Spelling suggestions: "subject:"reconstrução tomográfica"" "subject:"reconstrução homográfica""
11 |
Reconstrução tomográfica dinâmica industrialOLIVEIRA, Eric Ferreira de 29 February 2016 (has links)
Submitted by Rafael Santana (rafael.silvasantana@ufpe.br) on 2017-05-11T18:10:34Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Versão Atualizada Tese Eric Ferreira de Oliveira.pdf: 1865683 bytes, checksum: 517608a245f6372afd45b3bba78733d6 (MD5) / Made available in DSpace on 2017-05-11T18:10:34Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Versão Atualizada Tese Eric Ferreira de Oliveira.pdf: 1865683 bytes, checksum: 517608a245f6372afd45b3bba78733d6 (MD5)
Previous issue date: 2016-02-29 / CNEN / O estado da arte dos métodos aplicados para processos industriais é atualmente
baseado em princípios de reconstruções tomográficas clássicas desenvolvidos para padrões
tomográficos de distribuições estáticas, ou seja, são limitados a processos de pouca variabilidade.
Ruídos e artefatos de movimento são os principais problemas causados pela incompatibilidade nos
dados gerada pelo movimento. Além disso, em processos tomográficos industriais é comum um
número limitado de dados podendo produzir ruído, artefatos e não concordância com a distribuição
em estudo. Um dos objetivos do presente trabalho é discutir as dificuldades que surgem da
implementação de algoritmos de reconstrução em tomografia dinâmica que foram originalmente
desenvolvidos para distribuições estáticas. Outro objetivo é propor soluções que visam reduzir a
perda de informação temporal devido a utilização de técnicas estáticas em processos dinâmicos. No
que diz respeito à reconstrução de imagem dinâmica foi realizada uma comparação entre diferentes
métodos de reconstrução estáticos, como MART e FBP, quando usado para cenários dinâmicos.
Esta comparação foi baseada em simulações por MCNPX, e também analiticamente, de um cilindro
de alumínio que se move durante o processo de aquisição, e também com base em imagens de
cortes transversais de técnicas de CFD. Outra contribuição foi aproveitar o canal triplo de cores
necessário para exibir imagens coloridas na maioria dos monitores, de modo que, dimensionando
adequadamente os valores adquiridos de cada vista no sistema linear de reconstrução, foi possível
imprimir traços temporais na imagem tradicionalmente reconstruída. Finalmente, uma técnica de
correção de movimento usado no campo da medicina foi proposto para aplicações industriais,
considerando-se que a distribuição de densidade nestes cenários pode apresentar variações
compatíveis com movimentos rígidos ou alterações na escala de certos objetos. A ideia é usar dados
conhecidos a priori ou durante o processo, como vetor deslocamento, e então usar essas
informações para melhorar a qualidade da reconstrução. Isto é feito através da manipulação
adequada da matriz peso no método algébrico, isto é, ajustando-se os valores para refletir o
movimento objeto do previsto ou deformação. Os resultados de todas essas técnicas aplicadas em
vários experimentos e simulações são discutidos neste trabalho. / The state of the art methods applied to industrial processes is currently based on the principles of
classical tomographic reconstructions developed for tomographic patterns of static distributions, or
is limited to cases of low variability of the density distribution function of the tomographed object.
Noise and motion artifacts are the main problems caused by a mismatch in the data from views
acquired in different instants. All of these add to the known fact that using a limited amount of data
can result in the presence of noise, artifacts and some inconsistencies with the distribution under
study. One of the objectives of the present work is to discuss the difficulties that arise from
implementing reconstruction algorithms in dynamic tomography that were originally developed for
static distributions. Another objective is to propose solutions that aim at reducing a temporal type of
information loss caused by employing regular acquisition systems to dynamic processes. With
respect to dynamic image reconstruction it was conducted a comparison between different static
reconstruction methods, like MART and FBP, when used for dynamic scenarios. This comparison
was based on a MCNPx simulation as well as an analytical setup of an aluminum cylinder that
moves along the section of a riser during the process of acquisition, and also based on cross section
images from CFD techniques. As for the adaptation of current tomographic acquisition systems for
dynamic processes, this work established a sequence of tomographic views in a just-in-time fashion
for visualization purposes, a form of visually disposing density information as soon as it becomes
amenable to image reconstruction. A third contribution was to take advantage of the triple color
channel necessary to display colored images in most displays, so that, by appropriately scaling the
acquired values of each view in the linear system of the reconstruction, it was possible to imprint a
temporal trace into the regularly reconstructed image, where the temporal trace utilizes a channel
and the regular reconstruction utilizes a different one. Finally, a motion correction technique used in
the medical field was proposed for industrial applications, considering that the density distribution
in these scenarios may present variations compatible with rigid motions or changes in scale of
certain objects. The idea is to identify in some configurations of the temporarily distributed data
clues of the type of motion or deformation suffered by the object during the data acquisition, and
then use this information to improve the quality of the reconstruction. This is done by appropriately
manipulating the weight matrix in the algebraic method, i.e., by adjusting the values to reflect the
predicted object motion or deformation. The results of all these techniques applied in several
experiments and simulations are discussed in this work.
|
12 |
Cálculo rápido do operador de retroprojeção com aplicações em reconstrução tomográfica de imagens / Fast computation of the backprojection operator with applictions in tomographic image reconstructionLima, Camila de 09 June 2017 (has links)
Os métodos incrementais pertencem a uma classe de métodos iterativos que divide o conjunto de dados em subconjuntos ordenados, e que atualiza a imagem ao processar cada subconjunto (sub-iterações). Isso acelera a convergência das reconstruções, e imagens de qualidade são obtidas em menos iterações. No entanto, a cada sub-iteração é necessário calcular os operadores de projeção e retroprojeção, resultando no custo computacional de ordem O(n3) para a reconstrução de imagens de dimensão × . Por outro lado, algumas alternativas baseadas na interpolação em uma grade regular no espaço de Fourier ou em transformadas rápidas não-uniformes, dentre outras ideias, foram desenvolvidas a fim de aliviar esse custo computacional. Além disso, diversas abordagens foram bem sucedidas em acelerar o cálculo das iterações de algoritmos clássicos, mas nenhuma havia sido utilizada em conjunto com os métodos incrementais. Neste trabalho é proposta uma nova abordagem em que a técnica de transformada rápida de Fourier não uniforme (NFFT) é utilizada nas sub-iterações de métodos incrementais com o objetivo de efetuar de forma eficiente os cálculos numericamente mais intensos: a projeção e a retroprojeção, resultando em métodos incrementais com complexidade O(n2 log n ). Os métodos propostos são aplicados à tomografia por radiação síncrotron e os resultados da pesquisa mostram um bom desempenho. / Incremental methods belong to a class of iterative methods that divide the data set into ordered subsets, and which update the image when processing each subset (sub-iterations). It accelerates the reconstruction convergence and quality images are obtained in fewer iterations. However, it is necessary to compute the projection and backprojection operators in each sub-iteration, resulting in the computational cost of O(n3) flops for × images. On the other hand, some alternatives based on interpolation over a regular grid on the Fourier space or on nonequispaced fast transforms, among other ideas, were developed in order to alleviate the computational cost. In addition, several approaches substantially speed up the computation of the iterations of classical algorithms, but the incremental methods had not been benefited from these techniques. In this work, a new approach is proposed in which the nonequispaced fast Fourier transform (NFTT) is used in each subiteration of incremental methods in order to perform the numerically intensive calculations efficiently: the projection and backprojection, resulting in incremental methods with complexity O(n2 log n ). The proposed methods are applied to the synchrotron radiation tomography and the results show a good performance.
|
13 |
Cálculo rápido do operador de retroprojeção com aplicações em reconstrução tomográfica de imagens / Fast computation of the backprojection operator with applictions in tomographic image reconstructionCamila de Lima 09 June 2017 (has links)
Os métodos incrementais pertencem a uma classe de métodos iterativos que divide o conjunto de dados em subconjuntos ordenados, e que atualiza a imagem ao processar cada subconjunto (sub-iterações). Isso acelera a convergência das reconstruções, e imagens de qualidade são obtidas em menos iterações. No entanto, a cada sub-iteração é necessário calcular os operadores de projeção e retroprojeção, resultando no custo computacional de ordem O(n3) para a reconstrução de imagens de dimensão × . Por outro lado, algumas alternativas baseadas na interpolação em uma grade regular no espaço de Fourier ou em transformadas rápidas não-uniformes, dentre outras ideias, foram desenvolvidas a fim de aliviar esse custo computacional. Além disso, diversas abordagens foram bem sucedidas em acelerar o cálculo das iterações de algoritmos clássicos, mas nenhuma havia sido utilizada em conjunto com os métodos incrementais. Neste trabalho é proposta uma nova abordagem em que a técnica de transformada rápida de Fourier não uniforme (NFFT) é utilizada nas sub-iterações de métodos incrementais com o objetivo de efetuar de forma eficiente os cálculos numericamente mais intensos: a projeção e a retroprojeção, resultando em métodos incrementais com complexidade O(n2 log n ). Os métodos propostos são aplicados à tomografia por radiação síncrotron e os resultados da pesquisa mostram um bom desempenho. / Incremental methods belong to a class of iterative methods that divide the data set into ordered subsets, and which update the image when processing each subset (sub-iterations). It accelerates the reconstruction convergence and quality images are obtained in fewer iterations. However, it is necessary to compute the projection and backprojection operators in each sub-iteration, resulting in the computational cost of O(n3) flops for × images. On the other hand, some alternatives based on interpolation over a regular grid on the Fourier space or on nonequispaced fast transforms, among other ideas, were developed in order to alleviate the computational cost. In addition, several approaches substantially speed up the computation of the iterations of classical algorithms, but the incremental methods had not been benefited from these techniques. In this work, a new approach is proposed in which the nonequispaced fast Fourier transform (NFTT) is used in each subiteration of incremental methods in order to perform the numerically intensive calculations efficiently: the projection and backprojection, resulting in incremental methods with complexity O(n2 log n ). The proposed methods are applied to the synchrotron radiation tomography and the results show a good performance.
|
14 |
Reconstrução de tomossíntese mamária utilizando redes neurais com aprendizado profundo /Paula, Davi Duarte de January 2020 (has links)
Orientador: Denis Henrique Pinheiro Salvadeo / Resumo: Tomossíntese Mamária Digital (DBT) é uma técnica de imageamento radiográfico, com aquisição de projeções em ângulos limitados utilizando dose reduzida de radiação. Ela tem por objetivo reconstruir fatias tomográficas do interior da mama, possibilitando o diagnóstico precoce de possíveis lesões e aumentando, consequentemente, a probabilidade de cura do paciente. Contudo, devido ao fato de que DBT utiliza doses baixas de radiação, a imagem gerada contém mais ruído que a mamografia digital. Embora a qualidade do exame esteja diretamente relacionada com a dose utilizada, espera-se que a dose de radiação empregada no exame seja a mais baixa possível, mas ainda com qualidade suficiente para que o diagnóstico possa ser realizado, conforme o princípio As Low As Reasonably Achievable (ALARA). Uma das etapas importantes para se buscar o princípio ALARA é a reconstrução tomográfica, que consiste em um software que gera as fatias do interior da mama a partir de um conjunto de projeções 2D de DBT adquiridas. Por outro lado, técnicas de Aprendizado de Máquina, especialmente redes neurais com aprendizado profundo, que recentemente tem evoluído consideravelmente o estado da arte em diversos problemas de Visão Computacional e Processamento de Imagens, tem características adequadas para serem aplicadas também na etapa de reconstrução. Deste modo, este trabalho investigou uma arquitetura básica de rede neural artificial com aprendizado profundo que seja capaz de reconstruir imagens de DBT, espe... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Digital Breast Tomosynthesis (DBT) is a technique of radiographic imaging, with acquisition of projections at limited angles using reduced dose of radiation. It aims to reconstruct tomographic slices inside the breast, making possible the early diagnosis of possible lesions and, consequently, increasing the probability of cure of the patient. However, due to the fact that DBT uses low doses of radiation, the generated image contains more noise than digital mammography. Although the quality of the exam is directly related to the dose applied, the radiation dose used in the examination is expected to be as low as possible, but still keeping enough quality for the diagnosis to be made, as determined by the As Low As Reasonably Achievable (ALARA) principle. One of the important steps to achieve the ALARA principle is the tomographic reconstruction, which consists of a software that generates slices inside the breast from an acquired set of 2D DBT projections. On the other hand, Machine Learning techniques, especially neural networks with deep learning, that have recently evolved considerably the state-of-the-art in several problems in Computer Vision and Image Processing areas, it has suitable characteristics to be applied also in the reconstruction step. Thus, this work investigated a basic architecture of artificial neural network with deep learning that is capable to reconstruct DBT images, especially focused on noise reduction. Furthermore, considering an additional filtering... (Complete abstract click electronic access below) / Mestre
|
Page generated in 0.0891 seconds