پردازش تصویر و فیلتر کردن تصاویر استاتیک و پویا: مروری بر یک تکنسین تصویر استاتیک طراحی استاتیک

بیایید به سمت تئوری برویم

2 راه برای متعادل کردن یک تصویر وجود دارد: ایستا و پویا.

استاتیک یا ایستا این ترکیب بیانگر بی حرکتی، ثبات، آرامش است.

پویا یا پویا حرکت، انرژی، احساس حرکت، پرواز، چرخش را بیان می کند.

چگونه اجسام بی حرکت را به حرکت وادار کنیم؟

یکی از قوانین ساخت ترکیب یک قانون است. در چنین تصویری، 5 قطب را می توان تشخیص داد که جلب توجه می کند: مرکز و 4 گوشه. تصویر ساخته شده در موارد بزرگ متعادل، اما ایستا خواهد بود. اگر هدف انتقال آرامش، آرامش، ثبات باشد، عالی است.

اما اگر هدف انتقال حرکت باشد یا امکان حرکت یا اشاره ای به حرکت و انرژی؟

ابتدا بیایید به این فکر کنیم که کدام عناصر تصویر وزن بیشتری دارند (آنهایی که توجه چشم را بیشتر به خود جلب می کنند) از بقیه.

اجسام بزرگ > کوچک

روشن > تاریک

رنگ گرم > سرد رنگ

اشیاء سه بعدی (3 بعدی) > اشیاء مسطح (2 بعدی)

کنتراست بالا > کنتراست کم

منزوی > منسجم

شکل منظم > شکل نامنظم

واضح، واضح > تار، خارج از فوکوس

درک اینکه چه چیزی قوی تر است ضروری است، بنابراین برای مثال، با دانستن اینکه عناصر روشن بیشتر از عناصر تیره چشم را جذب می کنند، جزئیات جزئی پس زمینه نباید روشن تر از موضوع اصلی تصویر باشد.

مانند عناصر مختلف وزن متفاوت، و 5 قطب به طرق مختلف جلب توجه می کند. گوشه های پایین قوی هستند. قدرت ادراک بصری از چپ به راست افزایش می یابد چرا اینطور است؟ ما عادت داریم از بالا به پایین و از چپ به راست بخوانیم، بنابراین گوشه پایین سمت راست وزن بیشتری خواهد داشت، زیرا در این حالت به پایان دادن عادت داریم =) و به ترتیب بالا سمت چپ کمترین نیرو را خواهد داشت =)

بنابراین، اگر کمی قانون یک سوم را تغییر دهیم و مانند نمودار کمی از خطوط اصلی خطوط حرکت کنیم، چه؟

طبق قانون یک سوم، چهار نقطه تقاطع را می بینیم، اما برای ایجاد پویایی، 2 تا از آنها به گوشه پایین سمت راست منتقل می شوند.

هر چه وزن جسم بیشتر باشد و هر چه بالاتر قرار گیرد، انرژی بصری تصویر بیشتر می شود.

به عنوان مثال ترکیب مورب پویا

قانون دیگری که عناصر یک تصویر را متعادل می کند، قانون هرم است. پایین سنگین و پایدار است. ترکیبی که به این ترتیب ساخته شده است ایستا خواهد بود. اما می توانید این هرم را برگردانید و سپس قسمت بالایی آن سنگین خواهد بود، اما تصویر همچنان متعادل باقی می ماند، با این حال، در حال حاضر پویا +)

وجود خطوط مورب به تصویر پویایی می بخشد، در حالی که خطوط افقیایستا

تنها راه برای درک تفاوت این است که نگاه کنید و نقاشی کنید =)

پس چند عکس دیگر

تکنسین های پزشکی پرتویی (TMR) معمولاً دستکاری های کامپیوتری متعددی را برای اصلاح تصاویر تشخیصی برای کمک به تفسیر صحیح انجام می دهند. در حالی که فن‌آوران با تجربه عموماً از پیامدهای بصری دستکاری‌های خود آگاه هستند، ممکن است اصول ریاضی و علمی پشت یک کلیک ماوس را کاملاً درک نکنند. اصول می تواند برای همه چالش برانگیز باشد، به جز باهوش ترین TMR ها. به احتمال زیاد، پردازش ریاضی تصاویر در کتاب‌های درسی و مقالات برای TMR ترسناک، دلسردکننده یا شاید غیرقابل توجه است. با این حال، با غلبه بر مقاومت و درک اصول اساسی در پشت پردازش تصویر، TMR ها می توانند توانایی خود را برای تولید تصاویر تشخیصی با کیفیت بالا گسترش دهند.

ریاضیات را نمی توان از بحث پردازش و فیلتر کردن تصویر حذف کرد. این مقاله اصول پشت تعدادی از رویه های کلی را شرح می دهد. این توصیف باید برای فناوران سطوح مختلف دانش ریاضی قابل قبول باشد. اولین رویه هایی که مورد بحث قرار می گیرند، رویه های ساده مربوط به تصاویر ثابت هستند. بعد، رویه‌های پیچیده‌تر مرتبط با تصاویر پویا. بیشتر پردازش و فیلتر کردن تصویر با تصاویر بسته فیزیولوژیکی و تصاویر SPECT (توموگرافی کامپیوتری با گسیل تک فوتون) صورت می گیرد. متاسفانه، پیچیدگی این سوالات نیست توصیف همراه با جزئیاتاینجا.

پردازش تصویر ثابت

تصاویر ثابتی که مستقیماً به فیلم منتقل شده اند در قالب آنالوگ ارائه می شوند. این داده ها می توانند دامنه بی نهایتی از مقادیر داشته باشند و می توانند تصاویری تولید کنند که به طور دقیق توزیع پرتوزا در اندام ها و بافت ها را منعکس کنند. اگرچه این تصاویر در صورت به دست آوردن صحیح می توانند کیفیت بسیار بالایی داشته باشند، جمع آوری داده ها در زمان واقعی تنها یک فرصت برای جمع آوری داده ها فراهم می کند. به دلیل خطای انسانی یا سایر خطاها، ممکن است نیاز به تکرار اکتساب و در برخی موارد تکرار کل امتحانات باشد.

تصاویر ثابتی که برای ذخیره سازی یا بهبود به رایانه منتقل می شوند در قالب دیجیتال هستند. این در انجام می شود در قالب الکترونیکیدارای مبدل آنالوگ به دیجیتال در دوربین‌های قدیمی‌تر، این تبدیل از طریق یک سری شبکه‌های مقاومتی انجام می‌شد که حاوی قدرت سیگنالی بود که از چندین فتومولتی‌پلایر می‌آمد و تولید می‌شد. سیگنال دیجیتال، متناسب با انرژی تشعشعی رویدادها.

صرف نظر از روشی که برای دیجیتالی کردن تصاویر استفاده می شود، خروجی دیجیتال یک مقدار گسسته را به داده های آنالوگ پردازش شده اختصاص می دهد. نتیجه، تصاویری است که می توان آنها را ذخیره و پردازش کرد. با این حال، این تصاویر تنها تقریبی از داده های آنالوگ اصلی هستند. همانطور که در شکل 1 مشاهده می شود، نمایش دیجیتال تقریبی است اما سیگنال های آنالوگ را تکرار نمی کند.

شکل 1 - منحنی آنالوگ و نمایش دیجیتالی آن

تصاویر دیجیتال پزشکی رادیولوژی از یک ماتریس انتخاب شده توسط تکنسین تشکیل شده است. برخی از ماتریس های رایج مورد استفاده در پزشکی رادیولوژی عبارتند از 64x64، 128x128 و 256x256. در مورد یک ماتریس 64x64، صفحه کامپیوتر به 64 خانه به صورت افقی و 64 سلول به صورت عمودی تقسیم می شود. هر مربع حاصل از این تقسیم، پیکسل نامیده می شود. هر پیکسل می تواند حاوی مقدار محدودی داده باشد. در یک ماتریس 64x64، مجموعاً 4096 پیکسل روی صفحه نمایش کامپیوتر وجود خواهد داشت، ماتریس 128x128 16384 پیکسل و ماتریس 256x256 65536 پیکسل را ارائه می دهد.

تصاویر با پیکسل های بیشتر شباهت بیشتری به داده های آنالوگ اصلی دارند. با این حال، این بدان معنی است که رایانه باید داده های بیشتری را ذخیره و پردازش کند، که به فضای هارد دیسک بیشتر و نیازهای بیشتری نیاز دارد حافظه دسترسی تصادفی. اکثر تصاویر ثابت برای معاینه بصری توسط پزشک رادیولوژیک به دست می آیند، بنابراین معمولاً نیازی به تجزیه و تحلیل آماری یا عددی قابل توجهی ندارند. تعدادی از تکنیک های رایج پردازش تصویر استاتیک معمولاً برای اهداف بالینی استفاده می شود. این روش ها لزوما منحصر به فرد نیستند پردازش استاتیکتصاویر، و می تواند در برخی از برنامه های تصویربرداری پویا، فیزیولوژیکی بسته یا SPECT استفاده شود. اینها روشهای زیر هستند:

مقیاس بندی تصویر؛

تفریق پس زمینه;

صاف کردن / فیلتر کردن؛

تفریق دیجیتال؛

عادی سازی؛

عکس پروفایل.

مقیاس بندی تصویر

هنگام مشاهده تصاویر دیجیتال برای بازرسی بصری یا برای ضبط تصاویر، تکنسین باید مقیاس تصویر صحیح را انتخاب کند. پوسته پوسته شدن تصویر می تواند در سیاه و سفید با سایه های متوسط ​​خاکستری یا رنگی رخ دهد. ساده ترین مقیاس خاکستری مقیاسی با دو سایه خاکستری، یعنی سفید و سیاه است. در این حالت، اگر مقدار پیکسل از مقدار مشخص شده توسط کاربر بیشتر شود، یک نقطه سیاه روی صفحه ظاهر می شود، اگر مقدار کمتر باشد، یک نقطه سفید (یا در مورد تصاویر اشعه ایکس شفاف). این مقیاس می تواند به صلاحدید کاربر معکوس شود.

رایج ترین مقیاس مورد استفاده 16، 32 یا 64 سایه خاکستری است. در این موارد، پیکسل های حاوی بیشترین اطلاعات کاملشبیه سایه های تاریک (سیاه) است. پیکسل هایی که حاوی حداقل اطلاعات هستند مانند روشن ترین سایه ها (شفاف) به نظر می رسند. همه پیکسل های دیگر بر اساس مقدار اطلاعاتی که دارند به صورت سیاه و سفید ظاهر می شوند. رابطه بین تعداد نقاط و سایه های خاکستری را می توان به صورت خطی، لگاریتمی یا نمایی تعریف کرد. مهم است که سایه مناسب خاکستری را انتخاب کنید. اگر سایه های خاکستری زیادی انتخاب شده باشد، ممکن است تصویر پاک شده به نظر برسد. اگر خیلی کوچک باشد، ممکن است تصویر خیلی تیره به نظر برسد (شکل 2).

شکل 2 - (الف) تصاویر با مقیاس خاکستری زیاد، (ب) یک تصویر با مقدار کمی مقیاس خاکستری، (C) یک تصویر با مقیاس خاکستری صحیح

یک فرمت رنگی را می توان برای مقیاس بندی یک تصویر استفاده کرد که در این صورت فرآیند مانند دستکاری مقیاس خاکستری است. با این حال، به جای نمایش داده ها در مقیاس خاکستری، داده ها در نمایش داده می شوند رنگهای متفاوتبسته به مقدار اطلاعات موجود در پیکسل. در حالی که تصاویر رنگی برای مبتدیان جذاب هستند و برای اهداف روابط عمومی بیشتر گویا هستند، تصاویر رنگی کمی به قابلیت تفسیر یک فیلم اضافه می کنند. بنابراین، بسیاری از پزشکان هنوز ترجیح می دهند تصاویر را در مقیاس خاکستری مشاهده کنند.

تفریق پس زمینه

عوامل نامطلوب متعددی در تصاویر پزشکی رادیولوژیک وجود دارد: پس زمینه، پراکندگی کامپتون و نویز. این عوامل در پزشکی رادیولوژی در رابطه با محل قرارگیری رادیوداروها در یک اندام یا بافت منفرد غیرمعمول هستند.

چنین مقادیر غیرعادی (شمارش) سهم قابل توجهی در تخریب تصویر دارد. خوانش‌های جمع‌آوری‌شده از منابع دروغ‌گو و همپوشانی، پس‌زمینه هستند. انتشار کامپتون در اثر انحراف فوتون از مسیر خود ایجاد می شود. اگر فوتون از دوربین گاما منحرف شد یا انرژی کافی برای تشخیص توسط دوربین الکترونیکی را از دست داد، واقعاً مهم نیست. با این حال، مواقعی وجود دارد که یک فوتون به سمت دوربین منحرف می‌شود و اتلاف انرژی آن ممکن است به اندازه‌ای باشد که دوربین آن را به عنوان یک پراکنده تعریف کند. تحت این شرایط، پراکندگی کامپتون توسط دوربینی که از منابعی غیر از مناطق مورد نظر منشأ گرفته است، قابل ثبت است. نویز نوسانات تصادفی است سیستم الکترونیکی. در شرایط عادی، نویز به اندازه پس‌زمینه و پراکندگی کامپتون، به نقاط پرت ناخواسته کمک نمی‌کند. با این حال، مانند پس‌زمینه و پراکندگی Compton، نویز می‌تواند کیفیت تصویر را کاهش دهد. این امر می تواند به ویژه برای مطالعاتی که در آنها تحلیل کمی نقش مهمی در تفسیر نهایی مطالعه دارد مشکل ساز باشد. مشکلات پس زمینه، گسترش Compton و نویز را می توان با استفاده از فرآیندی به نام تفریق پس زمینه به حداقل رساند. به طور معمول، تکنسین یک منطقه مورد علاقه (ROI) را مناسب برای تفریق پس‌زمینه ترسیم می‌کند، اما در برخی موارد، منطقه مورد نظر توسط کامپیوتر تولید می‌شود (شکل 3).

شکل 3 - تصویر قلب. نشان دادن قرارگیری صحیح تفریق پس‌زمینه ROI (فلش)

صرف نظر از روش، وظیفه فناور است که پس زمینه ROI را به درستی قرار دهد. پس زمینه مناطق با تعداد مناطق بیشتر ممکن است پارامترهای زیادی از اندام یا بافت منطقه مورد نظر بگیرد. از سوی دیگر، مناطق پس‌زمینه با تعداد مساحت بسیار کم، پارامترهای بسیار کمی را از تصویر حذف می‌کنند. هر دو خطا می توانند منجر به تفسیر نادرست از مطالعه شوند.

تفریق پس‌زمینه با اضافه کردن تعداد نمونه‌ها تعیین می‌شود زمینه ROI و تقسیم بر تعداد پیکسل هایی که در پس زمینه ROI وجود دارد. پس از آن، عدد به دست آمده از هر پیکسل در اندام یا بافت کم می شود. به عنوان مثال، فرض کنید ROI پس زمینه 45 پیکسل و شامل 630 نمونه است. میانگین پیشینه:

630 نمونه/45 پیکسل = 14 نمونه/پیکسل

صاف کردن / فیلتر کردن

هدف از anti-aliasing کاهش نویز و بهبود کیفیت بصری یک تصویر است. اغلب، صاف کردن، فیلتر نامیده می شود. دو نوع فیلتر وجود دارد که می تواند در زمینه پرتو پزشکی مفید باشد: مکانی و زمانی. فیلترهای فضایی برای تصاویر استاتیک و پویا اعمال می شوند، در حالی که فیلترهای زمانی فقط برای تصاویر پویا اعمال می شوند.

در بسیار روش ساده anti-aliasing از مربع 3-x-3 پیکسل (در مجموع 9 پیکسل) استفاده می کند و همچنین مقدار هر پیکسل را تعیین می کند. مقادیر پیکسل های مربعی به طور میانگین محاسبه می شوند و این مقدار به پیکسل مرکزی اختصاص می یابد (شکل 4). بنا به صلاحدید تکنسین، می توان همان عملیات را برای کل صفحه کامپیوتر یا یک منطقه محدود تکرار کرد. عملیات مشابه را می توان با مربع های 5x-5 یا 7x-7 انجام داد.

شکل 4 - 9 پیکسل مدار سادهصاف کردن

یک عملیات مشابه اما پیچیده تر شامل ایجاد یک هسته فیلتر با وزن دادن به مقادیر پیکسل های اطراف پیکسل مرکزی است. هر پیکسل در مقادیر وزنی مربوطه ضرب می شود. در مرحله بعد، مقادیر هسته فیلتر خلاصه می شود. در نهایت، مجموع مقادیر هسته فیلتر بر مجموع مقادیر وزنی تقسیم می شود و مقدار به پیکسل مرکزی اختصاص می یابد (شکل 5).

شکل 5 - طرح ضد آلیاسینگ 9 پیکسلی با هسته فیلتر وزن دار

نقطه ضعف آن این است که با ضد الایاسینگ، اگرچه ممکن است تصویر از نظر بصری جذاب‌تر باشد، ممکن است تصویر تار باشد و وضوح تصویر کاهش یابد. استفاده نهایی از هسته فیلتر شامل وزن دهی با مقادیر منفی در امتداد پیکسل های محیطی با مقدار مثبت در مرکز پیکسل است. این روش وزن دهی تمایل به افزایش میزان نابرابری بین پیکسل های همسایه دارد و می تواند برای افزایش احتمال تشخیص مرزهای اندام یا بافت استفاده شود.

تفریق دیجیتال و نرمال سازی

یک مشکل رایج در پزشکی رادیولوژی جلوگیری از فعالیت مداوم از پنهان کردن یا پوشاندن مکان‌های تجمع غیر طبیعی ردیاب است. بسیاری از این مشکلات با استفاده از فناوری SPECT برطرف شده است. با این حال، روش‌های هوشمندانه‌تری برای استخراج اطلاعات مرتبط از یک تصویر مسطح مورد نیاز است. یکی از این روش ها تفریق دیجیتالی است. تفریق دیجیتال شامل تفریق یک تصویر از تصویر دیگر است. بر این فرض استوار است که برخی از رادیوداروها در بافت‌های طبیعی و پاتولوژیک موضعی هستند، که تفسیر صحیح را برای پزشک مشکل می‌کند. برای کمک به تمایز بین بافت های طبیعی و پاتولوژیک، دومین رادیودارو فقط در بافت های سالم تجویز می شود. تصویر توزیع رادیودارو دوم از تصویر اولی کم می شود و تنها تصویر بافت غیر طبیعی باقی می ماند. ضروری است که بیمار بین تزریق اول و دوم ثابت بماند.

هنگامی که تکنسین تصویر دوم با کمیت بالا را از تصویر اول با کمیت کم کم می کند، می توان مقادیر کافی را از بافت غیرعادی حذف کرد تا "طبیعی" به نظر برسد (شکل 6).

شکل 6 - تفریق دیجیتال بدون نرمال سازی

برای جلوگیری از نتایج آزمایش منفی کاذب، تصاویر باید نرمال شوند. عادی سازی یک فرآیند ریاضی است که در آن خوانش های متفاوت بین دو تصویر با هم تطبیق داده می شوند. برای عادی سازی تصویر، تکنسین باید ناحیه کوچکی از علاقه را در نزدیکی بافتی که طبیعی در نظر گرفته می شود جدا کند. تعداد نمونه ها در منطقه در تصویر اول (تعداد کم) به نمودارهایی در همان ناحیه تصویر دوم (تعداد زیاد) تقسیم شده است. این ضریب ضرب را می دهد و تمام پیکسل هایی را که اولین تصویر را تشکیل می دهند، می شمرد. در شکل 7، "منطقه عادی"، این پیکسل بالای سمت چپ در محاسبه است. این عدد در "منطقه عادی" (2) تقسیم بر پیکسل تصویر دوم مربوطه (40) ضریب ضرب 20 را به دست می دهد. سپس تمام پیکسل های تصویر اول در ضریب 20 ضرب می شوند. در نهایت، تصویر دوم خواهد بود. از عدد موجود در تصویر اول کم می شود.

شکل 7 - تفریق پس زمینه با نرمال سازی

تصویر نمایه

پروفایل تصویر یک روش ساده است که برای تعیین کمیت پارامترهای مختلف روی یک تصویر ثابت استفاده می شود. برای نمایه یک تصویر، تکنسین برنامه مناسب را در رایانه باز می کند و خط را روی صفحه رایانه قرار می دهد. کامپیوتر به پیکسل های نشان داده شده با خط نگاه می کند و تعداد نمونه های موجود در پیکسل ها را رسم می کند. عکس پروفایل کاربردهای مختلفی دارد. برای مطالعه ایستا پرفیوژن میوکارد، یک نمایه در سراسر میوکارد گرفته می شود تا به تعیین درجه پرفیوژن میوکارد کمک کند (شکل 8). در مورد معاینه ناحیه ساکروایلیاک، از پروفایل برای ارزیابی همگنی جذب استخوان عامل مفصل ساکروایلیاک در تصویر استفاده می شود. در نهایت می توان از تصویر نمایه به عنوان کنترلی برای آنالیز کنتراست دوربین استفاده کرد.

شکل 8 - تصویر نمایه میوکارد

پردازش تصویر پویا

یک تصویر پویا مجموعه ای از تصاویر ثابت است که به صورت متوالی گرفته می شود. بنابراین، بحث قبلی در مورد ترکیب تصاویر ثابت آنالوگ و دیجیتال در مورد تصاویر پویا صدق می کند. تصاویر پویا به‌دست‌آمده در قالب دیجیتال شامل ماتریس‌هایی هستند که توسط تکنسین انتخاب می‌شوند، اما به عنوان یک قاعده، اینها ماتریس‌هایی با اندازه 64x64 یا 128x128 هستند. در حالی که این ماتریس ها می توانند وضوح تصویر را به خطر بیندازند، اما به میزان قابل توجهی نیاز دارند حافظه کمتربرای ذخیره سازی و رم از ماتریس های 256-x-256.

تصاویر پویا برای ارزیابی میزان تجمع و/یا میزان حذف رادیوداروها از اندام ها و بافت ها استفاده می شود. برخی از روش‌ها، مانند اسکن سه‌فازی استخوان و خونریزی گوارشی، تنها به معاینه بصری توسط پزشک برای نتیجه‌گیری تشخیصی نیاز دارند. مطالعات دیگر، مانند نفروگرام (شکل 9)، مطالعات تخلیه معده، و کسر جهشی کبد صفراوی، به تعیین کمیت به عنوان بخشی از تشخیص پزشک نیاز دارند.

در این بخش تعدادی از روش‌های رایج برای پردازش تصویر پویا مورد استفاده در عمل بالینی مورد بحث قرار می‌گیرد. این روش ها لزوماً منحصر به پردازش تصویر پویا نیستند و برخی از آنها برای تصاویر بسته فیزیولوژیکی یا SPECT کاربرد دارند. این روش ها هستند:

جمع بندی / اضافه کردن تصاویر.

فیلتر زمان؛

منحنی های زمان فعالیت؛

جمع بندی تصویر / پد

انباشتن تصویر و padding اصطلاحات قابل تعویضی هستند که به یک فرآیند اشاره دارند. در این مقاله از اصطلاح انباشتن تصویر استفاده می شود. جمع تصویر فرآیند جمع کردن مقادیر چند تصویر است. اگرچه ممکن است شرایطی وجود داشته باشد که در آن تصاویر انباشته کمی هستند، این بیشتر استثنا است تا یک قاعده. از آنجایی که دلیل جمع‌بندی تصویر به ندرت برای اهداف کمی استفاده می‌شود، انجام عادی‌سازی جمع‌بندی تصویر ایده خوبی نیست.

تصاویر مطالعه را می توان به صورت جزئی یا کامل جمع کرد تا یک تصویر واحد بدست آید. روش جایگزینشامل فشرده سازی یک تصویر پویا به فریم های کمتر است. صرف نظر از روش استفاده شده، مزیت اصلی انباشتن تصویر زیبایی است. به عنوان مثال، تصاویر متوالی با تعداد مطالعات کم برای تجسم اندام یا بافت مورد نظر خلاصه می شود. بدیهی است که تکنسین به پردازش بیشتر تصاویر تجسم اندام ها و بافت ها کمک می کند که به پزشک در تفسیر بصری نتایج مطالعه کمک می کند (شکل 9).

شکل 9 - (الف) نفروگرام قبل و (ب) بعد از جمع

فیلتر زمانی

هدف از فیلتر کردن، کاهش نویز و بهبود کیفیت بصری تصویر است. فیلتر فضایی، که اغلب به عنوان آنتی آلیاسینگ شناخته می شود، برای تصاویر استاتیک اعمال می شود. با این حال، از آنجایی که تصاویر پویا تصاویر ثابتی هستند که به صورت متوالی قرار گرفته اند، توصیه می شود فیلترهای فضایی را برای تصاویر پویا نیز اعمال کنید.

انواع مختلف فیلتر، فیلتر زمانی که برای مطالعات دینامیکی استفاده می شود. پیکسل ها در فریم های تحلیل دینامیکی متوالی بعید است که نوسانات زیادی را در نمونه های انباشته شده تجربه کنند. با این حال، تغییرات کوچک در یک فریم نسبت به فریم قبلی می تواند منجر به "سوسو زدن" شود. فیلترهای موقت به طور موفقیت آمیزی سوسو زدن را کاهش می دهند در حالی که نوسانات آماری قابل توجه در داده ها را به حداقل می رساند. این فیلترها از تکنیک میانگین وزنی استفاده می کنند که در آن به یک پیکسل میانگین وزنی پیکسل های یکسان در فریم های قبلی و بعدی اختصاص داده می شود.

منحنی های زمان فعالیت

استفاده کمی از تصاویر پویا برای ارزیابی میزان تجمع و/یا سرعت حذف رادیوداروها از اندام‌ها یا بافت‌ها در نهایت با منحنی زمان فعالیت مرتبط است. منحنی‌های زمان فعالیت برای نشان دادن چگونگی تغییر خوانش‌ها در یک منطقه مورد علاقه در طول زمان استفاده می‌شود. پزشکان ممکن است به سرعت تجمع و قطع قرائت ها (مثلا نفروگرام)، سرعت دفع (به عنوان مثال، کسر جهشی کبدی صفراوی، تخلیه معده)، یا صرفاً تغییر محاسبه شده در طول زمان (مثلاً بطن نگاری رادیوایزوتوپ) علاقه مند باشند.

صرف نظر از روش، منحنی های زمان فعالیت با تعیین ROI در اطراف اندام یا بافت شروع می شود. تکنسین می تواند از یک خودکار یا ماوس سبک برای ترسیم ROI استفاده کند. با این حال، برخی وجود دارد برنامه های کامپیوتری، که به طور خودکار با تجزیه و تحلیل کانتور انتخاب می کند. تعداد کم مطالعات می تواند برای فناوران مشکل ساز باشد، زیرا درک اندام ها و بافت ها دشوار است. جداسازی مناسب ROI ممکن است به تکنسین نیاز داشته باشد که تا زمانی که مرزهای اندام یا بافت به راحتی قابل تشخیص باشد، روی هم چیده یا فشرده شود. برای برخی از مطالعات، ROI در تمام مطالعات (به عنوان مثال، نفروگرام) یکسان باقی می ماند، در حالی که در مطالعات دیگر ROI ممکن است از نظر اندازه، شکل و مکان متفاوت باشد (به عنوان مثال، تخلیه معده). در مطالعات کمی، اصلاح پیشینه ضروری است.

پس از محاسبه، ROI برای هر فریم تعیین می شود و پس زمینه از هر تصویر کم می شود، معمولاً برای ترسیم داده ها در طول زمان در امتداد محور x و شمارش در امتداد محور y (شکل 10).

شکل 10 - شبیه سازی منحنی زمان فعالیت

در نتیجه، منحنی زمان از نظر بصری و عددی با هنجار تعیین شده برای هر مطالعه خاص قابل مقایسه خواهد بود. تقریباً در همه موارد، سرعت تجمع یا دفع، و همچنین شکل کلی منحنی از مطالعه عادی، برای مقایسه برای تعیین تفسیر نهایی نتایج مطالعه استفاده می‌شود.

نتیجه

تعدادی از رویه‌هایی که برای یک تصویر استاتیک اعمال می‌شوند می‌توانند برای رندر پویا نیز اعمال شوند. شباهت به این دلیل است که تصاویر پویا مجموعه ای متوالی از تصاویر ثابت هستند. با این حال، تعدادی از روش های پویا معادل ایستا ندارند. برخی از دستکاری های تصاویر استاتیک و پویا نتایج کمی ندارند. بسیاری از روش ها با هدف بهبود تصویر هستند. با این حال، فقدان نتایج کمی اهمیت این روش را کم نمی کند. این نشان می دهد که یک عکس ارزش هزار کلمه را دارد. بعلاوه، کیفیت بالابهبود تصاویر تشخیصی به کمک کامپیوتر از طریق تفسیر صحیح می تواند در بهبود کیفیت زندگی انسان تفاوت ایجاد کند.

فهرست ادبیات استفاده شده

1. Bernier D, Christian P, Langan J. Nuclear Medicine: Technology and Techniques. ویرایش 4 St. لوئیس، میسوری: Mosby; 1997: 69.
2. Early P, Sodee D. Principles and Practices of Nuclear Medicine. St. لوئیس، میسوری: Mosby; 1995: 231.
3. Mettler F, Guiberteau M. Essentials of Nuclear Medicine Imaging, 3rd ed. فیلادلفیا، پن: W.B. ساندرز؛ 1991: 49.
4. پاوزنر آر، پاوسنر ای. ملزومات فیزیک پزشکی هسته ای. مالدن، ماساچوست: علم بلکول. 1998: 118-120.
5. Faber T, Folks R. روشهای پردازش رایانه ای برای تصاویر پزشکی هسته ای. J Nucl Med Technol. 1994؛ 22: 145-62.

کاراکترهای الفبایی (BCS) و متون

BCSمهمترین مؤلفه تصاویر ارائه هستند، بنابراین باید به اجرای آنها توجه ویژه ای شود. تحقیقات علمی ثابت کرده است که دقت و سرعت خواندن این نمادها از روی صفحه نمایش به سبک و شرایط بصری مشاهده آنها بستگی دارد.

عامل اولنکته ای که باید در نظر گرفت قرار دادن فیلد تصویر روی صفحه است. ابعاد صفحه نمایش را می توان با تنظیم اپتیک تعیین کرد تا وضوح قابل قبولی یکنواخت در کل منطقه صفحه نمایش بدون اعوجاج در لبه ها ایجاد کند. کتیبه ها، متون و غیره اطلاعات مهمباید در داخل قرار گیرد "بی خطر"منطقه تصویر، که مرزهای آن 5-10٪ از لبه های صفحه نمایش با اندازه خطی مربوطه است. بنابراین مهمترین متن باید در مرکز صفحه قرار گیرد.

دوما، در تولید سرفصل های تایپ، تیتراژ مقدماتی و توضیحی باید تلاش کرد تا با در نظر گرفتن تجربه پخش تلویزیونی، به چیدمان منظم و متعادل متن اسکرین سیورها پرداخت. در عین حال، لفاف بندی در تیتراژها بسیار نامطلوب است. امکان استفاده از کنتراست مستقیم و معکوس، یعنی تاریکی وجود دارد BCS در یک پس زمینه روشن، و برعکس در دوم. در یک اتاق با نور خوب، بهتر است از کنتراست مستقیم و در نور کم از کنتراست معکوس استفاده کنید. تغییر کنتراست ها در طول نمایش نباید مکرر باشد، که بینایی را خسته می کند، اما استفاده منطقی از این تکنیک می تواند به توسعه پویایی خاصی از ارائه کمک کند، یکنواختی آن را بشکند.

هنگام استفاده از نمادهای رنگی، باید ترکیب آنها را در نظر گرفت. با این حال، در هر صورت، پس زمینه کتیبه نباید رنگ بسیار روشنی داشته باشد.

روانشناسان به طور تجربی وجود "اثر لبه" را ثابت کرده اند، که شامل این واقعیت است که کاراکترهای انتهای یک رشته (یا حتی منفردها) سریعتر و دقیقتر از کاراکترهای درون یک رشته تشخیص داده می شوند، و اگر یک رشته سریعتر خوانده شود. جدا شده است. این نشان می دهد که متن متشکل از چندین خط باید در ارتفاع حروف افزایش یابد و برچسب های تک کوتاه باید با فونت معمولی طراحی شوند که برای کل سبک ارائه اعمال می شود.

تصاویر استاتیک

اثربخشی نوع خاصی از ساختار گرافیکی به انتخاب عناصر فرم و سازماندهی آنها بستگی دارد. انتخاب نادرست عناصر، فقر یا تنوع بیش از حد الفبای وسایل بصری باعث کاهش آموزنده بودن تصاویر می شود.

در یک پیام گرافیکی، مانند هر پیام دیگری، می توان بین بخش های معنایی و زیبایی شناختی تمایز قائل شد. هنگام نشان دادن آنها بر روی صفحه، البته باید از دقت معنایی اطمینان حاصل شود که دقت خواندن اطلاعات را تعیین می کند.

زیبایی شناسی تصاویر نیز شایسته توجه است، زیرا بر سرعت خواندن تأثیر می گذارد و زمینه احساسی مثبتی ایجاد می کند که به درک و جذب موفق اطلاعات کمک می کند. این امر به ویژه در مواردی که کیفیت تصاویر خانگی هنوز خیلی بالا نیست اهمیت دارد.