Orvosi képdiagnosztika-ACM Snake

A VIK Wikiből
Ugrás a navigációhoz Ugrás a kereséshez

Az Orvosi képdiagnosztika tárgy egyik témaköre.

Jegyzetek

Összefoglaló

Az ACM (Active Contour Modell) Snake célja egy objektum kontúrjainak meghatározása egy zajos képen.

Ellenőzrő kérdések (2016)

Ismertesse formálisan a Snake futása során megvalósított optimalizálási feladatot az energiapotenciál (E(x)) felhasználásával. Mit tud mondani az optimalizálási probléma algoritmikus nehézségéről? Az [math] E(x) = E_{int}(x) + E_{im}(x) + E_{ext}(x) [/math] energiapotenciál esetén mi az integrandus egyes tagjainak interpretációja? Az [math]E_{int}(x) = \frac{1}{2} \int^1_{s=0} \alpha(s) \cdot \left| \frac{\partial x}{\partial s}\right|^2 + \beta(s) \cdot \left| \frac{\partial^2 x}{\partial s^2}\right|^2 ds [/math] belső energia egyes tagjai milyen kényszereket gyakorolnak a szegmentáló görbe pontjaira?

Amennyiben a többi energiatag értéke x-től független skalár, abban az esetben milyen az optimalizáció végén előálló szegmentáló görbe?

[TODO]
Legmeredekebb lejtő módszere esetén a Snake minimalizálandó energiafüggvények a megváltozását az alábbi összefüggés definiálja: [math]E(x) + \delta E(x) = E(x) + \int^1_0 \left( \frac{\partial P}{\partial x} - \alpha x'' + \beta x'''' \right)^T \cdot \delta x ds[/math]. Oldja fel az [math]x, \delta x, P, \alpha, \beta[/math] jelöléseket! Mit tudunk a legmeredekebb lejtő által megválasztott [math]\delta x[/math] irányáról, és mit a hosszáról? (Segítségül a görbe belső energiáját az alábbi összefüggés definiálja: [math]E_{int}(x) = \frac{1}{2} \int^1_{s=0} \alpha(s) \cdot \left| \frac{\partial x}{\partial s}\right|^2 + \beta(s) \cdot \left| \frac{\partial^2 x}{\partial s^2}\right|^2 ds [/math].)
[TODO]
Mi az Euler-Lagrange optimalizáció / feltétel alapötlete? Mondja ki a feltételt a Snake esetén! Amennyiben a Snake esetén teljesül a feltétel, akkor megtalálta az eljárás a globálisan minimális energiájú görbét? A kérdésre adott válaszát indokolja! Származtassa 1D diszkrét jelek esetén a Laplace szűrés, illetve a 4-edik derivált diszkrét közelítését.
[TODO]
Magyarázza el a szemi-implicit minimalizáció alapötletét, és formálisan ismertesse a szemiimplicit minimalizáció egy-egy iterációját a Snake eljárás esetén (megelégszünk a differenciálegyenlet diszkretizáltjával, nem szükséges a pentadiagonális mátrix felírása). Segítségül a módszerrel Snake esetén az [math]\frac{\partial P}{\partial x^{(t)}} - \alpha \cdot {x''}^{(t)} + \beta \cdot {x''''}^{(t)} = -\delta t \cdot \left( x^{(t)} - x^{(t-1)} \right)[/math] egyenlet megoldását keressük, ahol [math]x' = \frac{\partial x}{\partial s}[/math] és [math]x(s)[/math] definiálja a Snake kontúrját s „helyen”.
[TODO]
Hogyan jelentkezik a lokális optimum probléma a Snake szegmentáló eljárás esetén. Milyen módszereket ismer a probléma kezelésére? Mi az ú.n. kétfázisú szegmentáció lényege (gondoljon az esettanulmányra)? A mellékelt ábrák segítségével magyarázza el az energiafüggvény/energiapotenciál multiscale Gaussal történő elmosásán alapuló többlépéses szegmentálás lényegét: Orvosi kepdiagnosztika acm snake ell abra.png

Fekete nyíllal jelöljük a Snake minimalizációjának kiindulási állapotát. Jelölje be, hogy az első szegmentáció leállásának az állapotát, és a 2. Szegmentáció indulásának és leállásának a helyét. Az ábrák és saját ismeretei alapján interpretálja [math]\sigma[/math] paraméter értének megválasztását.

[TODO]


1. félév (tavasz)
2. félév (ősz)
Egyéb
Szakirányok