Στη συγκεκριμένη εργασία περιγράφουμε τρόπους κατάτμησης εικόνας ενώ ταυτόχρονα δίνουμε μια συνοπτική περιγραφή των χρωματικών χώρων και κάποιων βασικών αρχών της χρωματομετρίας. Στη συνέχεια συγκρίνουμε την αποδοτικότητα και σθεναρότητα των μεθόδων αυτών πάνω σε εικόνες υφασμάτων διαφορετικού χρώματος. Η σύγκριση αυτή γίνεται με βάση τα ιδιαίτερα χαρακτηριστικά των εικόνων (εικόνες π.χ. με περίπλοκα σχέδια παρουσιάζουν διαφορετική συμπεριφορά από άλλες με ένα μόνο σχέδιο) καθώς επίσης δίνεται ιδιαίτερη προσοχή στη δυνατότητα εξαγωγής αξιόπιστων αποτελεσμάτων στην περίπτωση όπου έχουμε εφαρμόσει υποδειγματοληψία. Τα αποτελέσματα αυτά σχολιάζονται στο τελευταίο κομμάτι της εργασίας όπου παρατίθενται τα αποτελέσματα που λάβαμε με τη χρήση του ΜATLAB. / -

Οι μικροσυστοιχίες συμπληρωματικού DNA (cDNA) αποτελούν αποδοτικά και αποτελεσματικά μέσα για την ταυτόχρονη ανάλυση της λειτουργίας δεκάδων χιλιάδων γονιδίων. Μια τυπική cDNA εικόνα μικροσυστοιχιών αποτελεί μια συλλογή πράσινων και κόκκινων κηλίδων (spots) που περιέχουν DNA. Κάθε κηλίδα καταλαμβάνει ένα μικρό τμήμα της εικόνας, με τη μέση τιμή της έντασης της κηλίδας να είναι στενά συνδεδεμένη με το επίπεδο έκφρασης του αντίστοιχου γονιδου. Η κύρια διαδικασία υπολογισμού της έντασης περιλαμβάνει τρία στάδια: Διευθυνσιοδότηση ή κατασκευή πλέγματος (gridding), κατάτμηση (Segmentation) και τέλος η διαδικασία εξαγωγής έντασης. Στη παρούσα εργασία, η διευθυνσιοδότηση πραγματοποιήθηκε χρησιμοποιώντας μια αυτόματη τεχνική κατασκευής πλέγματος στηριζόμενη στον συνεχή μετασχηματισμό κυματιδίων (CWT). Ποιο συγκεκριμένα,, υπολογίστηκαν τα προφίλ του χ και y άξονα της εικόνας. Δεύτερον, εφαρμόστηκε, σε κάθε προφίλ, ο CWT μετασχηματισμός εώς το 15 επίπεδο, χρησιμοποιώντας daubechies 4 (db4) ως μητρικό κυματίδιο. Τρίτον, υπολογίστηκε το άθροισμα των 15 επιπέδων για κάθε ένα από τα δύο σήματα x και y. Τέταρτον, εφαρμόστηκε στα δύο νέα σήματα τεχνική καταστολής θορύβου με χρήση μετασχηματισμού Wavelet. Τελικά, το κέντρο και όρια της κάθε κηλίδας καθορίστηκαν μέσω του υπολογισμού των τοπικών ελαχίστων και μέγιστων του κάθε σήματος. Για την κατάτμηση της εικόνας, μια νέα μέθοδος προτάθηκε, η οποία διακρίνεται σε τρία βασικά βήματα: Πρώτον, ο à trous μετασχηματισμός κυματιδίων (AWT) εφαρμόστηκε έως το δεύτερο επίπεδο στην αρχική εικόνα. Δεύτερον, στις λεπτομέρειες (details coefficients) του κάθε επιπέδου εφαρμόστηκε φίλτρο καταστολής θορύβου, προκειμένου να υποβαθμιστεί ο θόρυβος. Τρίτον, η αρχική εικόνα μαζί με τις προσεγγίσεις (approximations) και τις λεπτομέρειες (details) του κάθε επιπέδου εφαρμόστηκαν σε ένα συλλογικό σχήμα (ensemble scheme) στηριζόμενο στο MRF μοντέλο κατάτμησης. Ως τελεστές του σχήματος χρησιμοποιήθηκαν οι: Majority Vote , Min, Product και Probabilistic Product. Η αξιολόγηση των προτεινόμενων αλγορίθμων πραγματοποιήθηκε με τη χρήση υψηλής ποιότητας εικόνας προσομοίωσης αποτελούμενη από 1040 κηλίδες (spots) με ρεαλιστικά μορφολογικά χαρακτηριστικά, η οποία δημιουργήθηκε σύμφωνα με το μοντέλο προσημείωσης μικροσυστοιχιών του Matlab καθώς και 14 πραγματικές εικόνες, επτά 16-bit grayscale TIFF εικόνες από κάθε κανάλι (κόκκινο και πράσινο), οι οποίες αποκτήθηκαν από την ευρέως διαδεδομένη βάση δεδομένων DERICI. Επιπλέον, προκειμένου να παρατηρηθεί η συμπεριφορά των αλγορίθμων στη παρουσία θορύβου, η απομιμούμενη εικόνα υποβαθμίστηκε με τη προσθήκη λευκού Gaussian θορύβου. Η ακρίβεια της ακολουθούμενης διαδικασίας κατάτμησης, στη περίπτωση της εικόνας προσομοίωσης, προσδιορίστηκε μέσω του segmentation matching factor (SMF), probability of error (PE) και coefficient of determination (CD) με σεβασμό στη πραγματική κλάση στην οποία ανήκουν (φόντο-υπόβαθρο). Στη περίπτωση των πραγματικών εικόνων η αξιοπιστία των αλγορίθμων προσδιορίστηκε έμμεσα μετρώντας την ένταση κάθε κηλίδας, μέσω του Mean Absolute Error (MAE). Το σύνολο των αλγορίθμων, εφαρμοσμένο στην απομιμούμενη εικόνα, κατάφερε να οδηγήσει σε καλύτερο προσδιορισμό των κηλίδων σε σχέση με το απλό MRF μοντέλο κατάτμησης. Επιπλέον, ο τελεστής Majority Vote επέτυχε το υψηλότερο ποσοστό σε όλες τις περιπτώσεις, ειδικά σε κελία (cells) με υψηλή παρουσία θορύβου (SMF: 82.69%, PE: 6.60% and CV:0.809 ), ενώ το απλό μοντέλο περιορίστηκε στο χαμηλότερο ποσοστό (SMF:94.87%-82.69%, PE:3.03%-9.85%, CV:0.961-0.729). Στη περίπτωση των πραγματικών εικόνων ο min τελεστής επέτυχε το χαμηλότερο ποσοστό (MAE: 803.96 and Normalized MAE: 0.0738), σε αντίθεση με τον τελεστή Majority Vote, ο οποίος κατάφερε να επιτύχει το υψηλότερο ποσοστό ανάμεσα στους χρησιμοποιούμενους τελεστές (MAE 990.49 and Normalized MAE 0.0738).Επιπλέον όλοι οι προτεινόμενοι αλγόριθμοι κατάφεραν να μειώσουν τη μέση τιμή MAE σε σχέση με το απλό μοντέλο MRF (MAE 1183.50 and Normalized MAE 0,0859). / Complementary DNA microarrays are a powerful and efficient tool that uses genome sequence information to analyze the structure and function of tens of thousands of genes simultaneously. A typical cDNA microarray image is a collection of green and red discrete spots containing DNA. Each spot occupies a small fraction on the image and its mean fluorescence intensity is closely related to the expression level of the genes. The main process for measuring spot intensity values involves three tasks: gridding, segmentation and data extraction. In the present study, spot location was accomplished by using an automatic gridding method based on continues wavelet transform (CWT): Firstly, line-profiles for x and y axes were calculated. Secondly, the CWT was applied up to 15 scales to both profiles by using daubechies 4 (db4) as mother wavelet. Thirdly, a summation point by point of the signals of all the 15 scales was calculated. Fourthly, a hard-thresholding wavelet based technique was applied to each signal. Finally, spots centers and boundaries were defined by calculating the local maxima and the local minima on both signals. The proposed segmentation method is divided into three major steps: Firstly, à trous wavelet transform was applied up to second scale on the initial cell. Secondly, on the details coefficients, a hard threshold filter was carried out in order to suppress the noise. Finally, the initial image among the approximations and details of each scale were implemented in an ensemble scheme based on MRF model. As operators of the ensemble scheme were chosen: Majority Vote, Min, Product and Probabilistic Product. The validation of the proposed algorithms was accomplished by a high quality simulated microarray image of 1040 cells with realistic morphological characteristics generated by using the Matlab microarray simulation model and fourteen real cDNA microarray images, seven 16-bit grayscale TIFF images of both channels (green and red), collected from the DERICI public database. In order to investigate the performance of the algorithms in presence of noise, the simulated image was corrupted with additive white Gaussian noise. In the case of simulated image, the segmentation accuracy was evaluated by means of segmentation matching factor, probability of error and coefficient of determination in respect to the pixel actual classess (foreground-background pixels). In the case of real images the evaluation was based on Mean Absolute error (MAE), in order to measure indirectly their reliability. According to our results in simulated cells, the proposed ensemble schemes managed to lead to more accurate spot determination in comparison to conventional MRF model. Additionally, the majority vote operator managed to accomplish the highest score in all cases, especially on cells with high noise (SMF: 82.69%, PE: 6.60% and CV:0.809), while the conventional MRF managed to gather the lowest score in all cases (SMF:94.87%-82.69%, PE:3.03%-9.85%, CV:0.961-0.729). In the case of real images, the min operator achieved the lowest score (MAE: 803.96 and Normalized MAE: 0.0738) in contrast to majority vote, which reached the highest score among the proposed evaluating methods (MAE 990.49 and Normalized MAE 0.0738). Additionally, all the proposed algorithms managed to suppress MAE value compared to the conventional MRF segmentation model (MAE 1183.50 and Normalized MAE 0,0859).

Αντικείμενο αυτής της διπλωματικής εργασίας είναι η εύρεση της θέσης ενός κινούμενου ρομπότ. Για το σκοπό αυτό, χρησιμοποιείται ένα στερεοσκοπικό σύστημα όμοιων καμερών (web-cameras) υπό γωνία μεταξύ τους. Κάθε μια εκ των 2 καμερών λαμβάνει μια ακολουθία φωτογραφιών σε κοινό χρόνο. Η εύρεση της θέσης γίνεται με τη μέθοδο της τριγωνοποίησης (triangulation), η οποία δίνει τις συντεταγμένες του κινούμενου αντικειμένου μέσω ομοίων τριγώνων που σχηματίζονται από τα 2 επίπεδα των φωτογραφιών (image planes), την ευθεία που ενώνει τα κέντρα των 2 καμερών καθώς και από το ίδιο το κινούμενο αντικείμενο. Ωστόσο, η γεωμετρική αυτή μέθοδος εφαρμόζεται σε φωτογραφίες που έχουν ληφθεί με παράλληλες κάμερες. Για τον λόγο αυτό, εφαρμόζεται η μέθοδος της διόρθωσης εικόνας (image rectification) η οποία μετασχηματίζει τις εικόνες έτσι ώστε να είναι σα να έχουν ληφθεί από παράλληλες κάμερες. Στη συνέχεια εντοπίζεται το κινούμενο αντικείμενο με μορφολογική επεξεργασία εικόνας, υπολογίζεται το κέντρο βάρους του και γίνεται η τριγωνοποίηση γεωμετρικά. Στην προαναφερθείσα διαδικασία, θεωρούνται γνωστά τα εσωτερικά στοιχεία των καμερών και η μεταξύ τους απόσταση. Επιπλέον, θεωρείται ότι όλος ο όγκος του ρομπότ αναπαρίσταται απο ένα σημείο P με συντεταγμένες (X,Y,Z) ως προς σύστημα συντεταγμένων με αρχή το κέντρο προβολής της αριστερής κάμερας. / The objective of this thesis is the position estimation of a moving robot. For this purpose, a stereoscopic system of two identical, non-parallel cameras has been used (web-cameras). Each of the two cameras takes a photo synchronized sequence. The position of the robot has been estimated with the method of triangulation, which computes the coordinates of the moving object via similar triangles formed by the two image planes, the straight line joining the centres of the cameras and by the moving object. However, triangulation is applicable to images acquired by parallel cameras. For this reason, the images have been rectified. Image rectification is a transformation process that is used to project two-or-more images onto a common image. Then, the moving object is detected with morphological image processing techniques, its centroid is calculated and finally triangulation has been applied. The intrinsic parameters of the cameras and the distance between them are known. Furthermore, we consider that the entire volume of the robot is represented by a point P with coordinates (X, Y, Z) with respect to the left camera coordinate system.

Στα πλαίσια της παρούσης εργασίας πραγματοποιήθηκε μελέτη της μεθόδου Συνόλων Επιπέδου για την κατάτμηση καροτίδων από τρισδίαστατες εικόνες. Ειδικότερα πραγματοποιήθηκε μελέτη των παθολογιών που συνδέονται με αυτές προκειμένου να καταστούν εμφανή τα κίνητρα της παρούσης εργασίας, όσον αφορά στη συμβολή της στην κλινική σημασία και ιατρική πρακτική. Κατ’αυτόν τον τρόπο, αφού παρουσιάστηκε η ανατομία των καροτίδων και οι δυσκολίες που ενέχει το εγχείρημα της κατάτμησής τους καθώς και μια ανασκόπηση των μεθόδων Συνόλων Επιπέδου (Level-Sets) για κατάτμηση ιατρικής εικόνας και δη καροτίδων, παρουσιάστηκε το γενικό μοντέλο και ο μαθηματικός φορμαλισμός της μεθόδου που χρησιμοποιήθηκε. Εν συνεχεία παρουσιάστηκαν τα τρισδιάστατα δεδομένα και η διαχείρησή τους, οι προγραμματιστικές διαπαφές και υποδομές με τις οποίες υλοποιήθηκαν δύο παραλλαγές της μεθόδου. Επίσης παρουσιάζονται τα αποτελέσματα της μεθόδου οπτικοποιημένα και τέλος συγκρίνονται με αντίστοιχα αποτελέσματα ενός ειδικού ακτινολόγου στη βάση κάποιων κατάλληλων μετρικών. Τέλος παρουσιάζονται τα συμπεράσματα που προέκυψαν καθώς και κάποιες ιδέες για μελλοντική δουλειάπου μπορεί να γίνει στη βάση αυτής που έγινε στα πλαίσια της εν λόγω μεταπτυχιακής διατριβής. / The present thesis outlines the methods we have developed for segmenting both normal and pathological carotid images, acquired with the Computed Tomography (CT) protocol. The layout of the thesis is the following: Chapter 2 analyses the methodological background of the current study. At first, section 2.1 provides an overview to the anatomy of carotids. Section 2.2 reviews the literature of segmentation methods based on level sets for medical images and at last reviews the level set methods developed for segmenting carotids. In addition, section 2.3 presents the conceptual model deployed in the current study, following with the analysis of the particular class we used. Next, section 2.4 treats of the level set method, presenting its basic derivation and furthermore discriminating between the two algorithms used according to their speed function. Chapter 3 refers to the materials and methods. It begins in section 3.1 with a description of the data provided for the experimental demonstration, and the programming interface by deployment of which the experimental procedure took place. Later on, in section 3.2 the implementation of the deployed methods in the programming interface used is presented with an analysis of their components. At last, all intermediate outputs and the final results of each method are illustrated. Chapter 4 presents the evaluation of the results of each method by comparison with a corresponding manual segmentation result on the basis of appropriate metrics. At last, refers to the conclusions occurred and to future work that can be carried out based on the current Msc thesis. In Appendix A some subsidiary methods, for the sake of a coherent flow are stated and analyzed independently.

Σκοπός της παρούσας διπλωματικής εργασίας είναι η υλοποίηση ενός αποτελεσματικού αλγορίθμου ικανού να επεξεργάζεται οποιεσδήποτε βιοψίες κυττάρων που εμπεριέχουν κακοήθεις νεοπλασίες και να τις αναγνωρίζει. Η επεξεργασία γίνεται κυρίως χρησιμοποιώντας τις χρωματικές ιδιότητες των υπό εξέταση εικόνων. Το αρχικό δείγμα διέρχεται από αρκετά στάδια επεξεργασίας κατά τα οποία αλλάζει τόσο η μορφή του όσο και η χρωματική του δομή. Αρχικός σκοπός είναι η μετατροπή της αρχικής εικόνας σε μορφή που θα επιτρέπει με σαφήνεια την επεξεργασία της. Ο αλγόριθμος που υλοποιήθηκε είναι φιλικός προς τον χρήστη και δίνει την δυνατότητα σε κάθε βήμα να επιλέγει οποιαδήποτε τιμή της παραμέτρου εάν δεν επιθυμεί να ακολουθήσει τις προεπιλεγμένες τιμές. / Aim of present diplomatic work is the implementation of a robust algorithm capable to process any pigmentation biopsies of cells that include malignant neoplasm and finally to recognize them. The process mainly takes place by using the chromatic attributes of the pictures. The initial sample goes through from enough stages at which stage we change both the form and the chromatic structure. Initial aim is the transformation of the initial picture in a form that will allow with clarity the process. The algorithm that was implemented is friendly to the user and it gives the possibility in each step of selecting any price of parameter or if it does not wish it to follow the preselected prices.

Η διατριβή σχετίζεται με την επεξεργασία ιατρικών εικόνων για την ευθυγράμμιση και σύντηξη αυτών αλλά και για την ανίχνευση παθολογικών δομών. / The thesis concerns with the medical image processing, for their registration and fusion and for the detection of pathological structures

Η παρούσα διπλωματική εργασία αφορά την ανίχνευση και παρακολούθηση ανθρώπινων μορφών σε ακολουθίες βίντεο με μεθόδους μηχανικής όρασης. Οι ακολουθίες αυτές θεωρούμε πως έχουν ληφθεί από στατική κάμερα σε εσωτερικό ή εξωτερικό χώρο. Πιο συγκεκριμένα, το εν λόγω πρόβλημα υποδιαιρείται σε τρία κυρίως μέρη τα οποία μελετώνται, αναλύονται και υλοποιούνται σε ξεχωριστά κεφάλαια. Ξεκινάμε με το κομμάτι κατάτμησης κίνησης, συνεχίζουμε με την ταξινόμηση αντικειμένων ώστε να αναγνωριστούν οι άνθρωποι ανάμεσα στις κινούμενες οντότητες και τελειώνουμε με την παρακολούθηση των ανθρώπινων σιλουετών για καταγραφή της πορείας τους όση ώρα βρίσκονται στο πλάνο. Οι αλγόριθμοι που αναπτύχθηκαν λειτούργησαν ικανοποιητικά κάτω από διάφορες συνθήκες και τα αποτελέσματά τους μπορούν να περάσουν ως είσοδοι σε μια πληθώρα εφαρμογών υψηλότερου επιπέδου με σκοπό την αναγνώριση ανθρώπινης δραστηριότητας και την κατανόηση συμπεριφοράς. / The purpose of this thesis is to deal with the problem of human tracking in video sequences. We have divided the problem in three parts: motion segmentation, human tracking and object classification. Finally we have dedicate a whole chapter to optical flow techniques and the relevant methods that can be employed to solve the same problem.

Σκοπός της παρούσας εργασίας είναι η μελέτη, η ανάπτυξη καθώς και η μερική εφαρμογή κάποιων μεθόδων για την ανίχνευση θέσης κάποιου οχήματος. Ιδιαίτερη βάση δόθηκε στη μελέτη και την ανάλυση της οπτικής ροής που θεωρείται βασική συγκριτικά με τις υπόλοιπες μεθόδους.Τέλος αναλύεται και μια μέθοδος κατάτμησης εικόνων. / The goal of this thesis is to study, develop and implement some methods of car detection. Particular emphasis is given to the analysis of optical flow, which is considered to be critical compared to other methods. Finally an analysis of a method for image segmentation is being developed.

Τα δεδομένα εικόνων που προκύπτουν από την χρήση βιο-ιατρικών μηχανημάτων είναι από την φύση τους ασαφή, χάρη σε μια σειρά από παράγοντες ανάμεσα στους οποίους οι περιορισμοί στον χώρο, τον χρόνο, οι παραμετρικές αναλύσεις καθώς και οι φυσικοί περιορισμοί που επιβάλλει το εκάστοτε μηχάνημα. Όταν το αντικείμενο ενδιαφέροντος σε μια τέτοια εικόνα έχει κάποιο μοτίβο φωτεινότητας ευκρινώς διαφορετικό από τα μοτίβα των υπόλοιπων αντικειμένων που εμφανίζονται, είναι εφικτή η κατάτμηση της εικόνας με έναν απόλυτο, δυαδικό τρόπο που να εκφράζει επαρκώς τα όρια των αντικειμένων. Συχνά ωστόσο σε τέτοιες εικόνες υπεισέρχονται παράγοντες όπως η ανομοιογένεια των υλικών που απεικονίζονται, θόλωμα, θόρυβος ή και μεταβολές στο υπόβαθρο που εισάγονται από την συσκευή απεικόνισης με αποτέλεσμα οι εντάσεις φωτεινότητας σε μια τέτοια εικόνα να εμφανίζονται με έναν ασαφή, βαθμωτό, «μη-δυαδικό» τρόπο. Μια πρωτοπόρα τάση στην σχετική βιβλιογραφία είναι η αξιοποίηση της ασαφούς σύνθεσης των αντικειμένων μιας τέτοιας εικόνας, με τρόπο ώστε η ασάφεια να αποτελεί γνώρισμα του εκάστοτε αντικειμένου αντί για ανεπιθύμητο χαρακτηριστικό: αντλώντας από την θεωρία ασαφών συνόλων, τέτοιες προσεγγίσεις κατατμούν μια εικόνα με βαθμωτό, μη-δυαδικό τρόπο αποφεύγοντας τον μονοσήμαντο καθορισμό ορίων μεταξύ των αντικειμένων. Μια τέτοια προσέγγιση καταφέρνει να αποτυπώσει με μαθηματικούς όρους την ασάφεια της θολής εικόνας, μετατρέποντάς την σε χρήσιμο εργαλείο ανάλυσης στα χέρια ενός ειδικού. Από την άλλη, το μέγεθος της ασάφειας που παρατηρείται σε τέτοιες εικόνες είναι τέτοιο ώστε πολλές φορές να ωθεί τους ειδικούς σε διαφορετικές ή και αντικρουόμενες κατατμήσεις, ακόμη και από το ίδιο ανθρώπινο χέρι. Επιπλέον, το παραπάνω έχει ως αποτέλεσμα την οικοδόμηση βάσεων δεδομένων στις οποίες για μια εικόνα αποθηκεύονται πολλαπλές κατατμήσεις, δυαδικές και μη. Μπορούμε με βάση μια κατάτμηση εικόνας να ανακτήσουμε άλλες, παρόμοιες τέτοιες εικόνες των οποίων τα δεδομένα έχουν προέλθει από αναλύσεις ειδικών, χωρίς σε κάποιο βήμα να υποβαθμίζουμε την ασαφή φύση των αντικειμένων που απεικονίζονται; Πως επιχειρείται η ανάκτηση σε μια βάση δεδομένων στην οποία έχουν αποθηκευτεί οι παραπάνω πολλαπλές κατατμήσεις για κάθε εικόνα; Αποτελεί κριτήριο ομοιότητας μεταξύ εικόνων το πόσο συχνά θα επέλεγε ένας ειδικός να οριοθετήσει ένα εικονοστοιχείο μιας τέτοιας εικόνας εντός ή εκτός ενός τέτοιου θολού αντικειμένου; Στα πλαίσια της παρούσας εργασίας προσπαθούμε να απαντήσουμε στα παραπάνω ερωτήματα, μελετώντας διεξοδικά την διαδικασία ανάκτησης τέτοιων εικόνων. Προσεγγίζουμε το πρόβλημα θεωρώντας ότι για κάθε εικόνα αποθηκεύονται στην βάση μας περισσότερες της μίας κατατμήσεις, τόσο δυαδικής φύσης από ειδικούς όσο και από ασαφείς από αυτόματους αλγορίθμους. Επιδιώκουμε εκμεταλλευόμενοι το χαρακτηριστικό της ασάφειας να ενοποιήσουμε την διαδικασία της ανάκτησης και για τις δυο παραπάνω περιπτώσεις, προσεγγίζοντας την συχνότητα με την οποία ένας ειδικός θα οριοθετούσε το εκάστοτε ασαφές αντικείμενο με συγκεκριμένο τρόπο καθώς και τα ενδογενή χαρακτηριστικά ενός ασαφούς αντικειμένου που έχει εξαχθεί από αυτόματο αλγόριθμο. Προτείνουμε κατάλληλο μηχανισμό ανάκτησης ο οποίος αναλαμβάνει την μετάβαση από τον χώρο της αναποφασιστικότητας και του ασαφούς στον χώρο της πιθανοτικής αναπαράστασης, διατηρώντας παράλληλα όλους τους περιορισμούς που έχουν επιβληθεί στα δεδομένα από την πρωταρχική ανάλυσή τους. Στην συνέχεια αξιολογούμε την διαδικασία της ανάκτησης, εφαρμόζοντας την νέα μέθοδο σε ήδη υπάρχον σύνολο δεδομένων από το οποίο και εξάγουμε συμπεράσματα για τα αποτελέσματά της. / Image data acquired through the use of bio-medical scanners are by nature fuzzy, thanks to a series of factors including limitations in spatial, temporal and parametric resolutions other than the physical limitations of the device. When the object of interest in such an image displays intensity patterns that are distinct from the patterns of other objects appearing together, a segmentation of the image in a hard, binary manner that clearly defines the borders between objects is feasible. It is frequent though that in such images factors like the lack of homogeneity between materials depicted, blurring, noise or deviations in the background pose difficulties in the above process. Intensity values in such an image appear in a fuzzy, gradient, “non-binary” manner. An innovative trend in the field of study is to make use of the fuzzy composition of objects in such an image, in a way in which fuzziness becomes a characteristic feature of the object instead of an undesirable trait: deriving from the theory of fuzzy sets, such approaches segment an image in a gradient, non-binary manner, therefore avoiding to set up a clear boundary between depicted objects. Such approaches are successful in capturing the fuzziness of the blurry image in mathematical terms, transforming the quality into a powerful tool of analysis in the hands of an expert. On the other hand, the scale of fuzziness observed in such images often leads experts towards different or contradictory segmentations, even drawn by the same human hand. What is more, the aforementioned case results in the compilation of image data bases consisting of multiple segmentations for each image, both binary and fuzzy. Are we able, by segmenting an image, to retrieve other similar such images whose segmented data have been acquired by experts, without downgrading the importance of the fuzziness of the objects depicted in any step involved? How exactly are images in such a database storing multiple segmentations of each retrieved? Is the frequency with which an expert would choose to either include or exclude from a fuzzy object a pixel of an image, a criterion of semblance between objects depicted in images? Finally, how able are we to tackle the feature of fuzziness in a probabilistic manner, thus providing a valuable tool in bridging the gap between automatic segmentation algorithms and segmentations coming from field experts? In the context of this thesis, we tackle the aforementioned problems studying thoroughly the process of image retrieval in a fuzzy context. We consider the case in which a database consists of images for which exist more than one segmentations, both crisp, derived by experts’ analysis, and fuzzy, generated by segmentation algorithms. We attempt to unify the retrieval process for both cases by taking advantage of the feature of fuzziness, and by approximating the frequency with which an expert would confine the boundaries of the fuzzy object in a uniform manner, along with the intrinsic features of a fuzzy, algorithm-generated object. We propose a suitable retrieval mechanism that undertakes the transition from the field of indecisiveness to that of a probabilistic representation, at the same time preserving all the limitations imposed on the data by their initial analysis. Next, we evaluate the retrieval process, by implementing the new method on an already existing data-set and draw conclusions on the effectiveness of the proposed scheme.

Η παρούσα διδακτορική διατριβή έχει στόχο την υπολογιστική υποβοήθηση της διάγνωσης της αθηρωμάτωσης μέσω της ανάπτυξης και εφαρμογής προηγμένων μεθοδολογιών επεξεργασίας και ανάλυσης ακολουθιών εικόνων υπερήχων β-σάρωσης της καρωτίδας. Οι μέθοδοι που παρουσιάζονται στη διατριβή αξιολογούνται τόσο σε συνθετικά όσο και σε πραγματικά απεικονιστικά δεδομένα. Μετά από διεξοδική μελέτη προτείνονται οι κατάλληλες ρυθμίσεις της υπερηχοτομογραφικής διάταξης καθώς και η εφαρμογή διαδικασίας κανονικοποίησης των λαμβανομένων εικόνων, με στόχο τη βελτιστοποίηση του αποτελέσματος των διαδικασιών επεξεργασίας εικόνας. Για την ανάλυση της υφής της αθηρωματικής πλάκας στην καρωτίδα, προτείνονται και αξιολογούνται συγκριτικά τρεις τεχνικές μετασχηματισμού: μετασχηματισμός Fourier, μετασχηματισμός κυματιδίου και φίλτρα Gabor. Αποδεικνύεται ότι χαρακτηριστικά υφής που υπολογίζονται τόσο με βάση το μετασχηματισμό κυματιδίου όσο και με τα φίλτρα Gabor μπορούν να διαχωρίσουν τους δυο τύπους αθηρωματικών πλακών (συμπτωματικές και ασυμπτωματικές). Για την εκτίμηση της κίνησης του τοιχώματος της καρωτίδας προτείνονται και αξιολογούνται τέσσερις μέθοδοι, από τις οποίες η μέθοδος της οπτικής ροής ελαχίστων τετραγώνων με βάρη βρέθηκε να έχει τη βέλτιστη απόδοση. Η μέθοδος αυτή χρησιμοποιείται για την εκτίμηση της μετατόπισης τόσο του υγιούς τοιχώματος της καρωτίδας, όσο και τοιχώματος με ασυμπτωματική ή συμπτωματική αθηρωματική πλάκα. Επιπλέον, προτείνεται μια αυτόματη μέθοδος κατάτμησης του τοιχώματος της καρωτίδας από διαμήκεις και εγκάρσιες εικόνες υπερήχων, η οποία βασίζεται στο μετασχηματισμό Hough. Η προτεινόμενη μεθοδολογία χρησιμοποιείται για τον υπολογισμό χρήσιμων για τη διάγνωση ποσοτικών δεικτών, όπως το πάχος του έσω-μέσου χιτώνα και οι κυματομορφές μεταβολής της αρτηριακής διαμέτρου. Σύμφωνα με τα αποτελέσματα, η εν γένει υψηλή ακρίβεια της μεθόδου περιορίζεται για την περίπτωση εγκάρσιων τομών και αθηρωμάτωσης. Για τη βελτίωση του αποτελέσματος της κατάτμησης σε αυτές τις περιπτώσεις, προτείνεται ο συνδυασμός του μετασχηματισμού Hough με ενεργές καμπύλες. Η μελέτη της κίνησης του αρτηριακού τοιχώματος συμπληρώνεται με ένα μαθηματικό μοντέλο για την παραμόρφωση του αρτηριακού τοιχώματος κατά την ακτινική και αξονική διεύθυνση. Για την εξατομίκευση του μοντέλου και τον προσδιορισμό των παραμέτρων του, πραγματοποιείται προσαρμογή σε πραγματικές μετρήσεις της παραμόρφωσης, που υπολογίζονται με εφαρμογή της μεθόδου ανάλυσης κίνησης σε ακολουθίες εικόνων συγκεκριμένων ασθενών. Ορισμένες παράμετροι του μαθηματικού μοντέλου βρέθηκαν να διαφοροποιούνται σημαντικά μεταξύ των στρωμάτων του αρτηριακού τοιχώματος αλλά και μεταξύ υγιούς τοιχώματος και τοιχώματος με αθηρωμάτωση. Η υλοποίηση των παραπάνω μεθοδολογιών σε συνδυασμό με κατάλληλη διεπιφάνεια χρήσης οδήγησε στην ανάπτυξη ενός ολοκληρωμένου σύστηματος λογισμικού (ANALYSIS), το οποίο στοχεύει στην υποβοήθηση της διάγνωσης της αθηρωμάτωσης της καρωτίδας. Το σύνολο των μεθόδων που παρουσιάζονται στη διδακτορική διατριβή αναμένεται να συμβάλουν αφενός στη μελέτη της μηχανικής συμπεριφοράς του φυσιολογικού και αθηρωματικού αρτηριακού τοιχώματος και αφετέρου στην καθιέρωση μιας πιο αντικειμενικής και αξιόπιστης προσέγγισης για τη διάγνωση της αθηρωμάτωσης και την επιλογή ασθενών υποψήφιων για ενδαρτηρεκτομή. / The purpose of this Ph.D. thesis is to develop and apply advanced image processing and analysis methods to sequences of B-mode ultrasound images of the carotid artery aiming to support the diagnosis of carotid atherosclerosis. The computational methods, presented in the thesis, are applied to both synthetic and real ultrasound data. Based on the findings of a carefully designed study, optimal ultrasound device settings are proposed for reliable motion estimation. Standardized techniques, including image normalization, are also recommended for image processing tasks. Texture analysis of the carotid atheromatous plaque was performed using three transform-based methods (Fourier transform, Wavelet transform and Gabor filters). Texture features estimated using the discrete 2D Wavelet transform and the Gabor filters are found significantly different between symptomatic and asymptomatic subjects. Four different approaches are proposed for the analysis of motion of the carotid artery wall and a validation study is performed using simulated data. The weighted least-squares optical flow method is found to have the best performance. This method is subsequently used to analyze the motion of the healthy carotid artery wall, as well as of the arterial wall with asymptomatic and symptomatic atheromatous plaque. Moreover, an automatic segmentation method based on Hough transform is proposed for the segmentation of the arterial wall from B-mode ultrasound images of longitudinal and transverse sections of the carotid artery. The method can be used for the estimation of widely used diagnostic measures, such as the intima-media thickness and the arterial distension waveforms. The accuracy of the method was reasonably high for longitudinal sections and somewhat lower for transverse sections and diseased arteries. A combination of Hough transform and active contours is proposed to improve the segmentation results in those cases. A mathematical model of the mechanical deformation of the carotid artery wall is also proposed. In an attempt to determine a patient-specific approach, the model is fitted to actual displacement waveforms estimated using the leastsquares optical flow method to B-mode ultrasound image sequences of the carotid artery. A number of model parameters are found significantly different between different layers of the arterial wall and between healthy and diseased wall. The previous methods for the processing and analysis of B-mode ultrasound images of the carotid artery are integrated to a modular software system (ANALYSIS). ANALYSIS can be a useful and powerful tool for the diagnosis of carotid atherosclerosis. The computational methods presented in this thesis are expected to contribute not only to the study of the mechanical behavior of the healthy and diseased carotid artery wall but also to the definition of an objective and reliable approach for the diagnosis of carotid atherosclerosis and the optimal selection of patients for carotid endarterectomy.