فشرده سازی بدون اتلاف تصاویر پزشکی با حجم زیاد
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
- نویسنده نادر کریمی
- استاد راهنما شادرخ سماوی شهرام شیرانی سعید صدری
- سال انتشار 1391
چکیده
یکی از مراحل رایج در تحقیقات و آزمایش های پزشکی استفاده از روش های مدرن تصویربرداری است. در برخی از این روش ها مانند فرایند rnai که اخیراً مورد توجه محققان قرارگرفته است, تعداد تصاویری که در یک آزمایش تولید می شود بسیار زیاد است. در برخی دیگر مانند استفاده از ریزآرایه ها علاوه بر تعداد زیاد تصاویر تولید شده, ابعاد تصویری که در هر آزمایش تولید می شود نیز بزرگ است .در گروهی دیگر مانند ماموگرافی, به دلیل اینکه آزمایش ها باید به صورت دوره ای و در فواصل زمانی معین انجام شود, نگهداری تصاویر آنها به ازای هر بیمار نیازمند فضای ذخیره سازی قابل توجهی می باشد. با توجه این موارد و استفاده از پزشکی از راه دور در سال های اخیر که نیاز به ارسال برخی از این گونه تصاویر در پهنای باند محدود را طلب می کند, فشرده سازیِ بدون اتلاف این گونه تصاویر حجیم پزشکی توجه بسیاری از محققان را به خود جلب کرده است. هدف اصلی در این رساله شناسایی خصوصیات و ویژگی های موجود در تصاویر پزشکی ذکر شده و استفاده از آنها در ارائه روش هایی با کارایی بالاتر برای فشرده سازی بدون اتلاف این تصاویر می باشد؛ در گام اول دیدگاه ها و جنبه های مختلف موجود در مورد علم فشرده سازی تصویر به دقت بررسی و دسته بندی جامعی در مورد آن ارائه می شود. همچنین روش های فشرده سازیِ بدون اتلافِ عام منظوره مورد بررسی دقیق قرارگرفته و ویژگی های اجزای اصلی و مراحل محتمل در طراحی این گونه روش ها استخراج می شود. سپس بر اساس این ویژگی ها دسته بندی جدیدی در مورد آنها ارائه می گردد. علاوه بر این, روش هایی که برای فشرده سازی تصاویر حجیم پزشکی نامبرده طراحی شده اند، بررسی و مشخصه های آنها استخراج و به روش مشابه دسته بندی می شوند. در گام دوم پس از بررسی دقیق اجزای تشکیل دهنده روش های بدون اتلافِ عام منظوره, میزان تأثیر این اجزا در روند فشرده سازی تصاویر مذکور مشخص می شود. سپس مراحل تأثیر گذار شناسایی و مورد تحلیل و آنالیز قرار می گیرند. در گام سوم ابتدا یکی از روش های پیشگویی قدرتمند با دیدگاه جدیدی آنالیز شده و نقاط قوت و ضعف آن مشخص می شود. همچنین چگونگی تولید خطا توسط این روش مدل سازی و جهت گیری هایی جهت بهبود دقت پیشگویی توسط آن ارائه می گردد. سپس یکی از خصوصیت های مهم موجود در این گونه تصاویر حجیم پزشکی شناسایی و مورد تجزیه و تحلیل قرار می گیرد. در ادامه بر اساس آنالیزهای انجام شده، روش های جدیدی برای فشرده سازی تصاویر rnai, ماموگرافی و ریزآرایه پیشنهاد می گردد. در نهایت کارایی روش های پیشنهادی با روش های عام منظوره مطرح, روش های خاص منظوره و همچنین استانداردهای موجود مقایسه شده است. نتایج بدست آمده نشان دهنده برتری روش های پیشنهادی نسبت به قدرتمندترین روش های فشرده سازی موجود در این زمینه می باشد. بطوریکه استفاده از روش های فشرده سازی پیشنهادی در مورد تصاویر rnai و ماموگرافی به ترتیب سبب کاهش 5.75 تا 30.31 درصدی و 0.87 تا 24.33 درصدی متوسط بیت بر پیکسل در مقایسه با سایر روش ها شده است. در مورد تصاویر ریزآرایه نیز روش های پیشنهادی از نرخ فشرده سازی قابل مقایسه و زمان اجرای بسیار پایین تری (4 دقیقه در مقایسه با 220 دقیقه) در مقایسه با سایر روش های ارائه شده در این زمینه برخوردار هستند.
منابع مشابه
فشرده سازی بدون اتلاف نواحی بااهمیت تصاویر آنژیوگرافی قلب
آنژیوگرافی یکی از روش های تشخیص پزشکی است که به مطالعه عروق و رگ های خونی می پردازد. یکی از بیشترین کاربردهای تصویر برداری آنژیوگرافی در تشخیص بیماری های قلبی می باشد. تصویربرداری آنژیوگرافی به طرق مختلفی انجام پذیر است که در آنژیوگرافی قلب به منظور مطالعه رگ های خونی قلب و برای پی بردن به بیماری های قلبی از اشعه ایکس استفاده می شود. تصاویر آنژیوگرافی به صورت مجموعه ای از تصاویر پشت سر هم هستند...
فشرده سازی بدون اتلاف تصاویر ریزآرایه توسط روش های مبتنی بر پیشگویی
تکنولوژی ریزآرایه ابزاری جدید در علم ژنتیک می باشد که به محققان اجازه مطالعه رفتار هزاران ژن را بطور همزمان می دهد. حاصلِ هر آزمایش ریزآرایه تصاویری با حجم بالا است که با عکسبرداری از ریزآرایه بدست آمده اند. به دلیل بزرگ بودن اندازه این تصاویر، تعداد زیاد تصاویر تولید شده در هر آزمایش و به اشتراک گذاشتن و نگهداری این تصاویر در پایگاه داده های مختلف، امروزه فشرده سازی تصاویر ریزآرایه اهمیت بسیار ...
15 صفحه اولبخش بندی نظارت نشده سلسله مراتبی تصاویر sar با استفاده از سوپرپیکسل و فشرده سازی پر اتلاف داده
این مقاله روشی به نام بخش بندی نظارت نشده سلسله مراتبی با استفاده از فشرده سازی پراتلاف داده برای تصاویر رادار روزنه ترکیبی (sar) ارائه می دهد که در آن از سوپرپیکسل ها به جای پیکسل ها استفاده شده است. در این مقاله، با ترکیب ویژگی هایی از قبیل لبه، بافت و شدت روشنایی به ادغام سوپرپیکسل ها پرداخته می شود که روند ادغام طی دو مرحله صورت می گیرد. با توجه به این که بسیاری از روش های مبتنی بر سوپرپیکس...
متن کاملفشرده سازی انتخابی تصاویر MRI سه بعدی با استفاده از مش بندی انطباقی تصویر و اعمال تبدیل ویولت مبتنی بر ناحیه
امروزه با توجه به حجم بالای داده های حاصل از انواع سیستم های تصویربرداری پزشکی، مساله فشرده سازی این گونه تصاویر به یک امر مهم تبدیل شده است. بیشتر روش هایی که تاکنون ارائه شده اند، یا به دلیل حذف اطلاعات مهم پزشکی یا به دلیل پایین بودن نرخ فشرده سازی آنها چندان مطلوب نیستند. به تازگی برخی روش های فشرده سازی تصاویر پزشکی ارائه شده اند که به صورت انتخابی به کدگذاری تصاویر می پردازند. در این روش ...
متن کاملفشرده سازی و بازیابی تصاویر رادیولوژی با استفاده از استاندارد HEVC
افزایش روزافزون تولید تصاویر رادیولوژی پزشکی در مراکز درمانی و بیمارستانها، ایجاد روشهای مناسب ذخیرهسازی، کلاسبندی، و بازیابی تصاویر پزشکی را ضروری ساخته است. در این مقاله با استفاده از استاندارد کدینگ HEVC، روش نوینی در زمینهی فشرده سازی و بازیابی تصاویر رادیولوژی مبتنی بر ویژگی بافت در حوزهی فشرده شرح داده شده است. در روش پیشنهادی ابتدا تصاویر بانک اطلاعاتی که شامل تصاویر رادیولوژی اندا...
متن کاملنهان نگاری بدون اتلاف و نیمه شکننده ی تصاویر دیجیتال
با پیشرفت سریع تکنولوژی دیجیتال و استفاده ی گسترده از اینترنت، نهان نگاری دیجیتال به عنوان ابزار قدرتمندی در زمینه ی محافظت داده مورد استفاده قرار گرفته است. یک دسته ی مهم از روش های نهان نگاری که به نام نهان نگاری بدون اتلاف و نیمه شکننده شناخته می شوند،برای رفع مشکل شکنندگی در الگوریتم های نهان نگاری بدون اتلاف مطرح شده اند. هدف اصلی این پایان نامه ارائه ی الگوریتم هایی نیمه شکننده برای نهان...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023