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

Relevanta dokument
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

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

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

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 G35(18) TER4(12)

Försättsblad till skriftlig tentamen vid Linköpings Universitet

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

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

Försättsblad till skriftlig tentamen vid Linköpings universitet R36 R37

Signal- och bildbehandling TSBB03

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Signal- och bildbehandling TSBB14

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

Signal- och bildbehandling TSBB03, TSBB14

7 Olika faltningkärnor. Omsampling. 2D Sampling.

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03

MR-laboration: design av pulssekvenser

Signal- och bildbehandling TSEA70

Försättsblad till skriftlig tentamen vid Linköpings universitet G34

Signal- och bildbehandling TSBB03 och TSEA70

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Facit till Signal- och bildbehandling TSBB

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSEA70

TSBB31 Medicinska bilder Föreläsning 3

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

Signaler, information & bilder, föreläsning 14

Signal- och bildbehandling TSBB14

Signaler, information & bilder, föreläsning 12

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70

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

Signal- och bildbehandling TSBB14

Spektrala Transformer för Media

DT1130 Spektrala transformer Tentamen

Spektrala Transformer för Media

Tentamen Bildanalys (TDBC30) 5p

Laboration i Fourieroptik

DT1120 Spektrala transformer för Media Tentamen

Signal- och bildbehandling TSBB14

DT1120/DT1130 Spektrala transformer Tentamen

Signal- och bildbehandling TSBB14

Projekt 6. Fourieroptik Av Eva Danielsson och Carl-Martin Sikström

Spektrala Transformer

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

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

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

DT1130 Spektrala transformer Tentamen

av envariabelfunktionen g(t) och flervariabelfunktionen t = h(x, y) = x 2 + e y.)

Signaler, information & bilder, föreläsning 15

Bildbehandling i frekvensdomänen

Dubbelintegraler och volymberäkning

Signaler, information & bilder, föreläsning 13

Ulrik Söderström 20 Jan Signaler & Signalanalys

Linjär Algebra, Föreläsning 2

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

Ulrik Söderström 19 Jan Signalanalys

Laplace, Fourier och resten varför alla dessa transformer?

KOKBOKEN 1. Håkan Strömberg KTH STH

Laboration i Fourieroptik

MMA127 Differential och integralkalkyl II

Bildbehandling i frekvensdomänen. Erik Vidholm

October 9, Innehållsregister

= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer).

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

TSBB31. En bild är en 2D signal. Exempel på färginnehåll i bilder p. 4. För en digital bild gäller. vitt. Fig. 1.1

2 Ortogonala signaler. Fourierserier. Enkla filter.

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny

Komposanter, koordinater och vektorlängd Ja, den här teorin gick vi igenom igår. Istället koncentrerar vi oss på träning inför KS3 och tentamen.

Bildförbättring i spatial domänen (kap. 3) Bildförbättring (enhancement) Spatial domän. Operatorer. Tröskling (threshold) Gråskale-transformationer

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

P Q = ( 2, 1, 1), P R = (0, 1, 0) och QR = (2, 2, 1). arean = 1 2 P Q P R

Parabeln och vad man kan ha den till

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

Veckoblad 3, Linjär algebra IT, VT2010

Signaler, information & bilder, föreläsning 14

Parabeln och vad man kan ha den till

Fouriermetoder MVE295 - bonusuppgifter

SF1635, Signaler och system I

Om ellipsen och hyperbelns optiska egenskaper

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

DT1130 Spektrala transformer Tentamen

Grundläggande bildteori. EXTG01 Medicinska bildgivande system Michael Ljungberg

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

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.

Relativitetsteorins grunder, våren 2016 Räkneövning 3 Lösningar

Spektrala Transformer

Modul 1: Komplexa tal och Polynomekvationer

Komplexa tal: Begrepp och definitioner

SF1625 Envariabelanalys Lösningsförslag till tentamen

Signalbehandling Röstigenkänning

Institutionen för matematik SF1626 Flervariabelanalys. Lösningsförslag till tentamen Måndagen den 5 juni 2017 DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

Transkript:

Lösning till tentamen i Medicinska Bilder, TSBB3, 203-0-08 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL : Grundläggande 2D signalbehandling Uppgift (2p) En reell signal har en hermitisk fouriertransform. En jämn reell signal har en jämn och reell fouriertransform. Uppgift 2 (2p) Bilden g (x,y) erhålls med linjär faltning. Multiplikation i DFT-domänen motsvarar cirkulär faltning i spatialdomänen. Bilden g 2 (x,y) har alltså erhållits med cirkulär faltning. De båda bilderna blir exakt lika i mitten, men längs kanterna skiljer de sig åt. (Eftersom faltningskärnans storlek var 5 5, kommer det att vara en 7 pixlar bred ram längs bildkanten där bilderna skiljer sig åt.) Uppgift 3 (3p) Filtret bör divideras med 49. Då kommer utbildens globala medelvärde att överensstämma med inbildens globala medelvärde. Uppgift 4 (4p) På liknande sätt erhålls h T (x,y) = δ(x) [δ(y +)+2δ(y)+δ(y )]/4 {transformtabell och Eulers formel} H T (u,v) = 2 + 2 cos(2πv) H2 T (u,v) = 3 8 + 2 cos(2πu)+ 8 cos(4πu)

Faltning i spatialdomänen motsvarar multiplikation i Fourierdomänen. Detta ger svaret: ( 3 H T (u,v) = 8 + 2 cos(2πu)+ ) ( 8 cos(4πu) 2 + ) 2 cos(2πv) Figuren nedan visar att detta är ett LP-filter. LP-effekten är större i u-led. H T (u,0) H T (0,v) 0.5 0.5 0 0.5 0 0.5 u 0 0.5 0 0.5 v Uppgift 5 (3p) Kalla interpolationsfiltret g(x). Det gäller att g(0) =, g(± 3 ) = 2 3, g(± 2 3 ) = 3, g(±) = 0. För pixlarna A och B är det tillräckligt att interpolera i x-riktningen. För pixel C, beräknar man först A och en pixel, säg D, tre steg ovanför A. Dessa interpolering sker i x-riktningen. Sedan erhålls C genom interpolation i y-riktningen mellan A och D. (Det är också möjligt att konstruera en 2D-filter,g 2 (x,y) = g(x) g(y), och utföra en 2D interpolering direkt.) B = g( ) 0+g(0) +g()? = 0 0+ +0? = ( A = g 2 ) ( ) 0+g = 3 3 3 0+ 2 3 = 2 3 0.667 C = 2 ( 3 3 0+ 2 ) 3 + ( 3 3 3+ 2 ) 3 2 = 2 3 2 3 + 3 7 3 = 9.222 DEL 2: Röntgen och CT Uppgift 6 (2p) Den erhållna bilden är den önskade bilden faltad med en vulkan, v(x,y) = x 2 +y 2. 2

v(x,y) y x Uppgift 7 (2p) En CT-scanner ser ut som en stor ring. Inuti ringen sitter röntgenkällan. Detektorn sitter mittemot. Båda roterar runt. Patienten ligger på en patientbord. Under det att röntgenkälla-detektor roterar, rör sig bordet med patienten linjärt genom ringen. Sett från patientens koordinatsystem rör sig då röntgenkällan (och detektorn) i en helixformad bana. Uppgift 8 (2p) För parallella projektioner behövs ett projektionsintervall på 80. Se figuren där den halva fanbeam-vinkeln γ indikeras. Antag att rebinning (interpolering från fan-beam till parallella strålar) utförs. Då behövs fanbeam-positionerna för [ γ,γ] för att producera en parallell projektion för 0. Likaså behövs fanbeampositionerna för[80 γ,80 +γ] för att producera en parallell projektion på80. Därför behövs åtminstone ett projektionsintervall på 80 plus fanbeam-vinkeln, dvs (80 + 2γ), för fanbeam-projektioner. (Observera att en del av fanbeam-strålarna utanför det parallella intervallet på [0,80 [ måste kastas bort, såvida inte fanbeamintervallet β [0,360 [ väljs.) β=80deg patient β=0deg γ γ Uppgift 9 (3p) Figuren illustrerar projektionsteoremet. I boxen med frågetecknet sker en D fouriertransform i r-led. Funktionen f(x,y) motsvarar objektet och F(u,v) är dess fouriertransform. Projektionsteoremet lyder: Den en-dimensionalla fouriertransformen av en parallel projektionp(r,θ) för en vinkel θ av f(x,y), är identisk med funktionsvärdena längs en radiell linje med samma vinkel θ i den två-dimensionella fouriertransformenf(u,v). DEL 3: Gamma-kamera, SPECT och PET Uppgift 0 (2p) För små värden pår ärbw(r), dvs låga frekvenser kan passera. För stora värden på r är BW(r) <<, dvs höga frekvenser stoppas. Butterworth-filtret BW(r) är alltså ett lågpassfilter. Det minskar bruset i SPECT-volymen. 3

Uppgift (3p) Strukturelementet (eller faltningkärnan) se har storleken3 3 3 och liknar en liten rund boll fylld med 9 ettor. När man faltar med se blir värdena inne i det binära lungobjektet 9 och värdena i bakgrunden 0. På kanten mellan lunga och bakgrund erhålls värden i intervallet -8. Endast värden = 9 beaktas och blir till i den resulterande volymen ctvolbin. Effekten av koden är alltså att ett lager av voxlar längs kanten skalas av. Vår binära lunga ska användas som en mask på SPECT-volymen. Genom att kanten är avskalad undviker vi kanteffekter från yttre gränsen av lungorna. Uppgift 2 (p) Då kan formeln förenklas till f k+ i = f k i. Bilden kommer inte att förändras mer, vi har nått konvergens. (Ofta avbryter man den iterativa rekonstruktionen i förtid, bl.a. för att minska beräkningstiden.) Uppgift 3 (2p) De svarta prickarna noterar voxel-positioner. Antag att vi vill beräkna ett projektionsvärde längs den sneda linjen. Vi stegar oss då fram längs trianglarna. För varje triangelposition interpoleras värdet fram med hjälp av linjär interpolation mellan voxeln ovanför och voxeln under triangeln. (I 3D-fallet blir det en bi-linjär interpolation mellan 4 st voxlar.) Sedan summeras alla värdena i trianglarna. Slutligen multiplicerar man med (x x 2 ) 2 +(y y 2 ) 2 +(z z 2 ) 2. x x 2 Detta värde beskriver steglängden mellan trianglarna relativt voxelavståndet. Det måste användas i projektionsberäkningen enligt ovan för att den ska bli korrekt. Uppgift 4 (p) µ N = σ 2 N Uppgift 5 (2p) Projektionerna p(l, θ) av attenueringsfunktionen mäts upp vid en extra transmission study. En liten radioaktiv källa på 5 kev utanför kroppen sänder gammastrålar med intensiteten I 0 genom kroppen som mäts upp på andra sidan kroppen till I(l,θ). På samma sätt som vid CT används sedan formeln ( ) I(l,θ) p(l,θ) = ln. Därefter divideras PET-projektionerna med p(l, θ) och sedan utförs vanlig filtrerad återprojektion. I 0 4

DEL 4: Mikroskopi, mm Uppgift 6 (3p) Den viktigaste fördelen med ett konfokalt mikroskop är att upplösningen i z-led är så bra att man kan göra 3D-studier av ett preparat. Preparatet förbereds som för ett konventionellt ljusmikroskop och det är möjligt att studera både levande och fixerade celler. Pinnhålet släpper bara igenom ljus från det önskade z-planet (fokalplanet). Ljus från övriga plan hindras att komma fram till detektorn. Detta ger den goda upplösningen i z-led. DEL 5: Ultraljud Uppgift 7 (3p) Fouriertransformens samplingsteorem säger att vi måste sampla med dubbla frekvensen av den högsta förekommande frekvenskomponenten, dvs 2 (2 0 6 +0 0 3 )Hz = 4.02 MHz.. Multiplicera mede iω 0t eller (primitivare)cos(ω 0 t). 2. Tag absolutbeloppet. 3. Lågpassfiltrera. Multiplikation i tidsdomänen motsvarar faltning i fourierdomänen (och vice versa). Att i tidsdomänen multipliceras m med en signal med samma frekvensinnehåll som den modulerande cosinus-funktionen cos(ω 0 t) gör att vi flyttar ner signalens frekvenser från bärfrekvensenω 0 till DC (nollfrekvensen). Absolutbeloppet är till för att bli av med fasberoende. Lågpassfiltret är till för att bli av med de kopior av s m som faltas upp till dubbla modulationsfrekvensen 2ω 0 i Fourier-domänen. Uppgift 8 (2p) 2 Mhz motsvarar 2 miljoner svängningar per sekund. Tiden för utbredningen av fem svängningar är alltså 5/(2 0 6 ) s. Sträckan som vågen kan tillryggalägga på denna tid är s = vt = 500 5/(2 0 6 ) m. Färdad sträcka, fram-och-tillbaka, motsvarar dubbla tjockleken mellan vävnaderna. Vi har då ett krav som kan uttryckas med ekvationen2a = 500 5/(2 0 6 ), vilket ger den numeriskt approximativa (upp)lösningen: a =.875 mm. DEL 6: MRI Uppgift 9 (2p) Vi har fått spatiell vikning (notera att huvudet förutom vikningsartefakterna är större än i de andra bilderna). Samplingsavståndet i k-space är för stort för att 5

avbilda ett objekt med denna storlek. Lösningen är att minska samplingsavståndet. Om vi vill sampla lika långt ut i k-space som tidigare måste antalet sampel ökas. Bilden är suddig eftersom vi inte samplar tillräckligt mycket av de höga frekvenserna i k-space. Lösningen är att använda fler sampel och sampla längre ut i k-space med bibehållet samplingsavstånd. Uppgift 20 (2p) Spinnvektorerna orienteras antingen parallellt eller anti-parallellt med det stationära magnetfältet och precesserar runt magnetfältets riktning med Larmorfrekvensenω = γb 0 där γ = 42.58 MHz/T. För en RF-puls med samma frekvens som Larmor-frekvensen,63.9 = 42.58B 0, kommer spinnvektorn att röra sig bort från z-axeln och rotera i en spiral ner mot ner mot xy-planet. Uppgift 2 (4p) Förändringen av k-space positionen per tidsenhet ges av x- och y-magnetfältsgradienterna: k x t = g x k y t = g y För spiralen gäller i kartesiska koordinater: k x = αtcos(βt) k y = αtsin(βt) Vilket medför att gradienterna för spiral-skanningen ges av: g x = k x t = α(cos(βt) βtsin(βt)) g y = k y t = α(sin(βt)+βtcos(βt)) För att inte riskera att få vikning måste avståndet mellan två på varandra följande sampel längst ut på spiralen vara lika långt (eller mindre än) avståndet mellan två närliggande varv. Efter 256 varv befinner vi oss på avståndet r max från origo. Avståndet mellan två varv: r = r max /256 Avståndet mellan två på varandra följande sampel: Vilket ger: s = r max ϕ = r max β t β = /(256 t) = 39[s ] 6