Trattamento di Immagini Biomediche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.

Slides:



Advertisements
Presentazioni simili
DI3 – Dip. Ing.Industriale e dell’Informazione
Advertisements

Prof. Raimondo Schettini
Corso di Percezione Robotica (PRo) A. A. 99/00 B
Shape-based visual information retrieval Enver Sangineto Dipartimento di Informatica
Modulo: Analisi di immagini
Intelligenza artificiale
Sistemi di Classificazione usando NCD
Linguaggi algoritmici
Attività cerebrale = correnti neurali localizzate
Wavelet Cenni di Jpeg 2000 Livio Tenze
Introduzione allo studio dell’informatica
Quadro di riferimento INValSI Scienze I livelli di competenza
Reti neurali per la percezione dell’ambiente in robotica autonoma
Reti Neurali: studi sull'intelligenza artificiale
Il computer ragiona? Problemi e algoritmi.
Introduzione al calcolo parallelo SISTEMI INFORMATIVI AZIENDALI Pierpaolo Guerra Anno accademico 2009/2010.
Intelligenza Artificiale 1 Gestione della conoscenza Prof. M.T. PAZIENZA a.a
Filtro di smoothing Gaussiano
Relatore: Dott. F. Avanzini Correlatore: Dott. C. Drioli
Strumentazione per bioimmagini
Tesine per il corso visione e percezione: Struttura e temi.
CORSO DI MODELLI DI SISTEMI BIOLOGICI LAUREA IN INGEGNERIA CLINICA E BIOMEDICA.
Scene Modelling, Recognition and Tracking
PLATES RECOGNITION Part II
Applicazioni progettuali di grafica computerizzata a.a. 2008/2009 Rendering grafico.
Progettazione di Sistemi Interattivi (A.A. 2004/2005) - Lezione 1 1 Progettazione dei Sistemi Interattivi Gestione di Progetti Software II Presentazione.
Artificial intelligence
Riconoscimento automatico di oggetti in immagini digitali
Analisi dei gruppi – Cluster Analisys
Primi Elementi di Programmazione in C++
Intelligenza Artificiale
Elaborazione (digitale) delle immagini
LOCALIZZAZIONE SATELLITARE GEOREFENRENZIATA. OBIETTIVI Gestire il database cartografico al fine di poter visualizzare la posizione dei mezzi localizzati,
APPLICAZIONI DI INTELLIGENZA ARTIFICIALE ALLA MEDICINA
Quality Assurance della Strumentazione di Medicina Nucleare.
Trasformazioni di intensità Filtraggio spaziale
Histogram and region based processing
Motion capture distribuito
Presentazione Attività di Ricerca Secondo periodo – Aprile-Settembre Ottobre 2008.
Matematica della visione
Perche’ scegliere questo curriculum?
Corso di Controlli Automatici LA
Shape-based visual information retrieval Enver Sangineto Dipartimento di Informatica
Multimedia information retrieval. Problematica Materiale multimediale: non solo testo, ma audio (speech, musica..) immagini, video Retrieval basato su.
Shape-based visual information retrieval Enver Sangineto Dipartimento di Informatica
Valutazione e portfolio Quali sono i sistemi di valutazione più idonei se si adotta una metodologia basata sul PBL? Sistemi di valutazione.
Corso formazione G+S 2008 OCAD avanzato. Panoramica File cartine / file tracciati: utilizzo Colori Simboli OCAD CS Staffette Stampa Problematiche particolari.
Corso di Percezione Robotica (PRo) A.A. 99/00 B. Modulo di Percezione Artificiale Visione artificiale e tecniche di elaborazione delle immagini Parte 2/2.
Elaborazione e trasmissione delle immagini Anno Accademico Esercitazione n.4 Pisa, 20/10/2004.
A proposito di spazio scala e di altre features locali... Elisabetta Delponte
Vincenza Ferrara Novembre 2007 Fondamenti di Matematica e Informatica Laboratorio Informatica I anno a.a
AOT Lab Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.
ESPERIMENTO DI RÜCHARDT
DATA MINING.
Psicologia della visione
Esercitazione 5 Corso di Elaborazione e Trasmissione delle Immagini Pisa, 27 ottobre 2004.
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Analisi della similarità tra immagini.
LICEO SCIENTIFICO STATALE “J. DA Ponte”
Il computer ragiona? Problemi e algoritmi. Paola Pianegonda2 Cos’è un problema?  Problema è qualsiasi situazione della quale non conosciamo la soluzione.
Esempio di riconoscimento biometrico
HMM in Image Analysis Francesco Finazzi Lezione /04/2008.
Selezione del volume dei polmoni M. Antonelli, B. Lazzerini, F. Marcelloni Dipartimento Ingegneria dell’Informazione Pisa.
Quadro di Riferimento INVALSI: elementi di confronto e continuità fra ordini di scuola.
Dal problema al programma – ciclo di sviluppo del software La scrittura del programma è solo una delle fasi del processo di sviluppo di un'applicazione.
Metodi di regolarizzazione nell’elaborazione delle immagini biomediche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Trattamento delle immagini numeriche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Teoria computazionale della visione Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Visione biologica e visione artificiale Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Analisi del movimento in sequenze di immagini Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Transcript della presentazione:

Trattamento di Immagini Biomediche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy

Programma del corso 1.Introduzione al corso 2.Fondamenti dell’elaborazione delle immagini 3.Peculiarita’ delle immagini biomediche 4.Visione biologica e visione artificiale 5.Teoria della regolarizzazione 6.Elaborazione di sequenze di immagini 7.La ricerca nel trattamento delle immagini biomediche 8.Sistemi di elaborazione per immagini digitali Vedi programma dettagliato

Paesaggio

Edificio

Rosignano Solvay

Disegno

Rumore

Fondo omogeneo

Elaborazione delle immagini secondo l’approccio classico l’immagine digitale e’ una matrice di pixel elaborazioni puntuali, locali, globali, geometriche algoritmi euristici

Matrice di pixel

Elaborazioni puntuali calcolano il livello di grigio di ogni punto dell’immagine risultato in base al solo valore di luminosita’ del punto corrispondente dell’immagine da elaborare tipicamente sono variazioni di luminosita’, variazioni di contrasto e sottrazione di due immagini

Immagine originale

b ij =a ij -40 Variazione di luminosita’

DSA (Digital Subtraction Angiography)

Elaborazioni locali operano su aree piccole (finestre) centrate sul punto di cui si sta calcolando il valore risultante tipicamente sono i filtraggi lineari come smoothing, edge-crispening, derivate direzionali, ecc.

Immagine originale

Smoothing

Edge crispening

Elaborazioni globali richiedono l’uso di tutta l’immagine in ingresso per il calcolo di ogni valore dell’immagine in uscita tipicamente e’ una trasformata come quella di Fourier

Elaborazioni geometriche le operazioni geometriche effettuano una trasformazione del dominio di definizione dell’immagine tipicamente sono operazioni di rotazione, traslazione, riduzione ed ingrandimento

Algoritmi euristici sono algoritmi non rigorosi la dimostrazione della bonta’ dell’algoritmo e’ rimandata ad un secondo tempo e’ il problema contingente che domina la scena le nostre scelte sono guidate dal quell’unico problema esempio dell’interfaccia utente

Ventricolografia

Radiografia del torace

Radiografia della mano

Aorta con ecografia transesofagea

Cranio con NMR

TAC del torace

Microcircolo al microscopio

Visione biologica e visione artificiale un approccio moderno alla elaborazione delle immagini Corpo genicolato laterale Collicolo superiore

Una immagine non e’ una matrice di pixel, una immagine e’ una scena che contiene oggetti distinti e separabili

Teoria computazionale della visione RAW PRIMAL SKETCH si localizzano i punti di discontinuita’ si determina orientamento e contrasto nei punti di discontinuita’ FULL PRIMAL SKETCH si raggruppano i punti di discontinuita’ in contorni chiusi HIGH LEVEL MODULE si identificano le regioni individuate dai contorni chiusi Retina Corpo genicolato ? Collicolo superiore ? Corteccia

High level module La capacita’ dell’animo umano di cogliere quello che c’e’ d’immutabile nel variabile Universali e Individuali Problema della cavallinita’ Rappresentazione della conoscenza, logica dei predicati, reti neurali, sistemi esperti

Full primal sketch nel caso di contorni significa raggruppare e ordinare i punti di discontinuita’ praticamente significa tracciare i singoli contorni graph searching, dynamic programming, contour following

Importanza del Raw Primal Sketch Dobbiamo analizzare sequenze di immagini di oggetti deformabili in movimento Non possiamo chiedere ad un operatore di tracciare il contorno su tutte le immagini Non e’ un dramma tracciare un contorno Con il tracciamento del primo contorno l’operatore individua il contorno, ne raggruppa i punti e li ordina Rimane solo il Raw Primal Sketch

Regolarizzazione Per lo piu’ i problemi di visione sono mal posti (ill-posed problems) Dobbiamo trasformare il problema iniziale in un problema ben posto (well-posed problem) Risolvere il secondo problema non significa risolvere il problema originale L’obiettivo e’ quello di trasformare il problema iniziale in un problema ben posto la cui unica soluzione sia anche una soluzione accettabile del problema iniziale

Immagine test

La cresta ottenuta con un passa basso non e’ il contorno cercato

Sequenze di immagini Sequenze spaziali: due o piu’ immagini prese contemporaneamente con due o piu’ telecamere (doppio arco RX in angiografia) Sequenze temporali: filmato acquisito con telecamera fissa (ventricolografia) Sequenze spazio-temporali: filmato con telecamera mobile (panoramica)

Ricostruzione 3D di ventricolo da due immagini RX

Inseguimento di contorni in un filmato ventricolografico

Panoramica di vaso da una sequenza di immagini eco frame 1 frame 280 frame 562 Panoramic view

Il mondo della ricerca Il mio problema e’ un mio problema Gli operatori che trovo in letteratura risolvono il mio problema in modo soddisfacente, ma ….. Devo limitarmi ad usare gli operatori esistenti in letteratura o devo andare oltre? Come si scopre un nuovo operatore matematico? Come si inserisce nel panorama degli operatori noti?

Per concludere Approccio moderno cercando di mutuare gli algoritmi della visione Parleremo prevalentemente di Raw Primal Sketch Necessita’ di regolarizzare con accortezza Necessita’ di sviluppare nostri operatori

Image Processing & Computer Vision Image Processing e’ la trasformazione di una immagine in una immagine Computer Vision e’ il riconoscimento, la localizzazione e la descrizione dei singoli oggetti che compongono una immagine L’Image Processing e’ uno stadio della Computer Vision

Testi di riferimento G. Valli, G. Coppini, Bioimmagini, Pàtron Editore D.A.Forsyth, J.Ponce, Computer Vision A modern Approach, Prentice Hall L.G.Shapiro, G.C.Stockman, Computer Vision, Prentice Hall R.Jain, R,Kasturi, B.G.Schunck, Machine Vision, Mc Graw Hill A.K.Jain, Fundamentals of digital image processing, Prentice Hall W.K.Pratt, Digital image processing, Wiley- Interscience Publication J.T.Bushberg, J.A.Seibert, E.M.Leidholdt, J.M.Boone, The essential physics of medical imaging, Lippincott Williams & Wilkins Internet Lucidi del corso Dispense preparate da studenti

Esame elaborato: sviluppo di una procedura software in ambiente Matlab dispensa su argomento a piacere prova scritta: 4 domande su tutto il programma prova orale: verifica di eventuali problemi emersi durante la correzione della prova scritta