Please enable JavaScript.

Coggle requires JavaScript to display documents.

IMAGE ANALYSIS AND PROCESSING: METODI TRADIZIONALI - Coggle Diagram

- - - - alta energia
        
        rischio reazione DNA
        
        raggi gamma
        
        raggi x
        
        ultra violetti
        
        RADIATION DOSE
        energia assorbita per unità di massa
        $$ D= \frac {E}{M}[mGy]$$
    - - bassa energia
        
        rischio zero
        
        ultrasuoni
        
        thermal imaging
- - - - RILEVO EMISSIONE
        
        Immagini a bassa qualità
        
        vediamo solo distribuzione isotopi
  - - - detectors riconstruiscono distribuzione spaziale 3d
        
        raggi gamma
    - - ultrasuoni rimbalzano su superfici
        
        tessuti molli
    - - tubo radiogeno
        
        proiezione paziente in una determinata direzione
        
        coefficiente attenuazione dipende da densità e composizione chimica
        
        Interazione
        radiazione materia
        
        $$I(Z)= -\int_{z0}^{z1} \mu(z) dz $$
        
        VISUALIZZIAMO IL COEFFICIENTE DI ATTENUAZIONE
    - - movimento complessivo a spirale
        
        algoritmi di back proiezione per ricostruire mappa coeficienti
        
        qualità elevata, rischio radiazioni alto
        
        100 radiation dose
        
        OTTIMIZZARE QUALITA'
        
        ALARA PRINCIPLE
        As Low As Reasonable Achievable
    - - ricezione proprietà diffusione protoni
        -campo magnetico 3 Tesla
        
        onde radio 64 Mhz
    - - tempo di volo brevissimo
        
        generazione 2 fotoni in direzioni opposte
- - - - $$ SNR= \frac {\sum (x_i - \hat x_{BG})}{\sigma_{BG}} $$
        
        in caso di random noise
        SNR proporzionale a radice di N
        
        POSSO DIMINUIRE RUMORE CON ACQUISIZIONI MULTIPLE
        
        dimensioni oggetto influenzano SNR
    - - $$CNR_{AB} = |SNR_A - SNR_B|$$
    - - Line Spread Function
        approssimazione Gaussiana
        $$LSF(y) = \frac {1}{\sqrt {2 \pi \sigma^2}}{exp}(- \frac {(y-y_0)^2}{2 \sigma^2})$$
        
        inversa
        
        FWHM
        $$2\sqrt {2ln2\sigma}$$
      - Point SPread Function
        
        non in una direzione, tante LSF
        
        convoluzione oggetto e PSF per ottenere immagine
        
        kernel applicato a tutti i punti dell'immagine
        
        $$ I(x,y,z) = O(x,y,z) \star PSF(x,y,z)$$
      - Freqienza Spaziale
        
        n linee per unità di lunghezza
        
        se aumenta frequenza devo aumentare risoluzione
        
        $$ F=1/(2 \Delta) [mm^-1]$$
        
        una qualsiasi immagine può essere decomposta in funzioni sinuisoidali
        
        $$F(x,y)= \int_{-\inf}^\inf \int_{-\inf}^{inf} f(x,y)e^{-j2\pi (ux+vy)}dxdy$$
      - Modulation Transfer Function
        
        misura response del sistema di imaging a differenti frequenze spaziali
        
        La trasformata di Fourier del PSF
        
        LIMITING SPAZIAL RESOLUTION: circa al 10%
        
        CONVOLUTION THEOREM
        $$I=O \star PSF = F^{-1} (F(O) * MTF) $$
        
        più facile fare un prodotto che una convoluzione
  - - - rilevatore
        
        strutturale
        
        radiazione
        
        quantum mottle
    - - Random Noise
        $$ \sigma= \sqrt \frac {\sum_i (I_i - \hat I )^2}{N-1} $$
  - - - dipendenza proprietà intrinseche tessuti
    - - Detector
        
        Intrinseco
        
        Agente (corrispondente e specifico)
        
        Tecniche e Settings di Imaging
  - - - motion unsharpness
        
        geometric unsharpness
        
        subject unsharpness
        
        receptor unsharpness