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

Presentazione sul tema: "Trattamento di Immagini Biomediche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy."— Transcript della presentazione:

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

2 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

3 Paesaggio

4 Edificio

5 Rosignano Solvay

6 Disegno

7 Rumore

8 Fondo omogeneo

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

10 Matrice di pixel

11 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

12 Immagine originale

13 b ij =a ij -40 Variazione di luminosita’

14 DSA (Digital Subtraction Angiography)

15 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.

16 Immagine originale

17 Smoothing

18 Edge crispening

19 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

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

21 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

22 Ventricolografia

23 Radiografia del torace

24 Radiografia della mano

25 Aorta con ecografia transesofagea

26 Cranio con NMR

27 TAC del torace

28 Microcircolo al microscopio

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

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

31 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

32 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

33 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

34 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

35 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

36 Immagine test

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

38 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)

39 Ricostruzione 3D di ventricolo da due immagini RX

40 Inseguimento di contorni in un filmato ventricolografico

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

42 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?

43 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

44 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

45 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

46 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