Thesis (M.A.) - Carleton University, 2005. / Includes bibliographical references (p. 48-52). Also available in electronic format on the Internet.

Les malformations artérioveineuses (MAV) cérébrales sont une pathologie rare et hétérogène dont l’imagerie est complexe du fait de leur caractère dynamique et la prise en charge controversée notamment du fait des risques liés aux traitements proposés.La première partie de cette thèse porte sur l’imagerie des MAVs, axée sur une nouvelle technique, l’angiographie en 4 dimensions. Initialement, nous avons étudié sa faisabilité et validé cette technique en la comparant à l’angiographie cérébrale conventionnelle. Puis nous l’avons comparé à une autre modalité dynamique, l’angiographie par résonance magnétique en 4 dimensions, dans l’analyse des caractéristiques angio-architecturales des MAVs. Enfin, nous avons utilisé cette technique comme aide au planning pré et peropératoire dans la chirurgie des micro-MAVs.La seconde partie de cette thèse porte sur la prise en charge des patients porteurs d’une MAV dans le cadre d’études cliniques. Face à l’absence de consensus et aux hétérogénéités des pratiques sur la prise en charge de cette pathologie, la réflexion de ce travail a été conduite en plusieurs temps : un état des lieux basé sur une revue systématique des critiques faites à un essai randomisé sur les MAVs non rompues ; puis la conception d’une nouvelle étude pragmatique en soins courant, randomisée et intégrant le jugement clinique du praticien et de l’équipe multidisciplinaire ; l’évaluation de l’applicabilité de cette conception aux différentes pratiques via l’interrogation des praticiens par questionnaires ; la mise en place de cette étude multicentrique internationale TOBAS (Treatment of Brain Arteriovenous Malformation) ; et enfin, l’analyse des résultats de la phase pilote montrant la faisabilité de l’étude. / Brain arteriovenous malformations (AVMs) are a rare and heterogeneous pathology. Imaging anAVM is complex because of their temporal dynamic feature. The management is controversial in particular due to the risks associated with the proposed treatments.The first part of this work is about imaging AVMs. We focused on a new technique, 4-Dimensional digital substraction angiography (4D DSA). Initially, we studied its feasibility and validated this technique in comparison with conventional cerebral angiography. Then we compared 4D DSA with another dynamic modality, 4-dimensional magnetic resonance angiography (4D MRA), in the analysis of angio-architectural characteristics of AVMs. Finally, we used this technique as a supplementary tool in the pre- and intraoperative planning of micro-AVM surgery.The second part deals with the management of AVMs patients in clinical studies. Given the lack of consensus, and the heterogeneity of practices in the management of this pathology, the conduct of this work was done in several stages: a systematic review and a critical analysis of a randomized trial recently published on unruptured brain AVMs; the design of a new pragmatic randomized trial incorporating the clinical judgment of the multidisciplinary team, the evaluation of the applicability of this design to the different practices using questionnaires; the implementation of this international multi-center study called TOBAS (Treatment of Brain Arteriovenous Malformation); and finally, the analysis of the pilot phase of the study.

This diploma thesis deals with separation of moving objects from static unchanging background in video sequence. In this thesis are described common method of separation and access using sparse signal representation. In the practical part of thesis was created video sequences, on which is verified the designed algorithm, implemented in Matlab, for obtaining background from damaged video frames and comparing this methods.

This diploma thesis deals with separation of moving objects from static unchanging background in video sequence. Thesis contains description of common method of separation and approach based sparse signal representation. In the practical part of thesis, there were created video sequences, which are used to verify designed algorithm implemented in Matlab interface, disegned to obtain separated background from damaged video frames.

Den vanligaste arbetsformen i matematikundervisningen är att använda sig av ett läromedel. Därav vårt syfte med denna studie, som är att analysera hur tals del-helhetsrelation behandlas i den inledande undervisningen av addition och subtraktion i de tre vanligaste förekommande läromedlen i Sverige. Utifrån delar av variationsteori har vi analyserat hur innehållet i läromedlen gör det möjligt för eleverna att se och använda sig av tals del-helhetsrelation samt vilka representationer som används i läromedlen för att synliggöra tals del-helhetsrelationer. Av resultatet framgår att det inte är givet att det läromedel som används tar upp de aspekter som forskning anser är kritiska för förståelsen av tals del-helhetsrelation samt användningen av del-helhetsrelationen i addition och subtraktion. Istället visar studien att det inte alltid är möjligt för eleverna att se och förstå del-helhetsrelationen genom de uppgifter som förekommer i läromedlen. Detta i sin tur kan leda till att eleverna istället lär sig att använda strategier som inte är generaliserbara och som också kan leda till svårigheter i matematik. Resultatet visar på att det är viktigt att lärare är medvetna om vilka aspekter som är kritiska i undervisningen, samt ser läromedlet som ett komplement till sin undervisning och inte som den viktigaste arbetsformen.

This thesis aims at proposing vehicle license plate detection and recognition algorithms, suitable for vehicle re-identification. Simple urban traffic analysis system is also proposed. Multiple stages of this system was developed and tested. Specifically - vehicle detection, license plate detection and recognition. Vehicle detection is based on background substraction method, which results in an average hit rate of ~92%. License plate detection is done by cascade classifiers and achieves an average hit rate of 81.92% and precision rate of 94.42%. License plate recognition based on Template matching results in an average precission rate of 60.55%. Therefore the new license plate recognition method based on license plate scanning using the sliding window principle and neural network recognition was introduced. Neural network achieves a precision rate of 64.47% for five input features. Low precision rate of neural network is caused by small amount of training sample for some specific license plate characters.