Orvosi jel- és képfeldolgozás transzformációs módszerekkel

Bognár, Gergő

Orvosi jel- és képfeldolgozás transzformációs módszerekkel

Subject: Műszaki tudományok/Informatikai tudományok
Biomedical signal and image processing
ECG processing
Mathematical modelling
Hilbert-space approximation
Adaptive transformations
Rational systems
Numerical optimization
Classification
Segmentation
CT processing
Radon transform
Phantom models
Image quality measurement
No reference metrics
Noise modelling
CT simulation
Cluster analysis
Informatika D. I./Numerikus és szimbolikus számítások
Orvosi jel- és képfeldolgozás
EKG feldolgozás
Matematikai modellezés
Hilbert-térbeli approximáció
Adaptív transzformációs módszerek
Racionális rendszerek
Numerikus optimalizáció
Osztályozás
Szegmentálás
CT feldolgozás
Radon-transzformáció
Fantom modellek
Képminőségmérés
No reference metrikák
Zajmodellezés
CT szimuláció
Klaszterezés

URI: http://hdl.handle.net/10831/51261

Link to Library Catalogue: https://opac.elte.hu/Record/opac-EUL01-1046063

MTMT: 32478507

DOI: 10.15476/ELTE.2019.240

Abstract:

Értekezésem témája orvosi jel- és képfeldolgozási feladatok vizsgálata, ahol a célkitűzésem megbízható automatikus módszerek fejlesztése volt, matematikai modellezés, transzformációs módszerek felhasználásával.
Kifejlesztettem egy új, páciens-specifikus modellezésen alapuló EKG szívütés-osztályozási módszert, melynek teljesítménye meghaladja a korábbi eljárásokét. Kidolgoztam egy páciens-alapú pólusoptimalizációs eljárást a szívütések modellezésére, egy adaptív racionális transzformáció formájában. Javasoltam egy adaptív szegmentálási és kezdőpontválasztási stratégiát, az osztályozáshoz használt jellemzővektor kibővítését a rendszerparaméterekkel, és többféle osztályozási stratégia fúzióját.
Egy új, adaptív megközelítést javasoltam az EKG hullámformák modellezésére, szegmentálására és rekonstrukciójára. A kritikus pontok detektálására kifejlesztett módszer több szempontból, például a P-hullám helyének meghatározásában meghaladja a korábbi eljárások hatékonyságát. Kidolgozásra került a QRS komplexus racionális függvényeken alapuló geometriai modellje a kritikus pontok és diagnosztikai mennyiségek származtatásához. Vizsgáltam rekonstrukciós technikákat a jel diagnosztikai mennyiségekből történő visszaállításához. Ez egyúttal egy szívütés-szintetizáló módszert és egy alternatív pólusválasztási stratégiát eredményez. Végül kidolgoztam egy determinisztikus szegmentálási eljárást a szívütések hullámformákra bontására, és a kritikus pontok detektálására, mindezt egy erre a célra kialakított adaptív racionális transzformáción keresztül.
A racionális rendszerekkel történő approximáció problémakörét vizsgálva alkalmas felső korlátot adtam a pólusnagyság perturbációjára a megengedhető approximációs hiba függvényében. Az eredmény felhasználható az EKG jelfeldolgozási gyakorlatban a racionális transzformáció kezeléséhez, például az inverzpólusok kvantálására, és a pólusoptimalizálás vezérlésére.
Egy új metrikát fejlesztettem ki alacsony dózisú tüdő CT felvételek képminőségének objektív mérésére, valamint kialakítottam egy CT szimulációs környezetet egy alkalmas zajmodell adaptálásával, és egy új tüdőfantom konstrukciójával. A szimuláció CT képek szintetizálását teszi lehetővé fejlesztési célból, a javasolt metrika pedig alacsony és normál dózisú CT felvételek esetén is elfogadhatónak bizonyult.
Eredményeimet 9 tudományos közleményben publikáltam.

Abstract:

In this dissertation, I address some specific problems of biomedical signal and image processing. My motivations were to develop reliable automatic methods by means of mathematical modelling and transformation methods. I developed a novel ECG heartbeat classification method based on a patient-specific modelling of the heartbeats. The proposed method outperforms the previous ones. An adaptive rational transformation, a patient-based pole optimisation method is introduced for the modelling of the heartbeats. I introduced an adaptive segmentation and initial value selection method, extended the feature vector with the system parameters, and discussed multiple fusions for the classification. I suggested a novel modelling, segmentation, and reconstruction of the ECG waveforms. The proposed fiducial point detector method outperforms the previous ones with respect to the localization of the P wave. Geometric interpretation of the QRS complex is given based on rational model curves, in order to extract fiducial points and medical descriptors. I discussed reconstruction techniques to restore signals based on the medical descriptors. This concept serves as a heartbeat synthesizer and alternative pole identification method, as well. Finally, I developed a deterministic method to segment the ECG waveforms and to detect fiducial points, based on an adaptive rational transformation. Related to approximation problems with respect to rational systems, I gave a sufficient upper limit for the perturbation of the magnitude of the inverse poles, depending on the acceptable approximation error. These results may have a direct impact in ECG signal processing by means of rational transform. Namely, quantization of the inverse poles, and control conditions for the optimization can be provided. I introduced a novel image quality measurement method to characterize the objective quality of low dose human lung CT scans. In addition, I developed a CT simulation framework based on an adapted noise model and a newly constructed lung phantom. The proposed simulation technique allows the synthesization of CT images for testing reasons, and the proposed metric is found to be acceptable for both low and normal dose CT scans. The results were published in 9 scientific papers.

Show full item record