<p>Osnovni cilj ove doktorske disertacije bio je da se razvije novi automatizovani dijagnostiĉki model. Zatim da se praktiĉnom primenom tog modela (na konkretnom primeru automatizovane dijagnostike vitalnih komponenti tehniĉkih sistema u realnim pogonskim uslovima razliĉitih grana industrije) tehno-ekonomskom analizom potvrdi glavna hipoteza disertacije: &bdquo;Automatizovana dijagnostika tehniĉkih sistema u industriji (bazirana na kori&scaron;ćenju raĉunara i drugih savremenih informaciono-komunikacionih tehnologija) doprinosi porastu nivoau pouzdanosti i raspoloţivosti tih sistema, kao smanjenju ukupnih tro&scaron;kova i ekonomiĉnijem poslovanju preduzeća―.</p> / <p>The main objective of this doctoral thesis was to develop a new automated diagnostic model. Then with the practical usage of this model (in particular case of automated diagnostics vital components of technical systems in real operating conditions of different industries) with techno-economic analysis to confirm the main hypothesis of the dissertation: ―Automated diagnostics of technical systems in the industry (based on the use of computers and other modern information and communication technologies) contributes to the increase levels of reliability and availability of these systems, as well as the reduction of total costs and more economical management of the company‖.</p>

Sleep represents a third of our life, from birth to death. Sleep allows our body and mind to rest, and breaking its structure may lead to severe physical and nervous damage. Breathing disorders, like apneas, hypopneas or RERA events, alter the recovering feature of sleep by fragmenting its structure. They usually lead to daytime sleepiness, depression, hypertension, cardiovascular disease,... In order to give the most suitable treatment to a patient, the gold standard polysomnography (PSG) is recorded in a hospital setting and the huge amount of data is visually analyzed the day after. The PSG is expensive, time-consuming for the clinicians and unpleasant for the patient. Thus, portable monitoring devices and automatic analysis methods are welcome. Four physiological parameters are required to score the three breathing disorders mentioned above: nasal airflow, oximetry, arousals and respiratory effort markers. While arousals are defined in the EEG traces, the esophageal pressure is the gold standard but invasive measure of effort. Surrogates (signals) exist for both arousal, like PAT, PTT or ECG, and effort markers, like TAM, PTT or FOT. This thesis was dedicated to a novel one, the maxillo-mandibular movements. This signal is not only able to point arousals and effort, but it has also the capability to distinguish sleep from wake as a mandibular actimeter, like the wrist actigraphy. These three features make it worth of interest. At first, the jaw movements signal essence was extracted, automatic methods 1) to point arousals, 2) to indicate periodic patterns like respiratory effort or salvo of sleep events, 3) to detect and classify apneas, hypopneas and RERA and 4) to separate sleep from wake were developed and evaluated. Then, the sleep apneas/hypopneas and the sleep/wake detectors were then improved by adding the oximetry in a first step. Finally, the nasal airflow brought its potential in both detection and classification of breathing disorders, especially to overcome the inherent classification problem between apneas and hypopneas since the jaw movements sensor is an effort sensor. All the methods developed in this thesis were applied to a huge database of 150 consecutive recordings at the Sleep Laboratory of the University of Liege for sleep apneas and hypopneas detection assessment. Moreover, an APAP device, that applies a regulated pressure throughout a nasal mask to prevent from upper airways collapse, was designed using only features computed from jaw movements in real-time, and showed similar results to the widely tested iS20i from BREAS. In conclusion, the maxillo-mandibular movements signal does bring usefull information about respiratory effort and arousals, and coupled with the nasal flow and oximetry signal provides an accurate detection and classification of sleep apneas, hypopneas and RERA. Besides, this jaw actimeter and its ad-hoc algorithm allows to distinguish sleep from wake. All in all, the jaw movements signal is a very valuable and a unique physiological signal for home sleep studies.

Για τις Ευρωπαίες γυναίκες ο καρκίνος του σώματος της μήτρας αποτελεί το τέταρτο συχνότερο νεόπλασμα και την δέκατη σε σειρά αιτία θανάτου από καρκίνο. Ανεξάρτητα από το εάν η διακολπική υπερηχογραφία (TVS) αποτελεί δόκιμο μέσο διαλογής (screening) για την ανίχνευση ενδομητρικού καρκίνου σε ασυμπτωματικές μετεμμηνοπαυσιακές γυναίκες, εντούτοις κυριαρχεί στους διαγνωστικούς αλγόριθμους διερεύνησης κάθε μητρορραγίας προς αποκλεισμό του καρκίνου αυτού. Παράλληλα με τα πιθανά οφέλη από την ενσωμάτωση τεχνικών Υπερηχοϋστερογραφίας (SIS) και Doppler στην ενδομητρική απεικόνιση, η δισδιά- στατη “gray scale” διακολπική υπερηχογραφία οφείλει μεγάλο μέρος της προόδου της στην ώθηση από τις εξελίξεις της τεχνολογίας. Μετά την εισαγωγή των διακολπικών ηχοβολέων πολλαπλών συχνοτήτων (multifrequency) και της “αρμονικής” (harmonic) απεικόνισης, τα σύγχρονα υπερηχογραφικά μηχανήματα διαθέτουν επιλογές λογισμι- κού για ενίσχυση της ανάλυσης της αντίθεσης δομών, λεπτών ρυθμίσεων για εξέταση διαφορετικών τύπων ιστών, πολλαπλού εύρους εστίασης, μετάδοσης της δέσμης σε πλάγια διεύθυνση ως προς το ακουστικό παράθυρο, κ.α. Τα παραπάνω, καθώς και φίλτρα μείωσης του θορύβου βελτιστοποιούν την απεικόνιση του ενδομητρίου διευκολύνοντας την αποτίμησή του, ακόμη και στα χέρια άπειρων εξεταστών. Το πάχος της διπλής ενδομητρικής στιβάδας αποτελεί ιστορικά τον πλέον αδιαμφισβήτητο ποσοτικό δείκτη ενδομητρικού καρκίνου, ειδικά στην παρουσία μετεμμηνοπαυσιακής μητρορραγίας. Η συνδυασμένη μελέτη της ενδομητρικής μορφο- λογίας και πάχους παρέχει περισσότερες πληροφορίες, ειδικά στην αποτίμηση της “γκρίζας ζώνης” των 4-10 χιλιοστών ενδομητρικού πάχους, αν και τα ευρήματα των “μορφολογικών” αυτών μελετών δεν υπήρξαν πάντα σταθερά. Με δεδομένη τη σημασία της μορφολογίας στην αποτίμηση του ενδομητρικού ιστού, και αποσκοπώντας στην υπέρβαση του υποκειμενικού χαρακτήρα της ποιοτικής εκτίμησης της υπερηχογραφικής εικόνας, θα ήταν χρήσιμη η εφαρμογή αυτοματοποιημένων τεχνικών που αξιολογούν αντικειμενικά μορφολογικά χαρακτη- ριστικά, όπως η υποβοηθούμενη από υπολογιστή ανάλυση υφής, (“computerized texture analysis”). Στις ψηφιακές εικόνες, η υφή αντικατοπτρίζει τονικές (ένταση των εικονο- στοιχείων) και δομικές (χωρική κατανομή της έντασης των εικονοστοιχείων) ιδιότητες. Η “ανάλυση υφής” αναφέρεται σε αλγόριθμους που ποσοτικοποιούν περιεχόμενο και στοιχεία υφής που πιθανόν, ή όχι, να γίνονται αντιληπτά με το γυμνό μάτι. Δεδομένου ότι στην ιατρική απεικόνιση οι εικόνες περιλαμβάνουν πολλαπλές ιδιότητες των βιολογικών δομών, η ανάλυση υφής των εικόνων αυτών παρέχει ποσοτικές πληροφο- ρίες σχετικές με τα χαρακτηριστικά, τη μορφολογία και τις ιδιότητες των δομών αυτών. Σχήματα ταξινόμησης στηριζόμενα στην υφή έχουν χρησιμοποιηθεί με επιτυχία σε ποικιλία υπερηχογραφικών εφαρμογών. Η βασισμένη σε υπολογιστή αποτίμηση εικόνων του ενδομητρίου έχει βρει κυρίως εφαρμογή στη Υποβοηθούμενη Αναπαραγωγή, αλλά δεν έχει χρησιμοποιηθεί για τη διάγνωση ενδομητρικών κακοηθειών στην δισδιάστατη υπερηχογραφία. Σκοπός της διδακτορικής αυτής διατριβής είναι η αξιολόγηση του εφικτού της υποβοηθούμενης από υπολογιστή ανάλυσης υφής του ενδομητρικού ιστού όπως απεικονίζεται σε δισδιάστατες “gray scale” υπερηχογραφικές εικόνες. Περαιτέρω, διερευνήθηκε το αποτέλεσμα μιας τεχνικής επεξεργασίας βασισμένης σε μετασχη- ματισμό κυματίου (wavelet) στη διαδικασία τμηματοποίησης και χαρακτηρισμού του ενδομητρικού ιστού. / Cancer of the corpus uteri represents the fourth commonest neoplasm among European women and the tenth most common cause of death attributed to cancer. Irrespective whether the use of transvaginal ultrasonography (TVS) as a screening tool for detecting endometrial cancer in asymptomatic postmenopausal women is warranted, TVS dominates most diagnostic algorithms in assessing metrorrhagias to exclude this cancer. Alongside the potential benefits stemming from the integration of Saline Infusion Sonography) and Doppler modalities in endometrial imaging, gray scale TVS showed remarkable advances in the previous decades, largely attributed to the evolution in computer sciences. Following the introduction of multifrequency transvaginal probes and harmonic imaging, modern scanners are equipped with software options that enhance the resolution or the contrast between different structures, fine tune while assessing different types of tissue, implement different depth of focusing, transmit the ultrasonic beam in oblique directions to the acoustic window; all these features, in addition to de-speckle filters optimize the endometrial depiction, facilitating its assessment, even in the hands of moderately skilled operators. Double stripe endometrial thickness has illustrated a remarkable robustness over time as a quantitative indicator of endometrial cancer, especially in the presence of postmenopausal bleeding. The combined consideration of endometrial morphology and thickness has proven particularly beneficial, especially in the assessment of the 4-10 mm endometrial thickness “grey zone”, although the findings of the “morphologic” studies haven’t always been consistent. Given the importance of morphology in assessing endometrial tissue, and aiming to overcome the inherent subjectivity of the qualitative consideration of ultrasonic images, implementation of automated techniques assessing objective morphologic features such as “computerized texture analysis” would be beneficial. In digital images, texture reflects tonal (intensities of image pixels) and structural (spatial distribution of pixel intensities) properties. Texture analysis refers to algorithms that quantify texture content that may, or may not, be visually perceived. Since medical images capture various properties of biological structures, texture analysis of medical images can provide quantitative metrics relevant to structure, morphology and status of biological tissues. Texture based classification schemes have been successfully implemented in a variety of ultrasound applications. Computerized TVS assessment of endometrial morphology, has been applied mainly in assisted reproduction techniques; however, computerized texture analysis has not been implemented for diagnosing endometrial malignancies in grey scale TVS. The aim of this study is to investigate the feasibility of computerized texture analysis in characterizing endometrial tissue as depicted in 2D grey scale TVS images. Furthermore, we assess the effect of a wavelet-based image processing technique in the segmentation and subsequent characterization tasks of endometrial tissue.