Mi a szcintilláció lényege? Milyen esetekben van rá szükség? Nevezzen meg egy konkrét ilyen esetet!

Hasonló dokumentumok
Röntgen diagnosztikai eljárások:

Képalkotó diagnosztikai eljárások:

Képalkotó diagnosztikai eljárások:

Indirekt térfogat-vizualizáció. Fourier térfogat-vizualizáció. Tomográfiás rekonstrukció. Radon-transzformáció. A Fourier vetítő sík tétel

Képalkotó diagnosztikai eljárások

Képalkotás modellezése, metrikái. Orvosi képdiagnosztika 6. ea ősz

4 2 lapultsági együttható =

Méréselmélet: 5. előadás,

Rekonstrukciós eljárások. Orvosi képdiagnosztika 2017 ősz

Support Vector Machines

IDA ELŐADÁS I. Bolgár Bence október 17.

7. Előadás tartalma. Lineáris szűrők: Inverz probléma dekonvolúció: Klasszikus szűrők súly és átviteli függvénye Gibbs jelenség

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

3D-s számítógépes geometria

Képalkotás modellezése, metrikái. Orvosi képdiagnosztika 2017 ősz

Minősítéses mérőrendszerek képességvizsgálata

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

10. Alakzatok és minták detektálása

EM algoritmus. A feladat: egy valószínűség eloszlás valmilyen paraméterét(vektorát) akarjuk becsülni részlegesen megfigyelhető.

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

Régió alapú szegmentálás. Digitális képelemzés alapvető algoritmusai. 2. példa: Elfogadható eredmények. 1. példa: Jó eredmények. Csetverikov Dmitrij

Rekonstrukciós eljárások. Orvosi képdiagnosztika 2017 ősz

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 7-8. ea ősz

Jelfeldolgozás bevezető. Témalaboratórium

Fuzzy rendszerek. A fuzzy halmaz és a fuzzy logika

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Mesterséges Intelligencia MI

Turbulens áramlás modellezése háromszög elrendezésű csőkötegben

Lineáris regresszió. Statisztika I., 4. alkalom

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 6-8. ea ősz

7. Regisztráció. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (

Képrestauráció Képhelyreállítás

d(f(x), f(y)) q d(x, y), ahol 0 q < 1.

A DÖNTÉSELMÉLET ALAPJAI

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

Képrekonstrukció 3. előadás

Intelligens Rendszerek Elmélete

TÉRBELI STATISZTIKAI VIZSGÁLATOK, ÁTLAGOS JELLEMZŐK ÉS TENDENCIÁK MAGYARORSZÁGON. Bihari Zita, OMSZ Éghajlati Elemző Osztály OMSZ

A maximum likelihood becslésről

Rekonstrukciós eljárások. Orvosi képdiagnosztika 2017 ősz

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege

A neurális hálózatok alapjai

,...,q 3N és 3N impulzuskoordinátával: p 1,

Az entrópia statisztikus értelmezése

Regresszió. Fő cél: jóslás Történhet:

Kvantum-tömörítés II.

Képszegmentáló eljárások. Orvosi képdiagnosztika 2018 ősz

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Egyenáramú szervomotor modellezése

A sokaság/minta eloszlásának jellemzése

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

Az Orvosi Fizika Szigorlat menete a 2012/2. tanévtől

Hadházi Dániel.

ACM Snake. Orvosi képdiagnosztika 11. előadás első fele

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika

METROLÓGIA ÉS HIBASZÁMíTÁS

1.5.1 Büntető-függvényes módszerek: SUMT, belső, külső büntetőfüggvény

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

Véletlenszám generátorok. 6. előadás

Molekuláris dinamika: elméleti potenciálfelületek

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.

Hely és elmozdulás - meghatározás távolságméréssel

Integrált rendszerek n é v; dátum

Compton-effektus. Zsigmond Anna. jegyzıkönyv. Fizika BSc III.

Elektromos zajok. Átlagérték Időben változó jel átlagértéke alatt a jel idő szerinti integráljának és a közben eltelt időnek a hányadosát értik:

A médiatechnológia alapjai

Rekonstrukciós eljárások. Orvosi képdiagnosztika előadás 2015 ősz

Adatelemzés és adatbányászat MSc

63/2004. (VII. 26.) ESzCsM rendelet

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK

1. Holtids folyamatok szabályozása

Szárítás során kialakuló hővezetés számítása Excel VBA makróval

Eseményvezérelt szimuláció

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

FILMHANG RESTAURÁLÁS: A NEMLINEÁRIS KOMPENZÁLÁS

/11 Változtatások joga fenntartva. Kezelési útmutató. UltraGas kondenzációs gázkazán. Az energia megőrzése környezetünk védelme

Éldetektálás, szegmentálás (folytatás) Orvosi képdiagnosztika 11_2 ea

(eseményalgebra) (halmazalgebra) (kijelentéskalkulus)

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai Magyar Tudomány Napja. Gábor Dénes Főiskola

Töréskép optimalizálás Elmélet, megvalósítás, alkalmazás

Műszaki folyamatok közgazdasági elemzése. Kevert stratégiák és evolúciós játékok

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Philosophiae Doctores. A sorozatban megjelent kötetek listája a kötet végén található

A Ga-Bi OLVADÉK TERMODINAMIKAI OPTIMALIZÁLÁSA

Teljes eseményrendszer. Valószínőségszámítás. Példák. Teljes valószínőség tétele. Példa. Bayes tétele

Periodikus figyelésű készletezési modell megoldása általános feltételek mellett

Least Squares becslés

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell

A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula

Digitális képek. Zaj és tömörítés

1. Oldja meg a z 3 (5 + 3j) (8 + 2j) 2. Adottak az A(1,4,3), B(3,1, 1), C( 5,2,4) pontok a térben.

1.Tartalomjegyzék 1. 1.Tartalomjegyzék

Jelgenerálás virtuális eszközökkel. LabVIEW 7.1

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap

Átírás:

Röntgen dagnosztka eljárások: Vázlatosan smertesse egy röntgen alapú képalkotó berendezés felépítését! ogyan keletkezk a röntgen foton, m határozza meg az energáját? Mt nevezünk kollmátornak? Mt mond k az nverz négyzetes törvény? Vázlatosan mből áll egy röntgen detektor? Értelmezze a lentebb összefüggést! Saját szavaval adj meg, hogy mt modellez? Monokromatkus röntgensugár esetén hogyan egyszerűsödk az összefüggés? ogy nevezzük azt az artfaktot, mely abból ered, hogy hbásan monokromatkusnak feltételezzük a röntgensugarat? x I I E exp s, E dsde M történk foto-elektromos kölcsönhatás, lletve Compton szóródás esetén? Mlyen fzka anyagok mlyen jellegű nterakcót írják le ezek a jelenségek? Értelmezze a lentebb megadott összefüggést. Ez az előbb felsorolt két hatás közül melyket írja le? Legnkább mely változótól függ ezen kölcsönhatás bekövetkezésének a valószínűsége? E f Ehe Eke M a szcntllácó lényege? Mlyen esetekben van rá szükség? Nevezzen meg egy konkrét lyen esetet! Dgtáls képek alkotása és tárolása: Mt jelent a fény kettős természete (hullámmozgás és kvantumelmélet megközelítés). A fénynek, mnt elektromágneses sugárzásnak mlyen tulajdonságat smer? Mtől függ egy foton energája? Ez mt befolyásol orvos képalkotás során? Ismertesse a fényérzékelés folyamatát! ogyan működnek a félvezetők? Mt jelentenek az alább fogalmak: vegyértéksáv, vezetés sáv, tltott sáv, lyuk, elektron, N típus, P típusú félvezető? ogyan épülnek fel és hogyan működnek a fényérzékeny MOS kapactások? ogyan épülnek fel és hogy működnek a CCD érzékelők? Mt nevezünk szcntllácónak és mkor van rá szükség? ogyan működnek és hogyan épülnek fel a látható fotonoknál nagyobb energájú fotonokra (pl. uv, röntgen, gamma sugarak) érzékeny detektorok? ogyan működk a Graphcs Interchange Format alapú képtárolás? Ismertesse a Portable Network Graphcs formátum során alkalmazott tömörítés eljárás főbb lépéset! Ismertesse a Jont Photographc Experts Group formátum tömörítő eljárásának főbb lépéset. Mlyen melléktermékeket okozhat ez a fajta tömörítő eljárás? Ismertesse a DICOM szabvány képtárolásának főbb jellemzőt, valamnt a szabvány általánosabb jellegét! Lneárs dőnvaráns rendszerek / képalkotás metrká: M a ht súlyfüggvényű LTI rendszer st gerjesztő jelre adott válasza (és a válaszfüggvény spektruma)? M az LTI rendszerek dentfkácója során a feladat és ennek megvalósítása mlyen módszerekkel lehetséges (adjon 3 példát az dentfkácó megvalalósítására, az egyes példák esetén térjen k az adott módszer realzálhatóságára s)? Mt defnál egy képalkotó rendszer esetén a Pont Spread Functon (PSF) és a Modulaton Transfer Functon (MTF), ezek mlyen kapcsolatban állnak a képalkotó rendszer súlyfüggvényével, lletve átvtel függvényével. Formálsan smertesse az általános képalkotás

(3D objektumból D projekcóba képző) megfgyelés modelljét (nterpretálja a modell tagjanak a jelentését)! Lneárs, eltolás nvaráns képalkotó rendszerek esetén defnálja az effektív felbontás fogalmát! ogyan mérhető a rendszer súlyfüggvényének (PSF) smeretében? Adjon példát foton fluxusának mérésén alapuló képalkotó rendszerek (pl. konvenconáls fényképezőgép, röntgen detektor, stb.) esetén az effektív felbontás meghatározására (mlyen fantomokkal / vzsgálóábrákkal történk a mérés)! M az effektív felbontáson, mnt metrkán alapuló mnősítés legjelentősebb hányossága? Defnálja a jel/zaj vszony (SNR) fogalmát (általános jelfeldolgozás szemszögből). Képek esetén m az SNR defnícója? Defnálja a kontraszt/ zaj arányt (CNR) és részletesen fejtse k, hogy képek esetén hogyan számítandó. Alkalmazható-e a CNR nemlneárs rendszerek mnősítésére (válaszát ndoklással támassza alá)? Mlyen valószínűség folyamattal modellezhető a foton sugárzás folyamata. Defnálja az nherens zaj fogalmát. Ideáls detektor által rögzített kép jel / zaj aránya (SNR) hogyan vszonyul a felületét érő sugárzás jel / zaj arányához (SNR), és m a pontos értéke, ha a detektor egy érzékelőelemébe átlagosan Q foton csapódk? Defnálja a zaj teljesítmény spektrum (NPS), a normalzált zaj teljesítmény spektrum (NNPS), lletve a zaj ekvvalens kvantum (NEQ) fogalmát mnd saját szavával, mnd formálsan! Ezen mérőszámok szernt összehasonlításnál mlyen megkötéssel kell élnünk a vzsgálósugárzás dózsára (fotonjanak számára)? M a Detektált kvantum hatékonyság (DQE) formáls defnícója és nterpretácója (ez utóbbt elég szövegesen megadn)? Fourer analízs: Származtassa az xt egyváltozós folytonos jel, végtelen pontban 1 t frekvencával mntavettjének DTFT spektrumát ( X s -t) X függvényeként. Segítségül a Drac fésű ( x x ) spektruma x, x az egymással szomszédos mntavételek x távolságát, míg a körfrekvencát jelöl). Mkor beszélünk alul-mntavételezésről, ez hogyan torzítja a mntavett kép spektrumát, lletve hogy nevezk az átlapolódásból keletkező fals mntázatot? ogyan lehet az átlapolást elkerüln? Mondja k a Nyqust-Shannon mntavétel törvényt! Defnálja formálsan a mntavételezett jel rekonstrukcójának a folyamatát (emlékeztetőül a DTFT spektrum perodkus). M a feltétele a mntavételezés előtt jel torzítás nélkül rekonstruálhatóságának. Mlyen követelménynek kell megfelelne az nterpolácós kernelnek, ha a mntavett jel szélétől eltekntve vssza akarjuk állítan a mntavételezés előtt folytonos jelet (tehát hba nélkül akarunk nterpoláln), és ennek lehetőségét a mntavételezés nem zárja k? Az alább ábrák a Nearest Neghbour (-ad rendű tartó) és a lneárs nterpolácós (első rendű nterpolácó) kernelek spektrumának ampltúdóját ábrázolják a síkfrekvenca függvényében. Ezek alapján az NN, lletve a lneárs kernellel történő nterpolácó alkalmazása a rekonstruált jel mlyen torzulását eredményez? (Segítség: Mndkét ábrára rajzolja be az deáls nterpolácós kernel spektrumának ampl.-ját)

1 1 Ampltudo.5-4*p -*p *p 4*p Síkfrekvenca Ampltudo.5-4*p -*p *p 4*p Síkfrekvenca M okozza a spektrumszvárgás jelenségét? Defnálja a véges hosszú (N elemű), mntavételezett xk jel megfgyelés ekvvalensét ( x k )! Mlyen kapcsolatban áll egymással xk DFT és k x DTFT spektruma? Mlyen módszert smer a spektrumszvárgás hatásának redukálására? Értelmezze az előbb kérdezett módszer működését dő / képtartományban. Képtérben hogy néz k az alább ábrán látható ampltúdó spektrumú kép (Folytonos Fourer transzformácót alkalmaztunk)? A baloldal ábra a folytonos spektrum ampltudójából képzett logartmkus skálájú ntenztáskép, mely főátlójának ntenztásproflját a jobboldal ábra mutatja. -p -p/ -5 1 p/ -1 p -15 -Inf -p -p/ p/ p [-p, -p][-p/, -p/] [, ] [p/, p/] [p, p] Ugyanezen kép D dszkrét Fourer Transzformáltjának az ampltúdója az alább két ábrán látható (az ábrák értelmezése megegyezk az előző két ábráéval). Mlyen jelenség fgyelhető meg az ábrán? ogyan kompenzálható az torzulás? -p -p/ p/ -5-1 -5-1 p -p -p/ p/ p -15 3 Formálsan defnálja a D dszkrét Fourer Transzformácót. Adjon N komplextású algortmust a transzformált előállítására, amennyben N N méretű az nput ntenztáskép (segítségül nem az FFT-re gondolunk, és azt nem s fogadjuk el válaszként). M a half complex ábrázolás lényege, a Fourer transzformácó mely tulajdonságát használja k a spektrum ezen ábrázolás módja? Tegyük fel, hogy gk, DFT 1 DFT g DFT k jelet dszkrét dőtartományban, -15 5 1 f k két 1D, véges mntavételezett jel. Defnálja az elemenként szorzást jelöl.

Közelítőleg helyesen ábrázolja az Alul-áteresztő, Felül-áteresztő, lletve Sáváteresztő szűrések súlyfüggvényet (dőtartományban), lletve átvtel függvényük ampltúdóját (frekvencatartományban)! M a Gbbs artfakt lényege? Defnáljon olyan esetet, mely során ez a jelenség torzítja a képeket. ogyan kerülhetjük el ezen műtermék megjelenését? Adja meg azon alul-áteresztő szűrő spektrumát, mely C vágás frekvenca mellett maxmalzálja a jelenség előfordulásának a valószínűségét (ha egy fehér teljesítmény sűrűség spektrumú eloszlás mntán alkalmazzuk). Melyk szűrőt defnálja az alább összefüggés: Bu, v 1 1 C u v kapcsolódk a Gbbs artfakt problémához a fentebb defnált szűrő? n? ogyan Inverz probléma: Értelmezze a D nverz probléma megfgyelés modelljét: g h f. Mt jelölnek az egyes változók, értékükre mlyen feltétel adható meg? Leírható-e a fent modellel pozícófüggő PSF (válaszát ndokolja)? Defnálja a drekt dekonvolúcó átvtel függvényét! M az eljárás által becsült kép spektruma, ha F jelöl a torzítatlan kép, jelöl a valód PSF, N a megfgyelés zaj, míg az általunk becsült PSF (mely alapján végezzük a dekonvolúcót) spektrumát? A becsült spektrum értelmezésével mondja k a drekt módszer alkalmazásának legfőbb hátrányát (feltehetjük, hogy ' mnden síkfrekvencán), adjon módszert a probléma korrekcójára! Defnálja azon statsztka becslést, mely optmáls megoldása a drekt dekonvolúcó eredménye! asonlítsa össze a csonkolt dekonvolúcót a drekt dekonvolúcóval! Mely problémákat képes a csonkolt dekonvolúcó kküszöböln és mely hányosságokat nem? Adja meg azon feltételes valószínűség defnícóját, melyet maxmalzál a csonkolt dekonvolúcó eredménye! asonlítsa össze formálsan (átvtel függvényük szernt) a Wener nverz szűrést a csonkolt dekonvolúcóval! ogyan nterpretálható az átvtel függvény prossal kemelt tagja? ogyan és hol jelenk meg a Wener nverz szűrés, és a csonkolt dekonvolúcó átvtel függvényében a zaj kezelése? Értelmezze az paraméter hatását. Segítségül a képtartománybel megfgyelés modell formálsa: g h f n, a két nverz szűrés átvtel függvénye: Wner u 1 u 1 E N E F u u u, Truncated u 1/ asonlítsa össze formálsan a maxmum lkelhood (ML) becslést a maxmum a posteror (MAP) becsléssel (a két becslés mely valószínűség sűrűségfüggvények maxmumhelyét keres)! Ismertesse a két eljárás büntetőfüggvényes nterpretácóját (hogyan származtatjuk a büntetőfüggvényeket a sűrűségfüggvényekből, azok mlyen tagokra bonthatóak, és m az egyes tagok nterpretácója)! Mlyen lehetőségek vannak a zaj kezelésére ML, lletve MAP becslés esetén? Poztvtás kényszeres ML becslést realzál a Rchardson Lucy algortmus. Az eljárás a lentebb közölt egyenletet oldja meg teratívan. M az egyes valószínűségek fzka értelmezése, és pontosan hogy történk egy-egy terácó során az eljárás által becsült valószínűség frssítése? Segítségül a torzítás megfgyelés modellje: g f h, ahol g a mért, torzított kép, f a u u u

torzító LTI rendszer bemenete, h a torzítás súlyfüggvénye (PSF), az addtív zaj). Az eljárás explcten kezel-e a zajos mérések problémáját, ha gen, hogyan? P f k g f f k g k g f P k j f j P P P Általános képfeldolgozás: j P Egy hsztogram módosítás karaktersztkája a lent ábrán látható. A bemenet kép függvényében hogyan defnálható a kmenet kép? Defnálja egy kép hsztogramját! Mt csnál egy hsztogram kegyenlítő eljárás? M a hsztogram kegyenlítés célja? Mlyen esetekben érdemes az adaptív változatát alkalmazn? Mt értünk adaptív hsztogram módosítás alatt? Mlyen jellegű képmódosítást eredményez a lentebb megadott mátrxú szűrővel történő képszűrés? Frekvencatartományban hogyan végezhető el a szűrés? Adja meg a kernel frekvencatartománybel reprezentácóját! M a homomorfkus szűrés lényege? Mlyen esetekben érdemes alkalmazn? Formálsan lássa be, hogy az előző kérdésre adott probléma valóban megoldható / kompenzálható a szűrés elvégzésével! M az ordered statstcs szűrések lényege? Lneárs ez szűréstípus? Mlyen jellegű torzulások esetén érdemes lyen szűréseket alkalmazn? M a medánszűrő, mlyen torzítások esetén célszerű alkalmazn? Formálsan defnálja azon 1d jeleket, melyek egy 3 ablak nagyságú medánszűrő root jelet (azon 1d jeleket, melyeket a szűrés nem módosít)! Mt jelent képfeldolgozás témakörében az adaptív szűrés kfejezés? A Lee szűrés összefüggéset a lentebb összefüggéssel adtuk meg. Értelmezze, hogy hogyan működk a szűrés, valamnt adja meg az összes olyan 3 3-as ntenztásképet, melyre alkalmazva a szűrést a (,) koordnátájú pxel ntenztása nem változk (az ablak méretétől eltekntve a szabad paraméterek értékétől függetlenül)! Mt szabályoz heursztkusa megfontolást rá!,, X X F X X, j, j 1 j x j 1 8 1, j1 X X, k, l, j k, l1, j1 1 1 1 1/ 9 1 1 1 1 1 1 n megválasztása, adjon, j, x, j max x n,

Értelmezze a Walls operátor működését, nterpretálja a szabad paramétereket, analzálja a szűrés vselkedését! Értelmezze az alább összefüggéseket! Adja meg, hogy m mt jelöl, és adja meg a defnált változók szöveges nterpretácóját!,, ahol Mlyen lneárs eltolás nvaráns szűréseket / szűrőket smer képzaj redukálására, lletve élek kemelésére, rányuk meghatározására. Mben térnek el ezek a szűrők egymástól, és egyenként mlyen előnnyel, valamnt hátránnyal rendelkeznek? ogyan alkalmazható a KLT / PCA transzformácó képtömörítésre? Mlyen előnyökkel, és mlyen hátrányokkal bír a JPEG / GIF által alkalmazott tömörítésekhez (LZW, DCT és kvantálás) képest? Mért nem használják az smertebb képtároló formátumok? Mlyen megfontolásokat követve alkalmazható az EM eljárás küszöbölésre? M az EM eljárás (mnt statsztka becslés) alapötlete? ogy néz k az eljárás egy terácója (formálsan írja le általános esetben (nem smertek a konkrét eloszlások) annak lépéset)? Értelmezze az alább összefüggés változót: L X θ log P X θ P Z X,θ zz Mt értünk régó alapú szegmentálás alatt, mlyen követelményeknek kell, hogy egy lyen szegmentálás eleget tegyen? Ismertesse a régó növesztés, lletve a régó darabolás és egyesítés eljárásokat! Mlyen problémákat tud megemlíten ezen eljárások alkalmazása esetén? Írja körül, hogy mt értünk textúra alatt! ogyan lehet alkalmas az autokorrelácója egy adott régó ntenztásanak az adott régóban megfgyelhető textúra leírására? Durva, vagy fnom textúra esetén nformatívabb ezen leíró? Mt lehet kolvasn az értékéből? m, n I j, k I j m, k n I j, k j k j k Interpretálja lentebb összefüggéssel defnált ko-okkurenca mátrxot. Adjon egy olyan metrkát, mely ezt felhasználva számszerűsít a régó kontrasztját! és,,,,,, Cd a,b = x, y I x y a I v w b, v, w M M, x y v w d M N ab, = d C ab, d C a,b d a,b Mért nem adnak jó megoldást az él alapú szegmentáló eljárások általános képek esetén? Ezen a problémán hogyan tud javítan (adjon, vagy nevezzen meg egy konkrét módszert)! ogyan kapcsolódk ehhez a kérdéskörhöz a ough transfzormácó?

Értelmezze a ough transzformácó lentebb megadott változatat? Mely geometra alakzatok meghatározása válk egyszerűvé a ough tartománybel küszöböléssel, és mért? ; r x a y b Saját szavaval írja le a főkomponens analízs lényegét, adja meg formálsan annak kszámításának lépéset! Értelmezze a lentebb megadott formáls összefüggéseket, valamnt adja meg, hogy hogyan határozná meg M legksebb olyan értékét, melynél.1-nél nem nagyobb a vsszaállítás átlagos négyzetes hbája! M T x φ φ x, 1 N Cx,x φ φ, T E T M1 φ xx φ Deformálható modellek: ASM: Szövegesen adja meg az ASM eljárás főbb lépéset! Mlyen esetekben alkalmazható jól, és mkor nem az eljárás? Mben tér el egymástól az ASM és az AAM? Az ASM esetén mt értünk modell építés alatt? Mnek a modelljét építjük fel, és ehhez mely eljárást alkalmazzuk és mlyen célból? Mre kell ügyeln a modell építése során? ogyan generálhatunk mesterségesen hhető kontúrokat a modell felhasználásával? Mlyen megkötést érdemes alkalmazn ezen kontúrok generálása során és ennek m az oka? Mlyen szerepe lehet a multrezolúcós technkának a képszegmentálás eljárásoknál? Az ASM eljárás esetén konkrétan mért érdemes ezt alkalmazn, és mlyen hbákat lehet így elkerüln? Értelmezze az előadáson smertetett lentebb ASM összefüggést! ogyan relaxálja az a valóban megoldandó feladatunkat? Ezen relaxácó mlyen esetben jelent problémát? M a motvácója a feltétel alkalmazásának? max. I s.t. b 3 xb Mlyen célt szolgál az ortogonáls Prokrusztész analízs ASM esetén? Amennyben alkalmazása elkerülhetetlen, akkor hogyan módosul a szegmentálás ahhoz az esethez képest, amkor nem kell alkalmazn? Mlyen esetben kell ezt alkalmazn? ACM: Ismertesse formálsan a Snake futása során megvalósított optmalzálás feladatot az energapotencál (E(x)) felhasználásával. Mt tud mondan az optmalzálás probléma E x E x E x E x energapotencál esetén m az algortmkus nehézségéről? Az nt m ext 1 E 1 s x s x ds belső ntegrandus egyes tagjanak nterpretácója? Az x nt s s s energa egyes tagja mlyen kényszereket gyakorolnak a szegmentáló görbe pontjara? Amennyben a több energatag értéke x -től független skalár, abban az esetben mlyen az optmalzácó végén előálló szegmentáló görbe?

Adjon példákat az energapotencál képhez kapcsolódó tagjara ( E m x ). M a szerepe a Gauss elmosásnak ezen példák esetén? Mt szabályoz az eljárás végső működését tekntve a paraméter értéke? ogyan jelentkezk a lokáls optmum probléma a Snake szegmentáló eljárás esetén. Mlyen módszereket smer a probléma kezelésére? M az ú.n. kétfázsú szegmentácó lényege (gondoljon az esettanulmányra)? A mellékelt ábrák segítségével magyarázza el az energafüggvény/ energapotencál multscale Gaussal történő elmosásán alapuló többlépéses szegmentálás lényegét: Kndulás energapotencál 18 (1. Szegmentácó) 1 (. Szegmentácó) Fekete nyíllal jelöljük a Snake mnmalzácójának kndulás állapotát. Jelölje be, hogy az első szegmentácó leállásának az állapotát, és a. Szegmentácó ndulásának és leállásának a helyét. Az ábrák és saját smerete alapján nterpretálja paraméter értének megválasztását. M a GVF regularzácó célja? Mlyen gyakorlat problémák esetén segít a szegmentálást? Értelmezze a GVF optmalzácó célfüggvényét, valamnt annak vzsgálatával analzálja a regularzácó működését! uz, v arg mn u z P v P dxdy v Regsztrácós eljárások M a regsztrácó célja és mlyen fő eljáráscsaládokat lehet megkülönböztetn? Orvos alkalmazást tekntve tpkusan mlyen célból használnak regsztrácót? Mt jelent a merev regsztrácó, és mlyen elem torzító műveletek hatását lehet vele adekvátan kompenzáln? Orvos képalkotó vzsgálattal készült projekcók esetén mlyen gyakorlat problémák matt nem adekvátak a globáls transzformácó alapú regsztrácós eljárások? M a görbült transzformácó alapú regsztrácók lényege? M az affn és m a projektív transzformácó? ogyan alkalmazható a korrelácó tétel merev regsztrácó esetén?

Mt értünk (formálsan) két kép együttes hsztogramja alatt? Adottak a szöveg alatt látható együttes hsztogramok mt tudunk a regsztrácó pontosságáról, lletve mlyen jellegű regsztrácók után együttes hsztogramokat mutatnak az ábrák? Mlyen esetekben adekvát az ortogonáls Procrustes eljárás? Adja meg az eljárás krtérumfüggvényét (lletve amennyben tudja, akkor származtassa az eljárást)! Adja meg, hogy merev transzformácó esetén Fourer térben hogyan végezhető el a regsztrácó! Rekonstrukcós eljárások: Ismertesse a röntgen tomográfa alapjat, értelmezze az általánosított Beer-Lambert törvényt Emax I I E E x dx de ), mondja k az egyszerűsített Beer- Emn Px, y (segítségül: exp,, x y Lambert törvényt (monokróm energaspektrumú sugárforrás esete). Ezen modellek alapján mlyen eloszlással modellezhető az nherens zaj? Defnálja folytonos esetben a rekonstrukcót, mnt lneárs nverz feladatot (az egyszerűsített Beer-Lambert törvényből kndulva). Mondjon példát olyan hatásokra, melyeket nem modellez az egyszerűsített Beer- Lambert törvény! Mlyen elő-feldolgozás műveletek elvégzése szükséges ahhoz, hogy a detektor által mért ntenztások a térfogat lneárs csllapítás együtthatónak valóban lneárs függvénye legyenek? Ismertesse a számítógépes tomográfa (CT) alapjat (D eset): Radon transzformácó, sznogram, Fourer vetítősík tétel, szűrt vsszavetítés alapötlete, Fan-beam geometra és a rekonstrukcó vsszavezetése a párhuzamos sugaras esetre, Cone-beam geometra és a Conebeam artfact. Szűrt vsszavetítés származtatása (elegendő az ntutív változat) (segítség: gondoljon a Fourer vetítősík tételre), spektrumtartományban mondja k, hogy mkor lehetséges az deáls rekonstrukcó! Szűrt vsszavetítés mplementácós kérdése, magas frekvencás zajérzékenység problémájának kezelése. Mlyen jellegű becslés problémát old meg az FBP?

Defnálja a röntgen képalkotás általános megfgyelés modelljét (mnd dszkrét, mnd folytonos esetben). Ismertesse a Kaczmarz terácó (Gordon ART) alapötletét, mtől függ az esetleges konvergenca sebessége? Mlyen esetekben konvergens és mely esetekben nem az az eljárás? M a lmt hurok vselkedés lényege? Értelmezze a térfogatbecslő frssítés k 1 k k összefüggését: f f f g T,:,: T,:,: asonlítsa össze az SART, az SIRT, és a Gordon ART és a Multplkatív ART rekonstrukcós eljárásokat. M a különböző változatokban a közös, és m az, am eltérő. Segítségül a Gordon k 1 k k ART térfogatbecslő frssítés összefüggése: f f f g Multplkaítív ART esetében: összefüggést! f k1 k j f 1 1 k j,: f g T,:,: T,:,:, míg a. Interpretálja a két megadott Ismertesse a PET (poztron emsszós tomográfa) alapú képalkotás alapelvét! Ismertesse a felvételkészítés menetét, felvétel elrendezést, rekonstrukcó bementének előállítását! M a Lne of Response (LOR) jelentése, mutasson példát valós, szórt és random LOR szernt beütésekre. Mért alkalmazunk mpulzus-előválasztásos (beütések dejét adja vssza) detektort? asonlítsa össze SNR szempontjából a klasszkus röntgen projekcókkal a PET-es projekcókat. Mt becsül a PET-es rekonstrukcó és mt egy CT? M a PET/CT modaltás alapötlete? Ismertesse az EM eljárások alapelvét! Interpretálja és smertesse az ML-EM terácójának alapelvét, lletve az egyes terácók összefüggéset. Segítségül az Expectaton lépés: Maxmzaton lépés: k 1 k k ' p b d p d b x b p d b x b ', b' k1 k1 d terácója (elvégezve a behelyettesítést): x x b arg max p y x b d k 1 y d p b d p d b k1 k yd x b x b k ' ' d x b p d b b '. Frssítés d ' p d b p d ' b Ismertesse a Maxmum A Posteror (MAP) becslésen alapuló térfogat rekonstrukcót formálsan (segítségül az projekcós modell: g f η )! M a kapcsolat a valószínűség felírás és a büntetőfüggvényes felírás között? Mben különbözk és mben hasonlít a MAP becslés az ML becsléshez? M ndokolja rekonstrukcók esetén a MAP becslés alkalmazását? Interpretálja az alább (büntetőfüggvénnyel defnált) MAP becslést: Lkelhood T -1 1 T T f g f Σ g f, Pror és mlyen prort feltételezünk? f f D D f. Mlyen megfgyelés zajt M a compressve sensng alapgondolata? Mondjon egy olyan példát, am szemléltet általánosan s az alkalmazhatóságát! Rekonstrukcós problémák esetén hogyan alkalmazható? M az élőrző regularzácó / teljes varanca mnmalzácó lényege? asonlítsa össze az alább két esetet: f D f, f Df. Az ábrák segítségével Pror Pror 1 hasonlítsa össze a gradens L1 és L norma mnmalzácó alapú regularzácók vselkedését!

L1 regularzácó büntetőfüggvénye, és a rekonstrukcó gradensének eloszlása: L regularzácó büntetőfüggvénye és a rekonstrukcó gradensének eloszlása: Adott az g f összefüggés, melyet nvertáln szeretnénk. Mt értünk kondícós száma alatt? Mlyen módszerek alkalmazásával lehetséges az nvertálás műveletét stablzáln? Adjon analóg módszert a csonkolt dekonvolúcóval, valamnt a Wener nverz szűréssel a mátrx nvertálás általános problémájára! Alkalmazás oldalról tekntve mlyen alapvető elvárásokat fogalmazhatunk meg 3d képalkotó modaltások kmenetével kapcsolatban? M a ounsfeld Unt? Mért probléma a sugárkeményedés CT esetén? Mlyen artfaktokat eredményez és mért? ogyan mnmalzálható? M a foton éhezés artfakt lényege? ogyan torzítja a Compton szóródás a rekonstrukcókat? Mlyen módszerek állnak rendelkezésre ennek kompenzálásához? Osztályozás feladatok képdagnosztkában: Defnálja a kétosztályos osztályozás problémáját. Mt nevezünk veszteségfüggvénynek? Mt mond k a tapasztalat kockázat mnmalzálásának az elve? ogyan alkalmazzuk ezt az elvet gyakorlat problémamegoldás során? Mt nevezünk egy osztályozó VC dmenzónak? Egy N dmenzós pontokat lneársan szeparáló függvénykészletnek m a VC dmenzója? Mt nevezünk egy osztályozó általánosító képességének? () h 4 Remp ( w) R( w) Remp ( w ) 1, ( h) (ln ( / ) 1) ln ( / 4) ( h) 4 h l h l Adjon konkrét példát orvos képdagnosztka területén belül osztályozás problémákra! Mt értünk Computer Aded Detecton (CADe) alatt? Madártávlatból nézve az osztályozás probléma megoldásának mlyen megközelítéset smer? Mlyen osztályozók szerepeltek a tárgy előadásan? Ezeket hogyan csoportosítaná (tanításuk / képességük szernt)? M a Fsher (lneárs) dszkrmnáns analízs lényege? Adja meg, hogy kétosztályos esetben hogy néz k az osztályozó célfüggvénye! Mt tud mondan az osztályozó képességéről, általánosító képességéről? ogyan vszonyul funkconaltását tekntve a főkomponens analízshez (PCA) Adaptív lneárs neuron (Adalne) esetén mlyen krtérumfüggvényt mnmalzálunk a tanítás során? ogyan alkalmazható osztályozásra ez az eszköz, hogy épül fel? Adjon példát az eszköz analtkus, lletve teratív tanítására! M az LMS eljárás lényege? M az SVM célfüggvénye? M az abban alkalmazott regularzácó geometra nterpretácója? Mlyen optmalzáló eljárással tanítható az SVM? M a kernel trükk lényege? Mt értünk gyengített SVM alatt? Mben különbözk ez (vselkedés tulajdonságat tekntve) a klasszkus (nem gyengített) SVM-től?

Vázlatosan adja meg, hogy hogyan épül fel egy többrétegű perceptron (MLP)? Mlyen gyakorlat kérdések megválaszolása szükséges egy MLP tervezésénél? Mt értünk az alatt, hogy unverzáls approxmátor? Mlyen megfontolások alkalmazandóak tanítása során?