The quest for improved efficiency in magnetic resonance imaging has motivated the development of strategies like parallel imaging where arrays of multiple receiver coils are operated simultaneously in parallel. The objective of this project was to find an estimation of phased-array coil sensitivity profiles of magnetic resonance images of the human body. These sensitivity maps can then be used to perform an intensity inhomogeneity correction of the images. Through investigative work in Matlab, a script was developed that uses data embedded in raw data from a magnetic resonance scan, to generate coil sensitivities for each voxel of the volume of interest and recalculate them to two-dimensional sensitivity maps of the corresponding diagnostic images. The resulting mapped sensitivity profiles can be used in Sensitivity Encoding where a more exact solution can be obtained using the carefully estimated sensitivity maps of the images. / Inom magnetresonanstomografi eftersträvas förbättrad effektivitet, villket bidragit till utvecklingen av strategier som parallell imaging, där arrayer av flera mottagarspolar andvänds samtidigt. Syftet med detta projekt var att uppskattamottagarspolarnas känslighetskarta för att utnyttja dem till i metoder inom magnetresonansavbildning. Dessa känslighetskartor kan användas för att utföra intensitetsinhomogenitetskorrigering av bilderna. Genom utforskande arbete i Matlab utvecklades ett skript som tillämpar inbyggd rådata, från en magnetiskresonansavbildning för att generera spolens känslighet för varje voxel av volymen och omberäkna dem till tvådimensionella känslighetskartor av motsvarande diagnostiska bilder. De resulterande kartlagda känslighetsprofilerna kan användas i känslighetskodning, där en mer exakt lösning kan erhållas med hjälp av de noggrant uppskattade känslighetskartorna.

Computed tomography angiography (CTA) of the brain poses challenges on the imaging system; the contrast between blood vessels and surrounding soft tissue is very low, and to render small intricate vessel structures high spatial resolution is needed. Higher precision angiography would facilitate more accurate diagnosis of pathological conditions. The aim of this work was to analyze the factors which contribute to the image quality in cerebrovascular imaging contexts and make a comparison between state-of-the-art energy-integrating and photon counting CT systems. A geometrical model was devised to mimic the conditions of cerebral angiography. Different parameters and detectors were used to reconstruct images of a spherical head phantom. Compton noise was added to several image acquisitions after a Monte Carlo study was used to estimate the scatter to primary ratio (SPR) with a spherical phantom. The images were evaluated qualitatively and quantitatively. A real phantom was scanned with an experimental photon counting detector and compared with the simulated approach. The work resulted in qualitative reconstructed images, a decrease in SPR when introducing air gaps and improved resolution but worsened contrast as a result of smaller detector sizes. The SPR was shown to be higher in cone-beam geometry than fan-beam geometry. Electronic noise present with energy integrating detectors was shown to degrade image quality significantly in low dose imaging, reducing contrast when imaging vascular-like structures. Photon counting detectors without electronic noise could provide greater image quality and better diagnostic information.

Diffusion Magnetic Resonance Imaging (dMRI) is a method for measuring molecular diffusion in biological tissue microstructure. This information can be used to predict the location and orientation of white matter fibers in the brain, a process known as tractography. Analysis of the map of neural connections can provide meaningful information about the severity or progression of neurodegenerative diseases such as Alzheimer's, and allow for early intervention to prevent progression. However, tractography has its pitfalls; current fiber-tracking algorithms suffer from generating false-positive connections and affect the reliability of structural connectivity maps. To counter this downside, tractogram filtering methods have been created to remove inaccurately predicted connections. This study aims at evaluating the impact of the novel semi-supervised filtering method FINTA on the brain networks of people with Mild Cognitive Impairment (MCI), which precedes diseases like Alzheimer's. The proposed experiments use the Nipype Neuroimaging Python library for the automation of the entire process. Registration, parcellation, and tracking were performed using MRtrix and FSL. Furthermore, DIPY and NiBabel were used for tractogram processing. Finally, filtering was performed based on code provided by the authors of FINTA, and graph measures were computed using the NetworkX Python library. Experiments were performed on both raw and weighted structural connectivity matrices. Results suggest that filtering has an effect on graph measures such as the clustering coefficient and betweenness centrality for different nodes corresponding to brain regions. / Diffusion magnetisk resonanstomografi (diffusions MRT) är en metod för att mäta den molekylära diffusionen i mikrostrukturen i biologisk vävnad. Denna information kan användas för att förutsäga var fibrerna i den vita substansen i hjärnan befinner sig och hur de är orienterade i den process som kallas traktografi. Analys av kartan över nervförbindelser kan ge meningsfull information om svårighetsgraden eller utvecklingen av neurodegenerativa sjukdomar som Alzheimers och möjliggöra tidiga insatser för att förhindra utvecklingen. Traktografi har dock sina fallgropar och nuvarande algoritmer för fiberspårning lider av att generera falska positiva anslutningar och påverkar de strukturella konnektivitetskartorna som förhindrar tillförlitliga förutsägelser. För att motverka denna nackdel har filtreringsmetoder för traktogram skapats för att ta bort de felaktigt förutsagda anslutningarna.  Denna studie syftar till att utvärdera effekterna av den nya semi-övervakade filtreringsmetoden FINTA på hjärnnätverk hos personer med lindrig kognitiv störning (eng. mild cognitive impairment, MCI) som föregår sjukdomar som Alzheimers. I de föreslagna experimenten används Python-biblioteket Nipype Neuroimaging för automatisering av hela processen. Registrering, parcellering och spårning gjordes med hjälp av MRtrix och FSL, dessutom användes DIPY och NiBabel för traktogrambehandling. Slutligen utfördes filtrering baserat på kod från författarna till FINTA och grafmått beräknades med hjälp av NetworkX Python-bibliotek. Experimenten utfördes på råa och viktade strukturella konnektivitetsmatriser. Resultaten tyder på att filtrering har en effekt på grafmått som klustringskoefficient och betweenness centrality för olika noder som motsvarar hjärnregioner.

Golf is a sport where the correct technical execution is important for performance and injury prevention. The existing feedback systems are often cumbersome and not readily available to recreational players. To address this issue, this thesis explores the potential of using 2D Human Pose Estimation as a mobile phone-based swing analysis tool. The developed system allows to identify three events in the swing movement (toe-up, top and impact) and to measure specific angles during these events by using an algorithmic approach. The system focuses on quantifying the knee flexion and primary spine angle during the address, and lateral bending at the top of the swing. By using only the wrist coordinates in the vertical direction, the developed system identified 37% of investigated events, independently of whether the swing was filmed in the frontal of sagittal frame. Within five frames, 95% of the events were correctly identified. Using additional joint coordinates and the event data obtained by the above-mentioned event identification algorithm, the knee flexion at address was correctly assessed in 66% of the cases, with a mean absolute error of 3.7°. The mean absolute error of the primary spine angle measurement at address was of 10.5°. The lateral bending angle was correctly identified in 87% ofthe videos. This system highlights the potential of using 2D Human Pose Estimation for swing analysis. This thesis primarily focused on exploring the feasibility of the approach and further research is needed to expand the system and improve its accuracy. This work serves as a foundation, providing valuable insights for future advancements in the field of 2D Human Pose Estimation-based swing analysis. / Golf är en sport där korrekt tekniskt utförande är avgörande för prestation och skadeförebyggelse. Feedbacksystem som finns är ofta besvärliga och inte lättillgängliga för fritidsspelare. För att åtgärda detta problem undersöker detta examensarbete potentialen att använda 2D mänsklig poseuppskattning som mobiltelefonsbaserat svinganalysverktyg. Det utvecklade systemet gör det möjligt att identifiera tre händelser i svingen (toe-up, top och impact) och att mäta specifika vinklar under dessa händelser genom en algoritmisk metod. Systemet fokuserar på att kvantifiera knäböjningen och primära ryggradsvinkeln under uppställningen, och laterala böjningen vid svingtoppen. Genom att endast använda handledskoordinater i vertikalriktning identifierade det utvecklade systemet 37% av de undersökta händelserna oavsett om svingen filmades från frontal- eller medianplanet. Inom fem bildrutor identifierades 95% av händelserna korrekt. Genom att använda ytterligare ledkoordinater och händelsedata som erhållits genom den tidigare nämnda algoritmen för händelseidentifiering, bedömdes knäböjningen vid uppställningen vara korrekt i 66% av fallen med en medelabsolutfel på 3.7°. Medelabsolutfelet för mätningen av primär ryggradsvinkel vid uppställningen var 10.5°. Laterala böjningen identifierades korrekt i 87% av tillfällena. Detta system belyser potentialen i 2D mänsklig poseuppskattning för svinganalys. Detta examensarbete fokuserade främst på att utforska tillvägagångssättets genomförbarhet och ytterligare forskning behövs för att utveckla systemet och förbättra dess noggrannhet. Detta arbete är grundläggande och ger värdefulla insikter för framtida forskning inom området för svinganalys baserad på 2D mänsklig poseuppskattning.

För närvarande utforskas quantum walk som en potentiell metod för att analysera medicinska bilder. Med inspiration från Gradys random walk-algoritm för bildbehandling har vi utvecklat en metod som bygger på de kvantmekaniska fördelar som quantum walk innehar för att detektera och segmentera medicinska bilder. Vidare har de segmenterade bilderna utvärderats utifrån klinisk relevans. Teoretiskt sett kan quantum walk-algoritmer erbjuda en mer effektiv metod för bildanalys inom medicin jämfört med traditionella metoder för bildsegmentering som exempelvis klassisk random walk, som inte bygger på kvantmekanik. Inom området finns omfattande potential för utveckling, och det är av yttersta vikt att fortsätta utforska och förbättra metoder. För närvarande kan det konstateras att det är en lång väg att vandra innan detta är något som kan appliceras i en klinisk miljö. / Currently, quantum walk is being explored as a potential method for analyzing medical images. Taking inspiration from Grady's random walk algorithm for image processing, we have developed an approach that leverages the quantum mechanical advantages inherent in quantum walk to detect and segment medical images. Furthermore, the segmented images have been evaluated in terms of clinical relevance. Theoretically, quantum walk algorithms have the potential to offer a more efficient method for medical image analysis compared to traditional methods of image segmentation, such as classical random walk, which do not rely on quantum mechanics. Within this field, there is significant potential for development, and it is of utmost importance to continue exploring and refining these methods. However, it should be noted that there is a long way to go before this becomes something that can be applied in a clinical environment.

Antal datortomografiundersökningar har ökat under flera år i Sverige tack vare tekniska utvecklingar och ökad tillgänglighet på sjukvård. Södertälje sjukhus röntgenavdelningen är i behov av att byta ut en utdaterad datortomograf (eng: Computed tomography, CT) och avdelningen för medicinsk teknik har föreslagit ett inköp av en CT med fotonräknande-detektor. Bilddata framställdes genom en fantomstudie för att påvisa förhållandet mellanstråldosparametern CTDIvol och kontrast-brus-förhållandet (CNR) hos CT-systemen: SOMATOM Drive och NAEOTOM Alpha. Den genererade datan påvisade att det finns en väsentlig skillnad i CNR-CTDIvol-förhållandet mellan SOMATOM Drive och NAEOTOM Alpha. Resultaten tydliggör att NAEOTOM Alpha kan producera bilder med betydligt mindre brus vid lägre stråldoser. Ett inköp av en fotonräknande detektor CT skulle kunna rättfärdigas utifrån bildkvalitéförbättringen som systemet kan erbjuda. / The number of computed tomography (CT) scans has increased during the past years in Sweden due to technical advancements and increased availability of healthcare. The x-ray department at Södertälje hospital is in need of replacing an outdated computed tomography and the departmentof clinical engineering has proposed a purchase of a photon-counting detector CT. Image data was produced through a phantom study to demonstrate the relationship between the parameter CTDIvol radiation dose and the contrast-to-noise ratio (CNR) of the CT systems: SOMATOM Drive and NAEOTOM Alpha. The generated data demonstrated that there is a substantial difference in the CNR-CTDIvol relationship between SOMATOM Drive and NAEOTOM Alpha. The results entail that NAEOTOM Alpha can produce images with considerably less noise at lower radiation doses. The purchase of a photon-counting CT could be justified by the improved image quality it can offer.

Today, movement measurements are made manually in healthcare using a goniometer. The measurements are often time-consuming and specially trained practitioners are needed, furthermore the readings are dependent on the practitioner's eye measurements. New technology has been introduced to make the same measurements using external sensors which have the disadvantage that they can be costly and space consuming. Recently, depth camera technology has introduced an alternative solution to make it more efficient for both patients and practitioners. The purpose of this study is to investigate whether Apple depth camera technology can replace current technology by being able to perform motion measurements with only one Ipad/Iphone with a built-in depth camera. For this, a prototype has been developed to be able to automatically calculate medically relevant angles by filming a person. Various motion measurements have been performed and the measurement results have been analysed. Apple depth camera has high precision in the measured values. However, a larger study needs to be performed in order to be able to determine whether Apple's depth camera could replace current technology. / Idag görs rörelsemätningar manuellt i vården med hjälp av en goniometer. Mätningarna är ofta tidskrävande och kräver utbildade utövare samt är beroende av utövarens ögonmått. Det har introducerats ny teknik för att göra samma mätningar med hjälp av externa sensorer, vilket har nackdelen att de kan vara kostsamma och utrymmeskrävande. På senare tid har djupkameratekniken introducerats som en alternativ lösning för att effektivisera för både patienter och vårdpersonal. Syftet med den här studien är att undersöka om Apples djupkamerateknik kan ersätta nuvarande teknik genom att kunna utföra rörelsemätningar med endast en Ipad/Iphone med inbyggd djupkamera. För detta har en prototyp utvecklats för att automatiskt kunna beräkna medicinskt relevanta vinklar genom att filma en person. Olika rörelsemätningar har sedan utförts och mätresultaten har analyserats. Resultaten av analysen visar att Apples djupkamera har hög precision i mätvärdena. Dock behöver en större undersökning utföras för att kunna konstatera om Apples djupkamera helt skulle kunna ersätta nuvarande teknik.

Idag görs rörelsemätningar manuellt i vården med hjälp av en goniometer. Mätningarna är ofta tidskrävande och kräver utbildade utövare samt är beroende av utövarens ögonmått. Det har introducerats ny teknik för att göra samma mätningar med hjälp av externa sensorer, vilket har nackdelen att de kan vara kostsamma och utrymmeskrävande. På senare tid har djupkameratekniken introducerats som en alternativ lösning för att effektivisera för både patienter och vårdpersonal. Syftet med den här studien är att undersöka om Apples djupkamerateknik kan ersätta nuvarande teknik genom att kunna utföra rörelsemätningar med endast en Ipad/Iphone med inbyggd djupkamera. För detta har en prototyp utvecklats för att automatiskt kunna beräkna medicinskt relevanta vinklar genom att filma en person. Olika rörelsemätningar har sedan utförts och mätresultaten har analyserats. Resultaten av analysen visar att Apples djupkamera har hög precision i mätvärdena. Dock behöver en större undersökning utföras för att kunna konstatera om Apples djupkamera helt skulle kunna ersätta nuvarande teknik. / Today, movement measurements are made manually in healthcare using a goniometer. The measurements are often time-consuming and specially trained practitioners are needed, furthermore the readings are dependent on the practitioner's eye measurements. New technology has been introduced to make the same measurements using external sensors which have the disadvantage that they can be costly and space consuming. Recently, depth camera technology has introduced an alternative solution to make it more efficient for both patients and practitioners. The purpose of this study is to investigate whether Apple depth camera technology can replace current technology by being able to perform motion measurements with only one Ipad/Iphone with a built-in depth camera. For this, a prototype has been developed to be able to automatically calculate medically relevant angles by filming a person. Various motion measurements have been performed and the measurement results have been analysed. Apple depth camera has high precision in the measured values. However, a larger study needs to be performed in order to be able to determine whether Apple's depth camera could replace current technology.

Gene editing techniques have been emerging rapidly through the years, and with this trend comes the great responsibility of making sure the edits are correct. One way to safeguard against mistakes in the edits is to measure gene editing efficiency. Countagen’s GeneAbacus does just that, it calculates the gene editing efficiency of CRISPR edits. A key aspect of the GeneAbacus workflow involves quantifying DNA microballs captured in fluorescence microscopy images. This thesis delves into novel image analysis pipelines aimed at optimizing this task. Six image processing techniques (Maximum Intensity Projection (MIP), white top hat transform, Contrast Limited Adaptive Histogram Equalisation (CLAHE), edge enhancement filter, Gaussian Blur, and unsharp masking) along with two object segmentation models (Segment Anything (SAM) and SAM for Microscopy (MicroSAM)) were implemented. They underwent evaluation in two stages: first, through an ablation study of the preprocessing techniques, and then by computing R2 values and log-log plot slopes on different datasets. The evaluation resulted in the selection of MicroSAM with white top hat transform, Gaussian blur and unsharp masking, yielding an average slope value of 0.698 and an average R2 value of 0.8724. / Genredigeringstekniker har vuxit fram snabbt genom åren, och med denna trend följer det stora ansvaret att se till att redigeringarna är korrekta. Ett sätt att skydda sig mot misstag i redigeringarna är att mäta effektiviteten i genredigering. Countagens GeneAbacus gör just det, den beräknar genredigeringseffektiviteten för CRISPR-redigeringar. En nyckelaspekt av GeneAbacus arbetsflöde involverar kvantifiering av DNA-mikrobollar som fångats i fluorescensmikroskopibilder. Detta examensarbete fördjupar sig i nya bildanalyspipelines som syftar till att optimera denna uppgift. Sex bildbehandlingstekniker (Maximum Intensity Projection (MIP), white top hat transform, CLAHE, edge enhancement filter, Gaussian Blur och osharp maskning) tillsammans med två objektsegmenteringsmodeller (Segment Anything (SAM) och SAM for Microscopy (MicroSAM)) implementerades. De genomgick utvärdering i två steg: först genom en ablationsstudie av förbehandlingsteknikerna och sedan genom att beräkna R2 värden och log-log-plottlutningar på olika datamängder. Utvärderingen resulterade i valet av MicroSAM med en white top hat transform, Gaussian Blur och osharp maskning, vilket gav ett genomsnittligt lutningvärde på 0,698 och ett genomsnittligt värde på R2 på 0,8724.

This thesis describes how a solution can be built to detect human flu-like symptoms. Flu-like symptoms are important to detect to prevent Covid-19 [6]. As people are returning to work there is a need for a simple way of detecting flu-like symptoms to prevent the spread of Covid-19. Other than a solution, this thesis concluded how human flu-like symptoms can be detected, with cameras specifically. This is to know what symptoms are most likely to work for a prototype. The technique of cameras and thermal cameras made this project possible as well as the technique of a single-board computer. The technique of cloud-based services is also an important part of this project. This project has resulted in a novel prototype using a single-board computer, cameras, and various cloud-based services to detect and inform a person if he or she has a human flu-like symptom.