<p>Osnovni doprinos ove doktorske disertacije je razvoj algortima i sistema za objektivnu procenu vizuelnog kvaliteta slike uzimajući u obzir najvažnija moguća oštećenja kao što su zamućenje ivica (oštrina) i poremećaj prirodnog izgleda teksture objekata na slici sa jedne strane i uticaj sadržaja slike (procenta ivica u slici) na procenu kvaliteta sa druge strane. Dakle, hipoteza izneta u ovom radu je da je potreban multiparametarski pristup da bi se dobila objektivna procena kvaliteta slike koja je što približnija subjektivnoj proceni.</p>

Diffusion Tensor Imaging (DTI) is a magnetic resonance imaging (MRI)-based technique that has frequently been used for the identification of brain biomarkers of neurodevelopmental and neurodegenerative disorders because of its ability to assess the structural organization of brain tissue. In this work, I present (1) preclinical findings of a longitudinal DTI study that investigated asymptomatic high school football athletes who experienced repetitive head impact and (2) an automated pipeline for assessing the quality of DTI images that uses a convolutional neural network (CNN) and transfer learning. The first section addresses the effects of repetitive subconcussive head trauma on the white matter of adolescent brains. Significant concerns exist regarding sub-concussive injury in football since many studies have reported that repetitive blows to the head may change the microstructure of white matter. This is more problematic in youth-aged athletes whose white matter is still developing. Using DTI and head impact monitoring sensors, regions of significantly altered white matter were identified and within-season effects of impact exposure were characterized by identifying the volume of regions showing significant changes for each individual. The second section presents a novel pipeline for DTI quality control (QC). The complex nature and long acquisition time associated with DTI make it susceptible to artifacts that often result in inferior diagnostic image quality. We propose an automated QC algorithm based on a deep convolutional neural network (DCNN). Adaptation of transfer learning makes it possible to train a DCNN with a relatively small dataset in a short time. The QA algorithm detects not only motion- or gradient-related artifacts, but also various erroneous acquisitions, including images with regional signal loss or those that have been incorrectly imaged or reconstructed.

La mesure simultanée des champs cinématiques et thermiques est très importante pour les procédures thermomécaniques. Les caméras à base de silicium sont largement utilisées pour l'observation en temps réel des champs cinématiques, principalement grâce à la corrélation d'images numériques. De plus, ils sont aussi connus pour sa sensibilité dans le spectre du proche infrarouge, ce qui permet d’acquérir des champs thermiques à l’aide d’une caméra à base de silicium. Cependant, pour la caméra à base de silicium, il y a deux problèmes principaux d’obtenir simultanément des champs cinématiques et thermiques. D’abord, dans le spectre du proche infrarouge, une petite variation de température entraînera une modification importante du niveau de gris de l'image, ce qui entraînera facilement une mauvaise qualité des images. Deuxième, la corrélation d’images numériques nécessite une surface hétérogène et contrastée, tandis que la thermographie dans le proche infrarouge nécessite une surface homogène et constante. Dans cette thèse, une technique innovante a été proposée pour ajuster automatiquement le temps d'exposition de la caméra afin d'obtenir des images exploitables pour l’analyse cinématique et thermique, quel que soit l'évolution de température à la surface de l'objet observé. Cette technique a été validée par expériences différentes, notamment des expériences de chauffage d’un corps noir et des expériences de chauffage d’un échantillon réel. Les modèles radiométriques du corps noir et de la surface des échantillons calibrent respectivement. Basé sur les modèles radiométriques, des champs thermiques ont été reconstruits sur les images exploitables pour l’analyse cinématique et thermique. L'expérience à haute température est réalisée pour le ballonnement des tubes où les champs cinématiques et thermiques sont observés. La corrélation d'images numériques a été effectuée globalement afin d'obtenir des champs cinématiques. Pour effectuer la thermographie du proche infrarouge sur la surface de l’échantillon, le modèle radiométrique est étalonné selon une partie des pixels les plus brillants. Dans ce cas, 20% des pixels les plus brillants sont utilisés pour effectuer l'étalonnage des modèles radiométriques. Basée sur le modèle en utilisant 20% des pixels plus brillants, les champs thermiques sont reconstruits. Combiné avec les coordonnées connues du champ cinématique par corrélation d'images numériques, le champ thermique et le champ cinématique dans les mêmes coordonnées peut être obtenu. / Simultaneous measurement of kinematic and thermal full fields are very important for thermomechanical procedures. Silicon-based cameras are widely used to perform real-time observation of the kinematic fields, mainly thanks to digital image correlation. Moreover, they are known to be as well sensitive in the near-infrared spectral range, thus the acquirement of thermal fields using silicon-based cameras is possible. However, there are two main problems for the silicon-based camera to obtain simultaneously kinematic and thermal fields. One is that in the near-infrared spectral range, a small temperature variation will lead to a large modification in the image gray level, which easily leads to poor quality images. Another is that digital image correlation needs a heterogeneous and contrasting surface, while the near-infrared thermography needs a homogeneous and constant surface. In this thesis, an innovative technique was proposed to automatically adjust the exposure time of the camera to obtain kinematically and thermally exploitable images whatever the temperature evolution occurs on the surface of the observed object. This technique was validated by different experiments, including blackbody heating experiments and realistic specimen heating experiments. Radiometric models of blackbody and specimen surfaces ware calibrated respectively. Based on the radiometric models, thermal fields have been reconstructed on the kinematically and thermally exploitable images. High temperature tube ballooning experiment is conducted to perform both kinematic and thermal fields. Global digital image correlation was performed to obtain kinematic fields. To perform near-infrared thermography on the specimen surface, radiometric model is calibrated based on portions of the brightest pixels. In this case 20% of the brightest pixels are used to perform radiometric model calibration. Based on the radiometric model using 20% of the brightest pixels, the thermal fields are reconstructed. Combined with the known coordinates of kinematic fields by digital image correlation, the thermal fields at the same coordinates as kinematic fields can be obtained.

Cílem mé diplomové práce bylo navrhnout metodu analýzy retinálních sekvencí, která bude hodnotit kvalitu jednotlivých snímků. V teoretické části se také zabývám vlastnostmi retinálních sekvencí a způsobem registrace snímků z fundus kamery. V praktické části je implementována metoda hodnocení kvality snímků, která je otestována na reálných retinálních sekvencích a vyhodnocena její úspěšnost. Práce hodnotí i vliv této metody na registraci retinálních snímků.