Spelling suggestions: "subject:"order statistics"" "subject:"arder statistics""
101 |
Contribution de la Théorie des Valeurs Extrêmes à la gestion et à la santé des systèmes / Contribution of extreme value theory to systems management and healthDiamoutene, Abdoulaye 26 November 2018 (has links)
Le fonctionnement d'un système, de façon générale, peut être affecté par un incident imprévu. Lorsque cet incident a de lourdes conséquences tant sur l'intégrité du système que sur la qualité de ses produits, on dit alors qu'il se situe dans le cadre des événements dits extrêmes. Ainsi, de plus en plus les chercheurs portent un intérêt particulier à la modélisation des événements extrêmes pour diverses études telles que la fiabilité des systèmes et la prédiction des différents risques pouvant entraver le bon fonctionnement d'un système en général. C'est dans cette optique que s'inscrit la présente thèse. Nous utilisons la Théorie des Valeurs Extrêmes (TVE) et les statistiques d'ordre extrême comme outil d'aide à la décision dans la modélisation et la gestion des risques dans l'usinage et l'aviation. Plus précisément, nous modélisons la surface de rugosité de pièces usinées et la fiabilité de l'outil de coupe associé par les statistiques d'ordre extrême. Nous avons aussi fait une modélisation à l'aide de l'approche dite du "Peaks-Over Threshold, POT" permettant de faire des prédictions sur les éventuelles victimes dans l'Aviation Générale Américaine (AGA) à la suite d'accidents extrêmes. Par ailleurs, la modélisation des systèmes soumis à des facteurs d'environnement ou covariables passent le plus souvent par les modèles à risque proportionnel basés sur la fonction de risque. Dans les modèles à risque proportionnel, la fonction de risque de base est généralement de type Weibull, qui est une fonction monotone; l'analyse du fonctionnement de certains systèmes comme l'outil de coupe dans l'industrie a montré qu'un système peut avoir un mauvais fonctionnement sur une phase et s'améliorer sur la phase suivante. De ce fait, des modifications ont été apportées à la distribution de Weibull afin d'avoir des fonctions de risque de base non monotones, plus particulièrement les fonctions de risque croissantes puis décroissantes. En dépit de ces modifications, la prise en compte des conditions d'opérations extrêmes et la surestimation des risques s'avèrent problématiques. Nous avons donc, à partir de la loi standard de Gumbel, proposé une fonction de risque de base croissante puis décroissante permettant de prendre en compte les conditions extrêmes d'opérations, puis établi les preuves mathématiques y afférant. En outre, un exemple d'application dans le domaine de l'industrie a été proposé. Cette thèse est divisée en quatre chapitres auxquels s'ajoutent une introduction et une conclusion générales. Dans le premier chapitre, nous rappelons quelques notions de base sur la théorie des valeurs extrêmes. Le deuxième chapitre s'intéresse aux concepts de base de l'analyse de survie, particulièrement à ceux relatifs à l'analyse de fiabilité, en proposant une fonction de risque croissante-décroissante dans le modèle à risques proportionnels. En ce qui concerne le troisième chapitre, il porte sur l'utilisation des statistiques d'ordre extrême dans l'usinage, notamment dans la détection de pièces défectueuses par lots, la fiabilité de l'outil de coupe et la modélisation des meilleures surfaces de rugosité. Le dernier chapitre porte sur la prédiction d'éventuelles victimes dans l'Aviation Générale Américaine à partir des données historiques en utilisant l'approche "Peaks-Over Threshold" / The operation of a system in general may at any time be affected by an unforeseen incident. When this incident has major consequences on the system integrity and the quality of system products, then it is said to be in the context of extreme events. Thus, increasingly researchers have a particular interest in modeling such events with studies on the reliability of systems and the prediction of the different risks that can hinder the proper functioning of a system. This thesis takes place in this very perspective. We use Extreme Value Theory (EVT) and extreme order statistics as a decision support tool in modeling and risk management in industry and aviation. Specifically, we model the surface roughness of machined parts and the reliability of the associated cutting tool with the extreme order statistics. We also did a modeling using the "Peaks-Over Threshold, POT" approach to make predictions about the potential victims in the American General Aviation (AGA) following extreme accidents. In addition, the modeling of systems subjected to environmental factors or covariates is most often carried out by proportional hazard models based on the hazard function. In proportional hazard models, the baseline risk function is typically Weibull distribution, which is a monotonic function. The analysis of the operation of some systems like the cutting tool in the industry has shown that a system can deteriorated on one phase and improving on the next phase. Hence, some modifications have been made in the Weibull distribution in order to have non-monotonic basic risk functions, more specifically, the increasing-decreasing risk function. Despite these changes, taking into account extreme operating conditions and overestimating risks are problematics. We have therefore proposed from Gumbel's standard distribution, an increasingdecreasing risk function to take into account extreme conditions, and established mathematical proofs. Furthermore, an example of the application in the field of industry was proposed. This thesis is organized in four chapters and to this must be added a general introduction and a general conclusion. In the first chapter, we recall some basic notions about the Extreme Values Theory. The second chapter focuses on the basic concepts of survival analysis, particularly those relating to reliability analysis by proposing a function of increasing-decreasing hazard function in the proportional hazard model. Regarding the third chapter, it deals with the use of extreme order statistics in industry, particularly in the detection of defective parts, the reliability of the cutting tool and the modeling of the best roughness surfaces. The last chapter focuses on the prediction of potential victims in AGA from historical data using the Peaks-Over Threshold approach.
|
102 |
Étude et développement d'un dispositif routier d'anticollision basé sur un radar ultra large bande pour la détection et l'identification notamment des usagers vulnérables / Study and development of a road collision avoidance system based on ultra wide-band radar for obstacles detection and identification dedicated to vulnerable road usersSadli, Rahmad 12 March 2019 (has links)
Dans ce travail de thèse, nous présentons nos travaux qui portent sur l’identification des cibles en général par un radar Ultra-Large Bande (ULB) et en particulier l’identification des cibles dont la surface équivalente radar est faible telles que les piétons et les cyclistes. Ce travail se décompose en deux parties principales, la détection et la reconnaissance. Dans la première approche du processus de détection, nous avons proposé et étudié un détecteur de radar ULB robuste qui fonctionne avec des données radar 1-D (A-scan) à une dimension. Il exploite la combinaison des statistiques d’ordres supérieurs et du détecteur de seuil automatique connu sous le nom de CA-CFAR pour Cell-Averaging Constant False Alarm Rate. Cette combinaison est effectuée en appliquant d’abord le HOS sur le signal reçu afin de supprimer une grande partie du bruit. Puis, après avoir éliminé le bruit du signal radar reçu, nous implémentons le détecteur de seuil automatique CA-CFAR. Ainsi, cette combinaison permet de disposer d’un détecteur de radar ULB à seuil automatique robuste. Afin d’améliorer le taux de détection et aller plus loin dans le traitement, nous avons évalué l’approche des données radar 2-D (B-Scan) à deux dimensions. Dans un premier temps, nous avons proposé une nouvelle méthode de suppression du bruit, qui fonctionne sur des données B-Scan. Il s’agit d’une combinaison de WSD et de HOS. Pour évaluer les performances de cette méthode, nous avons fait une étude comparative avec d’autres techniques de suppression du bruit telles que l’analyse en composantes principales, la décomposition en valeurs singulières, la WSD, et la HOS. Les rapports signal à bruit -SNR- des résultats finaux montrent que les performances de la combinaison WSD et HOS sont meilleures que celles des autres méthodes rencontrées dans la littérature. A la phase de reconnaissance, nous avons exploité les données des deux approches à 1-D et à 2-D obtenues à partir du procédé de détection. Dans la première approche à 1-D, les techniques SVM et le DBN sont utilisées et évaluées pour identifier la cible en se basant sur la signature radar. Les résultats obtenus montrent que la technique SVM donne de bonnes performances pour le système proposé où le taux de reconnaissance global moyen atteint 96,24%, soit respectivement 96,23%, 95,25% et 97,23% pour le cycliste, le piéton et la voiture. Dans la seconde approche à 1-D, les performances de différents types d’architectures DBN composées de différentes couches ont été évaluées et comparées. Nous avons constaté que l’architecture du réseau DBN avec quatre couches cachées est meilleure et la précision totale moyenne peut atteindre 97,80%. Ce résultat montre que les performances obtenues avec le DBN sont meilleures que celles obtenues avec le SVM (96,24%) pour ce système de reconnaissance de cible utilisant un radar ULB. Dans l’approche bidimensionnelle, le réseau de neurones convolutifs a été utilisé et évalué. Nous avons proposé trois architectures de CNN. La première est le modèle modifié d’Alexnet, la seconde est une architecture avec les couches de convolution arborescentes et une couche entièrement connectée, et la troisième est une architecture avec les cinq couches de convolution et deux couches entièrement connectées. Après comparaison et évaluation des performances de ces trois architectures proposées nous avons constaté que la troisième architecture offre de bonnes performances par rapport aux autres propositions avec une précision totale moyenne qui peut atteindre 99,59%. Enfin, nous avons effectué une étude comparative des performances obtenues avec le CNN, DBN et SVM. Les résultats montrent que CNN a les meilleures performances en termes de précision par rapport à DBN et SVM. Cela signifie que l’utilisation de CNN dans les données radar bidimensionnels permet de classer correctement les cibles radar ULB notamment pour les cibles à faible SER et SNR telles que les cyclistes ou les piétons. / In this thesis work, we focused on the study and development of a system identification using UWB-Ultra-Wide-Band short range radar to detect the objects and particularly the vulnerable road users (VRUs) that have low RCS-Radar Cross Section- such as cyclist and pedestrian. This work is composed of two stages i.e. detection and recognition. In the first approach of detection stage, we have proposed and studied a robust UWB radar detector that works on one dimension 1-D radar data ( A-scan). It relies on a combination of Higher Order Statistics (HOS) and the well-known CA-CFAR (Cell-Averaging Constant False Alarm Rate) detector. This combination is performed by firstly applying the HOS to the received radar signal in order to suppress the noise. After eliminating the noise of the received radar signal, we apply the CA-CFAR detector. By doing this combination, we finally have an UWB radar detector which is robust against the noise and works with the adaptive threshold. In order to enhance the detection performance, we have evaluated the approach of using two dimensions 2-D (B-Scan) radar data. In this 2-D radar approach, we proposed a new method of noise suppression, which works on this B-Scan data. The proposed method is a combination of WSD (Wavelet Shrinkage Denoising) and HOS. To evaluate the performance of this method, we performed a comparative study with the other noise removal methods in literature including Principal Component Analysis (PCA), Singular Value Decomposition (SVD), WSD and HOS. The Signal-to-Noise Ratio (SNR) of the final result has been computed to compare the effectiveness of individual noise removal techniques. It is observed that a combination of WSD and HOS has better capability to remove the noise compared to that of the other applied techniques in the literature; especially it is found that it allows to distinguish efficiency the pedestrian and cyclist over the noise and clutters whereas other techniques are not showing significant result. In the recognition phase, we have exploited the data from the two approaches 1-D and 2-D, obtained from the detection method. In the first 1-D approach, Support Vector Machines (SVM) and Deep Belief Networks (DBN) have been used and evaluated to identify the target based on the radar signature. The results show that the SVM gives good performances for the proposed system where the total recognition accuracy rate could achieve up to 96,24%. In the second approach of this 1-D radar data, the performance of several DBN architectures compose of different layers have been evaluated and compared. We realised that the DBN architecture with four hidden layers performs better than those of with two or three hidden layers. The results show also that this architecture achieves up to 97.80% of accuracy. This result also proves that the performance of DBN is better than that of SVM (96.24%) in the case of UWB radar target recognition system using 1-D radar signature. In the 2-D approach, the Convolutional Neural Network (CNN) has been exploited and evaluated. In this work, we have proposed and investigated three CNN architectures. The first architecture is the modified of Alexnet model, the second is an architecture with three convolutional layers and one fully connected layer, and the third is an architecture with five convolutional layers and two fully connected layers. The performance of these proposed architectures have been evaluated and compared. We found that the third architecture has a good performance where it achieves up to 99.59% of accuracy. Finally, we compared the performances obtained using CNN, DBN and SVM. The results show that CNN gives a better result in terms of accuracy compared to that of DBN and SVM. It allows to classify correctly the UWB radar targets like cyclist and pedestrian.
|
103 |
Some contributions in probability and statistics of extremes.Kratz, Marie 15 November 2005 (has links) (PDF)
Part I - Level crossings and other level functionals.<br />Part II - Some contributions in statistics of extremes and in statistical mechanics.
|
104 |
Απεικόνιση σταθμισμένης διάχυσης στη [sic] τομογραφία πυρηνικού μαγνητικού συντονισμού του μαστού / Diffusion-weighted magnetic resonance imaging (DW-MRI) of the breastΤσέκα, Σοφία 01 October 2014 (has links)
Breast cancer is a major global health problem and the most common form of cancer among women. Major advances in the technologies of imaging provide improved detection and sensitivity with fewer unnecessary biopsies. Commonly used imaging modalities include mammography, ultrasonography, magnetic resonance imaging (MRI), scintimammography, single photon emission computed tomography (SPECT) and positron emission tomography (PET).
The current study is focused on breast MRI imaging, especially one of the most promising recent techniques, i.e. the Diffusion Weighted Imaging breast MRI (DWI).
DWI is an unenhanced MRI technique, based on volume sequences on various b values (the b value identifies the measurement's sensitivity to diffusion and determines the strength and duration of the diffusion gradients) measuring the mobility of water molecules (Brownian motion) in vivo (in tissues) and provides different and potentially complementary information to Dynamic Contrast-Enhanced Magnetic Resonance Imaging (DCE-MRI) technique.
As DWI based on the diffusive properties of water molecules, reflects their random motion resulting from thermal agitation. Water diffusion on breast can be quantified by measuring the mean diffusivity, which is the average of Apparent Diffusion Coefficient (ADC). The ADC can be calculated by making measurements at a low b factor, b1, and a higher b factor, b2. DWI allows the mapping of the diffusion process of molecules by the ADC map. ADC maps are calculated by collecting images with at least 2 different values, b1 and b2, of the b factor. The ADC map is a parametric image whose color scale or gray scale represents the ADC values of the voxels and is usually generated by proprietary or in house software.
DWI apart from the 3D anatomical information, provides a noninvasive investigation of tissue vascularity, a novel contrast mechanism in MRI and has a high sensitivity in the detection of changes in the local biologic environment due to a pathologic process. Therefore, in addition to contrast enhancement-based characterization (DCE-MRI), measurement of the motion of water molecules in DWI provides an additional feature for lesion characterization that may further increase the specificity of MRI for classifying breast lesions.
The diagnostic task that the current study deals with, accounts for the diagnosis of mass-like lesions in Diffusion Weighed Magnetic Resonance Imaging, based on low
ADC values compared to high once in case of benign versus normal tissue. The hypothesis is that diffusivity of water molecules is restricted in environments of high cellularity, intracellular and extracellular edema, high viscosity, and fibrosis, such as malignant tumors, because these conditions become barriers to the movement of water molecules. Therefore, most of breast cancers show low ADC values compared with benign and normal tissue.
Many studies have revealed the usefulness of ADC values in the differential diagnosis of breast lesions; however, the clinical effect remains limited because of the substantial overlap between benign and malignant lesions, which presents challenges for implementing a useful diagnostic ADC threshold. The majority of studies, similar to the current study, determined optimal cutoff levels of the ADC value between malignant and benign lesions by using ROC analysis, and ranged from 0.90 to 1.76 × 10-3 mm2/s while the sensitivity and specificity ranged from 63% to 100% and 46% to 97%, respectively. In addition, the methods for measuring ADC differ among reported studies, with the most representative method being the mean value of ADC (mean ± standard deviation) over a Region Of Interest representative of the breast lesion.
The purpose of this study was to investigate the ability of histogram characteristics of Apparent Diffusion Coefficient (Apparent Diffusion Coefficient-ADC) to differentiate malignant from benign breast lesions in breast DWI. To this end the ADC maps of representative lesion ROIs were subjected to first order statistics analysis by calculating five first order textural features: Mean value, Standard Deviation, Kurtosis, Skewness and Entropy. This approach is intended to offer a more complete assessment of tumor texture and heterogeneity.
The dataset analyzed is comprised of 92 histologically verified breast lesions, originating from 69 women with mammographically and/or ultrasonographically detected or palpable findings. Histology revealed 53 malignant lesions originating from 45 women and 39 benign lesions originating from 26 women. All of the breast MR examinations were performed with a 3T MR scanner, for b= 0, 900 s/mm2. Diagnostic performances of these parameters were compared by receiver operating characteristic (ROC) curve analysis.
The mean of ADC of benign lesions [(1.470 ± 0.342) × 10-3 mm2/s] was found to be significantly higher than that of malignant tumours, [(0.965 ± 0.268) × 10-3 mm2/s, (p<0.00001)]. The standard deviation of ADC of benign lesions [(0.184 ± 0.999) × 10-3 mm2/s] was not significantly different from that of malignant tumours, [(0.192 ±
0.151) × 10-3 mm2/s, (p=0.6581)]. The skewness of ADC of benign [-0.303 ± 0.584] was significantly different than that of malignant tumours, 0.210 ± 0.725. (p = 0.0008)]. The kurtosis of ADC of benign [3.003 ± 1.065] was not significantly different from that of malignant tumours, [3.337 ± 1.334. (p=0.0987)]. The entropy of ADC of benign [4.794 ± 0.665] was significantly lower than that of malignant tumours, [5.569 ± 0.649, (p<0.00001)]
The corresponding area under the empirical receiver operating characteristic curve was: 0.862 ± 0.042 (95% confidence interval: 0.754, 0.925) for mean of ADC, 0.705 ± 0.054 (95% confidence interval: 0.589, 0.800) for skeweness of ADC, 0.800 ± 0.046 (95% confidence interval: 0.691, 0.874) for entropy of ADC, resulting a good diagnostic performance of DWI for these parameters. On the other hand, an AUC of 0.527 ± 0.063 (95% confidence interval: 0.393, 0.640) and 0.601 ± 0.061 (95% confidence interval: 0.470, 0.707) for Standard deviation and kurtosis respectively, suggests a degree of overlap in ADC values between benign and malignant tumors.
In an effort to identify optimal threshold values for differentiating benign versus malignant lesions these were selected to correspond to the points of highest accuracy of the ROC curves. In our study, we obtained two threshold values of mean ADC, both with an accuracy of 83.15%: 1.21 x 10-3 mm2/s with a sensitivity of 86.27% and specificity of 78.95%; and 1.32 x 10-3 mm2/s with a sensitivity of 92.16% and specificity of 71.05%. The threshold value of skeweness was -0.06 with an accuracy of 68.54%, a sensitivity of 66.03% and specificity of 66.67%. Finally, we found two threshold values of entropy, both with an accuracy of 76.40%: 5.17 with a sensitivity of 75.47% and specificity of 71.80%; and 5.21 with a sensitivity of 73.59% and specificity of 74.36%.
In conclusion, results of the current study suggest the contribution of texture analysis methods in Diffusion-weighted MRI breast imaging for the quantification of tissue heterogeneity, providing important information for breast cancer diagnosis. Histogram analysis of ADC values in breast cancer has potential for differentiating benign and malignant tumors, providing information about the entire tumor. The mean, skewness and entropy of ADC are valuable parameters that are correlated with pathologic characterization of breast tumors. These 3 ADC parameters significantly elevated the quantitative diagnostic performance of breast DWI and would be effective parameters in distinguishing between malignant and benign breast lesions.
Finally, future efforts will also focus on investigating the correlation of extracted texture features with histopathological findings, in order to verify the potential of the proposed texture analysis of ADC map in providing non-invasive prognostic factors of breast cancer. / Ο καρκίνος του μαστού είναι ένα σημαντικό παγκόσμιο πρόβλημα υγείας και η πιο διαδεδομένη μορφή καρκίνου στον γυναικείο πληθυσμό. Η ολοένα και πιο έγκαιρη διάγνωση του καρκίνου του μαστού έχει οδηγήσει σε σημαντική βελτίωση του ρυθμό θεραπείας της νόσου. Σημαντικές πρόοδοι στην τεχνολογία της απεικόνισης παρέχουν τη βελτιωμένη ανίχνευση και ευαισθησία του καρκίνου και οδηγούν σε όλο ένα και λιγότερες περιττές βιοψίες. Οι πιο συνηθισμένες μέθοδοι απεικόνισης, που χρησιμοποιούνται, περιλαμβάνουν την Μαστογραφία, την Υπερηχογραφία, την Μαγνητική Τομογραφία (MRI), την σπινθηρομαστογραφία, την Τομογραφία Εκπομπής Φωτονίων (SPECT) και την Τομογραφία Εκπομπής Ποζιτρονίων (PET).
Η παρούσα μελέτη επικεντρώνεται στην τεχνολογία της Απεικόνισης Μαγνητικού Συντονισμού ειδικά σε μία πρόσφατη και ελπιδοφόρα τεχνική απεικόνισης του καρκίνου του μαστού, που ονομάζεται Απεικόνιση Σταθμισμένης Διάχυσης στη Τομογραφία Πυρηνικού Μαγνητικού Συντονισμού (Diffusion Weighted Imaging breast MRI (DWI)).
Η DWI είναι μια MRI ακολουθία χωρίς χρήση σκιαγραφικής ουσίας, η οποία βασίζεται σε αλληλουχίες για διάφορες τιμές του παράγοντα διάχυσης b (η τιμή b προσδιορίζει την διαχυτότητα και καθορίζει την ένταση και τη διάρκεια των βαθμωτών πεδίων διάχυσης). Η DWI ποσοστικοποιεί την κινητικότητα των μορίων του νερού (Brownian κίνηση) in vivo (σε ιστούς) και παρέχει διαφορετικές και ενδεχομένως συμπληρωματικές πληροφορίες στην μαστογραφία μαγνητικής τομογραφίας με χρήση σκιαγραφικού (Dynamic Contrast-Enhanced Magnetic Resonance Imaging: DCE-MRI).
Η DWI με βάση τις ιδιότητες διάχυσης των μορίων του νερού, αντανακλά την τυχαία κίνησής τους λόγω της θερμικής τους ενέργειας. Η διάχυση του νερού στον μαστό μπορεί να ποσοτικοποιηθεί με τη μέτρηση της μέσης διαχυτότητας, η οποία αναφέρεται ως Φαινόμενος Συντελεστής Διάχυσης (Apparent Diffusion Coefficient-ΑDC). Ο ADC υπολογίζεται ύστερα από μετρήσεις για δυο b τιμές, μια χαμηλή b1 και μια υψηλότερη b2 τιμή. Η DWI επιτρέπει την χαρτογράφηση της διάχυσης των μορίων του νερού μέσω του ADC χάρτη. Ο ADC χάρτης είναι μια παραμετρική εικόνα της οποίας η κλίμακα χρωμάτων ή κλίμακα των τόνων του γκρι, αντιπροσωπεύει τις ADC τιμές των voxels και συνήθως παράγεται από λογισμικό. Οι
παραμετρικοί ADC χάρτες απεικόνισης DWI αναπαριστούν τη μικροδομή των ιστών για διάφορους συνδυασμούς τιμών της παραμέτρου b.
Η DWI εκτός από 3D ανατομική πληροφορία, παρέχει μια μη επεμβατική διερεύνηση της αγγειοβρίθειας του ιστού, έναν νέο μηχανισμό αντίθεσης στην MRI, και χαρακτηρίζεται από υψηλή ευαισθησία στην ανίχνευση ενδεχόμενων αλλαγών στο τοπικό βιολογικό περιβάλλον, οι οποίες οφείλονται σε παθολογία. Ως εκ τούτου, εκτός από τον χαρακτηρισμό αλλοιώσεων βάση σκιαγραφικής ενίσχυσης (DCE - MRI), η ποσοτικοποίηση της κίνησης των μορίων του νερού στην DWI παρέχει επιπλέον στοιχεία για τον χαρακτηρισμό της αλλοίωσης, κάτι το οποίο μπορεί να αυξήσει περαιτέρω την ειδικότητα της MRI για την ταξινόμηση των αλλοιώσεων του μαστού.
Το διαγνωστικό πρόβλημα το οποίο αντιμετώπισε/εστίασε η παρούσα διπλωματική εργασία, αφορά στο χαρακτηρισμό/διάγνωση χωροκατακτητικών αλλοιώσεων (mass-like) του μαστού στην Απεικονιση Μαγνητικου Συντονισμου Σταθμισμενης Διαχυσης (DWI) και την ποσοτικη αναλυση του Φαινομενου Συντελεστη Διαχυσης (ADC) για διαγνωση καρκινου του μαστου. Η ικανότητα διάχυσης των μορίων του νερού περιορίζεται σε περιβάλλον υψηλής κυτταροβρίθιας, ενδοκυττάριων και εξωκυττάριων οιδημάτων, υψηλού ιξώδους και ίνωσης, όπως συμβαίνει στους κακοήθεις όγκους, διότι οι παράγοντες αυτοί εμποδίζουν την κυκλοφορία των μορίων του νερού. Αποτέλεσμα αυτού είναι οι περισσότεροι καρκίνοι του μαστού να παρουσιάζουν χαμηλές ADC τιμές σε σύγκριση με τους καλοήθεις όγκους ή τον φυσιολογικό ιστό.
Πολλές μελέτες έχουν δείξει τη χρησιμότητα των ADC τιμών στη διαφορική διάγνωση των αλλοιώσεων του μαστού. Εν τούτοις, το κλινικό αποτέλεσμα παραμένει περιορισμένο λόγω της σημαντικής επικάλυψης καλοήθων και κακοήθων αλλοιώσεων, γεγονός που αποτελεί πρόκληση για την εφαρμογή ενός χρήσιμου διαγνωστικού ορίου της μέσης ADC. Στη πλειοψηφία των μελετών, όπως και στη παρούσα μελέτη, τα βέλτιστα επίπεδα αποκοπής της ADC μεταξύ κακοήθων και καλοήθων αλλοιώσεων προσδιορίστηκαν με τη χρήση ROC ανάλυσης. Στις μέχρι τώρα μελέτες τα διαγνωστικά όρια της μέσης ADC κυμαίνονται από 0.90 έως 1.76 × 10-3 mm2 / s, με ευαισθησία και ειδικότητα να κυμαίνονται από 63% έως 100% και 46% έως 97%, αντίστοιχα. Γεγονός αποτελεί, επίσης, η διαφορετική μέθοδος υπολογισμού της ADC που ακολουθεί η κάθε μελέτη, με πιο συχνή μέθοδο, ο
υπολογισμός της μέσης τιμής της ADC (μέση τιμή ± τυπική απόκλιση) σε μια περιοχή ενδιαφέροντος (ROI) μιας αλλοίωσης του μαστού.
Σκοπός της παρούσας μεταπτυχιακής διπλωματικής εργασίας ήταν να διερευνηθεί η ικανότητα των χαρακτηριστικών ιστογράμματος του Φαινόμενου Συντελεστή Διάχυσης (Apparent Diffusion Coefficient-ADC) να διαφοροποιούν κακοήθεις από καλοήθεις αλλοιώσεις του μαστού στην Απεικόνιση Μαγνητικού Συντονισμού Σταθμισμένης Διάχυσης (Diffusion Weighted MRI-DWI). Για το σκοπό αυτό, δημιουργήθηκε ο ADC παραμετρικός χάρτης ο οποίος αποτέλεσε τη βάση για την εφαρμογή μεθόδου ανάλυσης υφής εικόνας, και τον υπολογισμό πέντε χαρακτηριστικών υφής πρώτης τάξης: την μέση τιμή, την τυπική απόκλιση, την κύρτωση, την λοξότητα και την εντροπία. Η προσέγγιση αυτή θεωρήθηκε ότι θα προσφέρει μια πιο ολοκληρωμένη αξιολόγηση της υφής του όγκου και της ετερογένειας.
Η προσέγγιση εφαρμόσθηκε σε κλινικό δείγμα 92 ιστολογικά αποδεδειγμένων αλλοιώσεων του μαστού, οι οποίες προέρχονται από 69 γυναίκες οι οποίες είχαν νωρίτερα ανιχνευθεί μέσω μαστογραφίας ή/και υπερηχογραφίας ή από ψηλαφητά ευρήματα. Η ιστολογική εξέταση αποκάλυψε 53 κακοήθεις αλλοιώσεις που προέρχονταν από 45 γυναίκες και 39 καλοήθεις αλλοιώσεις από 26 γυναίκες. Όλες οι εξετάσεις μαγνητικής τομογραφίας του μαστού έγιναν με σύστημα MRI 3T και για b=0 και 900 s/mm2. Η διαγνωστική απόδοση/επίδοση των παραμέτρων αυτών συγκρίθηκε με την ανάλυση λειτουργικού χαρακτηριστικού δέκτη (ROC analysis).
Τα αποτελέσματα υποδεικνύουν τον σημαντικό ρόλο της ανάλυσης ADC ιστογράμματος χρησιμοποιώντας τα 5 παραπάνω χαρακτηριστικά υφής για την ταυτοποίηση των αλλοιώσεων του μαστού. Οι μετρήσεις της μέσης τιμής, της λοξότητας και της εντροπία της ADC των καλοήθων και κακοήθων αλλοιώσεων του μαστού είχαν στατιστικώς σημαντική διαφορά. Ειδικότερα, η μέση ADC τιμή των καλοήθων όγκων [(1.470 ± 0.342) × 10-3 mm2/s] ήταν σημαντικά υψηλότερη από εκείνη των κακοήθων, [(0.965 ± 0.268) × 10-3 mm2/s, (ρ < 0.00001)]. Η λοξότητα της ADC των καλοήθων όγκων [-0.303 ± 0.584], διέφερε σημαντικά από εκείνη των κακοήθων, [0.210 ± 0.725. (ρ= 0.0008)]. Και η εντροπία της ADC των καλοήθων όγκων [4.794 ± 0.665], ήταν σημαντικά χαμηλότερη από εκείνη των κακοήθων, [5.569 ± 0.649, (ρ < 0.00001)]. Ωστόσο, η τυπική απόκλιση και η κύρτωση της ADC των καλοήθων και κακοήθων αλλοιώσεων του μαστού δεν είχαν στατιστικώς σημαντική διαφορά. Συγκεκριμένα, η τυπική απόκλιση της ADC των καλοήθων
όγκων ήταν [(0.184 ± 0.999) × 10-3 mm2/s] ενώ των κακοήθων ήταν [(0.192 ± 0.151) × 10-3 mm2/s, (ρ = 0.6581)] και η κύρτωση της ADC των καλοήθων όγκων ήταν [3.003 ± 1.065] ενώ των κακοήθων ήταν [3.337 ± 1.334, (ρ = 0.0987)].
Η περιοχή κάτω από την ROC καμπύλη (AUC) για τη μέση ADC τιμή ήταν 0.862 ± 0.042 (95% διάστημα εμπιστοσύνης: 0.754, 0.925), για την λοξότητα της ADC ήταν 0.705 ± 0.054 (95% διάστημα εμπιστοσύνης: 0.589, 0.800) και για η εντροπία της ADC ήταν 0.800 ± 0.046 (95% διάστημα εμπιστοσύνης: 0.691, 0.874), και είχαν ως αποτέλεσμα μια καλή διαγνωστική απόδοση/ επίδοση της DWI για τις παραμέτρους αυτές. Από την άλλη πλευρά, η AUC με 0.527 ± 0.063 (95% διάστημα εμπιστοσύνης: 0.393, 0.640) και με 0.601 ± 0.061 (95% διάστημα εμπιστοσύνης: 0.470, 0.707) για την τυπική απόκλιση και την κύρτωση, αντίστοιχα, υποδηλώνει ένα βαθμό επικάλυψης στις ADC τιμές μεταξύ καλοήθων και κακοήθων όγκων.
Τα βέλτιστα κατώφλια αποκοπής για διαφοροποίηση καλοήθων έναντι κακοήθων αλλοιώσεων καθορίστηκαν με τον εντοπισμό των σημείων όπου η ακρίβεια ήταν μέγιστη στις καμπύλες ROC. Από τη συγκεκριμένη μελέτη, προέκυψαν δύο τιμές κατωφλίου αποκοπής της μέσης ADC, με την ίδια ακρίβεια 83.15%. Το πρώτο κατώφλι με τιμή 1.21 x 10-3 mm2/s χαρακτηρίζεται με ευαισθησία 86.27% και ειδικότητα 78.95%. Και το δεύτερο κατώφλι με τιμή 1.32 x 10-3 mm2/s χαρακτηρίζεται με ευαισθησία 92.16% και ειδικότητα 71.05%. Το κατώφλι για την λοξότητα της ADC ήταν στα -0.06 με ακρίβεια 68.54%, ευαισθησία 66.03% και ειδικότητα 66.67%. Τέλος, προέκυψαν δύο τιμές κατωφλίου αποκοπής της εντροπίας της ADC με την ίδια ακρίβεια ακρίβεια 76.40%. Το πρώτο κατώφλι με τιμή 5.17 χαρακτηρίζεται με ευαισθησία 75.47% και ειδικότητα 71.80%. Και το δεύτερο κατώφλι με τιμή 5.21 χαρακτηρίζεται με ευαισθησία 73.59% και ειδικότητα 74.36%.
Συμπερασματικά, τα αποτελέσματα της παρούσας μελέτης δείχνουν τη συνεισφορά των μεθόδων ανάλυσης υφής εικόνας στη Απεικονιση Μαγνητικου Συντονισμου Σταθμισμενης Διαχυσης (DWI) του μαστού για την ποσοτικοποίηση της ετερογένειας του ιστού, παρέχοντας σημαντικές πληροφορίες για τη διάγνωση του καρκίνου του μαστού. Η ανάλυση ιστογράμματος των ADC τιμών στον καρκίνο του μαστού έχει τη δυνατότητα διαφοροποίησης καλοήθων και κακοήθων όγκων, παρέχοντας πληροφορίες για το σύνολο του όγκου. Η μέση τιμή, η λοξότητα και η εντροπία του ADC είναι πολύτιμες παράμετροι που συσχετίζονται με παθολογικό χαρακτηρισμό των όγκων του μαστού. Αυτές οι 3 ADC παράμετροι αύξησαν σημαντικά την ποσοτική διαγνωστική απόδοση της DWI του μαστού και πιθανότατα
να είναι αποτελεσματικές παράμετροι όσον αφορά τη διάκριση μεταξύ καλοήθων και κακοήθων αλλοιώσεων του μαστού
Μελλοντικές προσπάθειες πρόκειται να εστιάσουν στη διερεύνηση της συσχέτισης των εξαχθέντων χαρακτηριστικών υφής με ιστοπαθολογικούς δείκτες, με σκοπό την περαιτέρω επιβεβαίωση των προτεινόμενων προσεγγίσεων και ενδεχομένως την χρήση συγκεκριμένων χαρακτηριστικών υφής ως μη επεμβατικών προγνωστικών δεικτών καρκίνου του μαστού.
|
105 |
Uma contribuição ao problema de detecção de ruídos impulsivos para power line communicationLopez, Paola Johana Saboya 03 June 2013 (has links)
Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-24T15:28:35Z
No. of bitstreams: 1
paolajohanasaboyalopez.pdf: 1042873 bytes, checksum: a46dd95de00e062cba39ef4b9b642462 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-24T17:09:24Z (GMT) No. of bitstreams: 1
paolajohanasaboyalopez.pdf: 1042873 bytes, checksum: a46dd95de00e062cba39ef4b9b642462 (MD5) / Made available in DSpace on 2017-04-24T17:09:24Z (GMT). No. of bitstreams: 1
paolajohanasaboyalopez.pdf: 1042873 bytes, checksum: a46dd95de00e062cba39ef4b9b642462 (MD5)
Previous issue date: 2013-06-03 / A presente dissertação tem por objetivo propor e avaliar cinco técnicas de detecção de ruídos impulsivos para a melhoria da transmissão digital de dados via redes de energia elétrica (do inglês, Power Line Communications) (PLC). As técnicas propostas contemplam a detecção de ruídos impulsivos no domínio do tempo discreto, no domínio da transformada wavelet discreta (do inglês, Discrete Wavelet Transform) (DWT) e no domínio da transformada discreta de Fourier (do inglês, Discrete Fourier Transform) (DFT). Tais técnicas fazem uso de métodos de extração e seleção de características, assim como métodos de detecção de sinais baseados na teoria de Bayes e redes neurais.
Análises comparativas explicitam as vantagens e desvantagens de cada uma das técnicas propostas para o problema em questão, e ainda indicam que estas são bastante adequadas para a solução do mesmo. / This dissertation aims to propose and evaluate five techniques for impulsive noise detection in order to improve digital communications through power line channels.
The imput signals for the proposed detection techniques are impulsive noise signals on discrete-time domain, on the Discrete Wavelet Transform domain and on the Discrete Fourier Transform domain and it makes use of feature extraction and selection techniques, as well as detection techniques supported on Bayes Theory and Multi-layer Perceptron Neural Networks.
Comparative analysis show some advantages and disadvantages of each proposed technique and the relevance of them to solve the impulsive noise detection problem.
|
106 |
Some Contributions to Inferential Issues of Censored Exponential Failure DataHan, Donghoon 06 1900 (has links)
In this thesis, we investigate several inferential issues regarding the lifetime data from exponential distribution under different censoring schemes. For reasons of time constraint and cost reduction, censored sampling is commonly employed in practice, especially in reliability engineering. Among various censoring schemes, progressive Type-I censoring provides not only the practical advantage of known termination time but also greater flexibility to the experimenter in the design stage by allowing for the removal of test units at non-terminal time points. Hence, we first consider the inference for a progressively Type-I censored life-testing experiment with k uniformly spaced intervals. For small to moderate sample sizes, a practical modification is proposed to the censoring scheme in order to guarantee a feasible life-test under progressive Type-I censoring. Under this setup, we obtain the maximum likelihood estimator (MLE) of the unknown mean parameter and derive the exact sampling distribution of the MLE through the use of conditional moment generating function under the condition that the existence of the MLE is ensured. Using the exact distribution of the MLE as well as its asymptotic distribution and the parametric bootstrap method, we discuss the construction of confidence intervals for the mean parameter and their performance is then assessed through Monte Carlo simulations. Next, we consider a special class of accelerated life tests, known as step-stress
tests in reliability testing. In a step-stress test, the stress levels increase discretely at pre-fixed time points and this allows the experimenter to obtain information on the parameters of the lifetime distributions more quickly than under normal operating conditions. Here, we consider a k-step-stress accelerated life testing experiment with an equal step duration τ. In particular, the case of progressively Type-I censored data with a single stress variable is investigated. For small to moderate sample sizes, we introduce another practical modification to the model for a feasible k-step-stress test under progressive censoring, and the optimal τ is searched using the modified model. Next, we seek the optimal τ under the condition that the step-stress test proceeds to the k-th stress level, and the efficiency of this conditional inference is compared to the preceding models. In all cases, censoring is allowed at each change stress point iτ, i = 1, 2, ... , k, and the problem of selecting the optimal Tis discussed using C-optimality, D-optimality, and A-optimality criteria. Moreover, when a test unit fails, there are often more than one fatal cause for the failure, such as mechanical or electrical. Thus, we also consider the simple stepstress models under Type-I and Type-II censoring situations when the lifetime distributions corresponding to the different risk factors are independently exponentially distributed. Under this setup, we derive the MLEs of the unknown mean parameters of the different causes under the assumption of a cumulative exposure model. The exact distributions of the MLEs of the parameters are then derived through the use of conditional moment generating functions. Using these exact distributions as well as the asymptotic distributions and the parametric bootstrap method, we discuss the construction of confidence intervals for the parameters and then assess their performance through Monte Carlo simulations. / Thesis / Doctor of Philosophy (PhD)
|
107 |
Automatic Modulation Classifier - A Blind Feature-Based ToolCutno, Patrick 29 November 2016 (has links)
No description available.
|
108 |
Some Contributions to Distribution Theory and ApplicationsSelvitella, Alessandro 11 1900 (has links)
In this thesis, we present some new results in distribution theory for both discrete and continuous random variables, together with their motivating applications.
We start with some results about the Multivariate Gaussian Distribution and its characterization as a maximizer of the Strichartz Estimates. Then, we present some characterizations of discrete and continuous distributions through ideas coming from optimal transportation. After this, we pass to the Simpson's Paradox and see that it is ubiquitous and it appears in Quantum Mechanics as well. We conclude with a group of results about discrete and continuous distributions invariant under symmetries, in particular invariant under the groups $A_1$, an elliptical version of $O(n)$ and $\mathbb{T}^n$.
As mentioned, all the results proved in this thesis are motivated by their applications in different research areas. The applications will be thoroughly discussed. We have tried to keep each chapter self-contained and recalled results from other chapters when needed.
The following is a more precise summary of the results discussed in each chapter.
In chapter \ref{chapter 2}, we discuss a variational characterization of the Multivariate Normal distribution (MVN) as a maximizer of the Strichartz Estimates. Strichartz Estimates appear as a fundamental tool in the proof of wellposedness results for dispersive PDEs. With respect to the characterization of the MVN distribution as a maximizer of the entropy functional, the characterization as a maximizer of the Strichartz Estimate does not require the constraint of fixed variance. In this chapter, we compute the precise optimal constant for the whole range of Strichartz admissible exponents, discuss the connection of this problem to Restriction Theorems in Fourier analysis and give some statistical properties of the family of Gaussian Distributions which maximize the Strichartz estimates, such as Fisher Information, Index of Dispersion and Stochastic Ordering. We conclude this chapter presenting an optimization algorithm to compute numerically the maximizers.
Chapter \ref{chapter 3} is devoted to the characterization of distributions by means of techniques from Optimal Transportation and the Monge-Amp\`{e}re equation. We give emphasis to methods to do statistical inference for distributions that do not possess good regularity, decay or integrability properties. For example, distributions which do not admit a finite expected value, such as the Cauchy distribution. The main tool used here is a modified version of the characteristic function (a particular case of the Fourier Transform). An important motivation to develop these tools come from Big Data analysis and in particular the Consensus Monte Carlo Algorithm.
In chapter \ref{chapter 4}, we study the \emph{Simpson's Paradox}. The \emph{Simpson's Paradox} is the phenomenon that appears in some datasets, where subgroups with a common trend (say, all negative trend) show the reverse trend when they are aggregated (say, positive trend). Even if this issue has an elementary mathematical explanation, the statistical implications are deep. Basic examples appear in arithmetic, geometry, linear algebra, statistics, game theory, sociology (e.g. gender bias in the graduate school admission process) and so on and so forth. In our new results, we prove the occurrence of the \emph{Simpson's Paradox} in Quantum Mechanics. In particular, we prove that the \emph{Simpson's Paradox} occurs for solutions of the \emph{Quantum Harmonic Oscillator} both in the stationary case and in the non-stationary case. We prove that the phenomenon is not isolated and that it appears (asymptotically) in the context of the \emph{Nonlinear Schr\"{o}dinger Equation} as well. The likelihood of the \emph{Simpson's Paradox} in Quantum Mechanics and the physical implications are also discussed.
Chapter \ref{chapter 5} contains some new results about distributions with symmetries. We first discuss a result on symmetric order statistics. We prove that the symmetry of any of the order statistics is equivalent to the symmetry of the underlying distribution. Then, we characterize elliptical distributions through group invariance and give some properties. Finally, we study geometric probability distributions on the torus with applications to molecular biology. In particular, we introduce a new family of distributions generated through stereographic projection, give several properties of them and compare them with the Von-Mises distribution and its multivariate extensions. / Thesis / Doctor of Philosophy (PhD)
|
Page generated in 0.0961 seconds