|
|
Korekce pozadí zobrazení fáze v digitálním holografickém mikroskopu užitím konvoluce
Rudolfová, Zdena ; Malina, Radomír (oponent) ; Uhlířová, Hana (vedoucí práce)
Tato bakalářská práce se zabývá korekcí pozadí v obrazu fáze buňek z transmisního digitálního holografického mikroskopu (TDHM). Vlivem optických vad a nedokonalostí v optických soustavách předmětové i referenční větve dochází k "deformaci" obrazu fáze. Buňka není zobrazena na pozadí s konstantní hodnotou fáze, ale na pozadí s~hodnotami fáze spojitě se měnícími mezi různými místy obrazu. V této práci je popsána metoda, jak následek této vady optického systému z obrazu odstranit. Princip spočívá v provedení částečné konvoluce obrazu fáze s konvolučním jádrem určeným dvourozměrnou Gaussovou funkcí se stejným rozptylem v obou osách. Při výpočtu konvoluce není zpracováván obraz celý, ale pouze místa, kde se nenachází buňky. Tím je eliminována ztráta informací o buňkách. Výsledek konvoluce je považován za aproximaci pozadí, která je poté od původního obrazu odečtena. Získáme tak obraz fáze s konstantním pozadím zatíženým pouze šumem. V úvodní části je shrnut potřebný matematický aparát. Dále je popsán základní princip rekonstrukce zobrazení v TDHM. Jako součást práce byl vytvořen program Odečet pozadí, který užitím popsané metody zpracovává obrazy fáze z TDHM.
|
|
|
Convolution Model of Time-activity Curves in Blind Source Separation
Tichý, Ondřej ; Šmídl, Václav
Availability of input and organ functions is a prerequisite for analysis of dynamic image sequences in scintigraphy and positron emission tomography (PET) via kinetic models. In PET, the input function can be directly measured by sampling the arterial blood. This invasive procedure can be substituted by extraction of the input function from the observed images. Standard procedure for the extraction is based on manual selection of a region of interest (ROI) which is user-dependent and inaccurate. The aim of our contribution is to demonstrate a new procedure for simultaneous estimation of the input and organ functions from the observed image sequence. We design a mathematical model that integrates all common assumption of the domain, including convolution of the input function and tissue-specific kernels. The input function as well as the kernel parameters are considered to be unknown. They are estimated from the observed images using the Variational Bayes method.
|
|
|
Model Consideration for Blind Source Separation of Medical Image Sequences
Tichý, Ondřej
The problem of functional analysis of medical image sequences is studied. The obtained images are assumed to be a superposition of images of underlying biological organs. This is commonly modeled as a Factor Analysis (FA) model. However, this model alone allows for biologically impossible solutions. Therefore, we seek additional biologically motivated assumptions that can be incorporated into the model to yield better solutions. In this paper, we review additional assumptions such as convolution of time activity, regions of interest selection, and noise analysis. All these assumptions can be incorporated into the FA model and their parameters estimated by the Variation Bayes estimation procedure. We compare these assumptions and discuss their influence on the resulting decomposition from diagnostic point of view. The algorithms are tested and demonstrated on real data from renal scintigraphy; however, the methodology can be used in any other imaging modality.
|
host ::
RSS.