Tentamen 980603 Medicinsk Bildbehandling, 5p Skrivtid 9:00 15:00 Betygsgr nser U: 0-34 3: 35-46 4: 47-57 5: 58-70 Svara p alla fr gor p nytt blad. M rk bladet med namn och fr genummer. Disponera tiden mellan fr gorna i f rh llande till deras po ng. Hj lpmedel: Penna, sudd och andra ritverktyg. Lycka till! Fredrik
1 Beskriv grundprincipen f r magnetkameran. Vad i kroppen r det som ger upphov tillden m tta signalen, vilket typ av str lning anv nds, vad har magnetf ltens styrka f r betydelse, hur utnyttjas detta f r att stadkomma en bild (en enkel beskrivning r cker), vilka tre huvudparametrar i signalen r det som studeras? (5p) 2 Beskriv grundprincipen f r en datortomograf - CT. Hur ser str lf ltet ut, hur sker insamlingen av bildinformation, hur terskapas snittbilden, vad beskrivet de s k CT-v rdet, varf r ltreras alltid projektionerna f re rekonstruktion? (5p) 3 a) MTF (modulation transfer function) kan anv ndas f r att beskriva kvalit n hos ett m tsystem, t ex ett r ntgenr r med bildf rst rkare. Beskriv vilken information MTF ger om systemet. (1p) b) Hur p verkas bildkvalit n av spridd str lning och hur kan m ngden spridd str lning ienr ntgenbild minskas? (2p) c) Vad inneb r begreppet kvantbrus i en r ntgenbild? (1p) d) Rita en enkel skiss p hur f ljande tv r ntgenbilder ser ut. I b gge fallen placeras tv objektp en5cmtjock frigolitskiva, dels centralt i str lf ltet och dels 10 cm ut mot kanten. I det ena fallet avbildas tv mynt och i det andra tv st lkulor. (1p) 4 Att hitta kopplade komponenter r grundl ggande i bildanalys. Vad menas med kopplade komponenter och beskriv, s detaljerat som m jligt, en algoritm f r att hitta kopplade komponenter i en bin r bild. (3p) 5 a) Sune kommer fram till dej och fr gar hur samplingsteoremet lyder. Ber tta f r honom. (1p) b) Han r inte vertygad om att det kan st mma. vertyga Sune genom att f ra ett resonemang om vad som h nder vid sampling, b de i det spatiella rummet OCH frekvensrummet. (3p) 2
6 a) Man brukar prata om deriverande lter. Vad inneb r detta? Vad anv nds de till? Ge exempel p s dana lter. (3p) b) Varf r r det oftast inte nskv rt att anv nda ideala lter? Hur kan man komma ifr n de problem som uppst r med ideala lter? (2p) c) Antag att du skapat en klurig verf ringsfunktion i frekvensrummet, men att du f r att spara ber kningstid vill utf ra motsvarande ltrering i det spatiella rummet. Hur g r du? (2p) 7 Vid komprimering av bilder vill man reducera redundanser. Vilka olika typer av redundanser nns det normalt? Hur kan man reducera dessa? (5p) 8 Sune har klurat lite p samplingen och accepterat din f rklaring. Han tycker att du verkar duktig och fr gar dej hur han skall g tillv ga f r att koppla ihop sitt 'CT-starter kit' som han k pt billigt i bl nkar'n. Kitet best r av en komplett CT-maskin fr n Philips, en arbetsstation fr n SUN, en skrivare fr n Agfa, en PACS fr n Siemens, plus alla kablar och kontakter som beh vs. Kruxet r bara att informationen om hur maskinerna skall kongureras inte f ljer med. Sune vill att du skall hj lpa honom att kongurera maskinerna s att han kan skicka utskrifter fr n arbetsstationen till skrivaren, lagra bilder fr n CT p PACSen, h mta bilder fr n PACSen till arbetsstationen. Alla maskiner st djer DICOM. a) Hur f r du reda p om maskinerna g r att koppla ihop? (2p) b) Vilka SOP-klasser nns det i Sunes system? (3p) c) Visa med SOP-klasser hur Sune kan realisera sina nskem l. (1p) 3
9 I en MR-bild av en hj rna kan man tydligt se tre typer av hj rnv vnader: V: vit hj rnsubstans, G: gr hj rnsubstans och C: cerebral-spinal v tska. Skalle 4000 3500 3000 2500 2000 1500 1000 500 Histogram 0 0 100 200 300 De olika v vnaderna har f ljande gr v rden (medelv rde och varians) x V 85 16 G 62 49 C 24 64 Sune vill att du g r ett system som givet en bild ber knar f rdelningen mellan de olika hj rnv vnaderna, observera att ditt system b r kunna bortse fr n muskelv vnad o dyl. Vidare kan du anta att bilden alltid ligger s att n gon del av hj rnan t cks av mittenpixeln. Redovisa steg f r steg hur du g r tillv ga f r att l sa problemet? Redovisa noga ALLA eventuella antaganden. Observera att din tankeg ng kan ge po ng ven om den inte leder fram till ett helt fungerande system. (8p) 10 Du skall interaktivt segmentera en njure fr n en CT-bild. Indata r en grov markering av punkter som bildar ett polygon, se bild (v nstra njuren). Detta polygon skall, efter du k rt ditt program, avgr nsa njuren s bra som m jligt. Beskriv i detalj din implementation f r att l sa detta. (4p) 4
CT-bild d r v nstra njuren r grovt avgr nsad med ett polynom (svart) 11 Efter en segmentering av ett organ fr n en r ntgenbild f s en 2D bin r bild av objektet. Hur g r du f r att omvandla bilden till ett 1D 'objekt'? T nk p att g ra den nya representationen s invariant som m jligt. (4p) 12 Som bildbehandlingskonsult blir du kontaktad av Sune f r att l sa ett klurigt problem. Han vill kunna klassicera gr skalebilder p hudutslag. Utslagen har samma medelgr v rde som 'vanlig' hud, men en n got annorlunda textur. a) Vilka olika typer av textursegmentering skulle kunna vara m jlig i detta fall? (3p) b) Skissa p ett system p s specik niv som m jligt som l ser Sunes problem. Vilka fr gor m ste du st lla till Sune f r att kunna implementera ditt system? (2p) 13 Redog r f r alla steg i l sningen av ett bildanalysproblem. F r varje steg, redovisa vad man speciellt skall t nka p. (9p) 5