![](/user_photo/2706_HbeT2.jpg)
- •1(Часть 1) Разделы дисциплины.
- •1.1Биометрия
- •1.2Этапы истории
- •2Предмет и основные понятия биометрии
- •2.1Группировка первичных данных
- •2.2Признаки и их свойства.
- •2.3Классификация признаков
- •2.4Причины варьирования результатов наблюдений
- •2.5Точность измерений и действия над приближенными числами
- •2.6Способы группировки первичных данных
- •2.7Статистические ряды.
- •2.8Графики вариационных рядов
- •2.9Особенности биообъекта и экспериментальных данных о его свойствах и состоянии. Основные источники медико-биологических данных.
- •3Общая характеристика биологических сигналов и медико-биологических данных
- •3.1Случайный сигнал и случайная величина
- •3.2Одномерные случайные сигналы. Функция распределения и плотность вероятности
- •3.3Усреднение. Моменты случайной величины
- •3.4Равномерное распределение случайной величины
- •3.5Гауссово (нормальное) распределение
- •3.6Статистические характеристики систем случайной величины (Многомерные сигналы)
- •3.7Функция распределения и плотность вероятности.
- •3.8Вычисление моментов
- •3.9Корреляция
- •3.10Статистическая независимость случайных величин.
- •3.11Многомерное Гауссово распределение.
- •3.12Случайные процессы.
- •3.12.1Предварительная обработка сигналов.
- •3.12.2Моментальные функции случайных процессов.
- •3.12.3Взаимная функция корреляции двух случайных процессов.
- •3.13Помехи и их математические модели.
- •3.13.1Виды аддитивных помех.
- •3.13.2Законы распределения помех.
- •3.13.3Отношение сигнала помехи на прмере гауссовских помех.
- •4Основные понятия теории обнаружения сигнала
- •4.1Проверка статистических гипотез.
- •4.2Критерий Неймана-Пирсона.
- •4.3Алгоритмы обнаружения.
- •5Фильтрация сигналов
- •5.1Временная фильтрация.
- •5.2Частотная фильтрация.
- •5.3Связь между фильтрацией и сверткой.
- •5.4Физически реализуемые линейные фильтры частоты.
- •5.5Идеальный фильтр.
- •5.6Реализуемые непрерывные аналоговые фильтры.
- •5.7Узкополосные фильтры.
- •5.8Оптимальная фильтрация.
- •6(Часть 2) Корреляционный анализ
- •6.1Функциональная зависимость и корреляция
- •6.2Параметрические показатели связи. Коэффициент корреляции
- •6.3Вычисление коэффициента корреляции при малых выборках
- •6.4Минимальный объем выборки для точной оценки коэффициента корреляции
- •6.5Вычисление коэффициента корреляции при больших выборках
- •6.6Оценка разности между коэффициентами корреляции
- •7Качественное описание задач распознавания
- •7.1Основные задачи построения системы распознавания
- •7.2Параметрические и непараметрические методы и критерии
- •7.3Параметрические критерии
- •7.4Непараметрические критерии
- •7.5Статистические методы классификации многомерных наблюдений
- •7.6Минимаксный критерий
- •8Вопросы планирования исследований
- •8.1Приближенные оценки основных статистических показателей
- •8.2Определение необходимого объема выборки
- •9Типы медицинских изображений. Способы их обработки
- •9.1Иднтификация пространственных объектов. Схема этапов распознавания
- •9.2Обработка точечных изображений
- •9.3Моделирование процесса идентификации точечных изображений на эвм
- •9.4Основные принципы цифровых операций над изображениями
- •9.5Операции над изображениями. Хранение и представление изображений.
- •9.6Цветные изображения
- •9.7Окружающие и примыкающие пиксели
- •9.8Основные требования к аппаратуре
- •9.9Устройства ввода изображений
- •9.9.1Видеокамеры
- •9.9.2Насадки
- •9.9.3Другие устройства ввода изображений
- •9.10Устройства вывода изображений на дисплей
- •9.11Процессоры
- •9.12Критерий полезности признаков при распознавании объектов
- •9.13Геометрическая модель биологических данных. Система геометрических признаков при распознавании объектов
- •9.14Простые методы обработки изображений
9Типы медицинских изображений. Способы их обработки
Изображения могут классифицироваться следующим образом (см. схему):
По построению спектра электромагнитных колебаний:
Низкочастотные
Высокочастотные
Светооптические
Рентген
Радиологические
По типам диагностических приборов:
Оптические
Радиологические
Ультразвуковые
Томографические
Лазерные
По типу носителя, с помощью которого можно получить изображение:
Бумажный носитель
Магнитная лента
Специальные пленки
Специальные карты
Экран ЭВМ
Изображения получают не только в диапазоне частот электромагнитного излучения, но и в диапазонах частот аккустических, инфракрасных, ультразвуковых, рентгеновких и гамма-лучей.
Седства их формирования и регистрация отличаются большим разнообразием:
Оптикомеханические (фото-, видео-, киноаппаратура)
Оптикоэлектрические сканнеры
Радиолокационные
Лазерные устройства
Для передачи изображений используются оптическая, проводная, радио и други виды связи.
В настоящее время широко используют для обработки изображений возможности современной вычислительной техники. Применение ЭВМ позволяет в короткие сроки и с минимальнвми затратами моделировать любые виды обработки сигналов, при этомобеспечивается точность, надежность, практически абсолютная воспроизводимость результатов, а также появляется возможность контроля процесса обработки на любой промежуточной стадии.
В настоящее время ЭВМ применяется для решения многих задач формирования, регистрации, передачи, обработки и распознавания изображений.
При обработке и распознавании изображения решаются следующие задачи:
Эффективное кодирование изображения необходимо для понижения пропускной способности канала связи или объема памяти, требуемой для хранения видеоинформации. Это кодирование производится с помощью выделения контуров или специального преобразования изображения.
Восстановление искаженных изображений а также улучшение их визуального качества заключается в преобразовании изображения, обратном тому, которое вызвало искажения.
Соответствующий алгоритм восстановления позволяет скомпенсировать искажения, обусловленные атмосферными явлениями, погрешностью оптики, нелинейным искажениями, конечным временем развертки и движением объекта съемки, а также деформацией фотоматериала и помехами. При этом искажающие факторы заменяются их математическими моделями и используются результаты специальных калибровок.
Моделирование систем передачи изображения проводится с целью исследования различных методов сокращения полосы телесигнала и канала для передачи сигнала по каналу с помехами. При этом ЭВМ играет роль кодирующей и декодирующей аппаратуры и канала связи.
Основные употребительные операции в данном случае: расфокосирование предварительно дискредетированного исходного изображения, вычисление приращения яркости соседних его элементов, квантование, добавление шума с разными свойствами, синтез выходных изображений и его визуальное сравнение с исходным.
Автоматическое чтение текста, дешифрование изображений, диагностика заболеваний.
Это примеры задач, относящихся к проблеме распознавания образов. В настоящее время это связано с возможностями обработки информации в живых системах и создание на их основе более эффективных систем «человек-машина».
Ниже приведены некоторые термины и понятия:
Идентификация – классификация объектов по их интегральным признакам, характеризующим данный объект в целом (площадь изображения объекта), максимальный или минимальный размер изображения, отношения эитих величин, периметры внешнего контура изображений (все гаометрические параметры). Идентифицировать можно отдельные объекты между собой.
Распознавание – целевая классификация объектов по набору у них некоторой совокупности целевых признаков, характеризующим целевое назначение объекта и принадлежности его к тому или иному классу.
Класс – некоторое множество объектов, характеризуемое определенным набором целевых признаков, наличие которых на объекте определяет его целевое назначение. Например, классобъектов «компьютерный томограф», целевые признаки: экран дисплея, лазерное сканирование, рычаги и кнопки управления и пр.