Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού

H παρούσα Διπλωματική Εργασία μελετά την ποσοτικοποίηση του λιπώδους ιστού μέσα από μια ανέπαφη και μη επεμβατική μέθοδο που βασίζεται στις λήψεις θερμικών εικόνων. Στα πλαίσια αυτής αναπτύχθηκε λογισμικό που πραγματοποιεί τον εντοπισμό και την ποσοτικοποίηση του φαιού σωματικού λίπους από θερμικές...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Λουκαρέας, Παύλος
Άλλοι συγγραφείς: Loukareas, Pavlos
Γλώσσα:Greek
Έκδοση: 2023
Θέματα:
Διαθέσιμο Online:https://hdl.handle.net/10889/25226
id nemertes-10889-25226
record_format dspace
institution UPatras
collection Nemertes
language Greek
topic Θερμικές εικόνες
Φαιός λιπώδης ιστός
Λιπώδης ιστός
Κατασκευή λογισμικού
Επεξεργασία εικόνας
Ανάπτυξη περιοχής με seed
Thermal images
Brown adipose tissue
Adipose tissue
Software development
Image processing
Seeded region growing
spellingShingle Θερμικές εικόνες
Φαιός λιπώδης ιστός
Λιπώδης ιστός
Κατασκευή λογισμικού
Επεξεργασία εικόνας
Ανάπτυξη περιοχής με seed
Thermal images
Brown adipose tissue
Adipose tissue
Software development
Image processing
Seeded region growing
Λουκαρέας, Παύλος
Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού
description H παρούσα Διπλωματική Εργασία μελετά την ποσοτικοποίηση του λιπώδους ιστού μέσα από μια ανέπαφη και μη επεμβατική μέθοδο που βασίζεται στις λήψεις θερμικών εικόνων. Στα πλαίσια αυτής αναπτύχθηκε λογισμικό που πραγματοποιεί τον εντοπισμό και την ποσοτικοποίηση του φαιού σωματικού λίπους από θερμικές εικόνες. To λογισμικό αυτό έχει ως ευρύτερο σκοπό να υποστηρίζει έναν ερευνητή που μελετά τη δραστηριότητα του φαιού λιπώδους ιστού στον άνθρωπο. Στόχοι της μελέτης είναι ο εντοπισμός, η απεικόνιση και η ποσοτικοποίηση του φαιού λιπώδους ιστού πάνω στις θερμικές εικόνες, σύμφωνα με μεθόδους που υπάρχουν στη διεθνή βιβλιογραφία. Με βάση αυτή τη μελέτη πραγματοποιείται η κατασκευή λογισμικού επεξεργασίας η οποία μπορεί να διαχειριστεί κωδικοποιημένα αρχεία θερμικών εικόνων και δίνει τη δυνατότητα στο χρήστη να ορίσει την περιοχή αναζήτησης του φαιού λιπώδους ιστού. Οι μέθοδοι που υλοποιήθηκαν για τον θερμικό εντοπισμό της ενεργοποιημένης περιοχής κινήθηκαν στα πλαίσια της διεθνούς βιβλιογραφίας. Στην εφαρμογή υλοποιείται ο διαχωρισμός περιοχής ενδιαφέροντος από τον χρήστη, η στατιστική ανάλυση και εκτίμηση της μέσης θερμοκρασίας, του εμβαδού και του όγκου των περιοχών με φαιό λιπώδη ιστό. Ο αλγόριθμος που επιλέχθηκε ονομάζεται στα αγγλικά «seeded region growing» και υλοποιεί τον διαχωρισμό των ενεργοποιημένων περιοχών από τις μη. Στηρίζεται στην ανάπτυξη μιας συνεκτικής περιοχής με θερμοκρασίες κοντά στην τοπική μέγιστη και διακόπτεται όταν η διαφορά της θερμοκρασίας κατά την ανάπτυξη ξεπεράσει ένα ορισμένο από τον χρήστη κατώφλι. Η διαδικασία της επεξεργασίας θερμικών εικόνων για τον εντοπισμό και την ανίχνευση του φαιού λιπώδους ιστού στηρίζεται στη μελέτη της ψυχρής γένεσης σε ποντίκια εργαστηρίου. Συγκεκριμένα δίνεται η δυνατότητα εύρεσης του όγκου του φαιού λίπους από πολλαπλές γωνίες θέασης για κάθε δείγμα. Η εφαρμογή συνθέτει μια εκτίμηση για τον όγκο του φαιού λιπώδους ιστού από το εμβαδόν της ενεργοποιημένης περιοχής για κάθε πλευρά και πολλαπλασιάζει το εμβαδόν με ένα δεδομένο βάθος. Τα πειραματικά δεδομένα για την μελέτη της μεθόδου προέκυψαν από θερμικές λήψεις σε ζώντα εργαστηριακά ποντίκια στα οποία προκλήθηκε η διαδικασία της ψυχρής γένεσης του φαιού λιπώδους ιστού. Τα δεδομένα συλλέχθηκαν από τους ερευνητές του εργαστηρίου Φαρμακολογίας του Τμήματος Ιατρικής, με χρήση της θερμικής κάμερας που παραχωρήθηκε από το Εργαστήριο Επεξεργασίας Σημάτων και Επικοινωνιών του Τμήματος Μηχανικών Η/Υ & Πληροφορικής του Πανεπιστημίου Πατρών. Τα αποτελέσματα της εφαρμογής έδειξαν σταθερή εκτίμηση του όγκου του φαιού λιπώδους ιστού για λήψεις από πολλαπλές πλευρές. Ωστόσο η επιβεβαίωση των αποτελεσμάτων απαιτεί στατιστική ανάλυση πολλών λήψεων και δοκιμών για διάφορες τιμές κατωφλίου θερμοκρασίας του αλγόριθμου εντοπισμού, καθώς και σύγκριση με άλλες μεθόδους της βιβλιογραφίας που δεν στηρίζονται στην θερμογραφική εκτίμηση, όπως την μέθοδο PET/CT.
author2 Loukareas, Pavlos
author_facet Loukareas, Pavlos
Λουκαρέας, Παύλος
author Λουκαρέας, Παύλος
author_sort Λουκαρέας, Παύλος
title Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού
title_short Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού
title_full Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού
title_fullStr Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού
title_full_unstemmed Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού
title_sort ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού
publishDate 2023
url https://hdl.handle.net/10889/25226
work_keys_str_mv AT loukareaspaulos analysēthermikōneikonōngiatēnanichneusēlipōdousistou
AT loukareaspaulos thermalimageanalysisfortheadiposetissuedetection
_version_ 1771297331753254912
spelling nemertes-10889-252262023-06-29T06:18:20Z Ανάλυση θερμικών εικόνων για την ανίχνευση λιπώδους ιστού Thermal image analysis for the adipose tissue detection Λουκαρέας, Παύλος Loukareas, Pavlos Θερμικές εικόνες Φαιός λιπώδης ιστός Λιπώδης ιστός Κατασκευή λογισμικού Επεξεργασία εικόνας Ανάπτυξη περιοχής με seed Thermal images Brown adipose tissue Adipose tissue Software development Image processing Seeded region growing H παρούσα Διπλωματική Εργασία μελετά την ποσοτικοποίηση του λιπώδους ιστού μέσα από μια ανέπαφη και μη επεμβατική μέθοδο που βασίζεται στις λήψεις θερμικών εικόνων. Στα πλαίσια αυτής αναπτύχθηκε λογισμικό που πραγματοποιεί τον εντοπισμό και την ποσοτικοποίηση του φαιού σωματικού λίπους από θερμικές εικόνες. To λογισμικό αυτό έχει ως ευρύτερο σκοπό να υποστηρίζει έναν ερευνητή που μελετά τη δραστηριότητα του φαιού λιπώδους ιστού στον άνθρωπο. Στόχοι της μελέτης είναι ο εντοπισμός, η απεικόνιση και η ποσοτικοποίηση του φαιού λιπώδους ιστού πάνω στις θερμικές εικόνες, σύμφωνα με μεθόδους που υπάρχουν στη διεθνή βιβλιογραφία. Με βάση αυτή τη μελέτη πραγματοποιείται η κατασκευή λογισμικού επεξεργασίας η οποία μπορεί να διαχειριστεί κωδικοποιημένα αρχεία θερμικών εικόνων και δίνει τη δυνατότητα στο χρήστη να ορίσει την περιοχή αναζήτησης του φαιού λιπώδους ιστού. Οι μέθοδοι που υλοποιήθηκαν για τον θερμικό εντοπισμό της ενεργοποιημένης περιοχής κινήθηκαν στα πλαίσια της διεθνούς βιβλιογραφίας. Στην εφαρμογή υλοποιείται ο διαχωρισμός περιοχής ενδιαφέροντος από τον χρήστη, η στατιστική ανάλυση και εκτίμηση της μέσης θερμοκρασίας, του εμβαδού και του όγκου των περιοχών με φαιό λιπώδη ιστό. Ο αλγόριθμος που επιλέχθηκε ονομάζεται στα αγγλικά «seeded region growing» και υλοποιεί τον διαχωρισμό των ενεργοποιημένων περιοχών από τις μη. Στηρίζεται στην ανάπτυξη μιας συνεκτικής περιοχής με θερμοκρασίες κοντά στην τοπική μέγιστη και διακόπτεται όταν η διαφορά της θερμοκρασίας κατά την ανάπτυξη ξεπεράσει ένα ορισμένο από τον χρήστη κατώφλι. Η διαδικασία της επεξεργασίας θερμικών εικόνων για τον εντοπισμό και την ανίχνευση του φαιού λιπώδους ιστού στηρίζεται στη μελέτη της ψυχρής γένεσης σε ποντίκια εργαστηρίου. Συγκεκριμένα δίνεται η δυνατότητα εύρεσης του όγκου του φαιού λίπους από πολλαπλές γωνίες θέασης για κάθε δείγμα. Η εφαρμογή συνθέτει μια εκτίμηση για τον όγκο του φαιού λιπώδους ιστού από το εμβαδόν της ενεργοποιημένης περιοχής για κάθε πλευρά και πολλαπλασιάζει το εμβαδόν με ένα δεδομένο βάθος. Τα πειραματικά δεδομένα για την μελέτη της μεθόδου προέκυψαν από θερμικές λήψεις σε ζώντα εργαστηριακά ποντίκια στα οποία προκλήθηκε η διαδικασία της ψυχρής γένεσης του φαιού λιπώδους ιστού. Τα δεδομένα συλλέχθηκαν από τους ερευνητές του εργαστηρίου Φαρμακολογίας του Τμήματος Ιατρικής, με χρήση της θερμικής κάμερας που παραχωρήθηκε από το Εργαστήριο Επεξεργασίας Σημάτων και Επικοινωνιών του Τμήματος Μηχανικών Η/Υ & Πληροφορικής του Πανεπιστημίου Πατρών. Τα αποτελέσματα της εφαρμογής έδειξαν σταθερή εκτίμηση του όγκου του φαιού λιπώδους ιστού για λήψεις από πολλαπλές πλευρές. Ωστόσο η επιβεβαίωση των αποτελεσμάτων απαιτεί στατιστική ανάλυση πολλών λήψεων και δοκιμών για διάφορες τιμές κατωφλίου θερμοκρασίας του αλγόριθμου εντοπισμού, καθώς και σύγκριση με άλλες μεθόδους της βιβλιογραφίας που δεν στηρίζονται στην θερμογραφική εκτίμηση, όπως την μέθοδο PET/CT. This thesis studies the quantification of adipose tissue through a non-intrusive and non-invasive method based on the acquisition of thermal images. In this context, software was developed that performs the detection and quantification of brown tissue from thermal images. This software has the broader purpose of supporting a researcher studying the activity of brown adipose tissue in humans. The objectives of the study are to identify, visualize and quantify brown adipose tissue on thermal images according to methods available in the literature. Based on this study, the construction of processing software is carried out which can manage encoded thermal image files and enables the user to define the search area of brown adipose tissue. The methods implemented for the thermal localization of the activated area were implemented within the international literature. In the application the user's separation of the area of interest, statistical analysis and estimation of the average temperature, area, and volume of the areas with brown adipose tissue are implemented. The chosen algorithm is named "seeded region growing" and implements the separation of activated regions from non-activated regions. It relies on growing a coherent region with temperatures close to the local maximum and is stopped when the temperature difference during growth exceeds a user-defined threshold. The process of thermal image processing for the identification and detection of brown adipose tissue is based on the study of cold activated thermogenesis in laboratory mice. In particular, the possibility is given to find the volume of brown adipose tissue from multiple viewing angles for each sample. The application synthesizes an estimate of brown adipose tissue volume from the activated area for each side and multiplies the total area by a given depth. The experimental data for the study of the method were obtained from thermal recordings in live laboratory mice in which the process of cold activated thermogenesis of brown adipose tissue was induced. The data were collected by the researchers of the Laboratory of Pharmacology of the Department of Medicine, using the thermal camera provided by the Laboratory of Signal Processing and Communications of the Department of Computer Engineering & Informatics of the University of Patras. The results of the application showed stable estimation of the brown adipose tissue volume for images taken from multiple sides. However, the confirmation of the results requires statistical analysis of several shots and tests for different temperature threshold values of the localization algorithm, as well as comparison with other methods in the literature that do not rely on thermographic estimation, such as the PET/CT method. 2023-06-28T09:04:10Z 2023-06-28T09:04:10Z 2023-06-27 https://hdl.handle.net/10889/25226 el CC0 1.0 Universal http://creativecommons.org/publicdomain/zero/1.0/ application/pdf