Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα
Σκοπός της διπλωματικής εργασίας είναι η εκτίμηση και η αναγνώριση των γεωμετρικών χαρακτηριστικών των ερυθρών αιμοσφαιρίων με ψηφιακή επεξεργασία της σκεδασμένης ακτινοβολίας. Αποτελείται από 8 κεφάλαια και ένα παράρτημα Α. Σε αυτά περιλαμβάνεται η μελέτη και η εφαρμογή μεθόδων επίλυσης του προβλ...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | Greek |
Έκδοση: |
2012
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/5556 |
id |
nemertes-10889-5556 |
---|---|
record_format |
dspace |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Ερυθρά αιμοσφαίρια Γεωμετρικά χαρακτηριστικά Ηλεκτρομαγνητική ακτινοβολία Red blood human cells Geometrical characteristics Electromagnetic radiation 006.42 |
spellingShingle |
Ερυθρά αιμοσφαίρια Γεωμετρικά χαρακτηριστικά Ηλεκτρομαγνητική ακτινοβολία Red blood human cells Geometrical characteristics Electromagnetic radiation 006.42 Τσιμόγιαννη, Χριστίνα Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα |
description |
Σκοπός της διπλωματικής εργασίας είναι η εκτίμηση και η αναγνώριση των γεωμετρικών χαρακτηριστικών των ερυθρών αιμοσφαιρίων με ψηφιακή επεξεργασία της σκεδασμένης ακτινοβολίας. Αποτελείται από 8 κεφάλαια και ένα παράρτημα Α. Σε αυτά περιλαμβάνεται η μελέτη και η εφαρμογή μεθόδων επίλυσης του προβλήματος αναγνώρισης γεωμετρικών χαρακτηριστικών των ανθρώπινων ερυθρών αιμοσφαιρίων από ψηφιοποιημένες εικόνες Ηλεκτρομαγνητικής Ακτινοβολίας ενός He-Ne Laser 632. 8 nm. Oι αλγόριθμοι εκπαίδευσης των νευρωνικών δικτύων ακτινικής συνιστώσας που εφαρμόσθηκαν υλοποιήθηκαν με τη βοήθεια του MATLAB R2009a. Οι κώδικες προγραμματίστηκαν από τον Κύριο Aποστολόπουλο Γεώργιο και τα αποτελέσματα τους αξιολογήθηκαν σε συνεργασία με τον καθηγητή κ. Δερματά. Επίσης, αρκετά στοιχεία και έννοιες πάρθηκαν για καθαρά μόνο εκπαιδευτικό σκοπό από την Διδακτορική Διατριβή Του κ. Αποστολόπουλου Γεωργίου και τον ευχαριστώ πάρα πολύ για την πολύτιμη βοήθεια του. Στο πρώτο κεφάλαιο γίνεται μια εισαγωγή στις ιδιότητες και τα χαρακτηριστικά του ανθρώπινου ερυθρού αιμοσφαιρίου δίνοντας έμφαση στα γεωμετρικά χαρακτηριστικά των υγιών απαραμόρφωτων ερυθροκυττάρων. Τέλος, γίνεται μία αναφορά στις ανωμαλίες των ερυθροκυττάρων και στους μέχρι τώρα υπάρχοντες τρόπους ανίχνευσης τους. Στο δεύτερο κεφάλαιο γίνεται μια αναφορά και μια επεξήγηση κάποιων θεωρητικών εννοιών όσον αφορά την θεωρία του Ηλεκτρομαγνητισμού, ξεκινώντας από την αρχή της ιστορίας του Ηλεκτρισμού, με αναφορά στο ηλεκτρικό φορτίο, την αρχή όλων. Γίνεται μια αναλυτική παρουσίαση των εξισώσεων Maxwell και τέλος γίνεται η επεξήγηση της ηλεκτρομαγνητικής Ακτινοβολίας και του Ηλεκτρομαγνητικού Φάσματος καθώς επίσης και της απορρόφησης του φωτός από τα ερυθρά αιμοσφαίρια. Στο τρίτο κεφάλαιο παρουσιάζεται διεξοδικά το φαινόμενο της σκέδασης και της ανάκλασης, αφού η σκέδαση είναι προϊόν πολλαπλής ανάκλασης, γίνεται η συσχέτιση της απορρόφησης της σκέδασης της Ηλεκτρομαγνητικής ακτινοβολίας από τα ερυθρά αιμοσφαίρια. Γίνεται η επεξήγηση του «ευθέως προβλήματος της σκέδασης» και τέλος γίνεται μια απλή αναφορά στις εφαρμογές της σκέδασης στους διάφορους τομείς της επιστήμης και της ανθρώπινης ζωής. Στο τέταρτο κεφάλαιο αναλύεται διεξοδικά το «αντίστροφο πρόβλημα της σκέδασης ηλεκτρομαγνητικής ακτινοβολίας» δηλαδή, το γεγονός του να γνωρίζουμε το σκεδαζόμενο πεδίο και το προσπίπτον κύμα και το να προσπαθούμε να βρούμε το σχήμα και το μέγεθος του σκεδαστή. Στη συγκεκριμένη έρευνα προσπαθούμε με τη βοήθεια μιας πειραματικής συσκευής να αναγνωρίσουμε τα ανθρώπινα αιμοσφαίρια και να εκτιμήσουμε με την βοήθεια των νευρωνικών δικτύων ακτινικής συνιστώσας τα γεωμετρικά χαρακτηριστικά των ερυθροκυττάρων μέσω των ψηφιοποιημένων εικόνων σκέδασης. Στο πέμπτο κεφάλαιο περιγράφονται αναλυτικά και γίνεται μια εκτενής αναφορά στα Τεχνητά Νευρωνικά Δίκτυα, ξεκινώντας από την αρχή της ιστορίας τους. Γίνεται μια εισαγωγή σε θεωρητικές έννοιες, οι οποίες θα μας βοηθήσουν στην διάρκεια της ερευνάς μας, να μπορέσουμε να κατανοήσουμε επαρκέστερα είτε τη λειτουργία των Τεχνητών Νευρωνικών Δικτύων (Artificial Intelligence) και Των Νευρωνικών Δικτύων Ακτινικής Συνιστώσας (RBF-NN) είτε την μεθοδολογία και την επιστημονική αξία της εκπαίδευσης των προηγουμένων. Στο έκτο κεφάλαιο γίνεται μια αναφορά στις έννοιες, της ψηφιακής επεξεργασίας εικόνας, της Συμπίεσης των εικόνων,της κανονικοποίησης των εικόνων, της Διαδικασίας ανάκτησης πληροφορίας, στις μεθόδους εξαγωγής χαρακτηριστικών από ψηφιοποιημένες εικόνες, όπου στην συγκεκριμένη εργασία χρησιμοποιήθηκαν ο Διακριτός μετασχηματισμός συνημιτόνου (DCT), Ο Διακριτός μετασχηματισμός Κυματιδίου (DWT), Ο Γωνιακός Ακτινικός Μετασχηματισμός (ART), Τα φίλτρα Gabor και τέλος οι Ροπές Zernike. Στο έβδομο κεφάλαιο εισχωρούμε πλέον στην βαθύτερη και ουσιαστικότερη πλευρά της ερευνάς μας. Είμαστε πλέον έτοιμοι,από πλευράς θεωρητικών εννοιών. Κάνουμε εκτενή αναφορά στο «Αντίστροφο πρόβλημα της σκέδασης» στην συγκεκριμένη περίπτωση, δηλαδή στην Διαδικασία Ανάκτησης (με την χρήση δισδιάστατων Μετασχηματισμών, οι οποίοι περιγράφονται αναλυτικότατα), αναγνώρισης και Ταξινόμησης (με την μέθοδο των Νευρωνικών δικτύων ακτινικής Συνιστώσας) της Πληροφορίας μας (την αναγνώριση των ερυθρών αιμοσφαιρίων και την εκτίμηση των γεωμετρικών χαρακτηριστικών τους). Στο Όγδοο κεφάλαιο εμφανίζονται τα αποτελέσματα της πειραματικής διαδικασίας μέσω διαγραμμάτων και σχολίων - συμπερασμάτων. Παρατίθενται οι γραφικές παραστάσεις του Μέσου Απόλυτου Σφάλματος (Mean Regression Error) και του ποσοστού επιτυχίας Αναγνώρισης (Mean Identification Error). Στο Παράρτημα Α παρουσιάζονται τα πειραματικά αποτελέσματα σε μορφή πινάκων Excel, δηλαδή παρατίθενται οι πίνακες του μέσου Απόλυτου Σφάλματος (Regression Error)συναρτήσει του αριθμού των Νευρώνων(Number of Neurons) και το Μέσο Ποσοστό Επιτυχίας Αναγνώρισης (Mean Identification Error) συναρτήσει του αριθμού των Νευρώνων αλλά και συναρτήσει του Λευκό Gaussian θορύβου SNR(dB). |
author2 |
Δερματάς, Ευαγγελος |
author_facet |
Δερματάς, Ευαγγελος Τσιμόγιαννη, Χριστίνα |
format |
Thesis |
author |
Τσιμόγιαννη, Χριστίνα |
author_sort |
Τσιμόγιαννη, Χριστίνα |
title |
Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα |
title_short |
Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα |
title_full |
Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα |
title_fullStr |
Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα |
title_full_unstemmed |
Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα |
title_sort |
αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα |
publishDate |
2012 |
url |
http://hdl.handle.net/10889/5556 |
work_keys_str_mv |
AT tsimogiannēchristina anagnōrisēpathologikōnaimosphairiōnmeepexergasiapsēphiakēseikonasskedasēsstoyperythrokaioratophasma |
_version_ |
1771297216099516416 |
spelling |
nemertes-10889-55562022-09-05T11:17:49Z Αναγνώριση παθολογικών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκέδασης στο υπέρυθρο και ορατό φάσμα Τσιμόγιαννη, Χριστίνα Δερματάς, Ευαγγελος Λυμπερόπουλος, Δημήτριος Tsimogianni, Christina Ερυθρά αιμοσφαίρια Γεωμετρικά χαρακτηριστικά Ηλεκτρομαγνητική ακτινοβολία Red blood human cells Geometrical characteristics Electromagnetic radiation 006.42 Σκοπός της διπλωματικής εργασίας είναι η εκτίμηση και η αναγνώριση των γεωμετρικών χαρακτηριστικών των ερυθρών αιμοσφαιρίων με ψηφιακή επεξεργασία της σκεδασμένης ακτινοβολίας. Αποτελείται από 8 κεφάλαια και ένα παράρτημα Α. Σε αυτά περιλαμβάνεται η μελέτη και η εφαρμογή μεθόδων επίλυσης του προβλήματος αναγνώρισης γεωμετρικών χαρακτηριστικών των ανθρώπινων ερυθρών αιμοσφαιρίων από ψηφιοποιημένες εικόνες Ηλεκτρομαγνητικής Ακτινοβολίας ενός He-Ne Laser 632. 8 nm. Oι αλγόριθμοι εκπαίδευσης των νευρωνικών δικτύων ακτινικής συνιστώσας που εφαρμόσθηκαν υλοποιήθηκαν με τη βοήθεια του MATLAB R2009a. Οι κώδικες προγραμματίστηκαν από τον Κύριο Aποστολόπουλο Γεώργιο και τα αποτελέσματα τους αξιολογήθηκαν σε συνεργασία με τον καθηγητή κ. Δερματά. Επίσης, αρκετά στοιχεία και έννοιες πάρθηκαν για καθαρά μόνο εκπαιδευτικό σκοπό από την Διδακτορική Διατριβή Του κ. Αποστολόπουλου Γεωργίου και τον ευχαριστώ πάρα πολύ για την πολύτιμη βοήθεια του. Στο πρώτο κεφάλαιο γίνεται μια εισαγωγή στις ιδιότητες και τα χαρακτηριστικά του ανθρώπινου ερυθρού αιμοσφαιρίου δίνοντας έμφαση στα γεωμετρικά χαρακτηριστικά των υγιών απαραμόρφωτων ερυθροκυττάρων. Τέλος, γίνεται μία αναφορά στις ανωμαλίες των ερυθροκυττάρων και στους μέχρι τώρα υπάρχοντες τρόπους ανίχνευσης τους. Στο δεύτερο κεφάλαιο γίνεται μια αναφορά και μια επεξήγηση κάποιων θεωρητικών εννοιών όσον αφορά την θεωρία του Ηλεκτρομαγνητισμού, ξεκινώντας από την αρχή της ιστορίας του Ηλεκτρισμού, με αναφορά στο ηλεκτρικό φορτίο, την αρχή όλων. Γίνεται μια αναλυτική παρουσίαση των εξισώσεων Maxwell και τέλος γίνεται η επεξήγηση της ηλεκτρομαγνητικής Ακτινοβολίας και του Ηλεκτρομαγνητικού Φάσματος καθώς επίσης και της απορρόφησης του φωτός από τα ερυθρά αιμοσφαίρια. Στο τρίτο κεφάλαιο παρουσιάζεται διεξοδικά το φαινόμενο της σκέδασης και της ανάκλασης, αφού η σκέδαση είναι προϊόν πολλαπλής ανάκλασης, γίνεται η συσχέτιση της απορρόφησης της σκέδασης της Ηλεκτρομαγνητικής ακτινοβολίας από τα ερυθρά αιμοσφαίρια. Γίνεται η επεξήγηση του «ευθέως προβλήματος της σκέδασης» και τέλος γίνεται μια απλή αναφορά στις εφαρμογές της σκέδασης στους διάφορους τομείς της επιστήμης και της ανθρώπινης ζωής. Στο τέταρτο κεφάλαιο αναλύεται διεξοδικά το «αντίστροφο πρόβλημα της σκέδασης ηλεκτρομαγνητικής ακτινοβολίας» δηλαδή, το γεγονός του να γνωρίζουμε το σκεδαζόμενο πεδίο και το προσπίπτον κύμα και το να προσπαθούμε να βρούμε το σχήμα και το μέγεθος του σκεδαστή. Στη συγκεκριμένη έρευνα προσπαθούμε με τη βοήθεια μιας πειραματικής συσκευής να αναγνωρίσουμε τα ανθρώπινα αιμοσφαίρια και να εκτιμήσουμε με την βοήθεια των νευρωνικών δικτύων ακτινικής συνιστώσας τα γεωμετρικά χαρακτηριστικά των ερυθροκυττάρων μέσω των ψηφιοποιημένων εικόνων σκέδασης. Στο πέμπτο κεφάλαιο περιγράφονται αναλυτικά και γίνεται μια εκτενής αναφορά στα Τεχνητά Νευρωνικά Δίκτυα, ξεκινώντας από την αρχή της ιστορίας τους. Γίνεται μια εισαγωγή σε θεωρητικές έννοιες, οι οποίες θα μας βοηθήσουν στην διάρκεια της ερευνάς μας, να μπορέσουμε να κατανοήσουμε επαρκέστερα είτε τη λειτουργία των Τεχνητών Νευρωνικών Δικτύων (Artificial Intelligence) και Των Νευρωνικών Δικτύων Ακτινικής Συνιστώσας (RBF-NN) είτε την μεθοδολογία και την επιστημονική αξία της εκπαίδευσης των προηγουμένων. Στο έκτο κεφάλαιο γίνεται μια αναφορά στις έννοιες, της ψηφιακής επεξεργασίας εικόνας, της Συμπίεσης των εικόνων,της κανονικοποίησης των εικόνων, της Διαδικασίας ανάκτησης πληροφορίας, στις μεθόδους εξαγωγής χαρακτηριστικών από ψηφιοποιημένες εικόνες, όπου στην συγκεκριμένη εργασία χρησιμοποιήθηκαν ο Διακριτός μετασχηματισμός συνημιτόνου (DCT), Ο Διακριτός μετασχηματισμός Κυματιδίου (DWT), Ο Γωνιακός Ακτινικός Μετασχηματισμός (ART), Τα φίλτρα Gabor και τέλος οι Ροπές Zernike. Στο έβδομο κεφάλαιο εισχωρούμε πλέον στην βαθύτερη και ουσιαστικότερη πλευρά της ερευνάς μας. Είμαστε πλέον έτοιμοι,από πλευράς θεωρητικών εννοιών. Κάνουμε εκτενή αναφορά στο «Αντίστροφο πρόβλημα της σκέδασης» στην συγκεκριμένη περίπτωση, δηλαδή στην Διαδικασία Ανάκτησης (με την χρήση δισδιάστατων Μετασχηματισμών, οι οποίοι περιγράφονται αναλυτικότατα), αναγνώρισης και Ταξινόμησης (με την μέθοδο των Νευρωνικών δικτύων ακτινικής Συνιστώσας) της Πληροφορίας μας (την αναγνώριση των ερυθρών αιμοσφαιρίων και την εκτίμηση των γεωμετρικών χαρακτηριστικών τους). Στο Όγδοο κεφάλαιο εμφανίζονται τα αποτελέσματα της πειραματικής διαδικασίας μέσω διαγραμμάτων και σχολίων - συμπερασμάτων. Παρατίθενται οι γραφικές παραστάσεις του Μέσου Απόλυτου Σφάλματος (Mean Regression Error) και του ποσοστού επιτυχίας Αναγνώρισης (Mean Identification Error). Στο Παράρτημα Α παρουσιάζονται τα πειραματικά αποτελέσματα σε μορφή πινάκων Excel, δηλαδή παρατίθενται οι πίνακες του μέσου Απόλυτου Σφάλματος (Regression Error)συναρτήσει του αριθμού των Νευρώνων(Number of Neurons) και το Μέσο Ποσοστό Επιτυχίας Αναγνώρισης (Mean Identification Error) συναρτήσει του αριθμού των Νευρώνων αλλά και συναρτήσει του Λευκό Gaussian θορύβου SNR(dB). The aim of this particular scientific project is the estimation and the recognition of the geometrical characteristics of healthy, undistorted Red blood Human Cells using scattering images of visible light. This means that we use scattering images throughout scattering phenomena in the visible spectrum of electromagnetic radiation. This project includes and focuses on the study and the use of several important methods such as, Image Feature Extraction, Image Feature Normalization, Estimation and Identification of the geometrical Features of RBCs, throughout Neural Networks. We make an important and a sufficient reference on the theories, that we are going to use on this survey such as the theory of Electromagnetic Radiation, the theory of Artificial Intelligence, the theory of Scattering Images, the theory of Compressing Images throughout Transforms and at last but not least the theory of the Forward scattering Problem. On This project we use, 5 well-known Transforms for the Image Feature Extraction, such as, Discrete Cosine Transform (DCT), Discrete wavelet Transform (DWT), Angular Radial Transform (ART), Zernike Transform and Gabor’s Filters. The each proposed method is evaluated in both, Regression and Identification Tasks when Three Important geometrical properties of The Human RBC are estimated using Database of 1575 simulated images generated with the boundary element Method. The experimental set up consists of a light beam at 632.8 nm and moving RBCs in a thin glass and additive noise distortion is simulated using White Gaussian Noise from 10 to 60 dB SNR. We give our whole attention on the diagrams which show us, The Mean Regression Error of the three geometrical properties versus The Number of Neurons, and the Mean Identification Error versus the Noise Distortion. 2012-10-01T06:55:52Z 2012-10-01T06:55:52Z 2012-07-07 2012-10-01 Thesis http://hdl.handle.net/10889/5556 gr 0 application/pdf |