική Vs Πιθανότητες Στατιστική: επιτρέπει μέτρηση και αναγνώριση θορύβου και

Διαβάστε περισσότερα

Κεφάλαιο 6 Ιστογράμματα δορυφορικών εικόνων

Κεφάλαιο 6 Ιστογράμματα δορυφορικών εικόνων Κεφάλαιο 6 Ιστογράμματα δορυφορικών εικόνων Κωνσταντίνος Γ. Περάκης Σύνοψη Μία γενική επισκόπηση με εστίαση στη χρήση των ιστογραμμάτων στην Τηλεπισκόπηση και περιγραφές ειδικών εικόνων με τα χαρακτηριστικά

Διαβάστε περισσότερα

Εργαστήριο Ιατρικής Φυσικής, Τμήμα Ιατρικής, Πανεπιστήμιο Θεσσαλίας, 2. Εργαστήριο Ακτινολογίας, Τμήμα Ιατρικής, Πανεπιστήμιο Θεσσαλίας, 3

Εργαστήριο Ιατρικής Φυσικής, Τμήμα Ιατρικής, Πανεπιστήμιο Θεσσαλίας, 2. Εργαστήριο Ακτινολογίας, Τμήμα Ιατρικής, Πανεπιστήμιο Θεσσαλίας, 3 ΑΝΆΛΥΣΗ ΤΗΣ ΑΡΧΙΤΕΚΤΟΝΙΚHΣ ΚΑΙ ΣΥΓΚΡΙΤΙΚΗ ΑΞΙΟΛΟΓΗΣΗ ΕΞΕΡΓΑΣΙΩΝ ΤΟΥ ΜΑΣΤΟΥ ΜΕ ΧΡΗΣΗ ΤΗΣ ΑΠΕΙΚΟΝΙΣΗΣ ΤΟΥ ΤΑΝΥΣΤΗ ΔΙΑΧΥΣΗΣ (DTI) ΣΕ ΥΨΗΛΟ Τσούγκος Ιωάννης 1, Μπακώσης Μιχαήλ 1, Βλυχού Μαριάννα 2, Πουλτσίδη

Διαβάστε περισσότερα

ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ

ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΑΝΑΠΛΗΡΩΤΡΙΑ ΚΑΘΗΓΗΤΡΙΑ ΤΟΥ ΤΜΗΜΑΤΟΣ ΛΟΓΙΣΤΙΚΗΣ ΤΟΥ ΤΕΙ ΚΑΒΑΛΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΙΑΝΟΥΑΡΙΟΣ 2008 ΒΙΟΓΡΑΦΙΚΟ

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 1 ΑΠΕΙΚΟΝΙΣΤΙΚΗ ΜΙΚΡΟΣΚΟΠΙΑ

ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 1 ΑΠΕΙΚΟΝΙΣΤΙΚΗ ΜΙΚΡΟΣΚΟΠΙΑ ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 1 ΑΠΕΙΚΟΝΙΣΤΙΚΗ ΜΙΚΡΟΣΚΟΠΙΑ 1. Το Μικροσκόπιο Το μικροσκόπιο είναι όργανο, σχεδιασμένο να δημιουργεί μεγεθυμένες εικόνες μικρών αντικειμένων, να διαχωρίζει λεπτομέρειες της εικόνας

Διαβάστε περισσότερα

Συμπίεση Πολυμεσικών Δεδομένων

Συμπίεση Πολυμεσικών Δεδομένων Συμπίεση Πολυμεσικών Δεδομένων Εισαγωγή στο πρόβλημα και επιλεγμένες εφαρμογές Παράδειγμα 2: Συμπίεση Εικόνας ΔΠΜΣ ΜΥΑ, Ιούνιος 2011 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ. Βιογραφικό Σημείωμα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ. Βιογραφικό Σημείωμα ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ Βιογραφικό Σημείωμα ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ Εθνικότητα: Ελληνική Ημερομηνία Γέννησης:

Διαβάστε περισσότερα

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητικές,Δραστηριότητες,και, Ενδιαφέροντα,, Τμήμα,Μηχανικών,Η/Υ,&,Πληροφορικής, Τομέας,Λογικού,των,Υπολογιστών, Εργαστήριο,Γραφικών,,Πολυμέσων,και,Γεωγραφικών,

Διαβάστε περισσότερα

Πίσω στα βασικά: Βασικές αρχές στατιστικής για κοινωνιολογικές έρευνες

Πίσω στα βασικά: Βασικές αρχές στατιστικής για κοινωνιολογικές έρευνες Σχετικές πληροφορίες: http://dlib.ionio.gr/~spver/seminars/statistics/ Πίσω στα βασικά: Βασικές αρχές στατιστικής για κοινωνιολογικές έρευνες Σπύρος Βερονίκης Τμήμα Αρχειονομίας - Βιβλιοθηκονομίας Θεματικές

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στην κατάτμηση εικόνας Τεχνικές

Διαβάστε περισσότερα

Κεφάλαιο 8 Φίλτρα. 8.1 Γενικά. Κωνσταντίνος Γ. Περάκης

Κεφάλαιο 8 Φίλτρα. 8.1 Γενικά. Κωνσταντίνος Γ. Περάκης Κεφάλαιο 8 Φίλτρα Κωνσταντίνος Γ. Περάκης Σύνοψη Στην αρχή του κεφαλαίου εκτίθενται αναλυτικά η δομή των φίλτρων, ο τρόπος προσπέλασης της ψηφιακής εικόνας από τα φίλτρα, και η μαθηματική πράξη της συνέλιξης

Διαβάστε περισσότερα

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab ΑΣΚΗΣΗ 8 Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab 1. Περιγραφή του προτύπου DICOM Η ψηφιακή επεξεργασία ιατρικής εικόνας ξεκίνησε παράλληλα με την ανάπτυξη ενός προτύπου για τη μεταφορά

Διαβάστε περισσότερα

DIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης

DIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης DIP_01 Εισαγωγή στην ψηφιακή εικόνα ΤΕΙ Κρήτης Πληροφορίες Μαθήματος ιαλέξεις Πέμπτη 12:15 15:00 Αιθουσα Γ7 ιδάσκων:. Κοσμόπουλος Γραφείο: Κ23-0-15 (ισόγειο( κλειστού γυμναστηρίου) Ωρες γραφείου Τε 16:00

Διαβάστε περισσότερα

6-Aνίχνευση. Ακμών - Περιγράμματος

6-Aνίχνευση. Ακμών - Περιγράμματος 6-Aνίχνευση Ακμών - Περιγράμματος Ανίχνευση ακμών Μετατροπή 2 εικόνας σε σύνολο ακμών Εξαγωγή βασικών χαρακτηριστικών της εικόνας Πιο «συμπαγής» αναπαράσταση Ανίχνευση ακμών Στόχος: ανίχνευση ασυνεχειών

Διαβάστε περισσότερα

Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση

Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Εντοπισμός ενός σήματος STOP σε μια εικόνα. Περιγράψτε τη διαδικασία με την οποία μπορώ να εντοπίσω απλά σε μια εικόνα την ύπαρξη του παρακάτω

Διαβάστε περισσότερα

Οι σκοποί της Εταιρείας μας είναι επιστημονικοί και κοινωνικοί και αφορούν στην:

Οι σκοποί της Εταιρείας μας είναι επιστημονικοί και κοινωνικοί και αφορούν στην: Ο καρκίνος του μαστού αποτελεί τη συχνότερη νεοπλασματική νόσο που προσβάλλει τις γυναίκες, με αρνητικές επιπτώσεις όχι μόνο για την ίδια την ασθενή, αλλά και για το οικογενειακό και φιλικό της περιβάλλον.

Διαβάστε περισσότερα

ΚΑΡΚΙΝΟΣ ΤΟΥ ΜΑΣΤΟΥ: ΣΤΡΑΤΗΓΙΚΕΣ ΠΡΟΛΗΨΗΣ Αντωνίου Χαρά Διευθύντρια Β Χειρουργικής Κλινικής Γενικού Νοσοκομείου Χανίων ΣΕ ΤΙ ΘΑ ΑΝΑΦΕΡΘΟΥΜΕ??? Πόσο συχνός είναι ο καρκίνος του μαστού? Ποια αίτια τον προκαλούν?

Διαβάστε περισσότερα

Σύστημα αυτόματης διάγνωσης ιστοπαθολογικών εικόνων μικροσκοπίας.

Σύστημα αυτόματης διάγνωσης ιστοπαθολογικών εικόνων μικροσκοπίας. ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ "ΤΕΧΝΟΛΟΓΙΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗΝ ΙΑΤΡΙΚΗ ΚΑΙ ΤΗ ΒΙΟΛΟΓΙΑ"

Διαβάστε περισσότερα

ΙΩΑΝΝΗΣ Θ. ΝΑΤΣΙΟΠΟΥΛΟΣ Α ΧΕΙΡΟΥΡΓΙΚΗ ΚΛΙΝΙΚΗ ΝΟΣΟΚΟΜΕΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ «ΠΑΠΑΓΕΩΡΓΙΟΥ»

ΙΩΑΝΝΗΣ Θ. ΝΑΤΣΙΟΠΟΥΛΟΣ Α ΧΕΙΡΟΥΡΓΙΚΗ ΚΛΙΝΙΚΗ ΝΟΣΟΚΟΜΕΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ «ΠΑΠΑΓΕΩΡΓΙΟΥ» 8ο ΣΥΝΕΔΡΙΟ ΧΕΙΡΟΥΡΓΙΚΗΣ ΕΤΑΙΡΕΙΑΣ ΒΟΡΕΙΟΥ ΕΛΛΑΔΟΣ ΘΕΣΣΑΛΟΝΙΚΗ 18-21 ΟΚΤΩΒΡΙΟΥ 2007 ΙΩΑΝΝΗΣ Θ. ΝΑΤΣΙΟΠΟΥΛΟΣ Α ΧΕΙΡΟΥΡΓΙΚΗ ΚΛΙΝΙΚΗ ΝΟΣΟΚΟΜΕΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ «ΠΑΠΑΓΕΩΡΓΙΟΥ» ΠΙΘΑΝΗ ΚΑΚΟΗΘΕΙΑ ΚΛΙΝΙΚΗ Ψηλαφητή

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι) HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Διάλεξη 5: Στοχαστικά/Τυχαία Σήματα Διακριτού Χρόνου (Ι) Στοχαστικά σήματα Στα προηγούμενα: Ντετερμινιστικά

Διαβάστε περισσότερα

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ενότητα 11: Επεξεργασία εικόνας Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και

Διαβάστε περισσότερα

ΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

ΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΟΝ ΕΝΤΟΠΙΣΜΟ ΓΕΩΧΗΜΙΚΗΣ ΑΝΩΜΑΛΙΑΣ Στατιστική ανάλυση του γεωχημικού δείγματος μας δίνει πληροφορίες για τον

Διαβάστε περισσότερα

ΜΗ ΨΗΛΑΦΗΤΕΣ ΑΛΛΟΙΩΣΕΙΣ ΜΑΣΤΟΥ ΧΕΙΡΙΣΜΟΣ ΠΑΡΑΣΚΕΥΑΣΜΑΤΟΣ. Πετρούλα Αραπαντώνη-Δαδιώτη Δ/ντρια Παθολογοανατομικού Εργαστ ΕΑΝΠ-ΜΕΤΑΞΑ-ΠΕΙΡΑΙΑΣ

ΜΗ ΨΗΛΑΦΗΤΕΣ ΑΛΛΟΙΩΣΕΙΣ ΜΑΣΤΟΥ ΧΕΙΡΙΣΜΟΣ ΠΑΡΑΣΚΕΥΑΣΜΑΤΟΣ. Πετρούλα Αραπαντώνη-Δαδιώτη Δ/ντρια Παθολογοανατομικού Εργαστ ΕΑΝΠ-ΜΕΤΑΞΑ-ΠΕΙΡΑΙΑΣ ΜΗ ΨΗΛΑΦΗΤΕΣ ΑΛΛΟΙΩΣΕΙΣ ΜΑΣΤΟΥ ΧΕΙΡΙΣΜΟΣ ΠΑΡΑΣΚΕΥΑΣΜΑΤΟΣ Πετρούλα Αραπαντώνη-Δαδιώτη Δ/ντρια Παθολογοανατομικού Εργαστ ΕΑΝΠ-ΜΕΤΑΞΑ-ΠΕΙΡΑΙΑΣ οι αλλοιώσεις του μαστού που χειρουργούνται χαρακτηρίζονται ως

Διαβάστε περισσότερα

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Σύνθεση Πανοράµατος Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή

Διαβάστε περισσότερα

Application of Wavelet Transform in Fundamental Study of Measurement of Blood Glucose Concentration with Near2Infrared Spectroscopy

Application of Wavelet Transform in Fundamental Study of Measurement of Blood Glucose Concentration with Near2Infrared Spectroscopy 37 6 2004 6 Journal of Tianjin University Vol. 37 No. 6 Jun. 2004 Ξ 1,2, 1,2, 3 (1., 300072 ; 2. 2, 300072 ; 3., 300072) :,,,.,,(RMSEP) 53 %58 %.. : ; ; : O657. 33 : A : 04932 2137 (2004) 062 05352 05

Διαβάστε περισσότερα

Δρ. Μπάμπης Φ. Γιαννουλόπουλος. Μαιευτήρας - Γυναικολόγος Χειρουργός Μαστού. Γαία Μαιευτική-Γυναικολογική

Δρ. Μπάμπης Φ. Γιαννουλόπουλος. Μαιευτήρας - Γυναικολόγος Χειρουργός Μαστού. Γαία Μαιευτική-Γυναικολογική Δρ. Μπάμπης Φ. Γιαννουλόπουλος Μαιευτήρας - Γυναικολόγος Χειρουργός Μαστού Γαία Μαιευτική-Γυναικολογική Επίπτωση παγκοσμίως 89/100.000 γυναίκες, 800.000 νέα περιστατικά ετησίως. U.S.A. 250.000 νέα περιστατικά,

Διαβάστε περισσότερα

ΚΑΝΟΝΙΣΜΟΣ ΕΚΠΟΝΗΣΗΣ ΕΡΓΑΣΙΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ «ΕΠΕΞΕΡΓΑΣΙΑ ΨΗΦΙΑΚΟΥ ΣΗΜΑΤΟΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΥΛΙΚΟΥ»

ΚΑΝΟΝΙΣΜΟΣ ΕΚΠΟΝΗΣΗΣ ΕΡΓΑΣΙΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ «ΕΠΕΞΕΡΓΑΣΙΑ ΨΗΦΙΑΚΟΥ ΣΗΜΑΤΟΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΥΛΙΚΟΥ» Πρόγραμμα Μεταπτυχιακών Σπουδών «Τεχνολογίες και Συστήματα Ευρυζωνικών Εφαρμογών και Υπηρεσιών» ΚΑΝΟΝΙΣΜΟΣ ΕΚΠΟΝΗΣΗΣ ΕΡΓΑΣΙΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ «ΕΠΕΞΕΡΓΑΣΙΑ ΨΗΦΙΑΚΟΥ ΣΗΜΑΤΟΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΥΛΙΚΟΥ» Ακαδημαϊκό

Διαβάστε περισσότερα

Κεφάλαιο 8 Ανισοτροπία

Κεφάλαιο 8 Ανισοτροπία Κεφάλαιο 8 Ανισοτροπία Την ανισοτροπία στη μηχανική συμπεριφορά των πετρωμάτων δυνάμεθα να διακρίνουμε σε σχέση με την παραμορφωσιμότητα και την αντοχή τους. 1 Ανισοτροπία της παραμορφωσιμότητας 1.1 Ένα

Διαβάστε περισσότερα

Αποτύπωση Απόψεων Μαθητών και Έλεγχος Επίδρασης στην Επίδοση τους από τη Χρήση Διαδικτυακού Εργαλείου Αξιολόγησης

Αποτύπωση Απόψεων Μαθητών και Έλεγχος Επίδρασης στην Επίδοση τους από τη Χρήση Διαδικτυακού Εργαλείου Αξιολόγησης Αποτύπωση Απόψεων Μαθητών και Έλεγχος Επίδρασης στην Επίδοση τους από τη Χρήση Διαδικτυακού Εργαλείου Αξιολόγησης Στ. Φιλιππίδης Εργαστήριο Πολυμέσων, Τμήμα Πληροφορικής, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

Διαβάστε περισσότερα

Βουτσκοπούλου Ευαγγελία

Βουτσκοπούλου Ευαγγελία ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΑΧΕΙΡΙΣΗΣ ΠΛΗΡΟΦΟΡΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΝΑΠΤΥΞΗ ΑΛΓΟΡΙΘΜΩΝ ΓΙΑ ΤΜΗΜΑΤΟΠΟΙΗΣΗ (SEGMENTATION) ΨΗΦΙΑΚΗΣ ΕΙΚΟΝΑΣ ΚΑΙ ΥΛΟΠΟΙΗΣΗ

Διαβάστε περισσότερα

Γράφει: Ιουλία Χριστοδουλίδου, ΜD, PhD, Ακτινοδιαγνώστρια Μαστού, Ευρωκλινική Αθηνών

Γράφει: Ιουλία Χριστοδουλίδου, ΜD, PhD, Ακτινοδιαγνώστρια Μαστού, Ευρωκλινική Αθηνών Γράφει: Ιουλία Χριστοδουλίδου, ΜD, PhD, Ακτινοδιαγνώστρια Μαστού, Ευρωκλινική Αθηνών Γιατί να κάνω μαστογραφία; Κάνω μαστογραφία όχι για να μην πάθω καρκίνο αλλά για να ανακαλύψω μία ενδεχόμενη κακοήθεια

Διαβάστε περισσότερα

ΠΝΕΥΜΟΝΟΛΟΓΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΠΟΥ ΧΡΗΖΟΥΝ ΕΙΔΙΚΗΣ ΑΚΤΙΝΟΛΟΓΙΚΗΣ ΕΡΜΗΝΕΙΑΣ. Σταυρούλα Μπουσμουκίλια Δ/ντρια Β Πνευμονολογικής κλινικής Γ.Ν.

ΠΝΕΥΜΟΝΟΛΟΓΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΠΟΥ ΧΡΗΖΟΥΝ ΕΙΔΙΚΗΣ ΑΚΤΙΝΟΛΟΓΙΚΗΣ ΕΡΜΗΝΕΙΑΣ. Σταυρούλα Μπουσμουκίλια Δ/ντρια Β Πνευμονολογικής κλινικής Γ.Ν. ΠΝΕΥΜΟΝΟΛΟΓΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΠΟΥ ΧΡΗΖΟΥΝ ΕΙΔΙΚΗΣ ΑΚΤΙΝΟΛΟΓΙΚΗΣ ΕΡΜΗΝΕΙΑΣ Σταυρούλα Μπουσμουκίλια Δ/ντρια Β Πνευμονολογικής κλινικής Γ.Ν. Καβάλας Ηαπλήα/α θώρακα Είναι το αρχικό απεικονιστικό εργαλείο του

Διαβάστε περισσότερα

ΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΑΝΑΛΥΣΗΣ ΕΙΚΟΝΑΣ (ΓΙΑ ΤΗΝ ΑΝΑ ΕΙΞΗ ΟΥΣΙΩ ΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΕΙΚΟΝΑΣ) ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ

ΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΑΝΑΛΥΣΗΣ ΕΙΚΟΝΑΣ (ΓΙΑ ΤΗΝ ΑΝΑ ΕΙΞΗ ΟΥΣΙΩ ΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΕΙΚΟΝΑΣ) ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΑΝΑΛΥΣΗΣ ΕΙΚΟΝΑΣ (ΓΙΑ ΤΗΝ ΑΝΑ ΕΙΞΗ ΟΥΣΙΩ ΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΕΙΚΟΝΑΣ) Τµήµα από το µάθηµα ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΒΙΒΛΙΟΓΡΑΦΙΑ Η καλύτερη προσέγγιση της ύλης του µαθήµατος 1.R.C.

Διαβάστε περισσότερα

Εγχειρίδιο ακτινολόγου SecondLook Premier για την General Electric

Εγχειρίδιο ακτινολόγου SecondLook Premier για την General Electric Εγχειρίδιο ακτινολόγου SecondLook Premier για την General Electric 2010, icad, Inc. Με την επιφύλαξη παντός δικαιώµατος. Οι ονοµασίες icad, Never Stop Looking και SecondLook και το λογότυπο icad DTM073-08

Διαβάστε περισσότερα

«Ανάλυση εικόνων μαστογραφίας με τη χρήση χαρακτηριστικών πολυμορφοκλασματικού φάσματος μέσω Wavelet Leaders»

«Ανάλυση εικόνων μαστογραφίας με τη χρήση χαρακτηριστικών πολυμορφοκλασματικού φάσματος μέσω Wavelet Leaders» ΑΡΙΣΟΣΔΛΔΙΟ ΠΑΝΔΠΙΣΗΜΙΟ ΘΔΑΛΟΝΙΚΗ ΣΜΗΜΑ ΗΛΕΚΣΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΤΠΟΛΟΓΙΣΩΝ ΣΟΜΕΑ ΣΗΛΕΠΙΚΟΙΝΩΝΙΩΝ «Ανάλυση εικόνων μαστογραφίας με τη χρήση χαρακτηριστικών πολυμορφοκλασματικού φάσματος μέσω

Διαβάστε περισσότερα

ΣΥΓΚΡΙΤΙΚΗ ΜΕΛΕΤΗ ΑΛΓΟΡΙΘΜΩΝ ΕΞΑΓΩΓΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ

ΣΥΓΚΡΙΤΙΚΗ ΜΕΛΕΤΗ ΑΛΓΟΡΙΘΜΩΝ ΕΞΑΓΩΓΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΣΥΓΚΡΙΤΙΚΗ ΜΕΛΕΤΗ ΑΛΓΟΡΙΘΜΩΝ ΕΞΑΓΩΓΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ Ρήγας Κουσκουρίδας, Βασίλειος Μπελαγιάννης, Δημήτριος Χρυσοστόμου και Αντώνιος Γαστεράτος Δημοκρίτειο Πανεπιστήμιο Θράκης, Πανεπιστημιούπολη, Κιμμέρια,

Διαβάστε περισσότερα

Λήψεις με οριζόντια δέσμη Λυχνία στις 90 Οι ΜLO & CC λήψεις δεν μπορούν πάντα να καθορίσουν ακριβώς τη θέση μιας αλλοίωσης Ανάλογα με τη θέση της

Λήψεις με οριζόντια δέσμη Λυχνία στις 90 Οι ΜLO & CC λήψεις δεν μπορούν πάντα να καθορίσουν ακριβώς τη θέση μιας αλλοίωσης Ανάλογα με τη θέση της Λήψεις με οριζόντια δέσμη Λυχνία στις 90 Οι ΜLO & CC λήψεις δεν μπορούν πάντα να καθορίσουν ακριβώς τη θέση μιας αλλοίωσης Ανάλογα με τη θέση της αλλοίωσης (έσω ή έξω) επιλέγεται η έξω έσω ή η έσω έξω

Διαβάστε περισσότερα

1/21/2013. November 25, 1975 Patent for Full-body CAT Scan 1979 Nobel prize for physiology

1/21/2013. November 25, 1975 Patent for Full-body CAT Scan 1979 Nobel prize for physiology November 25, 1975 Patent for Full-body CAT Scan 1979 Nobel prize for physiology Sir Godfrey Newbold Hounsfield CBE, FRS, (28 August 1919 12 August 24) Allan MacLeod Cormack (February 23, 1924 May 7, 1998)

Διαβάστε περισσότερα

Κατάτµηση εικόνας σε οµοιόµορφες περιοχές

Κατάτµηση εικόνας σε οµοιόµορφες περιοχές KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση εικόνας σε οµοιόµορφες περιοχές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Κατάτµηση µε πολυκατωφλίωση Ανάπτυξη

Διαβάστε περισσότερα

ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ

ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΑ ΤΕΙ 2.2.2.3ζ ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΓΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ Εγχειρίδιο χρήσης λογισμικού ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΕΥΘΥΝΟΣ: ΣΤΡΟΥΘΟΠΟΥΛΟΣ ΧΑΡΑΛΑΜΠΟΣ ΣΕΡΡΕΣ, ΜΑΙΟΣ 2007 ΠΕΡΙΕΧΟΜΕΝΑ

Διαβάστε περισσότερα

BΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ. goumas@teikav.edu.gr, goumas@kav.forthnet.gr

BΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ. goumas@teikav.edu.gr, goumas@kav.forthnet.gr BΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ 'Ονομα: Επώνυμο: Στέφανος Γκούμας Ημερομ.Γέννησης: 25/8/1960 Οικογενειακή κατάσταση: Τόπος κατοικίας: Έγγαμος Παλιό Καβάλας Διεύθυνση κατοικίας: Παπαϊωάννου 45 Ταχ.Κώδικας:

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ 6 ο : Ταξινομήσεις εικόνων μη επιβλεπόμενη ταξινόμηση

ΕΡΓΑΣΤΗΡΙΟ 6 ο : Ταξινομήσεις εικόνων μη επιβλεπόμενη ταξινόμηση ΕΡΓΑΣΤΗΡΙΟ 6 ο : Ταξινομήσεις εικόνων μη επιβλεπόμενη ταξινόμηση Μια από τις σημαντικότερες τεχνικές αυτοματοποιημένης ερμηνείας εικόνων, είναι η ταξινόμηση. Με τον όρο ταξινόμηση εννοείται η διαδικασία

Διαβάστε περισσότερα

Κεφάλαιο 4 Κανονική Κατανομή. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Κεφάλαιο 4 Κανονική Κατανομή. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς Κεφάλαιο 4 Κανονική Κατανομή Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς 4-4-1 Εισαγωγή Όσο το n αυξάνει, η διωνυμική κατανομή προσεγγίζει... n = 6 n = 1 n = 14 Binomial Distribution:

Διαβάστε περισσότερα

Ανακατασκευή εικόνας από προβολές

Ανακατασκευή εικόνας από προβολές Ανακατασκευή εικόνας από προβολές Μέθοδος ανακατασκευής με χρήση χαρακτηριστικών δειγμάτων προβολής Αναστάσιος Κεσίδης Δρ. Ηλεκτρολόγος Μηχανικός Θέματα που θα αναπτυχθούν Εισαγωγή στις τομογραφικές μεθόδους

Διαβάστε περισσότερα

ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011. Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών.

ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011. Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών. 1 ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011 2 Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών. Ενδεδειγμένες και αξιόπιστες μέθοδοι αποτύπωσης Εμπειρικές Τοπογραφικές

Διαβάστε περισσότερα

Περιεχόµενα. xii. Κεφάλαιο 1: Εισαγωγή. Κεφάλαιο 2: Επεξεργασία δυαδικών εικόνων

Περιεχόµενα. xii. Κεφάλαιο 1: Εισαγωγή. Κεφάλαιο 2: Επεξεργασία δυαδικών εικόνων xii Ðåñéå üìåíá Περιεχόµενα Κεφάλαιο 1: Εισαγωγή 1.1 ΕΙΣΑΓΩΓH... 1 1.2 ΤΙ ΕIΝΑΙ ΜΙΑ ΨΗΦΙΑΚH ΕΙΚOΝΑ.... 2 1.3 ΠΛHΘΟΣ BITS ΠΟΥ ΑΠΑΙΤΟΥΝΤΑΙ ΓΙΑ ΤΗΝ ΑΠΟΘHΚΕΥΣΗ ΜΙΑΣ ΕΙΚOΝΑΣ... 4 1.4 ΕΥΚΡIΝΕΙΑ ΕΙΚOΝΑΣ... 5

Διαβάστε περισσότερα

Αυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων

Αυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων Αυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων Κωνσταντίνος Παπαοδυσσεύς Καθηγητής ΣΗΜΜΥ, Δημήτρης Αραμπατζής Δρ. ΣΗΜΜΥ Σολομών Ζάννος Υ.Δ. ΣΗΜΜΥ Φώτιος Γιαννόπουλος Υ.Δ. ΣΗΜΜΥ Μιχαήλ Έξαρχος Δρ. ΣΗΜΜΥ

Διαβάστε περισσότερα

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας Ε.Α.Υ. Υπολογιστική Όραση Κατάτμηση Εικόνας Γεώργιος Παπαϊωάννου 2015 ΚΑΤΩΦΛΙΩΣΗ Κατωφλίωση - Γενικά Είναι η πιο απλή μέθοδος segmentation εικόνας Χωρίζουμε την εικόνα σε 2 (binary) ή περισσότερες στάθμες

Διαβάστε περισσότερα

Εφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας

Εφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας Εφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας Μακεδόνας Ανδρέας Μεταδιδακτορικός Ερευνητής Τμ. Φυσικής, Εργαστήριο Ηλεκτρονικής Ένα απλό ερώτημα Στον κόσμο την πληροφορίας υπάρχει

Διαβάστε περισσότερα