Please use this identifier to cite or link to this item:
Title: Εφαρμογή μεθοδολογίας αραιών αναπαραστάσεων στην απεικόνιση με ακτίνες Χ
Other Titles: Application of sparse representation methodology on X-ray imaging
Authors: Αδαμίδη, Ευμορφία
Keywords: Αραιές αναπαραστάσεις
Απεικόνιση ακτίνων Χ
Ψηφιακή τομοσύνθεση μαστού
Επεξεργασία εικόνας
Keywords (translated): Sparse representations
X-ray imaging
Digital breast tomosynthesis
Image processing
Super resolution
Abstract: Μία από τις προκλήσεις που έχει να αντιμετωπίσει το πεδίο της ιατρικής απεικόνισης είναι η αύξηση της ανάλυσης της εικόνας καθώς αυτό μπορεί να έχει καθοριστικό ρόλο στην έγκαιρη ανίχνευση ανωμαλιών. Τα τελευταία χρόνια, η έρευνα στον τομέα της επεξεργασίας εικόνας ανέδειξε αλγορίθμους που αντιμετωπίζουν αυτό το πρόβλημα και είναι γνωστοί ως αλγόριθμοι «super resolution (SR)». Η μεθοδολογία του SR πραγματεύεται το πρόβλημα της εκτίμησης ή ανακατασκευής μίας ή περισσοτέρων εικόνων υψηλής ανάλυσης εκμεταλλευόμενη την πληροφορία μίας ή περισσοτέρων εικόνων χαμηλής ανάλυσης και έχει πλήθος διαφορετικών εφαρμογών. Σε αυτήν την εργασία αρχικά γίνεται παρουσίαση της μεθοδολογίας SR, της ταξινομίας των διαφορετικών αλγορίθμων SR καθώς και επιλεγμένων εφαρμογών στην ιατρική απεικόνιση. Στη συνέχεια γίνεται εφαρμογή ενός επιλεγμένου αλγορίθμου SR που βασίζεται στην θεωρία των αραιών αναπαραστάσεων πάνω στον τομέα της ψηφιακής τομοσύνθεσης μαστού χρησιμοποιώντας προσομοιώσεις αλλά και πειραματικές εικόνες.
Abstract (translated): One of the challenges that the field of medical imaging has to face is to increase the resolution of an image, as this can be of major importance in fast detection of anomalies. Research on the field of image processing has offered a group of algorithms that specialise in this problem and they are know as “super resolution (SR)” algorithms. Super resolution methodology deals with the problem of reconstructing one or more high resolution images using one or more low resolution images and can have numerous applications. In this thesis SR methodology, SR algorithms taxonomy and specific applications on medical imaging are being presented. Afterwards, a SR algorithm based on sparse representations theory is highlighted and applied on digital breast tomosynthesis imaging, using software phantom and hardware phantom images.
Appears in Collections:Τμήμα Ιατρικής (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
ΜDE_adamidi.pdfΚυρίως άρθρο2.71 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons