Försättsblad till skriftlig tentamen vid Linköpings Universitet

Relevanta dokument
Försättsblad till skriftlig tentamen vid Linköpings universitet G35(18) TER4(12)

Försättsblad till skriftlig tentamen vid Linköpings universitet TER1(17) TERE(1)

Försättsblad till skriftlig tentamen vid Linköpings universitet R36 R37

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Försättsblad till skriftlig tentamen vid Linköpings universitet G34

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Signal- och bildbehandling TSBB14

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Medicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSEA70

7 Olika faltningkärnor. Omsampling. 2D Sampling.

Signal- och bildbehandling TSBB14

Medicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder

Signal- och bildbehandling TSBB03, TSBB14

Försättsblad till skriftlig tentamen vid Linköpings universitet KÅRA T1 T2 U2 U4

Försättsblad till skriftlig tentamen vid Linköpings universitet

Signal- och bildbehandling TSBB14

Försättsblad till skriftlig tentamen vid Linköpings universitet G33(1) TER4(63)

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB03

Medicinska Bilder, TSBB31. Lab3: Mätvärden på Medicinska Bilder

Försättsblad till skriftlig tentamen vid Linköpings universitet

Signal- och bildbehandling TSEA70

MR-laboration: design av pulssekvenser

Medicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder

6 2D signalbehandling. Diskret faltning.

Signal- och bildbehandling TSEA70

Facit till Signal- och bildbehandling TSBB

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

Signal- och bildbehandling TSEA70

Försättsblad till skriftlig tentamen vid Linköpings universitet

SF1635, Signaler och system I

Försättsblad till skriftlig tentamen vid Linköpings universitet TER1

Försättsblad till skriftlig tentamen vid Linköpings universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal. För en digital bild gäller. Fig. 2.1

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

TENTAMEN. Ten2, Matematik 1 Kurskod HF1903 Skrivtid 13:15-17:15 Fredagen 25 oktober 2013 Tentamen består av 4 sidor

Signal- och bildbehandling TSBB03 och TSEA70

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A. 1. En svängningsrörelse beskrivs av

BMLV A, Fysiologisk undersökningsmetodik inom neuro och rörelse

Försättsblad till skriftlig tentamen vid Linköpings universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

Försättsblad till skriftlig tentamen vid Linköpings Universitet

TSBB31 Medicinska bilder Föreläsning 3

Tentamen i matematik. f(x) = ln(ln(x)),

SF1635, Signaler och system I

Formelsamling. i kursen Medicinska Bilder, TSBB31. 1D och 2D Fouriertransformer, samt några formler för CT, SPECT, mm

Försättsblad till skriftlig tentamen vid Linköpings universitet

Signaler, information & bilder, föreläsning 14

Signaler, information & bilder, föreläsning 14

Lösningar till utvalda uppgifter i kapitel 1

Försättsblad till skriftlig tentamen vid Linköpings universitet

Tentamen i TATA43 Flervariabelanalys

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Försättsblad till skriftlig tentamen vid Linköpings universitet

x +y +z = 2 2x +y = 3 y +2z = 1 x = 1 + t y = 1 2t z = t 3x 2 + 3y 2 y = 0 y = x2 y 2.

Tentamen ssy080 Transformer, Signaler och System, D3

Grundläggande bildteori. EXTG01 Medicinska bildgivande system Michael Ljungberg

Frågorna 1 till 6 ska svaras med sant eller falskt och ger vardera 1

y + 1 y + x 1 = 2x 1 z 1 dy = ln z 1 = x 2 + c z 1 = e x2 +c z 1 = Ce x2 z = Ce x Bestäm den allmänna lösningen till differentialekvationen

7 MÖNSTERDETEKTERING

Försättsblad till skriftlig tentamen vid Linköpings Universitet

TSBB16 Datorövning A Samplade signaler Faltning

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Tentamen 1 i Matematik 1, HF okt 2018, Skrivtid: 14:00-18:00 Examinator: Armin Halilovic

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.

FÖRSÄTTSBLAD TILL TENTAMEN. ELLER (fyll bara i om du saknar tentamenskod): Datum: 16 januari Bordsnummer:

Försättsblad till skriftlig tentamen vid Linköpings Universitet

CT bilddata, bildbearbetning och bildkvalitet Brus & Upplösning

DT1120/DT1130 Spektrala transformer Tentamen

Tentamen i Linjär algebra, HF1904 Datum: 17 dec 2018 Skrivtid: 14:00-18:00 Lärare: Marina Arakelyan, Elias Said Examinator: Armin Halilovic

Dugga 2 i Matematisk grundkurs

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Signaler, information & bilder, föreläsning 12

x 2 + x 2 b.) lim x 15 8x + x 2 c.) lim x 2 5x + 6 x 3 + y 3 xy = 7

Försättsblad till skriftlig tentamen vid Linköpings universitet

FYSIKUM STOCKHOLMS UNIVERSITET Tentamensskrivning i Vågrörelselära och optik, 7 poäng, FyL2 Tisdagen den 19 juni 2007 kl 9-15

TNA001- Matematisk grundkurs Tentamen Lösningsskiss

MMA127 Differential och integralkalkyl II

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt.

UPPSALA UNIVERSITET Matematiska institutionen Michael Melgaard. Prov i matematik Prog: Datakand., Frist. kurser Derivator o integraler 1MA014

Kursens namn: Medicin, Strålningsfysik, teknik o metodik. Datum: Skrivtid: 3 timmar

Transkript:

Försättsblad till skriftlig tentamen vid Linköpings Universitet Datum för tentamen 24--3 Sal (2) R4 U5 Tid 4-8 Kurskod Provkod Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som ingår i tentamen Jour/Kursansvarig Ange vem som besöker salen Telefon under skrivtiden TSBB3 TEN Medicinska bilder Skriftlig tentamen ISY 2 Maria Magnusson, Maria.Magnusson@liu.se 77786, 28336 73-84 38 67 Besöker salen ca klockan 5. och 6.5 Kursadministratör/kontaktperson (namn + tfnr + mailaddress) Tillåtna hjälpmedel Övrigt Antal exemplar i påsen 7 Carina Lindström, 284423 Carina.E.Lindstrom@liu.se Miniräknare Blank OH-film Medskickad formelsamling Physics Handbook Endast markeringar (under- och överstrykningar) är tillåtna Även små sidflikar (med något enstaka tecken på) är tillåtna. Transformteori sammanfattning formler & lexikon (blå färg) Lexikon, engelskt-svenskt Observera den medskickade formelsamlingen!

Anvisningar Tentamen består av 6 delar om totalt 5p: Del : Grundläggande 2D signalbehandling (3p) Del 2: Röntgen och CT (p) Del 3: Gamma-kamera, SPECT och PET (p) Del 4: Viktiga mätvärden och dess beräkning (4p) Del 5: Ultraljud (6p) Del 6: MRI (6p) Notera att del -6 har mycket gemensamt. Ibland kan en fråga passa in på era ställen. Tentamen innehåller frågor av olika typ: - Kortare frågor som innebär att kunna beskriva begrepp, fenomen. Svaren skrivs direkt under frågan i tentamen. - Längre fråga som innebär att kunna visa lite djupare förståelse, t ex redogörelser och räkneuppgifter. Svaren behöver ofta ges på lösa blad som bifogas tentamen. Betygsgränser: 3:a 2-3p 4:a 3-4p 3:a 4-5p

DEL : Grundläggande 2D signalbehandling Uppgift (2p) En reell signal f(x, y) har en hermitisk fouriertransform F (u, v). a) Vilket samband gäller då mellan F (u, v) och F ( u, v)? b) Vad gäller för Re[F (u, v)] och Im[F (u, v)] i termer om jämn och udda? Uppgift 2 (4p) Funktionen har en 2D fouriertransform f(x, y) = 2 sin (2π x) 2 sin (2π y), F (u, v) = Aδ(u + C, v + C) + Aδ(u C, v C) + Bδ(u + C, v C) + Bδ(u C, v + C), som visas som 4 små svarta punkter i guren nedan till vänster. (Tänk att punkterna är dirac-pulser som pekar upp från eller ner i pappret. F(u,v) v G(u,v) v C C u C C u Funktionen f(x, y) samplas med ett 2D impuls-tåg till g(x, y) = f(x, y) δ(x n/(3c)) δ(y m/(3c)), dvs samplingsavståndet är = /(3C) i båda riktningarna. a) Skissa G(u, v) i (u, v)-planet ovan till höger! (p) n b) Bestäm en regel för uttryckt som en funktion av C om vi vill undvika vikningdistorsion. (p) c) Bestäm F (u, v), dvs värdena på A, B och C. (2p) m LÖS UPPGIFTEN PÅ SEPARAT BLAD TSBB3 2 TEN, 24--3

Uppgift 3 (4p) Se nedanstående faltningskärnor, sobel x och sobel y, där nollan med fet stil () noterar kärnans centrum. sobel x = - 2-2 - / 8, sobel y = - -2-2 / 8, Bilden f(x, y) nedan består av en liten kvadrat med 8:or. De tomma rutorna har värde. Värden utanför bilden har också värde. 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 f(x,y) gx(x,y) gy(x,y) f2(x,y) Falta bilden f(x, y) dels med sobel x och dels sobel y till g x (x, y) och g y (x, y). Beräkna också f 2 (x, y) = gx(x, 2 y) + gy(x, 2 y). Bilderna g x (x, y), g y (x, y), f 2 (x, y) visar 3 olika matematiska operationer utförda på bilden f(x, y). Vilka? Uppgift 4 (3p) På lab 2 hade vi en bild med texten The MATH WORKS Inc. som vi kallade im. Denna roterade vi π/5 till rotim. Denna tillbakaroterade vi π/5 till backrotim. Vi testade olika interpolationslter, närmsta granne, bilinjär interpolation och bicubisk interpolation. TSBB3 3 TEN, 24--3

För att kontrollera bildkvaliteten beräknade vi: SpatError = sum(sum((backrotim-im).*(backrotim-im))) Vi beräknade även fouriertransformerna av bilderna och kallade dessa IM och BACKROTIM. Vi beräknade även ett felmått i fourierdomänen: N = size(im) FouError=sum(sum((BACKROTIM-IM).*conj(BACKROTIM-IM)))/(N()*N(2)) a) Vilket samband gäller mellan SpatError och FouError och vad heter teoremet som vi behöver stödja oss på? b) Vilka spatiella frekvenser får lägst fel - de höga eller de låga? Motivera ditt svar! c) Vilken interpolationsmetod ger lägst fel - närmsta granne, bilinjär interpolation eller bicubisk interpolation? DEL 2: Röntgen och CT Uppgift 5 (2p) Figur A) visar ett objekt med 3 punkter, B) visar dess parallella projektioner, C) visar ramp-ltrerade projektioner, och D) visar den rekonstruerade bilden efter ltrerad återprojektion. a) Kalla punkterna P, P2, P3 där P är den översta, P2 mittemellan och P3 underst i bildens origo. Vad korresponderar dessa tre punkter mot i projektionsbilderna B) och C)? b) Anta att vi tar bort ramp-ltret. Vad kommer då att hända med rekonstruktionsresultatet i D)? r.5.5 A) objekt C) Rampfiltrerade projektioner.5.5.5 2 3 θ.5.2...2 r.5.5 B) Projektioner.5 2 3 θ.5 D) Rekonstruerad bild.5.25.2.5..5.5 TSBB3 4 TEN, 24--3

Uppgift 6 (2p) Figuren visar geometrin för fanbeam-projektioner. Vid rekonstruktion sker viktning, rampltrering, samt återprojektion. Indikera i guren hur denna återprojektion sker. X ray source γ β detector Uppgift 7 (2p) Figuren visar ett fanbeam-sinogram f(γ, β) som kan rebinnas till ett parallell-sinogram p(ρ, θ). De ekvationer som beskriver sambandet mellan dessa är θ = β + γ, ρ = D sin γ, där avståndet röntgenkälla-objektcentrum är D = 6mm. Fanbeam-sinogrammet är samplat med sampelavstånden γ =.2rad och β =.rad. Antag att f(.67,.6) = 2, f(.67 + γ,.6) = 3, f(.67,.6 + β ) = 4, f(.67 + γ,.6 + β ) = 5. Vilket värde erhåller p(ρ, θ) = p(, π/4) vid rebinningen? Använd närmsta granne interpolation! β inverse mapping γ fanbeam sinogram θ sinogram ρ LÖS UPPGIFTEN PÅ SEPARAT BLAD TSBB3 5 TEN, 24--3

Uppgift 8 (2p) På en datortomograf kan man välja bland många olika kernels, med olika MTF-funktioner. Figuren visar 4 olika kurvor A, B, C, D, som skulle kunna visa sådana MTF:er. A B C D u [frekvens] a) Antag att vi vill studera na detaljer i en ryggkota. Antag också att bilden inte blir speciellt brusig med någon av kurvorna. Vilken MTF-kurva väljer du? Motivera ditt svar! b) Antag att vi vill studera levern och annan mjukvävnad, Bilden blir ganska brusig för era av kurvorna (eftersom dosen var låg). Vilken MTF-kurva väljer du? Motivera ditt svar! Uppgift 9 (3p) Betrakta funktionen f(x, y) = e π((3x)2 +(3y) 2). Det gäller att projektionerna p(r, θ) är lika för alla vinklar θ, dvs p(r, θ) = 3 e π(3r)2. a) Bestäm 2D fouriertransformen F (u, v) av f(x, y). b) Bestäm D fouriertransformerna P (R, ) och P (R, π/4) för p(r, ) och p(r, π/4). (De är lika.) c) Visa att projektionsteoremet gäller för både θ = och θ = π/4. P (R, θ) = F (R cos θ, R sin θ) = F (u, v) LÖS UPPGIFTEN PÅ SEPARAT BLAD TSBB3 6 TEN, 24--3

DEL 3: Gamma-kamera, SPECT och PET Uppgift (2p) Vad är det för skillnad/likhet mellan en gamma-kamera och en SPECT-kamera? Svara kort - ta bara upp det absolut väsentligaste! Uppgift (2p) På SPECT-laborationen krympte vi bort ett voxel-lager på lungorna för att undvika kanteekter. Ni ska nu krympa bort ett pixellager på bilden a(x, y), se nedan till vänster. De tomma rutorna har värde. Värden utanför bilden har också värde. Använd struktur-elementet (ltret), s(x, y) =, där ettan med fet stil () noterar kärnans centrum. Utför faltning b(x, y) = a(x, y) s(x, y); Utför tröskelsättning med Matlab-kommandot c = b==9; och visa resultatet i guren markerad med c(x, y). a(x,y) b(x,y) c(x,y) Uppgift 2 (2p) På SPECT-laboration använde vi bilder från en CT-SPECT. Utgående från SPECT-bilderna kunde man se stor skillnad på funktionen hos lungor från friska och patienter med sjukdomen KOL, medan CT-bilderna gav information om patientens anatomi. Men CT-data är även användbart vid skapandet av SPECTbilder. På vilket sätt? TSBB3 7 TEN, 24--3

Uppgift 3 (2p) Varför måste man använda kollimatorer/blysepta i SPECT? Och varför kan man avsevärt reducera kollimatorer/blysepta i PET jämfört med SPECT? Uppgift 4 (2p) Iterativ rekonstruktion av SPECT-bilder görs ofta med OS-EM som är en variant av ML-EM. Vad är orsaken till att man hellre använder OS-EM än ML-EM? Förklara huvudtanken med Ordered Subsets (OS). DEL 4: Viktiga mätvärden och dess beräkning Uppgift 5 (4p) Tänk dig en -bild med en 5 5-kvadrat med värden 49. Kvadraten är omgiven av nollor. Bilden kan skapas med nedanstående Matlab-kod: im = zeros(,); im(25:74,25:74) = 49; Vi kan skapa approximativt Poisson-brus på bilden med koden: pnoiseim = im + sqrt(im).*randn(,); pnoiseim = mypoissonfix(pnoiseim); där funktionen randn är ett matlabkommando som ger normalfördelat brus med medelvärde och standardavvikelse. Däremot måste man skriva koden i funktionen MyPoissonFix själv. a) Vad görs i funktionen MyPoissonFix? b) Antag att du vill lägga på gaussiskt brus med medelvärde och standardavvikelse på bilden im istället för poisson-bruset. Ge matlab-kommando för detta ( rad). c) Ge ett exempel på där poissonbrus förekommer i verkligheten. d) Ge ett exempel på där gaussiskt brus förekommer i verkligheten. LÖS UPPGIFTEN PÅ SEPARAT BLAD TSBB3 8 TEN, 24--3

DEL 5: Ultraljud Uppgift 6 (2p) Förklara kortfattat hur Time Gain Compensation(TGC) fungerar. Vad skulle bli eekten om vi inte använde TGC? Uppgift 7 (2p) En skannstråle s(t) från en RF-signal samplas i 3 punkter med en samplingsfrekvens f s = 24MHz. Spektrum för skannstrålen beräknas på samma sätt som i labben. Uppskatta RF-pulsens frekvens, f, samt ange en lämplig centerfrekvens, u, för ett kvadraturlter som ska användas för envelopp-detektion. Kvadraturltret är av samma typ som vi använde på labben. Figur: Skannstråle s(t) och motsvarande spektrum för en ultraljudssignal. TSBB3 9 TEN, 24--3

Uppgift 8 (2p) Ljudhastigheten i fett är något lägre än för annan mjuk vävnad. Detta innebär att vi kan få en förskjutning i ultraljuds bilden för de områden som skuggas av fettrik vävnad. I bilden ser vi att ett exempel på detta där en fettansamling med tjockleken D i levern ger upphov till en förskjutning med avståndet d i den underliggande gränsytan. Beräkna hur stor d blir om vi vet att tjockleken på fettansamlingen är D = 5mm. Räkna med att ljudhastigheten i fett är v f = 45 m/s. I övrig mjuk vävnad är ljudhastighetern v = 5 m/s. Fett-artefakt pga ljudhastigheten är något lägre i fettvävnad. LÖS UPPGIFTEN PÅ SEPARAT BLAD DEL 6: MRI Uppgift 9 (2p) Avgör om följande påståenden är sanna eller falska. ger p, alla rätt ger 2p. Tre rätt a) Om vi ökar eld of view (FOV) behöver inte antalet sampel i k-space ökas om vi accepterar en sämre detaljåtergivning i den nya bilden. b) Nyquistfrekvensen är lika med 2 x den högsta Larmorfrekvensen. c) Storleken på gradienten i z-led (Gz) och RF-signalens bandbredd bestämmer hur tunn xy-slice vi kan exitera. d) Spatiell vikning uppkommer om man samplar för långt ut i k-space. TSBB3 TEN, 24--3

Uppgift 2 (2p) Inom MR anger T2 en egenskap hos hos olika vävnader. a) Vilken enhet har T2 och inom vilket intervall brukar T2 ligga för mänsklig vävnad vid B=.5 Tesla? (p) b) Vilken egenskap hos spinnen i en voxel är den fysikaliska orsaken till den eekt som T2 mäter? (p) Uppgift 2 (2p) Vad menas med anisotrop diusion? TSBB3 TEN, 24--3