پاورپوینت آشنایی و معرفی تصاویر پزشکی دیجیتالی 1 (با کیفیت)

پاورپوینت آشنایی و معرفی تصاویر پزشکی دیجیتالی 1 (با کیفیت)

لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل :  powerpoint (..PPT) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 26 اسلاید

 قسمتی از متن powerpoint (..PPT) : 
 

بنام خدا
آشنایی و معرفی تصاویر پزشکی دیجیتالی
تاریخچه
تصویر برداری از اعضای بدن برای اولین بار توسط ویلهلم کنراد رونتگن فیزیکدان آلمانی و استاد دانشگاه ورزبورگ (wurzburg) آلمان در شب 8 نوامبر سال 1895 میلادی همزمان با کشف اشعه ایکس از استخوانهای دست همسرش انجام گرفت. علت نامگذاری ایکس به این اشعه نداشتن ایده بخصوصی در مورد آن بود. بنابراین آن را اشعه ناشناخته یا مجهول ایکس نامیدند و تصویرگیری با این اشعه ، رادیولوژی نامیده شد .
انواع وسایل تصویر برداری پزشکی
دستگاههای رادیولوژی ساده
در این دستگاه‌ها بوسیله تولید اشعه ایکس در یک تیوپ و بکاربردن یک سری تکنیکها و شرایط لازم و عبور اشعه از بدن بیمار و برخورد آن با فیلم و سپس ثبت تصویر بوسیله دستگاههای ظهور و ثبوت از اعضای مختلف بدن تصویر برداری می‌شود .
دستگاه سی‌تی اسکن (computeriz tomography)
در این دستگاه تصویر برداری مقطعی و عرضی توسط چرخش دستگاه به دور عضور مورد نظر صورت می‌گیرد و در هر چرخش یک مقطع از عضو را در کوتاهترین زمان تصویرگیری می‌کند و تصاویر توسط کامپیوتر بازسازی می‌شوند .
دستگاه ام آر آی (magnetic Resonance Imaging)
استفاده از یک میدان مغناطیسی بزرگ است که وقتی بیمار در آن قرار می‌گیرد، امواج رادیویی که دستگاه می‌فرستد، بر روی هسته اتم هیدروژن در بدن اثر گذاشته و آنها را در یک میدان مغناطیسی قرار می‌دهد. سپس تصویرگیری توسط کامپیوتر از مقاطع مختلف عضو مورد نظر صورت می‌گیرد .
دستگاه پت (positron Emission tomogeraphy)
برای استفاده از این سیستم یک عنصر رادیواکتیو که پوزیترون تولید می‌کند، وارد بدن بیمار می‌شود و سپس دو عدد پرتو گاما تولید می‌شود. بر این اساس در این سیستم آناتومی و فیزیولوژی بدن مشخص می‌شود .
پزشکی هسته‌ای (RNI)
یک ماده رادیواکتیو از طریق داخل رگی یا خوراکی یا استنشاقی مورد استفاده بیمار قرار می‌گیرد. به علت اعمال متابولیک در بدن این مواد رادیواکتیو در محل خاصی تجمع می‌یابند. سپس یک دوربین در این سیستم به نام دوربین گاما تعداد تشعشعات گامای ساطع شده از بیمار را شمارش می‌کند که نشان دهنده میزان جذب اکتیویته در آن عضو مورد نظر است. در نتیجه یک بیماری خاص مثلا تومور می‌تواند در شمارش تغییر بوجود آورد و بیماری تشخیص داده می‌شود .

 

بهبود در تصاویر فشرده شده 13 ص

بهبود در تصاویر فشرده شده 13 ص

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 13 صفحه

 قسمتی از متن word (..doc) : 
 

‏
‏دانشگاه آزاد اسلامی‏‌‏واحد مشهد
‏دانشکده فنی و مهندسی
‏گروه هوش مصنوعی
‏بهبود‏ در‏ ‏تصاویر فشرده شده
‏1‏.‏چکیده
‏در این مقاله ما روشهایی که در حوزه فشرده سازی ،تصاویر JPEG‏ را بهبود می دهند را مورد بررسی قرار می دهیم بدون این که تصاویر فشرده شده را به طور کامل رمز گشایی کنیم روش اولی که مورد بررسی قرار می دهیم استفاده از یک تابع فازی جهت بهبود تصویر است در این روش ابتدا تابع بهبود را به حوزه فشرده سازی می بریم برای این کار ما نیاز به پیاده سازی عملگر های غیر خطی در حوزه فشرده سازی داریم پس از پیاده سازی این تابع را بر بلاک های 8*8 اعمال می کنیم و نتایج این تابع را بر روی بلاکها یکنواخت وبلاکهای دارای جزییات بررسی میکنیم و در پایان اتلگوریتم را برای بلاک ها متفاوت بهبود می دهیم . در روش دوم ابتدا مقدار کنسترانت تصویر را اندازه گیری کرده و سپس کنسترانت ضرایب را با یک مقدار ثابت بهبود می دهیم
‏2.‏مقدمه
‏امروزه حجم بالا تصاویر باعث شده است تا تصاویر فشرده شده مورد توجه بیشتری قرار گیرد فشرده سازی تصاویر با نگهداشتن کیفیت نسبی تصاویر حجم تصاویر را تا حد زیادی پایین می آورد . حجم پایین تصاویر در جایی که می خواهیم انتقال اطلاعات داشته باشیم بسیار مفید است . برای مثال می توان به انتقال تصاویر پزشکی از طریق اینترنت اشاره کرد
‏الگوریتم هایی که برای فشرده سازی تصاویر به کار می رود به دو گروه lossy ,lossless‏ تقسیم می شوددر روش lossless‏ اطلاعات تصویر از بین نمی رود و می توان با استفاده از تصویر فشرده شده ‏و با استفاده از یک الگوریتم کدگشایی‏ تصویر اولیه را بدست آورد ‏ولی در روش های lossy ‏ مقداری از اطلاعات تصویر از بین می رود [2]
‏یکی از الگوریتم های معروف و پر کاربرد در فشرده سازی تصاویر الگوریتم فشرده سازی (JPEG‏) است در این روش ابتدا تصویر به قطعات 8*8 که همپوشانی ندارند تقسیم شده سپس ماتریس DCT‏ را بر روی هر بلاک اعمال می کنیم ضرایب DCT‏ را با استفاده از جدول مقدار دهی (Quantize Table‏) ‏ به یک مقدار گسسته مقدار دهی می کنیم این پردازش یک پردازش لوسی (lossy process‏) است و ‏مقداری از اطلاعات را از دست می دهیم در این مرحله بسیاری از ضرایب کوچک (معمولاً قرکانس بالا) به مقدار صفر مقدار دهی می شوند حال این ضراین را با استفاده از یک الگوریتم کد گذاری کدگذاری می کنیم این عمل باعث پایین آمدن نسبت بیتی (
bit rate‏) تصویر می شود [5]
‏الگوریتم هایی که برای بهبود تصویر فشرده شده ارائه شده اند بر اساس زمان بهبود تصویر می توان به 3 دسته کلی تقسیم کرد :1- بهبود تصویر قبل از فشرده سازی 2- ‏بهبود تصویر بعد از فشرده سازی 3- بهبود تصویردر حین فشرده سا‏ ‏زی[4]‏
‏یکی از معایب بزرگ الگوریتم ها دسته اول (بهبود قبل از فشرده سازی ) پایین آمدن قدرت‏ و ضریب ‏ فشرده سازی تصویر پس از اعمال الگوریتم بهبود است ‏الگوریتم هایی که در اینجا مورد بررسی قرار می دهیم از الگوریتم های دسته ‏2و3‏ است
‏3.‏روشهای بکار رفته برای ‏بهبود تصاویر فشرده شده (JPEG‏)
‏یک تصویر فشرده شده به دو روش می توان بهبود بخشید در روش اول تصویر کاملاً رمز گشایی کرده و به حوزه پیکسلی می بریم و سپس تصویر بهبود یافته را با الگوریتم فشرده سازی مجدد فشرده می کنیم این ‏امر (compress/decompress‏)‏ باعث زمان‏بر شدن الگوریتم می شود علاوه بر این ‏قدرت‏ و ضریب ‏ فشرده سازی‏ در تصاویر بهبود یافته در حوزه پیکسلی کم می شود.
‏روش دیگر برای بهبود تصاویر فشرده شده استفاده از ضرایب DCT‏ تصویر است در این روش ما ابتدا ضرایب را با یک الگوریتم کدگشایی از تصویر بدست می آوریم سپس پردازش را در حوزه فشرده شده (Compressed Domain‏) ‏بر روی تصویر اعمال کرده و سپس ضرایب را کد گذاری می کنیم در این روش ما زمان لازم برای (compress/decompress‏) را صرفه جویی می کنیم در این روش بدلیل این که بسیاری از ضرایب پس از عمل (Quantize‏) صفر می شوند محاسبات کمتری نسبت به حوزه پیکسلی خواهیم داشت
‏دو روش جهت بهبود تصاویر فشرده شده
‏1‏-3‏.استفاده از ‏تابع فازی INT‏ برای بهبود کنتراست تصویر
‏تابع فازی (INT-OP)‏ ‏بر اساس حد آستانه عمومی کنتراست تصویر را بهبود می دهد برای اعمال این تابع در حوزه پیکسلی ابتدا نیاز است تا سطوح خاکستری تصویر را در بازه [0 1]‏ نرمال می کنیم
‏
‏این تابع نقاطی که روشنایی کمتری دارد را تاریک تر می کند و نقاطی که روشنایی بیشتری را دارد را روشن تر می کند این تابع باعث می شود تا سطوح خاکستری ابتدا و انتها بازه فشرده شده و در عوض فاصله سطوح خاکستری میانی را افزایش می دهد که این موجب ‏بالا رفتن کنسترانت تصویر می شود. این تابع یک تابع غیر خطی است
‏تابع INT‏ در حوزه فشرده شده (Compressed Domain)
‏برای اعمال تابع ‏در حوزه فشرده شده ما نیاز به پیاده سازی عملگر های خطی (جمع ، ضرب ، ...)و عملگر های غیر خطی (توان) در حوزه فشرده سازی داریم عملگر های خطی به راحتی پیاده سازی می شوند ولی مشکل اساسی ما پیاده سازی عملگر ها غیر خطی است اگر ما ‏سطوح خاکستری هر بلاک 8*8 را با ماتریس U[8*8]‏ نمایش دهیم و ضرایب
DCT‏ هر بلاک Udct‏(که به طور مستقیم از تصویر فشرده شده بدست می آید) را داشته باشیم آنگاه با روابط زیر می توان عملگر غیر خطی توان را پیاده سازی کرد (Udct*sq)
‏در روابط بالا چند نکته را باید مورد نظر داشته باشیم اولاً در اغلب مواقع Udct ‏ ‏ صفر است و دوم این که تابع WQ(y1,y2,w1,w2,x1,x2)‏ در 96% اوقات مقدار صفر را بر می گرداند. این نکات نشان می دهد که هر چند روابط بالا پیچیده و زمانبر است ولی در واقع زمان کمتری برای محاسبه آنها صرف خواهد شد.[1]
‏حال برای اعمال INT‏ در حوزه فشرده سازی به صورت زیر عمل می کنیم .ابتدا مقادیر سطوح خاکستری را از بازه [0 255]‏ به بازه [-128 127]‏ می بریم تا مقادیر حول عدد صفر متقارن شوند . عدد صفر را به عنوان مقدار حد آستانه در نظر می گیریم (به جای مقدار 0.5 که در حوزه پیکسلی به عنوان حد آستانه در نظر می گرفتیم) و در نهایت تابع INT‏ را به صورت زیر برای هر بلاک محاسبه می کنیم [1]
‏همانطور که در فرمول بالا مشاهده می کنید مقدار حد آستانه Udct(0,0) ‏ برای هر بلاک 8*8 تنها یکبار محاسبه می شود و هر بلاک 64 پیکسلی فقط از یک حد آستانه استفاده می کند در صورتی که در حوزه پیکسلی ‏64 حد آستانه متفاوت (سطح خاکستری پیکسل ) خواهیم داشت که این امر باعث بروز مشکل در بهبود تصویر می شود این مشکل در بلاک هایی یکنواخت که ‏سطوح خاکستری نزدیکی به هم دارند مشکل کمتری ایجاد می کند نسبت به بلاک هایی که دارای جزییات هستند

 

مقاله درباره استراتژیهای توزیع داده‌ برای تصاویر

مقاله-درباره-استراتژیهای-توزیع-داده‌-برای-تصاویر.aspx"> مقاله درباره استراتژیهای توزیع داده‌ برای تصاویر

دانلود مقاله درباره استراتژی های توزیع داده برای تصاویر

دسته بندی	کامپیوتر و IT
بازدید ها	29
فرمت فایل	doc
حجم فایل	51 کیلو بایت
تعداد صفحات فایل	20

مقاله درباره استراتژیهای توزیع داده‌ برای تصاویر" /> مقاله درباره استراتژیهای توزیع داده‌ برای تصاویر" />

مقاله درباره استراتژیهای توزیع داده‌ برای تصاویر" title="مقاله درباره استراتژیهای توزیع داده‌ برای تصاویر" />

فروشنده فایل

کد کاربری 4152

تمام فایل ها

*استراتژیهای توزیع داده‌ برای تصاویر *

خلاصه:

تصاویر مقیاس بزرگ و high- resolution بصورت افزایشی برای برنامه‌های کاربردی interactive (گرافیک‌های سه‌بعدی) شامل تصاویر داده‌‌ای مقیاس بزرگ و محیط‌های مجازی پوششی و طرحهای مشترک است و مورد استفاده قرار می‌گیرند. این سیستمها باید شامل یک کارآیی بسیار بالا و افزاینده زیر سیستمهای rendering برای تولید تصاویر high-resolution در اندازه‌های فریم‌های real – time باشند.

ما تحقیق وبررسی می‌کنیم که چگونه سیستمی را که تنها از اجزای قطعات گرانقیمت در یک pc cluster استفاده می‌کند بسازیم. هدف اصلی پیشرفت و توسعه الگوریتم‌های کارا برای تقسیم‌بندی و توزیع وظایف rendering به صورت مؤثر در پهنای باند عملیات پردازشی و انبارداری و محدودیتهای یک سیستم توزیع‌ یافته‌است. در این مقاله ما سه راه متفاوت را که از نظر نوع داده‌هایی که از Client به سرورهای تصویر می‌فرستند فرق دارند با هم مقایسه می‌کنیم به کنترل مقادیر اولیه و پیکسل‌ها برای هر راه آزمایشات اولیه را به وسیله یک سیستم الگو که یک تصویر دیواری چند پروژه‌کتوره را با یک pc-cluster تولید می‌کند، شرح می‌دهیم. ما راههای متفاوتی را که برای ساختارهای متفاوت سیستمی مناسب باشد با بهترین انتخاب مربوطه به پهنای باند ارتباطی ظرفیت انبارداری و قدرت پردازش‌کردن Clientو سرورهای تصویری را پیدا کردیم:

کلیدهای اصلی مؤلف: رندرکردن موازی، گرافیکهای شبکه‌شده، تصاویر مقیاس بزرگ تصویر Interactive، و محاسبه Cluster

فهرست مقاله:

1. معرفی

2. طبقه‌بندی استراتژیهای توزیع‌داده

3. مدل اجرایی همگام‌سازی شد

4. مدل توزیع‌ اولیه

5. مدل توزیع پیکسل

6. نتیجه‌گیری و کار آینده

7. مراجع

1. معرفی:

ما در حال عبور از دوران جدیدی از محاسبات کامپیوتری هستیم که در آن تبادل با داده‌ها در سراسر زمان و فضا با وسایل تصویر ubiquitous موجود است. دلایل وجود این تغییرات در این دروان ساده هستند. پیشرفتهای سریع در کارآیی cpu ظرفیت ذخیره‌سازی نهایی باند شبکه و تولیدات وسایل نمایشی.

راه سنتی استفاده از کامپیوترها و شبکه‌ها بیشترین سیکلهای cpu را برای حل مشکلات تکنیکی و مدیریت و سازماندهی تراکنشهای تجاری مصرف می‌کردند، این رزوها بیشتر سیکلهای cpu نهایی باند شبکه در نقل و انتقالات شامل بوجود آوردن محتویات گم‌شده و تحریف‌شده فرستادن اطلاعات و ارائه‌کردن اطلاعات برای مردم برای جستجوکردن و تصویرساختن صرف می‌شوند.

در این دهه اخیر تصاویر نسل جدید مانند (light-ernitting plastics)LEP و
(organic light- emitting devices) OLED، اجزای قطعات با ارزشی ازنظر تجاری خواهند شد. این وسایل بسیار گران قیمت هستند. آنها ممکن است به دیوارها، پنجره‌ها، لوازم منزل و… وصل شوند. آنها ممکن است تکه‌تکه سطح یک اتاق، کف یک اتاق و یا حتی یک ساختمان را به صورت یکپارچه بپوشانند. پیشرفت آنها یک مشکل جدید تکنیکی جالب را معرفی خواهد کرد:

چگونه باید سیستمهای کامپیوتری برای تولید پیکسلهای بسیار زیاد طراحی کنیم؟

خوشبختانه در بیشترحالات منطقی همه تصاویر نیازی به اینکه یکمرتبه با resolution کامل یا در اندازه‌های فریم‌های ویدئویی update شوند،ندارند. در عوض تعداد کمی از تصاویر بازخور را به نقل و انتقال user که به زمانهای سریع refresh نیاز خواهد داشت. در زمانی که اکثرتصاویر دیگر می‌توانند در کمترین فرکانس و یا در پائین‌ترین update, resolution شوند نشان می‌دهند در ضمن تصاویر برای استفاده‌کننده‌ای که بتواند خالی یا سفید باقی بماند مشخص نیست.

هدف طراحی یک سیستمrenering قوی و انعطاف‌پذیر برای تولید تعداد زیادی از پیکسلها که در یک محیط پویا روی تصاویر متعدد فشرده می‌شوند است.

استراتژیهای توزیع داده‌ برای تصاویرتوزیع دادهتصاویراستراتژیhigh resolutionاندازه و مقیاس تصاویردانلودمقاله.aspx">دانلود مقالهدانلود تحقیقدانلود پایان نامهگرافیک های سه بعدیمحیط های مجازی پوششیتولید تصاویر highresolutionتوسعه الگورتیم

همکاری در فروش

سایت تبلیغاتی رایگان

درج آگهی رایگان

سایت تبلیغات اینترنتی رایگان