
Агуулгын хүснэгт:
- Алхам 1: Moyamoya -тай холбоотой хэвийн тархи ба тархины MRI ба MRA сканыг олоорой
- Алхам 2: Зургийг MATLAB дээр ачаалж, зургийг харуулахын тулд хувьсагч руу дүрсийг онооно уу
- Алхам 3: Олон хэмжээст шүүлтүүр ашиглан зургийн нягтрал дахь сунасан бүтцийг сайжруулах
- Алхам 4: 2D медиан шүүлтүүр ажиллуулна уу
- Алхам 5: Зургийг далдлах
- Алхам 6: MRA Scan to Statistical Testing -ийг сонгоно уу
- Алхам 7: Статистикийн шинжилгээнд бэлтгэх цусны судасны талбайг тооцоол
- Алхам 8: Бие даасан дээжийн Т-тестийг ажиллуулна уу
2025 Зохиолч: John Day | [email protected]. Хамгийн сүүлд өөрчлөгдсөн: 2025-01-23 15:00

Мояамояа бол "утаагаар амьсгалах" нь тархины ёроолд байрлах суурь зангилааны судас бөглөрснөөс үүдэлтэй ховор тохиолддог өвчин юм. Энэ өвчин нь ихэвчлэн хүүхдүүдэд нөлөөлдөг тархины судасны дэвшилтэт өвчин юм. Мояамояагийн шинж тэмдэг бол анхны цус харвалт, байнгын цус харвалт, булчингийн сулрал, саажилт эсвэл артерийн судасны нарийсалтаас үүдэлтэй таталт юм. Эмчилгээ хийлгээгүй тохиолдолд мояамояа нь үг хэлэх, мэдрэхүйн хямрал, ухамсарт гэмтэл учруулах болно. Манай төсөлд бид нөлөөлөлд өртсөн хэсгийг олохын тулд зурган дээрх дуу чимээг бууруулахын тулд янз бүрийн шүүлтүүр ашиглан MRI эсвэл MRA зургийг урьдчилан боловсруулахын тулд MATLAB -ийг ашиглах болно. Нэмж дурдахад бид нөлөөлөлд өртсөн газрыг илүү нарийвчлалтай олохын тулд онцлог шинж чанарыг сайжруулах болно. Түүгээр ч барахгүй дээжний бие даасан дээжийг авч, тархины судасны хэмжээ мояамоя өртсөн тархитай харьцуулахад мэдэгдэхүйц ялгаа байгаа эсэхийг тодорхойлох болно.
Алхам 1: Moyamoya -тай холбоотой хэвийн тархи ба тархины MRI ба MRA сканыг олоорой




Эдгээр зургууд нь бидний онлайнаар олсон төсөлд ашигласан скан юм. Цусны судаснууд дунд байрласан хоёр зураг нь MRA сканер, нөгөө хоёр зураг нь MRI шинжилгээ юм.
Дараах линкүүд нь эдгээр зургуудыг олдог.
static.cambridge.org/resource/id/urn:cambr…
static.cambridge.org/resource/id/urn:cambr…
Алхам 2: Зургийг MATLAB дээр ачаалж, зургийг харуулахын тулд хувьсагч руу дүрсийг онооно уу

Процессыг эхлүүлэхийн тулд командын цонхыг цэвэрлэж, аль хэдийн нээлттэй байж болох бүх боломжит зураг, графикийг хааж, ажлын талбарт хуваарилагдсан хувьсагчдыг арилгана уу.
Дараа нь i = [1: 2] тушаалыг ашиглан 1 -ээс 2 хүртэлх for давталт үүсгэнэ.
Үүний дараа imread (sprintf ('filename%.filetype', i)) командыг ашиглан MRA зургуудыг ачаалж файлын нэрээр заасан файлуудын зургийг уншиж, дараа нь багцыг ачаалахад sprintf ашиглан давталтын тоог ашиглана уу. үүнийг хувьсагч болгоно.
Дараа нь зургийг дүрс хэлбэрээр харуулахын тулд imshow (I) командыг ашиглана уу.
Саарал өнгөний зургийг хуваарилахын тулд colormap (саарал) командыг ашиглана уу.
Өнгийг бүрэн арилгаж, зургийн 3D матрицыг 2D болгон хөрвүүлэхийн тулд rgb2gray (I) тушаалыг ашиглан тусдаа хувьсагчид онооно уу.
Дараа нь өмнө дурдсан эсвэл imread (sprintf ('файлын нэр%.filetype', i)) тушаалыг ашиглан MRI зургийг ачаалаад шинэ хувьсагчид онооно уу.
Rgb2gray тушаалыг MRI зургуудад ашигласан шинэ хувьсагчаар давтана уу.
Шаардлагатай бол imresize (A, масштаб) командыг ашиглан зургийн хэмжээг өөрчилж, тусдаа хувьсагчийг оноож болно.
Алхам 3: Олон хэмжээст шүүлтүүр ашиглан зургийн нягтрал дахь сунасан бүтцийг сайжруулах

Шинэ хувьсагч ашиглан зураг дээрх хоолой хэлбэрийн бүтцийг сайжруулахын тулд fibermetric (A) тушаалыг ашиглана уу
Өмнөх хувьсагчийн хувьд histeq (B) командыг ашиглан зургийн эрч хүчийг өөрчилж, гистограммын тэгшитгэлийг сайжруулж, шинэ хувьсагчид онооно.
Imhist (B) тушаалыг ашиглан гистограммыг харуулна.
Шүүлтүүрийн босгыг бий болгохын тулд шинэ хувьсагч үүсгэнэ үү. Энэ тохиолдолд өмнөх хувьсагч> 0.875 -г оноож, пикселийн эрчмийг 0.875 гэсэн утгаар шүүнэ
Үүний дараа шинэ дүрс үүсгэж, imshow (A) командыг ашиглан шинэ шүүсэн зургийг харуулна.
Алхам 4: 2D медиан шүүлтүүр ажиллуулна уу

Medfilt2 (A, [m n]) командыг ашиглан 2D медиан шүүлтүүрийг ажиллуулна уу. Энд гаралтын пиксел бүр нь оролтын зурган дээрх харгалзах пикселийн эргэн тойронд mxn хилийн дундаж утгыг агуулдаг.
Шинэ дүрс үүсгэж, дундуур шүүсэн зургийг харуулахын тулд imshow (A) ашиглана уу.
Алхам 5: Зургийг далдлах

Дунд зэргийн шүүлтүүртэй зургийг ашиглан [labeledImage, numberOfBlots] = bwlabel (A) тушаалыг ашиглан зураг дээрх цагаан толбо тоог тоолно.
Дараа нь толбо эсвэл цусны судас тус бүрийн талбайнуудыг тооцоолохын тулд бүсийн тулгуур функцуудын мужууд = regionprops (хаяглагдсанImage, 'Area') -ийг ашиглана уу.
Бүх талбарыг нэг хувьсагч болгон хуваарил
Дараа нь өөр хувьсагч ашиглан 50 пикселээс хэтэрсэн тоо хэмжээг тоол
Дараа нь [sortedAreas, sortedIndicies] = эрэмбэлэх (цэгүүд, 'буух') тушаалыг ашиглан 50 пикселээс доош байгаа бүх толбыг буурах дарааллаар нь эрэмбэл.
Дараа нь өөр хувьсагчийг ашигласнаар isember (labeledImage, sortedIndicies (1: numberToExtract)) гэсэн тушаалыг ашиглана. логик 0 (худал).
Өмнөх алхам дахь хувьсагчийн тусламжтайгаар үнэн гэсэн цэгүүдийг (утга> 0) олоод логик массив үүсгэн хоёртын дүрс гаргаж шинэ хувьсагчид онооно.
Шинэ дүрс үүсгэж, шинэ хоёртын дүрсийг imshow (A) ашиглана уу.
Дараа нь, imcomplement (A) тушаалыг ашиглан зургийг эргүүлж, өөр хувьсагчид онооно.
Масктай дүрс үүсгэхийн тулд resizedimage командын тусламжтайгаар шинэ хувьсагчийг ашиглана уу.*Uint8 (урвуу дүрс)
Шинэ дүрс үүсгэж, imshow (A) ашиглан масктай зургийг харуулна.
Кодыг бүхэлд нь дуусгахын тулд 'төгсгөл' командыг ашиглан циклийг бүхэлд нь дуусгахаа мартуузай
Алхам 6: MRA Scan to Statistical Testing -ийг сонгоно уу



Статистикийн туршилтанд бэлтгэхийн тулд бие даасан дээжийн t-тест хийхэд ашиглах MRA сканыг сонгоно уу. Манай хоёр дээж нь Мояамояагийн тархи, хэвийн тархи байх тул бүлэг тус бүрийн зохих хэмжээний MRA сканыг сонгоорой.
Алхам 7: Статистикийн шинжилгээнд бэлтгэх цусны судасны талбайг тооцоол

Статистикийн тест нь MRA сканнердсан цусны судасны урт эсвэл хэмжээг анхаарч үзэх болно. Тиймээс харьцуулахын өмнө бид цусны судасны талбайг тооцоолох ёстой.
Энгийн тархины MRA -ийг шүүж, цусны судасны хэмжээг тооцоолж эхэл. Үүнийг хийхийн тулд for loop ажиллуулна уу. Гурван зураг байгаа тул нөхцөл нь i = [1: 3] байх болно.
Imread командыг ашиглан зургийг нээж хувьсагчид онооно уу.
Дараа нь if, else командыг ашиглан if/else мэдэгдэл үүсгэнэ. If илэрхийллийн хувьд (A, 3) == 3 командын тушаалыг ашиглана уу, энд A нь дүрсийг нээхэд хэрэглэгддэг хувьсагч бөгөөд массивын гурав дахь хэмжигдэхүүн 3 байх үеийн if операторыг үүсгэнэ. Дараа нь дүрсийг хөрвүүлнэ үү. rdb2gray (A) тушаалыг ашиглан 2D болгож өнгөнөөс ангижруулж шинэ хувьсагчид онооно уу. Зургийн хэмжээг өөрчлөхийн тулд imresize (A, [m n]) командыг ашиглана уу. Энэ тохиолдолд бид зургийн хэмжээг 1024 x 1024 матриц болгон өөрчилсөн. Зургийн хоолой хэлбэрийн бүтцийг сайжруулахын тулд фиберметрийн командыг дахин ашиглаад шинэ хувьсагчид онооно уу.
Else мэдэгдлийн хувьд дараахь зүйлийг оруулсан болно. Хэрэв зураг нь 3D матриц биш бол бид хөрвүүлэлтийг алгасахыг хүсч байна. If мэдэгдэлтэй ижил зүйлийг хий, гэхдээ rgb2gray (A) тушаалгүйгээр.
0.15 -аас дээш фиберметрийн алхамаас авсан хувьсагчтай тэнцүү шинэ хувьсагч үүсгэнэ үү. Энэ нь 0.15 -аас дээш эрчимтэй байх дүрсийг босго болгодог.
Бид заасан шүүлтүүрийн 4 ба 5 -р алхамуудын кодын мөрүүдийг imshow (I) шугам хүртэл давтах болно. Үүний дараа sum (I (:)) командыг ашиглан цусны судсыг бүрдүүлдэг бүх пикселийг нэмж тусад нь хувьсагч болгон онооно. Шинэ хувьсагчийг NormalBloodVessels (i) гэж нэрлээд sum (I (:)) командын хувьсагчтай тэнцүү болгоно. Энэ нь өгөгдлийг матрицад нэмнэ.
Давхаргыг дуусгаад давтана уу, гэхдээ Мояамояа өртсөн тархины MRA -ийн хувьд. Хувьсагчийг тархины хэвийн MRA -тай андуурахгүйн тулд эцэст нь MoyaMoyaBloodVessels (i) гэж нэрлэнэ үү.
Алхам 8: Бие даасан дээжийн Т-тестийг ажиллуулна уу

Бие даасан хоёр дээж, цөөн хүн амтай тул бие даасан дээжийн t-тестийг ажиллуулна уу.
Хэвийн тархины MRA-ийн цусны судасны хэмжээ нь Мояамояа өртсөн тархины MRA-тай тэнцүү эсвэл тэнцүү эсэхийг тодорхойлохын тулд бие даасан дээжийн t-тест ажиллуулдаг функцийг бий болгож нэрлэнэ үү.
Туршилтын таамаглалыг disp ('X') командыг ашиглан харуулна. Эхний мөрөнд "t дээжийн хоёр туршилтын таамаглал" -ыг харуул. Хоёрдахь мөрөнд "H0 = Энгийн тархины судасны хэмжээ нь Мояамоя өвчтэй тархины судасны хэмжээтэй тэнцүү байна" гэж бичээд тэг таамаглалыг хэлнэ. Гурав дахь мөрөнд "HA = Тархины хэвийн судасны хэмжээ нь Мояамоя өвчтэй тархины судасны хэмжээтэй тэнцэхгүй байна." өөр таамаглалыг хэлэх.
95% -ийн итгэлцлийн интервал болон 3 -ийн түүврийн хэмжээг ашиглан t tinv ([0.025 0.975], 2) командыг ашиглан t оноог тооцоолж, t хувьсагчид онооно. Var (NormalBloodVessels) ба var (MoyaMoyaBloodVessels) тушаалыг ашиглан өгөгдлийн олонлогийн ялгааг тооцоолохын тулд тэдгээрийг хувьсагчдад онооно.
Хэмжээ нь ойролцоо эсвэл тэнцүү эсэхийг шалгаарай. If, else командыг ашиглан if/else мэдэгдэл үүсгэж үүнийг хий. If мэдэгдэлд байгаа нөхцөл байдлын хувьд A / B == [0.25: 4] гэж бичээрэй, энд A нь хэвийн судасны дисперсийг, B нь Moyamoya судасны дисперсийг тооцдог хувьсагч юм. 0.25 ба 4 нь дисперс тэнцүү эсвэл тэнцүү эсэхийг тодорхойлох ерөнхий тооцооноос гаралтай. Дараа нь [h, p] = ttest2 (A, B, 0.05, 'аль аль нь', 'тэнцүү') гэсэн хоёр дээж t тестийг ажиллуул, A ба B нь өмнө дурдсантай ижил хувьсагч болно. Else мэдэгдлийн хувьд [h, p] = ttest2 (A, B, 0.05, 'аль аль нь', 'тэгш бус') -ийг ашиглан дисперсийг тэнцүү биш тохиолдолд хоёр дээж t тестийг ажиллуулна. If/else мэдэгдлийг дуусга. Энэ нь p -ийг тооцоолох болно.
P -ийн утга дээр үндэслэсэн дүгнэлтийг харуулах if/else мэдэгдэл үүсгэнэ үү. If мэдэгдлийн нөхцөл нь p> 0.05 байх болно. P утга 0.05 -аас дээш байх үед бид тэг таамаглалыг няцааж чаддаггүй тул disp ('X') командыг ашиглан "p утга 0.05 -аас их учраас бид тэг таамаглалыг няцааж чадахгүй байна." Тиймээс бид тархины хэвийн судасны хэмжээ нь Мояамоя өвчтэй тархины хэмжээтэй тэнцүү гэдгийг үгүйсгэхгүй байна. " Өөр мэдэгдэлд бид p -ийн утга 0.05 -аас доош байх үед тэг таамаглалыг ихэвчлэн үгүйсгэдэг тул disp ('X') командыг ашиглан "p утга 0.05 -аас бага тул бид тэг таамаглалыг үгүйсгэдэг." Тиймээс хэвийн тархины цусны судасны хэмжээ нь Мояамоя өвчтэй тархины хэмжээтэй тэнцүү биш гэдгийг бид үгүйсгэхгүй байна. " If/else мэдэгдлийг дуусга.
Зөвлөмж болгож буй:
Raspberry Pi -ийн тусламжтайгаар зураг боловсруулах: OpenCV ба зурагны өнгөний ялгааг суулгах: 4 алхам

Raspberry Pi -ийн тусламжтайгаар зураг боловсруулах: OpenCV ба зурагны өнгөний тусгаарлалтыг суулгах нь: Энэ бичлэг нь дагаж мөрдөх ёстой хэд хэдэн зураг боловсруулах хичээлүүдийн эхнийх юм. Бид зураг үүсгэдэг пикселүүдийг нарийвчлан судалж, Raspberry Pi дээр OpenCV -ийг хэрхэн суулгах талаар сурч, зураг авахын тулд тестийн скриптүүдийг бичдэг
Зураг дээр суурилсан загварчлал/Photogrammetry хөрөг зураг: 4 алхам

Зураг дээр суурилсан загварчлал/Photogrammetry Portraiture: Сайн уу, бүгдээрээ энэхүү зааварчилгаанд дижитал дүрслэлийг ашиглан 3D загвар хэрхэн бүтээх үйл явцыг танд үзүүлэх гэж байна. Энэ процессыг Photogrammetry гэж нэрлэдэг бөгөөд үүнийг Зураг дээр суурилсан загварчлал (IBM) гэж нэрлэдэг. Тодруулбал, энэ төрлийн процессыг дахин боловсруулахад ашигладаг
Raspberry Pi ашиглан урт хугацааны гэрэл зураг, астро гэрэл зураг: 13 алхам (зурагтай)

Бөөрөлзгөнө Pi ашиглан урт хугацааны гэрэл зураг, астро гэрэл зураг: Астрофотографи нь одон орны объектууд, селестиел үйл явдал, шөнийн тэнгэрийн талбайн гэрэл зураг юм. Астрофотографи нь Сар, Нар болон бусад гаригуудын нарийн ширийн зүйлийг бүртгэхээс гадна дуу чимээнд үл үзэгдэх объектуудыг авах чадвартай байдаг
Зураг боловсруулах талаархи танилцуулга: Pixy ба түүний хувилбарууд: 6 алхам

Зураг боловсруулах талаархи танилцуулга: Pixy ба түүний хувилбарууд: Энэ нийтлэлд бид дижитал зураг боловсруулах (DIP) -ийн утга, зураг эсвэл видео дээр процесс хийхийн тулд Pixy гэх мэт техник хэрэгсэл болон бусад хэрэгслийг ашиглах шалтгааныг тайлбарлах болно. Энэ нийтлэлийн төгсгөлд та дараахь зүйлийг сурах болно
Аж үйлдвэрийн гэрэл зураг - Яаралтай алдаа; Шороог дахин боловсруулах үйлдвэрлэгчийг тэсэлгээ хийх: 7 алхам

Аж үйлдвэрийн гэрэл зураг - Яаралтай алдаа; Тэсрэх нунтаглах дахин боловсруулагч: Энэхүү зааварчилгаа нь цуврал зааварчилгааны зургийг хэрхэн хурдан авахыг заах болно. Дуусах шатанд байгаа аж үйлдвэрийн төслүүдийн зураг маш их тустай. Тэд танд төслийн талаар дараа нь бодож, загвар зохион бүтээхэд туслах болно