Consultant dc.contributor.advisor | Fridli, Sándor | |
Author dc.contributor.author | Bognár, Gergő | |
Availability Date dc.date.accessioned | 2021-11-05T13:55:14Z | |
Availability Date dc.date.available | 2021-11-05T13:55:14Z | |
Release dc.date.issued | 2019 | |
uri dc.identifier.uri | http://hdl.handle.net/10831/51261 | |
Abstract dc.description.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. | hu_HU |
Language dc.language | magyar | hu_HU |
Title dc.title | Orvosi jel- és képfeldolgozás transzformációs módszerekkel | hu_HU |
Type dc.type | doktori dolgozat | hu_HU |
Language dc.language.rfc3066 | hun | |
Language dc.language.rfc3066 | eng | |
Language dc.language.rfc3066 | hun | |
Rights dc.rights.holder | A doktori disszertációk szerzői jogvédelem alatt állnak, csak a szerzői jogok maradéktalan tiszteletben tartásával használhatók. | hu_HU |
Abstract in English dc.description.abstracteng | 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. | hu_HU |
Name of Committee Member (a title, degree) dc.description.commemb | Ligeti Péter (egyetemi docens, PhD, dr.habil.) | hu_HU |
Name of Committee Member (a title, degree) dc.description.commemb | Gát György (egyetemi tanár, Dsc) | hu_HU |
Name of Committee Member (a title, degree) dc.description.commemb | Kovács Attila (egyetemi docens, Phd, dr.habil.) | hu_HU |
Name of Committee Member (a title, degree) dc.description.commemb | Pap Margit (egyetemi docens, PhD, dr.habil.) | hu_HU |
Official reviewer (a title, degree) dc.description.reviewer | Csetverikov Dmitrij (egyetemi tanár, DSc) | hu_HU |
Official reviewer (a title, degree) dc.description.reviewer | Soumelidis Alexandros (tudományos főmunkatárs, kutató, PhD, dr.habil.) | hu_HU |
Scope dc.format.page | 151 | hu_HU |
Doi ID dc.identifier.doi | 10.15476/ELTE.2019.240 | |
MTMT ID dc.identifier.mtmt | 32478507 | |
Opac ID dc.identifier.opac | https://opac.elte.hu/Record/opac-EUL01-1046063 | |
Language dc.language.other | angol | hu_HU |
Language dc.language.other | magyar | hu_HU |
Discipline Discipline + dc.subject.discipline | Műszaki tudományok/Informatikai tudományok | hu_HU |
Keyword English dc.subject.en | Biomedical signal and image processing | hu_HU |
Keyword English dc.subject.en | ECG processing | hu_HU |
Keyword English dc.subject.en | Mathematical modelling | hu_HU |
Keyword English dc.subject.en | Hilbert-space approximation | hu_HU |
Keyword English dc.subject.en | Adaptive transformations | hu_HU |
Keyword English dc.subject.en | Rational systems | hu_HU |
Keyword English dc.subject.en | Numerical optimization | hu_HU |
Keyword English dc.subject.en | Classification | hu_HU |
Keyword English dc.subject.en | Segmentation | hu_HU |
Keyword English dc.subject.en | CT processing | hu_HU |
Keyword English dc.subject.en | Radon transform | hu_HU |
Keyword English dc.subject.en | Phantom models | hu_HU |
Keyword English dc.subject.en | Image quality measurement | hu_HU |
Keyword English dc.subject.en | No reference metrics | hu_HU |
Keyword English dc.subject.en | Noise modelling | hu_HU |
Keyword English dc.subject.en | CT simulation | hu_HU |
Keyword English dc.subject.en | Cluster analysis | hu_HU |
Graduate schools / programs dc.subject.prog | Informatika D. I./Numerikus és szimbolikus számítások | hu_HU |
Title in other languages dc.title.translated | Biomedical image and signal processing by means of transformation methods | hu_HU |
Class dc.type.genre | phd | hu_HU |
Type dc.type.resrep | Tudományos | hu_HU |
Author dc.contributor.inst | ELTE IK PHD/Informatika D. I. | hu_HU |
Goalkeeping Day dc.date.defended | 2020-02-24 | |
Keywords dc.subject.hu | Orvosi jel- és képfeldolgozás | hu_HU |
Keywords dc.subject.hu | EKG feldolgozás | hu_HU |
Keywords dc.subject.hu | Matematikai modellezés | hu_HU |
Keywords dc.subject.hu | Hilbert-térbeli approximáció | hu_HU |
Keywords dc.subject.hu | Adaptív transzformációs módszerek | hu_HU |
Keywords dc.subject.hu | Racionális rendszerek | hu_HU |
Keywords dc.subject.hu | Numerikus optimalizáció | hu_HU |
Keywords dc.subject.hu | Osztályozás | hu_HU |
Keywords dc.subject.hu | Szegmentálás | hu_HU |
Keywords dc.subject.hu | CT feldolgozás | hu_HU |
Keywords dc.subject.hu | Radon-transzformáció | hu_HU |
Keywords dc.subject.hu | Fantom modellek | hu_HU |
Keywords dc.subject.hu | Képminőségmérés | hu_HU |
Keywords dc.subject.hu | No reference metrikák | hu_HU |
Keywords dc.subject.hu | Zajmodellezés | hu_HU |
Keywords dc.subject.hu | CT szimuláció | hu_HU |
Keywords dc.subject.hu | Klaszterezés | hu_HU |
Chairman of the Evaluation Committee (a title, degree) dc.description.compres | Weisz Ferenc (egyetemi tanár, DSc) | hu_HU |
Type dc.type.type | doktori dolgozat | hu_HU |
Resolution dated dc.date.decreedate | 2020-03-12 | |
date of submission dc.date.presented | 2019-10-28 |