egészségügyi informatika - előadásvázlat3dmr.iit.bme.hu/edu/oi/oi.pdf · dr. vajda ferenc...
TRANSCRIPT
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Egészségügyi InformatikaÓravázlat
Dr. Vajda FerencBudapesti Műszaki és Gazdaságtudományi EgyetemIrányítástechnika és Informatika TanszékIB422/C(463)[email protected]
Dátum: 2007. október 18. oldal 1/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Tartalomjegyzék
1.Bevezetés az Orvosi Informatikába..............................................................................................................................41.1.Egészségügyi (orvosi) informatika fogalma........................................................................................................41.2.Fejlődése....................................................................................................................................................................41.3.Információ.................................................................................................................................................................51.4.Alapvető alkalmazások...........................................................................................................................................61.5.Érdekességek............................................................................................................................................................7
2.Képfeldolgozás................................................................................................................................................................82.1.Bevezetés...................................................................................................................................................................82.2.Látás...........................................................................................................................................................................82.3.Képkorrekció..........................................................................................................................................................112.4.Szegmentálás..........................................................................................................................................................122.5.Színes képek...........................................................................................................................................................142.6.Bináris képek..........................................................................................................................................................152.7.Restauráció..............................................................................................................................................................182.8.Orvosi felhasználás................................................................................................................................................192.9.3D modellezés........................................................................................................................................................222.10.Képi adatbázisok..................................................................................................................................................222.11.szubpixeles módszerek.......................................................................................................................................22
3.Robotika az orvostudomány szolgálatában..............................................................................................................233.1.Fogalmak.................................................................................................................................................................233.2.Alkalmazások az orvostudományban................................................................................................................233.3.Robotok felépítése..................................................................................................................................................243.4.Mikrorobotika........................................................................................................................................................26
4.Adattárolás....................................................................................................................................................................304.1.Általános.................................................................................................................................................................304.2.XML.........................................................................................................................................................................304.3.Adatbázisok............................................................................................................................................................33
5.Kommunikáció..............................................................................................................................................................365.1.Lehetőségek............................................................................................................................................................365.2.Vezetékes kommunikáció.....................................................................................................................................365.3.Mobil kommunikáció............................................................................................................................................375.4.Műholdas kommunikáció.....................................................................................................................................385.5.Kábel TV..................................................................................................................................................................395.6.Internet....................................................................................................................................................................39
6.Orvosi képalkotás.........................................................................................................................................................426.1.Ultrahang................................................................................................................................................................426.2.Radiológia...............................................................................................................................................................436.3.Számítógépes tomográfiára épülő eljárások......................................................................................................44
7.Egyéb alkalmazások.....................................................................................................................................................467.1.EKG..........................................................................................................................................................................467.2.EEG..........................................................................................................................................................................477.3.Egyéb alkalmazások..............................................................................................................................................49
8.Irodalom.........................................................................................................................................................................50
Dátum: 2007. október 18. oldal 2/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
ElőszóAz óravázlat elsősorban az előadó munkáját segítendő készült, így számos információt nem tartalmaz. A benne találtak nem minden esetben elegendőek a tananyag elsajátításához!
Dátum: 2007. október 18. oldal 3/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
1. Bevezetés az Orvosi InformatikábaOrvosi informatika (Medical Informatics) Egészségügyi informatika (Health Informatics)→
Egészségügy Informatika
egészségügyiinformatika
orvosiinformatika
1.1. Egészségügyi (orvosi) informatika fogalmaA számítógépek és az információk használatának tanulmányozása az egészségügyben és az orvostudományban.
„Az egészségügyi informatika a számítógépek, a kommunikáció, az informatika és az információs rendszerek alkalmazása az egészségügy minden területén - a betegellátásban, az egészségügyi képzésében, valamint az orvosi kutatásokban.” (MF Collen, MEDINFO '80, Tokyo)
„Az egészségügyi informatika a tudásnak és a technikának egy olyan fejlődő eleme, mely az információk szervezésével foglalkozik az orvosi kutatások, a képzés és a betegellátás támogatása érdekében…. Az egészségügyi informatika magában egyesíti az orvostudomány, valamint az információ-elmélet és számítástudomány számtalan technikai és tudományos elemét és olyan módszertant ad, mely lehetővé teszi az orvosi tudás jobb alkalmazását és ezáltal hozzájárul a jobb, eredményesebb betegellátáshoz.” (Amerikai Orvosszövetség – AAMC)
1.1.1. Az egészségügyi ellátás céljaA jó egészségi állapot biztosítása (prevenció és gyógyítás): keleti kultúrák- elsősorban megelőzés az egészségügyben használt adatok struktúrája és használata ezen nyugszik a cél csak megfelelő struktúrákon keresztül biztosítható
1.1.2. Tématerületek (Informatika – egészségügy interdiszciplina)Jel- (elektromos, akusztikai, stb.), ill. képfeldolgozás
Adattárolás, -keresés
Adatátvitel, kommunikáció
Adminisztráció, pénzügy, eü. gazdaságtan
Biostatisztika
Teljesítménymérés, minőségbiztosítás
1.2. FejlődéseÓkorban: szóbeli, tapasztalatok
Középkor vége: Nyomtatás
Jelenkori e-forradalom: multimédia és hálózatok
1.2.1. Egészségügyi információs rendszerek'60 – első számítógépek, kutatás: EKG, diagnosztika
Dátum: 2007. október 18. oldal 4/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
'70 – CT, adminisztráció, korai könyvtárrendszerek, kutatás: őrző-riasztó rendszerek
Eü. Reform I - Pénzügyi adatok elszámolási céllal
'80 – vizsgálati eredményközlés, ambuláns betegellátás, klinikai rendszerek és -adatbázisok, kutatás: Mesterséges intelligencia
Eü. Reform II - Klinikai Információs Rendszerek
'90 – integráció, kommunikáció
Eü. Reform III - Integrált egészségügyi hálózatok
'00 – standardizálás, interfészek, kódolás, minőségbiztosítás
1.2.2. Az új évezredMultimédia Elektronikus Kórtörténet
Teljes körű kórházi információsrendszerek
Otthonápolás monitorozással idős/utókezelt betegeknek
Betegellátás, mint kiskereskedés
tradicionális gyógyítás, preventív medicina, öngyógyszerezés, kuratív medicina: alapellátás szintjén “The Wellness Guardian”
1.2.3. Generációs szakadékMa keresünk, találunk; holnap szűrnek és alkalmaznak
Lassú fejlődés
1.3. Információjel: jelkészlet, jelsorozat.
jelentés: elemi közlés – nominális attribútum vagy fogalom-reláció-fogalom
1.3.1. Rendszerezés egészségügyi környezetbenJel
- numerikus
- analóg
- képi
- szöveges
1.3.2. Tartalom (rétegek)megfigyelés
értelmezés
…
osztályozás
1.3.3. Az információ feldolgozásanumerikus → decimális - bináris konverzió
analóg → A/D konverzió
Dátum: 2007. október 18. oldal 5/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
képi → képdigitalizálás
szöveges → ASCII kód konverzió
jelentés elveszik.
1.3.4. Képfeldolgozásképi adatbázisok (tárolás, visszakeresés, továbbítás: PACS- Picture Archiving and Communication System)
képminőség javítása (kontrasztosítás, fényesség, színtelítettség stb.)
mintafelismerés (kör vagy púposteve?)
intelligens képfeldolgozás (igazolható-e tüdőrák a mellkas-felvétel alapján?)
1.3.5. Szövegfeldolgozásszabad szöveg, elemzés nélkül(szövegszerkesztő) - jelentés elveszik, holt adat.
struktúrált adatbevitel
kódolt adatbevitel
természetes nyelvfeldolgozás
1.3.6. A számítógépes adatábrázolás következményeikis helyen nagy adatsűrűség
egyidejűleg több helyen hozzáférhető információ
szükségszerűen nagyobb rendezettség
többféle rendezési szempont szerint megjeleníthető információ
“dinamikusan” olvasható
1.4. Alapvető alkalmazások
1.4.1. TáblázatkezelőkAdatbázistáblák két dimenziós megjelenítése
· Külső belső hivatkozások
· számított mezők automatikus kiértékelése
· 2- ill. 3 dimenziós grafikai kiegészítő szolgáltatások
Rekordok: sorok; mezők: oszlopok
1.4.2. Szövegszerkesztők· nincs előre definiált adatstruktúra
· előre gyártott “konzerv szövegek” (auto-text)
· formátum (nyomtatási kép) lehetőségek
· helyesírási és nyelvi ellenőrzés
· más rendszerekben beépített szolgáltatásként használhatók
Dátum: 2007. október 18. oldal 6/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
1.5. Érdekességek
1.5.1. A század 10 legfontosabb népegészségügyi eredménye(Centers for Disease Control and Prevention in Atlanta)
1. Vaccinatio
2. A gépjárművek biztonsága
3. Munkahelyi biztonság
4. A fertőző betegségek kontrollja
5. A koronária betegségek és a stroke csökkenése
6. Biztonságos és egészséges táplálék
7. Anya- és csecsemővédelem
8. Családtervezés
9. Ivóvíz fluorizálása
10. A dohányzás egészségkárosító hatásának bizonyítása
1.5.2. Korunk XXI sz. sajátosságaiA világ legsikeresebb 100 vállalata értékesíti a javak több mint 20%-át és foglalkoztatja a munkaerő 0,5%-át.
A Shell gazdaságilag egyenlő Dél-Afrikával, a General Motors gazdaságilag egyenlő Argentínával, a Mitsubishi gazdaságilag kétszer akkora mint Hong Kong. A világ top 10 vállalatának értékesítési forgalma 1995-ben megegyezett 125 ország GDP-jével.
Az emberiség 2/3-a nem reménykedhet, hogy valaha is e globális cégeknél dolgozhat vagy, hogy megvásárolja ezek termékeit.
A számítógépek egyre több, korábban speciálisnak tekintett munkát is el tudnak már látni - fenyegetve ezzel a képzett szellemi munkások állásait. Amerika 500 legsikeresebb vállalatának 70%-a már használ Mesterséges Intelligencia alkalmazásokat.
A mostani az első olyan technológiai forradalom, amely nem párosul valamilyen társadalmi vízióval (pl. ipari forradalom: szabadság, egyenlőség, testvériség és a polgári liberalizmus kiépítése)
Korunk fiataljainak kérdései: A virtualitás milyen filozófiai, tudományos, gondolkozásbeli, életviteli változásokat hoz, mennyi idő kell, amíg a gépek előtt ülőket is programozni tudják? Az információ hatalom! Kinek a kezébe kerül, ki élhet vissza az emberek manipulálhatóságával? Mennyire lesz kötelező a fejlődés követése? Fogadjuk el vagy harcoljunk?…
Új társadalmi szakadékok: információ-szegények ill. információ-gazdagok, "átlagos dolgozók" ill. "tehetségesek", tömegkutatásban ill. elitképzésben részesülők.
Egyre kevesebb ember egyre többet dolgozik. Egyre kevésbé leszünk felkészülve a váratlan helyzetek kezelésére.
A legfontosabb lépés, hogy az adatból információ legyen, jó kérdés fél siker és bízni, hogy van válasz.
Egy lehetőség: a non-profit szektor megerősítése. Meg kell adóztatni a modern technológiákat és a befolyt összegeket az egészségügy, a kultúra, a nevelés és a szociális ügyek terén tevékenykedő civil szervezetek támogatására kell fordítani. (A globalizálódó gazdaság épp ezeken "spórol".)
Dátum: 2007. október 18. oldal 7/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
2. Képfeldolgozás
2.1. Bevezetés
2.1.1. A vizsgálatok céljaFelhasználás Mit mér PéldaObjektum felismerés Kontúrok, felületek, struktúrák vérsejtek szétválogatásaObjektum felmérés Méretek, kontúrok minőség ellenőrzésPozíció Térbeli helyzet robotkarok, szervekAdaptív folyamatszabályozás Folyamatváltozók varrás
2.1.2. Számítógépes képfeldolgozás – számítógépes grafikaTermészetes (analóg) kép feldolgozott (digitális) kép kép leíró adatbázis Generált (mesterséges) kép
2.1.3. Képfeldolgozás lépéseiKépbevitel Előfelolgozás Szegmentáció Lényeg kiemelés Felismerés és interpretáció
2.1.4. Terminológia− Mintatér, szürkeségi szint, felbontás, pixel
− Tulajdonságtér, lényegkiemelés
− Döntés
− Képjavítás
− Pontszerű, lokális és globális műveletek
− Két dimenziós képfeldolgozás
− Három dimenziós képfeldolgozás
− Látószög, nagyítás, mélységélesség, mélységi élesség
− Geometriai torzítás
2.2. Látás
2.2.1. A kép keletkezése
2.2.2. Az emberi látás390-760 nm
szemlencse recehártya (látógödör) kép átmérő: 0,3 mm
pálcikák: a látógödör közepén kívül, a recehártyán gyenge fény, FF kép. érzékeny 100-120 millió.
csapocskák: színek, elsősorban fovea., 6,5 millió
A szem felépítéseKívül:
Cornea
Elülső szemcsarnok
Sclera (ínhártya)
Dátum: 2007. október 18. oldal 8/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Középen (Uvea – érhordó):
Iris
corpus ciliare (sugártest)
fibrae zonulares (rostok)
Choroidea (érhártya)
Belül:
lencse
Üvegtest (corpus vitreum)
Retina (ideghártya)
fovea centralis (látógödör)
papilla nervi optici (vakfolt)
SzínérzékelésAdditív színképzés (RGB – piros, zöld, kék)
Subtratív színképzés (CMY – türkiz, bíbor, sárga)
AlapokRadiancia – kisugárzott energia
Luminancia – érzékelt energia
Fényesség – szubjektív fogalom – FF intenzitás
Emberi szem: RGB – CIE1931 primer színek (más is lehetne):
R=700 nm
G=546,1 nm
B=435,8 nm
primerek keveréke szekunder színek.
Általános leírásfényesség (intensity, brightness)
szín (hue) domináns frekvencia - kromacitás
telítettség (saturation) fehér tartalom - kromacitás
Kromacitás diagramDr. Ferenczy Pál: Videó és hangrendszerek.
RGB: tristimulus
XYZ: trikromatikus koefficiensek (x+y+z=1)
fényerő 62%G, 25%R, 13%B
diagram széle: spektrum színek
LátásObjektív, min 3 sajátosság
Dátum: 2007. október 18. oldal 9/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Színárnyalat (hue): hullámhossz függő. Nincs minden szín a spektrumban pl. bíbor: vörös+kék; különböző spektrális eloszlás ugyanolyannak látszhat.
világosság (intensity): energiasűrűség. Pl. barna=sárga, kisebb intenzitással.
telítettség (saturation): mekkora fehér összetevő. A spektrum színek monokromatikusak, tehát 100% telítettségűek.
Relatívérzékenység zöldnél (585 nm) legnagyobb (piros: 610, kék: 470)
Fehér fény színhőmérséklete: abszolút fekete test hőmérséklete, melynek sugárzása azonos spektrális összetételű (6500 K, 9300 K)
Kontrasztérzékelés (fekete fehér látás)kontraszt – logaritmikus egység
f 2− f 1
f 1=
f 3− f 2
f 2;
f 1− f 2
f 2− f 3} Azonos kontraszt érzet
Δff közel állandó (Weber-féle tört)
háttér jelentősen befolyásolja (ha eltér, míg a másik kettő hasonló)
Kontraszt küszöb az ugrásoknál lokálisan csökken (jobban látható)
Síkfrekvencia növekedése rontja a méret és irányérzékelést.
2.2.3. Alak és textúra
Makroszerkezet:folytonosság (sima), zártság, háttér leválasztás, szabálysértő alakzatok
Mikroszerkezet (textúra)
2.2.4. A kép fogalma
Mintavételezés, visszaállításK×L – K−1 ⋅Δx , L−1 ⋅Δy
KvantálásÁrnyalatok felbontása kvantumokra. Lineáris – nem lineáris (pl. bemenőjel sűrűségétől függ).
Kvantálási hiba, bizonyos szintekre kevesebb, máshova több jut.
Hiba (négyzetes) minimalizálása optimális kvantlás.
Optimális kvantáló döntési szintjei a kvantumszintek felezőpontjain helyezkednek el.
A kvantumszintek a sűrűségfüggvény darab (döntési szintek határolják) alatti terület súlypontja.
Pl. mindig felezni.
Ha egyenletes a sűrűségfüggvény egyenletes kvantálás optimális
Ahol több a világosságkód, sűrűbben kvantáljuk.
Színmélység / felbontás csökkentése:hasonló hatás (isopreferenciális görbék)
Dátum: 2007. október 18. oldal 10/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Fourier transzformáció (folytonos, diszkrét)Képfrekvenciák meghatározása (pl. mintavételi síkfrekvencia)
transzformált kép frekvenciában tartalmazza az eredetit
2.3. KépkorrekcióTorzítások, zajhatások
Emberi szemlélő, vagy további feldolgozás számára
2.3.1. Világosságkód-transzformációk
Hisztogramhisztogram táblázat (annyi elemű, ahány világosságkódok értékkészlete)
ábrázolás lépcsőfüggvény
χ ' qi=N qi - N pixelek száma adott világosságszinten
χ qi=c⋅N q i
N - c relatív gyakoriság
normalizált hisztogram, ha c=1 (Σ=1).
Skálázások
{Qb} , {Q k} qbm , qbM , qkm , qkM
teljes / sávzsugorító transzformáció (kontraszt kiemelés) / tetszés szerinti transzformáció (mon csökkenő: inverz, rétegszintes, lokális kontraszt kiemelés)
Képvágások (küszöbözés)
Hisztogram-transzformációkCél: a hisztogram előre meghatározott alakú legyen
összehasonlítás, eloszlás-független tulajdonságok analízise, utólagos eloszlásfüggő kvantálás (hisztogram-kiegyenlítés)
iterációs módszerek
2.3.2. Szűrés képtartománybanalapművelet (konvolúció):
f x , y ∗g x , y ⇔ F u ,v ⋅g u , v aluláteresztő szűrő (domb), felülátersztő szűrő (körbe völgy), sáváteresztő szűrő (völgy körül domb)
Pl. ideális, Butterworth, Exponenciális, trapézszűrő…
Mind kép, mind frekvenciatartományban.
Dátum: 2007. október 18. oldal 11/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Élkiemeléskettős cél: szubjektív érzet javítása, szegmentálás előkészítése.
általában lokális jellemzők alapján
Differenciaoperátor
Laplace operátor
Zajelnyomás
Átlagolás
19×∣1 1 1
1 1 11 1 1∣ … ablak súlya ne változzon!
Nemlineáris szűrők (medián)pl.:
∣10 20 2020 15 2020 25 100∣⇒∣10 ,15 ,20 ,20 , 20
medián,20 ,20 ,25 ,100∣
Példák…(pontszerű zajt szűr!)
Élesítő szűrők
19×∣−1 −1 −1−1 8 −1−1 −1 −1∣ – élkiemelés, súly 0.
19×∣−1 −1 −1−1 w −1−1 −1 −1∣ – high boost szűrő, ahol w=9A-1 (A>=1)
2.3.3. Szűrés frekvenciatartománybansima szűrő körbeforgatva a 0 tengely körül.
Alul-áteresztő szűrőhenger középen
Felül-áteresztő szűrőinverz
Homomorf szűrőf(x,y)lnFFTH(u,v)IFFTexpg(x,y)
emberi látás logaritmikus karakterisztikájának szűrése.
Kapcsolat a képtartománybeli szűrőkkel
2.4. SzegmentálásLépései (képpontok osztályozása, ponthalmazok keresése, osztály sajátosságok meghatározása)
Dátum: 2007. október 18. oldal 12/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
2.4.1. Régió alapú (szintek hasonlósága)
Küszöbözésobjektumok szintjei különbözőek. Hisztogramon egyértelműen elvágható.
Optimális: statisztikai módszerek.
Küszöbválasztás kontúr alapján: csak azokat a pontokat vizsgáljuk, melyek határátmenet környékén vannak (hisztogram nem függ a méretektől (nagyobb régió átfedése nagyobb)
Régió-növesztés
a, szegmentálás teljes: ∪i=1
nR i=R
b, a régiók pontjai kapcsolódnak
c, a régiók nem lapolna át: Ri∩R j=φ , minden i és j-re, ahol i ≠ j
d, azonos tulajdonságú pontok alkotják
e, a különböző régiók különböznek.
Régió növelésekitüntetett gyökérpontokból indul, ezek megválasztása kulcskérdés
Split&mergecél: ne kelljen gyökérpont.
Módszer:addig osztjuk ketté, míg abban minden pixel egy régióhoz nem tartozik.. Utána egyesítjük, ha több egy régióhoz tartozik.
K-means, Mean-shiftvektorok: színösszetevők (RGB, L*u*v*, L*a*b*), tér /idő koordináták, egyéb lényegi kiemelések
vektorok alapján klaszterezés – sűrűsödési pontok (hegycsúcsok) megkeresése, vektorok osztályozása
2.4.2. Kontúr alapú (Diszkontinuitás)gyors változás
Pontkeresésélkiemelő szűrő.
∣−1 −1 −12 2 2−1 −1 −1∣ : irányérzékeny
második derivált null-átmenete.
Gradiens jellegű operátorokkalSOBEL-operátor
∣−1 −2 −10 0 01 2 1 ∣ differenciál és szűr egyszerre
Laplace operátor
Dátum: 2007. október 18. oldal 13/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
∣ 0 −1 0−1 4 −10 −1 0 ∣
konvolúciós szűrők
Legjobb illesztés
ÉlkorrekcióGörbeillesztés (Hough-transzformáció)
Heurisztikus
Fogyasztás
2.5. Színes képek
Színérzet előállítása
Színes képek tárolása
Színmodellek (RGB, HLS, LAB)RGB – kocka átlójában szürkeárnyalatok (feketefehér), probléma: intenzitás moduláció, árnyék kiegyenlítés.
CMY – szekunder színmodell, türkiz felületet fehér fénnyel megvilágítva a pirost nem veri vissza, azaz kivonja a fehér fényből.
[CMY ]=[111 ]−[
RGB ]
YIQ – intenzitás (Y), két kromaciták – I,Q-ra kisebb sávszélesség! inhomogén színraszterezés. (NTSC) – YUV: PAL
[YIQ ]=[0 .299 0 .587 0.1140 .596 −0 .275 −0 .3210 .212 −0 .523 0.311 ][RGB ]
XYZ – Kromacita ábra (ld. feljebb)
[XYZ ]=[2 .769 1 .752 1.1301 .000 4.590 0 .0600 .000 0 .057 5.599 ][
RGB ]
HSI – hue, saturation intensity Emberi szem észlelési módjához kapcsolódik. I önálló, leválasztható a szín tulajdonságtól.
Konverzió:
I=0,3 R0,59G0,11 B
H=arctg R−IB−I
S=∣Dmin∣I
=pl .∣R− I∣
I
Dátum: 2007. október 18. oldal 14/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
2.6. Bináris képek
2.6.1. Geometriai jellemzők
Terület
A=∑∑ b x , y
több objektum: eredő
Pozíció
x=∑∑ x⋅b x , y
∑∑ b x , y
y=∑∑ y⋅b x , y
∑∑ b x , y
Orientációlegkisebb másodrendű nyomatékhoz tartozó tengely iránya
E=∑∑ r 2⋅b x , y minimalizálni (megkeresni a tengelyt, melyre minimum)
Átmegy a súlyponton
Vetületrajz 1 (sima vetület)
t
s
Bizonyítható: 3 vetület elég az orientáció meghatározására.
Ábra 0°, 45°, 90° vetülettel
Átmérő
Alaktényezőkdiszkrét geometria
távolság ponttól, szomszédság
Dátum: 2007. október 18. oldal 15/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
44 3 4
4 3 2 3 44 3 2 1 2 3 4
4 3 2 1 0 1 2 3 44 3 2 1 2 3 4
4 3 2 3 44 3 4
4
3 3 3 3 3 3 33 2 2 2 2 2 33 2 1 1 1 2 33 2 1 0 1 2 33 2 1 1 1 2 33 2 2 2 2 2 33 3 3 3 3 3 3
Szomszédság4/8 vagy 6 (hatszöges elrendezés, vagy kihagyni két átellenes sarkot)
2.6.2. Topológiai tulajdonságoklyukak száma
Euler szám
1 elem: +1, 1 lyuk: -1
két elemet keresünk:
0 0 0 10 1 1 1első: +1, másik -1
2.6.3. Futáshossz kódolásRun Length Encoding (rle)
Már digitalizálásnál: számláló
összefüggő „1” és „0” szakaszok hossza.
0 1 1 1 1 0 0 0 1 1 0 0 0 0[1, 4, 3, 2, 4]
− az első elem mindig 0
− sor vége speciális kód
Cél: geometriai jellemzők gyors meghatározása
Dátum: 2007. október 18. oldal 16/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Terület
01 1 2
1 1 1 31 1 1 1 1 5
1 1 1 1 1 1 61 1 1 1 1 1 1 1 8
1 1 1 1 1 1 1 1 81 1 1 1 1 1 1 7
1 1 1 30
páros szakaszok összege
Vetületvízszintes: fenti ábra
függőleges
+1 0 -1
+1 0 0 -1
+1 0 0 0 0 -1
+1 -1 +1 0 0 0 0 -1
+1 0 0 0 0 0 0 0 -1
+1 0 0 0 0 0 0 0 -1
+1 0 0 0 0 0 0 -1
+1 0 0 -1
0 +2 +1 +2 -1 0 +1 +1 0 -1 -3 -2 0 derivált0 2 3 5 4 4 5 6 6 5 2 0 0 vetület+1 ott, ahol 1 kezdődik, -1 oda, ahol 0
2.6.4. Matematikai morfológia
Dilatációminden pont helyett ponthalmaz
Erózióponthalmaz helyett pont
Nyitás, Zárásnyitás D+E
zárás: E+D
2.6.5. Szegmentálásmegvizsgálni, felette, balra „1”? Ha igen ugyanaz a szám. Ha nem új szám bevezetése. Ha különbözik, két régió olvasztása.
Dátum: 2007. október 18. oldal 17/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
2.6.6. ???Unió ( X∪Y ), metszet ( X∩Y )
2.7. Restauráció
2.7.1. Szűrésld. feljebb
A súly mindig 1!
-1 -1 -1
-1 9 -1
-1 -1 -1
0 -1 0
-1 5 -1
0 -1 0
1 -2 1
-2 5 -2
1 -2 1
18⋅¿
¿
1 1 1
1 0 1
1 1 1
19⋅¿
¿
1 1 1
1 1 1
1 1 1
116
⋅¿
¿
1 2 1
2 4 2
1 2 1
medián
ÉletlenségKonvolúció egy folttal dekonvolúció
Wiener szűrő: eredeti + visszaállított kép négyzetes hibájának minimalizálása
2.7.2. Geometriai korrekciók
Képfelvevő torzítkalibráció
Dátum: 2007. október 18. oldal 18/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Perspektív torzítás
Objektum és mérőeszköz elmozdulása
Objektum különböző nézetei közötti megfeleltetés
2.7.3. Lineáris geometriai korrekciók
p '=A⋅p
[x '
y ' ]=[a11 a12
a21 a22 ]⋅[ xy ]
[ x'
y '
1 ]=[a11 a12 a13a21 a22 a23
0 0 1 ]⋅[ xy1 ] - normált homogén koordináták
Léptékváltása12=a21=0
nagyítás
kicsinyítés
tükrözés
projekció
Nyírása11=a22=1
a12≠0 vagy a21≠0
Forgatás
[cosϕ sin ϕ 0−sin ϕ cosϕ 0
0 0 1 ]Eltolás
[1 0 a130 1 a23
0 0 1 ]Összetettszorzat, vigyázni a sorrendre (pl. eltolás + forgatás)
2.8. Orvosi felhasználásFilm nélküli radiológia.
Computed Radiography (CR)
Direct Radiography (DR)
Film Digitalization
Dátum: 2007. október 18. oldal 19/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Ultrahang
Nuclear Medicine
Angiográfia
Fluorszkópia
patológia
endoszkópia
bronchoszkópia
CT, MRI 12 bit (4096 árnyalat)
2.8.1. PACSPicture Archival and Communication System
digitalizálás, kommunikáció, tároló, terjesztés, megjelenítés, feldolgozás
80 db 256x256x2byte = 20 db 512x512x2 byte, 2 db 2kx2,5kx2byte
Archiválás
rövid lejáratú2-3 hónap után törölni,
hozzáférés 2sec CR képekhez, 10sec egy 20 képből álló CT-hez
tárolás RAID (Redundant Array of Inexpensive Disks)
20-256 GB
hosszú lejáratú20sec-5perc
tárolás streamer, nagy kazetták (Digital Linear Tape / DLT) DVD (Digital Versatile Disks) –4.7GB
20GB - 2TB
Megjelenítés2000*1500, 2500-2000
17’’
Display eszközök: (számjegyes, led…), CRT, LCD (TFT), LED, DMD (Digital Micromirror Array)
Hálózatokmegosztott adatok
teleradiológia – kommunikációs sebesség minőség
Minőségbiztosítás4 alrendszer:
Dátum: 2007. október 18. oldal 20/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Kép digitalizálási alrendszer
Kép kimeneti és megjelenítési alrendszer
Képi adatbázis és tárolási alrendszer.
Kommunikációs hálózati alrandeszer
2.8.2. DICOMDigital Imaging Communications in Medicine
Tömörítés
veszteségmentesreverzibilis, bitmegőrző
DPCM – Huffmann kódolás (ha gyakori párok, nem veszi figyelembe)
RLE
Lempel-Ziv karaktersorozatokra épül. Ha nincs sok ismétlődés, vyga kicsi a kép, nem túl jó.
Pl. (Huffmann)
„dbadacaabacabaab” (16 karakter)
standard kódolás:
a 00
b 01
c 10
d 11
11 01 00 11 00 10 00 00 01 00 10 00 01 00 00 01 (32 bit)
50% a, 25% b, 12,5% c, 12,5% d
a 0
b 10
c 110
d 111
111 10 0 111 0 110 0 0 10 0 110 0 10 0 0 10 (28 bit)
11110011 10110001 00110010 00100000 = F3 B1 32 20 = 243 177 50 32 (4 karakter)
karakterkészlethez (pl. nyelvhez rögzíthető)
képeknél: felette ill. a tőle balra eső átlagából kivonja a sajátját, s ez tárolja el. Nagyon gyakori a 0 körüli érték.
Adatvesztőirreverzibilis, bitvesztő
Aritmetikai (egyszerű átlagolás)
DCT (Diszkrét Koszinusz Transzformáció): hasonlít az FFT-re
JPEG (Joint Photographic Experts Group): 8x8DCT + Huffmann
Dátum: 2007. október 18. oldal 21/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Nagyobb terület átlag színe, kisebbé…
Foveálás lényeget átvinni
Karakterkészlet, Adat biztonság
2.9. 3D modellezésszerep: protézis, daganatok (pl. előműtét)
CT-MR adatok egyesítése
2.10. Képi adatbázisokKeresés
Lényeg kiemelés
jellemző vektor
Mozgóképes adatbázis
2.11. szubpixeles módszerekillesztés
sok pont átlagolás
Dátum: 2007. október 18. oldal 22/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
3. Robotika az orvostudomány szolgálatábanGépek ember munkáját (fizikai) segítik – pl. ék, csiga; gőzgép: ókori görögök kr. e.100-200
Robot (Isaac Asimov) közvetlen emberi beavatkozás nélkül is végzi, programozva.
Orvostudomány: Pontossági igény műtéteknél, kevés jó orvos, túl sok információ
Mikrorendszerek orvosi robotika nagy fejlődés
3.1. FogalmakRobot: programozható gép, mely képesek előre nem látott eseményekre reagálni, ill. manuálisan, vagy processzoros rendszerekkel távolról is vezérelhetőek.
3.1.1. Mikrorendszerek80-as évek mikroszintű manipulációk.
évtized vége: Mikrogépek (passzív alkatrészek), minden alapvető fontosságú részegységet miniatürizálnak (érzékelők, beavatkozók, jelfeldolgozó egységek…). teljes értékű mikrorendszerek
A makro-, és a mikrovilág robotjai között a különbség a munkatér és a műveletek nagyságrendje. (nm - cm)
Stabilitás, megbízhatóság: mikrorobot mérete „csak mini”
3.2. Alkalmazások az orvostudományban
3.2.1. Terápia, műtétek− Sebészi asszisztáció, robotizált asszisztensek, rutin műtéteknél, ortopédiai eljárásoknál
− Non/minimal-invazív műtétek
− Ritka műtétek távoli irányítással
− Gyógyszerészet: Gyógyszeradagolás a megfelelő helyre, mikrorobotokkal
− „karbantartás”: Érrögök tisztítása
3.2.2. Laboratóriumok− Robot rendszerek Laboratóriumok számára, teszt és különféle vizsgálatok segítésére
− Gyógyászati adagoló készülékek,
− Mikroműveletek: manipuláció szöveteken, sejteken
3.2.3. Védelem, diagnosztika− Személyes biztonság betegeknek, melyek könnyen elesnek, vagy más módon sértik meg magukat.
− Diagnosztikai, kezelői eszközök, orvosok, ápolók gyógyszerészek részére
− Ágyra installálható életjel és egyéb diagnosztikai modulok, melyek azonnal figyelmeztetik a személyzetet.
− Elmebajos, Alzheimer-kóros Betegek mozgásának és aktivitásának figyelése, védelem, figyelmeztetés…
3.2.4. Személyi kiszolgálás− Szállítás: (kórház/otthon-ba/ból, egyéb helyekre), lakáson belül, ágyból tólószékbe/vissza
− Otthon fekvő betegek ápolása (gyógyszer kiadagolása, vérnyomás mérés, …)
− Kórházi és otthon fekvő betegek tisztítása, mosdatása, ill. azokban való segítség
Dátum: 2007. október 18. oldal 23/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
− Öltözködés, testápolás (borotválkozás, mosdás, fogmosás, sminkelés) segítése
− Étel szállítás, segédkezés az etetésben és ital biztosítása
− Lakás, kórház takarítása, incontinentia esetén pelenka cserélése
− Ágynemű csere, fürdőszoba ellátása (lepedő, takaró, törülköző, WC papír, zsebkendő, személyes higiénia készlet)
3.3. Robotok felépítésefeladattól függ.
makrorendszerek ismert gépészeti struktúrák
mikrorendszerek új anyagtechnológiai elven működő erők
3.3.1. Makro rendszerek
2-3 szabadságfok Mobilis robotok
szállítás, 2D mozgás
pozicionálás (pl. lézer…)
6 szabadságfokteljes tér leírása
TTTRRR, …
Alap test + csukló, hagyományos tekercses motorok; léptető motorok nem igazán
Koordináta transzformációk: Mátrix alapú módszerek (már Asimov), operátor
bonyolult mechanikai egyenletek (dinamikus)
végpont szempontjából minden esetben elég.
− Műtéteknél stabil, biztos, de nem intelligens, nem jól reagál.
− Teleoperációk: távolról irányítva. Másik oldalon hasonló jellegű karok, orvos érezze, amit csinál: „Force feedback”
− Személyi védelem: hasonló okokból (eleső embert elkapni…)
− Gyógyszerészet: adagolás, elsősorban gépek robotika irányába halad (átprogramozhatóság)
− Személyi felhasználás jövő. Nehezen algoritmizálható. Az ember „okos”, ki tudja cselezni a gépet.
Sok szabadságfokredundáns
sok variáció, sokszor aRaRaRaRaR…, vagy aRRaRRaRRaRR…
bonyolult irányítási algoritmusok cél végpont, közben ne legyen probléma a kar többi részével
− Nehezen hozzáférhető helyek
− Non/minimál invazív műtétek. több szabadságfokműtő karok, endoszkóp(világítás, kamera), tágítókveszélyes helyek: hasnyálmirigy, aorta menti nyirokcsomók (hátulról kéne hozzáférni, de bordák, vastag izomkötegek…), középfül, agyalapi mirigy, katéter mikrorobotika
Dátum: 2007. október 18. oldal 24/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
3.3.2. MikrorendszerekRendkívüli változatosság
Makro-elvek nem működnek új technológiák
Zajok mértéke nagy.
Új anyagtechnológiai módszerek
Drótnélküli kapcsolat
guruló-, lépő-, kapaszkodó-, úszó-, ill. repülőmozgás
Miniatűr robotokmm-es tartomány
pl. csőrendszer felügyelete (anyahajó + felügyelő modul + művelet végző modul)
Mikrorobotokmikrométeres tartomány
ma legtöbb ilyen (ld később)
Nanorobotoknanométeres tartomány
mechanika egyáltalán nem működik
Biotechnológiák, enzimek végső funkció, molekuláris biológia, esetleg sejtek
Sejt alatti méretek
Enzimek működése, zár-kulcs rendszer
Technológia Feladat Molekuláris példamerevítők, tartó rudak, foglalatok
erő-átvitel, rögzítés mikrotubulus, cellulóz,ásványi szerkezetek
rugók, kötelek, drótok mechanikai feszültség továbbítása kollagénkapcsok, ragasztó részek összetartása, -kapcsolása molekulák közötti erőkszolenoidok, aktuátorok tárgyak mozgatása szerkezetüket változtató
fehérjék, aktin-miozinmotorok tengelyek forgatása bazális test (a csilló
motorja)hajtótengely forgatónyomaték átvitele baktérium ostora, csillóicsapágyazás mozgó alkatrészek megtámasztása molekulán belüli szigma-
kötésektartó edények folyadékok tárolása üregcsék (vezikulák)csövek folyadékok szállítása különféle csöves (tubuláris)
szerkezetekpumpák folyadékok mozgatása csillók, membránfehérjékszállítószalag részegységek szállítása a riboszómák felszínén
továbbítódó RNS-láncpillanatszorítók munkadarabok megfogása enzimek aktív centruma szerszámok munkadarabok megmunkálása fémtartalmú komplexek,
funkciós csoportokgépsorok eszközök építése enzimrendszerek,
riboszómák
Dátum: 2007. október 18. oldal 25/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
irányító rendszer programok tárolása és beolvasása génrendszer
Pl. LAC-operon (laktóz bontása)
Műanyag emésztő baktériumok (nem programozhatóak)
3.4. Mikrorobotikagyógyszeradagolás
sejt/génmanipulációk
3.4.1. Zavaró tényezőkPára: vízmolekula túl nagy
Környezet rezgései, ember járkálása…
Hőmérséklet: deformáció, mechanikai feszültségek
Súrlódás: akár előnyt is jelenthet
3.4.2. AnyagtechnológiaEnergia mozgás
− fény (elektromos energia, vagy hőenergia)
− elektrokémiai reakciók (elektromos energia)
− nukleáris reakciók (termoelektromos, hőenergia)
− elektromos ellenállás melegedése (hőenergia)
− részecskenyaláb-fűtés (hőenergia)
− Exoterm kémiai reakciók (hőenergia)
− Mechanikai súrlódás (hőenergia)
Metódus Hatékonyság Sebesség EnergiasűrűségElektromágneses magas gyors magasElektrosztatikus nagyon magas gyors alacsonyTermomechanikus nagyon magas közepes közepesHalmazállapot-váltó nagyon magas közepes magasPiezoelektromos nagyon magas gyors magasEmlékező fémek (SMA) alacsony közepes nagyon magasMagnetostriktív közepes gyors nagyon magasElektroreologikus közepes közepes közepesElektrohidrodinamikus közepes közepes alacsonyDiamágneses magas gyors magas
Elektromágnes, motorokleggyakoribb a makrorobotikában,
mikroban nem elég hatékony,
rosszul gyártható kis méretben
sérülékeny
Dátum: 2007. október 18. oldal 26/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Elektrosztatikagyors változások, töltések
jó hatékonyság nagyon kis távról
áramfelvétel kicsi
Piezoelektromos anyagok (kristály, kerámia)feszültség deformáció
kis elmozdulás
nagy sebesség
hajlító elemek (egyik oldalon rögzítve)
Nagy feszültség igény
Nagyon gyakran használt!
Ferroelektromosnagyobb deformáció
alacsony hiszterézis
gyors relaxáció
de: Nagyon erős hőmérsékletfüggés
Nagy térerőigény
Magnetostrikciómágneses tér deformáció
térigényes (elektromágnesek)
nagy teljesítmény felvétel
SMA (Shape Memory Alloy) – emlékező fémekáram hő deformáció lehülés vissza
nagyon lassú
kicsi hely
nagy erő
folyadékban hatékonyabb (nagy erők)
Elektroreológikus (Hidraulikus)Elektromos erőtér folyadék viszkozitása áramlása megváltozik
kis pontosság
Elektrohidrodinamikuspoláris folyadék + erős elektromos tér folyadék áramlás.
Nagy feszültség, is áram
Mozgó alkatrész nincs!
Dátum: 2007. október 18. oldal 27/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Mesterséges izmokfibrilláris szerkezetű szerves polimerek
kémiai ingerlés jelentős hossz-változás
Rezonáns aktuátorokSaját frekvencián gerjednek
nagy sebesség
jó hatásfok
nehéz előállítani
3.4.3. Példák
Laboratóriumi mikrosebészetszövetek elemzése
szövet manipuláció
rovar boncolás
Orvosi mikrosebészeti beavatkozásszemműtétek
agyműtétek
belső szervi műtétek
érsebészet
RAMS telerobotikai rendszerNASA-JPL, MicroDexterity Systems inc.
400cm3 területen 10um felbontás
kutatási célra, de szem, agyműtétek
force feedback
mikrosebészetimanipulációk: 50-100 um, 20-30 szoros nagyítás
gyengébb sebész is nagy pontosság, ügyesebb olyat is, ami amúgy lehetetlen.
6 DoF RRRRRR
ArtemisKarlsruhei Kutatóközpont
Telesebészet
MMI (MAN-Maschine Interface)
TCP/IP, UDP
Pozicionáló feladatokkutató laborokban
DNS-chip gyártás
adagolás
Dátum: 2007. október 18. oldal 28/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
DNS-csipDNS-szálak kapcsolódnak.
PCR (Polimeráz Láncreakció)
6-7 millió DNS-szál/cm2
komplementer
fotolitográfia
előny: egyedspecifikus gyógyszerek, „albetegség”-specifikus kezelés
Egyedi gyártás! MINISTER
Sejten belülgenetika
Elektrofiziológia, idegélettan
Enzimkinetika, transzportfolyamatok kutatása
Modern szövettan
Mikro-injektálás, pikoliter nagyságrendű adagolás
Szövetek szétválasztása, metszetkészítési eljárások
Sejtmembránon, illetve sejten belüli mikro-elektródás mérések (patchclamp, voltage-clamp…)
Szöveti mintákból sejtek leválasztása, transzportja, mikro-ablációs technikák
Sejtek mozgatása optikai csapdákkal (laser tweezers: lézer csipesz)
Sejtorganellumok mikrosebészete, lézeres vágás
Cell Robotic WorkstationINTRACEL
Invertált mikroszkópos munkaállomás (gépi vezérlésű manipulátorral és videó kamerával kiegészített mikroszkóp)
Lézer-csipesz automata funkciókkal (sejtek mozgatása, fényimpulhzushajtja a sejtet)
Lézer-olló 0,5 ∝m minimális vágási szélességgel
Sejt-válogató és mikroinjektor
MINISTERBME, IIT, 1995-
Felépítés, elv
alkalmazások…
Dátum: 2007. október 18. oldal 29/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
4. AdattárolásFájlok
• Szöveges fájlok (formázatlan, formázott)
• Álló és mozgóképek
• Hang fájlok
Strukturált adatok
• Táblázatkezelők
• Adatbázisok
• XML
4.1. Általános
4.1.1. A számítógépes adatábrázolás következményei· kis helyen nagy adatsűrűség
· egyidejűleg több helyen hozzáférhető információ
· szükségszerűen nagyobb rendezettség
· többféle rendezési szempont szerint megjeleníthető információ
· “dinamikusan” olvasható
4.1.2. Rendezett halmazAdatbázis File Rekordok Mezők
4.2. XMLAdattárolás, dokumentáció, adatcsere
EXtensible Markup Language ~ HTML (GML SGML ( HTML ) XML)→ → →
célja: adatok leírása
nincs előre definiált modell, struktúra (saját címkék)
4.2.1. Előnyei és hátrányai
ElőnyökEmber számára is olvasható szöveges formátum
Hierarchikus jellegű adatstruktúrák ábrázolására alkalmas: fák, listák, táblázatok, adattáblák
Szigorú szintaxis, szabványban rögzítve: hatékony elemzés és feldolgozás, áttekinthetőség
Nyílt szabvány (W3C ajánlás, 1998)
Platformfüggetlen szabvány (nem kompatibilis rendszerek között is használható)
A formátum önmagát dokumentálja: szerkezetét, mezőit tartalmazza (DTD, Schema kiegészítéssel)
Sok tapasztalat, bejáratott
Unicode támogatás
Dátum: 2007. október 18. oldal 30/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
HátrányokRedundáns, túl sok adat:nagy méret, nagy sávszélességigény jól tömöríthető!→
Nem alkalmas bináris adatok (kép, videó, hang) tárolására
Adatok nincsenek típusítva: csak szövegesek – nem lehet tudni, hogy szám, vagy más (XML Schema ill. XML 2.0).
Nem lehet a dokumentum egyes részeit módosítani.
Nem hierarchikus jellegű adatstruktúrák modellezésére alkalmatlan (megoldható, de nem támogatja)
4.2.2. Mire használható?● Adatcsere – Inkompatibilis rendszerek között (ld. odt, MS office, …), komplexitás csökkentése.
● Adatmegosztás - Szoftver és adatfüggetlenül lehet adatokat megosztani, hogy tetszőleges szoftver használhassa őket.
● Adattárolás – fájlban, vagy adatbázisban
● Új adatnyelvek – HTML után WML (Wireless Markup Language)
● Jövőben „minden” alkalmazás. (ld. Microsoft)
4.2.3. Szintaxis
<?xml version="1.0" encoding="ISO-8859-2"?><beteglista> ... <beteg felvétel="2006-11-18 11:04" azonosító="ZR137592"> <vezetéknév>Kovács L.</vezetéknév> <keresztnév>Géza</keresztnév> <született>1967-12-25</született> </beteg> <beteg felvétel="2006-11-18 11:31" azonosító="SQ283527"> <vezetéknév>Dr. Vancsicsákné Hódosfalvy</vezetéknév> <keresztnév>Rozália</keresztnév> <született>1951-10-23</született> </beteg> ...</beteglista>
Egymásba ágyazott elemek: nyitó/zárócímkék, case sensitive
attribútumok '...', "..." metainformációk (azonosító, módosítás időpontja stb.) Sok vita! Dokumentációnál egyértelmű. '.."..' vagy "..'.."üres elemek: <módosítva időpont="2006-11-19 19:27" /> ≡ <módosítva...></módosítva>nem lehet átfedés! <félkövér><dőlt>FONTOS!</dőlt></félkövér>elemtartalom, kevert tartalom, egyszerű tartalom, üres tartalom
gyökérelem – csak 1, de az mindenképp – fájl lényege
deklaráció (verzió: 1.0 (1.1), kódolás – utf8, iso-8859-2...)
Kis/nagybetű
fehérközök megörződ(het)nek (+crlf->lf)
entitás, karakter, &<kód>; (" ") (Щ Щ); (き き ) - saját definíció, hosszabb szöveg, akár teljes fájl
Dátum: 2007. október 18. oldal 31/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
<!--megjegyzés-->, <!-- <p>not necessary</p> --><?PI?>ha az adat: <alma> -> tag lenne <alma> -> < > ' " &vagy <![CDATA[ bármi ]]>
4.2.4. SémákDTD
Document Type Definition
Séma leírás, az adott XML formátum előírásai. SGML-ből származik
Egyszerű, sok mindent nem tud.
<!DOCTYPE beteglista SYSTEM "BetegLista.dtd">XML Schema
XSD – XML Schema Definition
Sokoldalú adattípus rendszer – megkötések
XML alapú
bonyolult az implementációja
4.1.4. XML kiterjesztések
● XPath, XPointer: hivatkozás az XML-en belüli komponensekre (pl.
„/beteglista/beteg[2]”, /beteglista/beteg[vezetéknév="Kovács"])
● Xlink, XML Base: hivatkozás külső XML dokumentumokra
● XQuery: lekérdezéseket lehet vele elvégezni az XML adatokon
● XML névterek: Több XML szabvány együttes kezelésének lehetősége
4.1.5. XML fájlok feldogozása
Adatok elemzése
SAX (Simple API for XML) soros feldolgozás
DOM (Document Object Model) hierarchikus egymásba ágyazott struktúra
XQuery
Adatok megjelenítése
XSL (Extensible Stylesheet Language) kiterjeszthető stílusleíró nyelv
<?xml-stylesheet type="text/xsl" href="transform.xsl"?>
CSS (Cascading Style Sheets) Lépcsőzetes stíluslapok
<?xml-stylesheet type="text/css" href="myStyleSheet.css"?>
4.2.5. TovábbiÁltalános: http://www.w3.org/
Dátum: 2007. október 18. oldal 32/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
XML: http://www.w3.org/XML/
XML 1.0: http://www.w3.org/TR/2006/REC-xml-20060816/
Oktatóanyagok: http://www.w3schools.com/
4.3. AdatbázisokAzonos minőségű (jellemzőjű), többnyire strukturált adatok tárolására, lekérdezésére és szerkesztésére
alkalmas szoftvereszközök.
Cél: az adatok megbízható, hosszú távon tartós (perzisztens) tárolása, és gyors visszakereshetőségének
biztosítása.
Fizikai adatbázis: hogyan tároljuk az adatokat
Logikai adatbázis: mit tárolunk – adatmodell
• tábla – egyszerű tábla (nem igazi modell) 1:1
• hierarchikus – fa szerű struktúra 1:N
• hálós – gráf struktúra N:M
• relációs – táblák (relációk) tulajdonságok a sorok, oszlopok értékek
• deduktív - logikailag leírt modellre épülő adatbázisrendszerek
• objektumorientált – tulajdonságokkal és képességekkel rendelkező objektumok, tartalmazás,
polimorfizmus
• dimenziós – többdimenziós hiperkockák, OLAP (On Line Analytical Processing)
változó, rögzített attribútumszámú adatbázisok
Adatbázis-kezelő: adatbázisokhoz való hozzáférést biztosító szoftveralkalmazás.
4.3.1. AdatmodellezésKülső modell: felhasználói programok
Fogalmi, logikai modell: adatbázis struktúra
Fizikai modell: fájlrendszer
4.3.2. Adatbázis kezelési funkcióka logikai modell megvalósítása (data definition languages)
adatok visszakeresése (query languages)
hozzáférés szabályzása (jogosultság)
egyidejű hozzáférés szabályzása (felülírás)
konzisztencia (integritás védelem)
adatvédelem: mentések, tranzakciók naplózása stb.
4.3.3. Relációs adatbázis-kezelőkDescartes szorzat, elemi egységekként kezelt entitásokat rendel egymás mellé, független koordináták
Alapműveletek
descartes szorzat – T1: V⊗K
Dátum: 2007. október 18. oldal 33/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
unió – T2 = V∪K
különbség – T3 = V-K
kiválasztás – T4 = σKeresztnév=Zoltán(T1)
vetítés – T5 = πVezetéknév(T1)
Vezetéknév Keresztnév T1: Vezetéknév Keresztnév T2: Unió T3: Különbség T4: Vezetéknév Keresztnév T5: Vezetéknév
Kovács Zoltán Kovács Zoltán Kovács Kovács Kovács Zoltán Kovács
Gábor Gábor Kovács Gábor Gábor Gábor Zoltán Kovács
Gábor Zoltán Zoltán Gábor
Gábor Gábor Gábor Gábor
Egyéb műveletekMetszet: X∩Y ≡ X-(X-Y)
Általános Unió: A(x,y) ⋈ B(y,z) ≡ πy(A⊗B)
Természetes illesztés: A(x,y) B(y,z) ≡ ⋈ σA.y=B.y(A B)⊗
Általános illesztés: tetszőleges oszlopok összeköthetők.
Példa:
P: betegazonosító betegnév D: betegségazonosító betegségnév H: betegazonosító betegségazonosító R: betegségnév
P:X23Z71 Kovács Zoltán D:E6WZ7R TBC P:S6W98E D:E6WZ7R TBC
P:S6W98E Szabó Gábor D:Q7ER63 arcüregpolip P:X23Z71 D:W246W2 gégerák
P:QE2WW4 Takács Péter D:W246W2 gégerák P:S6W98E D:W246W2
P:4IW2U7 Szűcs Zsolt D:273ZE8 oesophagitis P:4IW2U7 D:273ZE8
Kérdés: Szabó Gábor betegségei (R)
R = πbetegségnév(σP.betegnév=Szabó Gábor(P H D))⋈ ⋈
SQLStructured Query Language – MySQL, PostgreSQL, Oracle, MS SQL
Eredetileg IBM relációs adatbázisa, de 1986 Standardizálva.
SQL:2003 – XML kompatibilitás
SQL:2006 – XQuery-vel kombinálható
Adatkinyerés
Új adatok felvétele
Adatok törlése
Adatok módosítása
SELECT betegnév FROM P; πbetegnév(P)
Dátum: 2007. október 18. oldal 34/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
SELECT betegazonosító FROM P WHERE betegnév='Szabó Gábor'; πbetegazonosító(σbetegnév=Szabó Gábor(P))
SELECT betegségnév FROM P NATURAL JOIN H NATURAL JOIN D WHERE betegnév = 'Szabó Gábor';
DELETE FROM P WHERE betegnév='Szabó Gábor';
INSERT INTO P VALUES ( 'P:3W4RQF', 'Ács József' );
UPDATE P SET betegnév='Dr. Szabó Gábor' WHERE betegnév='Szabó Gábor';
speciális függvények (matematikai, szöveg, dátum...)
rendezés, csoportosítás, select in select
adatbázis, táblák létrehozása
felhasználók kezelése, hozzáférési jogok
konfliktuskezelés (tranzakciók, locking)
triggerek
saját függvények, view-k
XML importálás, exportálás, feldolgozás + XQuery
Dátum: 2007. október 18. oldal 35/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
5. Kommunikáció
Információújdonságok és tények valamiről / News or facts about something (Cookie monster, Sesame street)
új ismeretet/tényt hordoz (gépies ismételgetés nem információ); igaz (ami nem igaz az nem információ)
KommunikációInformáció kicserélése, áramlása / Exchanging information (Cookie monster, Sesame street)
Kommunikáció lépései− Az információ KÓDOLÁSA (a küldő oldalán)
− A kódok KÜLDÉSE és VÉTELE (csatornán keresztül)
− Az információ DEKÓDOLÁSA a kódból (vevő oldalán)
Kommunikáció Típusaionline – offline
point to point – broadcasted
human-human – human-machine – machine-machine
5.1. LehetőségekPSTN: Közüzemi telefon hálózatok
Mobil kommunikáció
Műholdas kommunikáció
Interaktív multimédia kábeltelevízión
LAN’s: Lokális hálózatok
WAN’s: Távoli hálózatok
Internet
Számítógépek közti adatcsere igényli a szabályozott standardizációt a kommunkációban, pl. ISO
5.2. Vezetékes kommunikációFrancis Bacon,1627, New Utopia (hosszú cső)
Alexander Graham Bell: 1876, Március 10., Boston, Massachusetts feltalálja
"Mr. Watson, come here, I want you!"
Dátum: 2007. október 18. oldal 36/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
PSTN (telefon)Koordináció – közvetlenül
Kórtörténeti adatok továbbítása – modem
Cukorbetegek telematikai gondozása – műszer betegnél, kórházi munkaállomás, klinikai adatbázis
ISDNDiagnózis felállítása kép transfer útján: Tele-radiológia
ATMKlinikai vizsgálatok nagy-felbontású videó-konferencia segítségével.
Szélessávú technológia – valós idejű hang, kép és adatátvitel LAN és WAN rendszereken
Az adatok digitális jelként továbbítódnak optikai kábeleken igen nagy sebességgel
Időosztásos többszörözésen alapul
5.3. Mobil kommunikációRádió hullámok: 10Hz-3000GHz
AM:
1879-1886 David Hughes, első mobil telefon hívás
1880 fotofon: napfény tükörre, az akusztikai hullámok mozgatják a tükröt, vevő oldalon parabolatükör, fókusz pontban fényérzékeny szelénium cella
1975 900MHz, Japán
csatorna: frekvencia pár (egy oda, egy vissza)
alacsony frekvencia: gyenge jel – gyenge, erős jel nagyon messze visz, ugyanz a csatorna nem használható
1983 TI: DSP GSM, TDMA
-1985/88: ahány ház, annyi szokás (országonként)
Dátum: 2007. október 18. oldal 37/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
1981 NMT első multinacionális
Európa- GSM: Új technológia, cellarendszerű, de teljesen digitális, a kor legjobb technológiáit tartalmazza, ISDN szerű, hogy annak vezeték nélküli része lehessen. – USA régi toldozása
1990- USA: TDMA (Time Division Multiple Access) – IS54
1991 DCS1800 (1800MHz)
USA GSM: DCS1900, de nagy kavar, mivel európai
1990-es évek közepe TDMACDMA
GPRSGeneral Packet Radio Service
Bluetoothvezeték nélküli adatátvitel közeli készülékek között
G3114kBit-2Mbit / sec adatátvitel
5.3.1. működés1km-50km (GSM max 10km)
minden cellában ugyanaz a frekvencia-készlet
5.3.2. FelhasználásEKG, hang továbbítása mentőautóból sürgősségi osztályra – adattovábbítás GSM útján
− Kábelnélküli kapcsolat
− Nagyteljesítményű rendszerelemek
− Központi kommunikációs kapcsolatot igényel
− Komplex intelligens hálózati igény az optimális “bolyongás”-ra
− Digitális kábelmentes telefonhálózat alapkövetelmény
− A digitális telefon optimálisan használja fel a szűk rádió f frekvencia-tartományt
− Érvényesüljenek a GSM nyújtotta előnyök
− Internet kapcsolat GSM útján lehetséges
Multimédia terminál telemedikális felhasználásra:
− nagykapacitású pc
− kommunikációs kapcsolatok (gsm + pcmcia board),orvosi műszer
− sd - sw, képátviteli rendszer mobil felhasználásra
5.4. Műholdas kommunikációNASA
1945 ötlet (Arthur C. Clarke)
80-as évek vége: TAT-8 optikai kábel az Atlanti óceánon jövő! (Műhold egyelőre megbízhatóbb, broadcast üzenetekre jobb)
Dátum: 2007. október 18. oldal 38/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
5.4.1. LEOLow Earth Orbits
PCS – Personal Communications System: mindenki magával hordja a telefonját, hang/adatátvitel akárhol.
Legismertebb: Iridium – 66 műhold (eredetileg 77 lett volna, s a 66-os rendszer neve Dysprosium).1998-ra kellett kiépülnie. 3mrd dollár. csőd, potom áron eladták. (GSM terjedése)
Globalstar, számos kicsi
A problémák elsősorban nem technikaiak, hanem politikai, társadalmi…
5.4.2. PéldákNemzeti referencia központok, orvosi könyvtárak, egyetemi klinikák, kutató központok
A globális kommunikáció fontos eleme
A műholdas kapcsolat tartalmazza:
Geostacioner műholdak rendszere
Pont-pont kapcsolatú fix rádiós műholdak
Rendkívül szűk nyílású végpontok
Direkt rádiós műholdak
Mobil és személyi kommunikációra fejlesztett műholdak
Alacsony orbitális műholdak
5.5. Kábel TVHang, kép adat
Kábel TV hálózat megvalósítása, mint Hybrid-Szál-Koax topológia
Alkalmas rádió és kétcsatornás multimédia kapcsolatra
Dekóder egység a felhasználó lakásában, egy interfész az analóg egység és a kétszálas szélessávú modem között rákapcsolva a hálózati kábelre
Minden szolgáltatás a kábel TV hálózaton:
Videó igény szerint, Telefon kiszolgáló, Szélessávú Internet kapcsolat
5.6. InternetHálózatok hálózata – hálózatok között átjárás
5.6.1. TörténetARPANet, Advanced Research Projects Agency (ARPA: USA kormányszerv), 1969
eredeti cél: egyetemek közti kommunikáció
üzenetek nem csak egy útvonalon érkezhetnek (valahol valami megszakad – katasztrófa/támadás nincs gond, rendszer üzemképes)
5.6.2. Internet manyilvános, kooperatív, önfenntartó szolgáltatás
emberek 100 millói
Összes nyilvános kommunikációs eszközt használja (mobil, műhold, pstn)
Dátum: 2007. október 18. oldal 39/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Email gyakorlatilag kiszorította a postai levelezést
Telefonálás, videokonferencia
World Wide Web – HTML (Hyper-Text Mark-up Language)
5.6.3. E-mailInternet forgalmának nagy része (nem adatok, hanem)
off-line, de néhány másodperc (levelező programtól függően percek is lehetnek; GRAVIS 19962000)
pont-pont, de több helyre is elküldhető
adatok: egyszerű szöveg (ASCII), formázott szöveg (HTML), voice- vagy video-mail, csatolt adatok (tetszőleges: bináris, kép, hang…)
Listák: aki fel van iratkozva, megkapja; aki küldi, nem tudja kinek www.liszt.com
5.6.4. News Groupshírcsoport – üzenetek hozzászólások konkrét témában.
News szerverre UseNET többi szerver
Fő témák: alt (alteration), soc (society), sci (science), hun (hungarian), comp (computers)…
létező csoportba / új létrehozása
Moderált / nem moderált
Off topic
5.6.5. Online Chattársalgás azokkal, akik egy-időben használják a WEB-et.
begépelt üzenetek
csoportos (aki belép látja) – privát (két/több fél között)
csoportos társalgás adott témában
IRC (Internet Relay Chat) protokoll: #magyar, #csevej
Akár hang/kép is
5.6.6. Telefon over IPtávolsági hívás helyi hívás díjáért
FAX
Hangüzenet E-mail mellett.
Hangkártya, Modem, hangszóró
5.6.7. Videó over IPNagy sávszélesség igény gyenge minőség
− Online pont-pont video-konferencia (inkább nagy sávszélességű telefon vonalon, komoly tömörítés)
− élő broadcasted (sugárzott) egy irányú hang/kép
− interaktív audio/video archivum (letölteni fájlt, majd gyors gépen lejátszani – offline)
Dátum: 2007. október 18. oldal 40/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
5.6.8. Ember-gépemberek szgépek erőforrásait használják (programok futtatása)
Adatok letöltése (szöveg kép hang)
Szervertől kérjük az adatot
Rendszergazda előzőleg engedélyt ad
5.6.9. FogalmakISO/OSI
protokollok
Kliens/szerver architektúra
TCP/IP
DNS
URL/URI
5.6.10. SSL/SSHmás számítógéphez hozzáférés
olyan jogok, mintha előtte ülnénk (pl. programok futtatása)
ssh account@URL biztonsági kérdések, jelszó / public key
5.6.11. FTP/SCPFile Transfer Protocoll / Secure Copy Protocoll számítógépek közötti fájlcsere
ftp URL account, jelszó
scp fájlnév célnév (pl. scp myfile account@URL:yourfolder)
Fájlszerver
FTP UNIX/DOS ASCII!!!, bin, ascii; (m)put, (m)get
5.6.12. World Wide WebAz Internet minden olyan felhasználása, ahol az alkalmazott protokoll a HTTP (Hypertext Transfer Protocol).
Tim Berners-Lee (kifejlesztő): „The World Wide Web is the universe of network-accessible information, an embodiment of human knowledge.”
HTML (Hypertext Markup Language) egy szimbólum- és kódgyűjtemény („markup”). A markup mondja meg a böngészőnek, hogy hogyan kell megjelenítenie az oldalon levő szavakat, képeket.
URL alapján keresünk
HTML/WML: szövegként beírható példa / szerkesztő
WEB tárhely többnyire fizetős, de sok ingyenes (reklámért cserébe)
Dátum: 2007. október 18. oldal 41/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
6. Orvosi képalkotásKizárólag számítógéppel
Olyan fizikai elven működik, mely közvetlenül képet alkot, vagy igen nagy számítást igényel.
A számítógép alkalmazásai− Mérésekből kép alkotása
− …?
− Kép bemutatása
− Kép minőségének javítása képfeldolgozási módszerekkel
− képek tárolása és előhozása
SugárzásokSugárzások (többnyire EM) által alkottatik.
Megjelenítés hordozón (film), vagy számítógépen. Spektrumok megváltoztathatóak.
− Kis frekvencia 300 kHz
− Közép frekvencia 3 MHz
− Nagy frekvencia 30 MHz – Mágneses rezonancia képalkotás (MR)
− Extra nagy frekvencia 300GHz
− Infravörös 300 THz
− Látható fény 750 THz – endoszkópia
− Ultraibolya 3*10^4 THz – Fluoreszcens technikák
− Röntgen 3*10^6 THz – Radiográfia (Röntgen)
− Gamma 3*10^8 THz – Scintigráfia (CT)
− Kozmikus sugárzások 3*10^10 THz
EljárásokRutin képalkotás: Ultrahang, CT, MRI
Funkcionális képalkotás: fMRI, SPECT, PET
6.1. UltrahangPiezoelektromos kristályokkal
2-10MHz (emberi hallás max 20 kHz)
~ radar
visszaérkezés ideje, felületek határáról
6.1.1. A-mód (Amplitúdó)egy dimenziós, idő – amplitúdó függvény
6.1.2. M-mód (motion)/ B-mód (Brightness)egy dimenziós, idő – amplitúdó függvény, de amplitúdó – fényesség
Dátum: 2007. október 18. oldal 42/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
másik tengely időbeli változás (egy impulzus egy sor)
6.1.3. C-Scana nem merőleges felületeknél előzőek nem jók.
Itt a kristály mozgatható, forgatható. Végigköveti a felületet. Egész biztos talál merőlegeset, nagy amplitúdóval.
Jó, de lassú (néhány másodperc)
6.1.4. Sector Scanvonal mentén, vagy egy pontból 2D kép. Lehet pl. 100 kristály, egyesével aktiválva.
Sokszor számítógépen keresztül képjavítva.
Spec. B-mód
6.1.5. 3D- 4D-scanKevésbé informatív, inkább látványos
Elsősorban terhesgondozás
4D: 3D + idő (3D videóra)
6.1.6. Doppler effektusFolyadékok sebességének mérése. Ha közeledik nagyobb frekvencia, ha távolodik kisebb.
A frekvenciában való eltolódás egyenesen arányos az eredeti frekvenciával, és az objektum sebességével (mint pl. sebesség mérés a kocsiknál)
Távolság nem mérhető
6.1.7. Ultrahang előnyeinincs káros hatás terhes nők, fiatal gyermekek
szív funkciók vizsgálata,
agyi vizsgálatok
szem vizsgálatok
tumorok és ciszták érzékelése.
6.2. Radiológia1895 Röntgen növekvő ütemben orvosi diagnosztika. (eleinte sarlatánok terápia: röggönyözés)
Előadás nem kronológiai sorrend, hanem egyszerűbb módszerektől (pl.Digital Subtraction Angiography - DSA), bonyolultak felé (Computed Tomography - CT). Bár a Mágneses Rezonancia (MR) nem röngten sugarakon alapszik azt is itt tárgyaljuk, az elve miatt.
6.2.1. Röntgen sugár képalkotásaRöntgen sugár: Röntgen sugárcső. betegre fluoreszkáló detektor, mely látható fényt bocsát ki film/képernyő
Különféle anyagok elnyelő képessége változó. Pl. tüdő alig, míg csont nagyon. Rendkívül nagy kontraszt, kis változásokra, ezüst film nem elég érzékeny. Kép erősítő segítségével elektromos jellé alakítható, majd az elektronok egy újabb fluoreszkáló felülten képet alkotva könnyen felvehető.
Dátum: 2007. október 18. oldal 43/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Foszfor lapon is tárolható, mely lézerszkennerrel olvasható. A sugár közvetlenül megfigyelhető. Computed radiology
Film is olvasható lézer film-digitalizálóval. Előző plusz ez: árnyékképek, shadow images.
6.2.2. DSAErek, vénák: kontraszt anyagok (jód származékok elnyelik a sugarakat). Csontok miatt nem látszik a lényeg (szem gyenge, 3%-os eltérést nem vesz észre)
Kép kontraszt anyag nélkül, majd vel. Kivonják a két képet egymásból, maradnak az erek. Kontraszt kiemelés Rajz.
Mozgás ront rajta. Programmal javítható (elmozgatás). Legjobb képek a kontraszt anyag után, de akkor még helyek, ahol nincs. akkor az első rossz. Számítógéppel teljes érhálózatok
6.3. Számítógépes tomográfiára épülő eljárásokSzervek valós geometriai eloszlása.
Egymás mögött lévő dolgok korábbinál összemosódnak.
Más módszereknél több kép különböző szögből, s a gyakorlott orvos tudja az infót, mely neki kell.
CT egy emberi szelet valós 2D modellje. 1971 Hounsfield, Nobel díj
6.3.1. Radiológia – CT (Computed Tomography)Gamma sugárzás
4 generáció
1. egy cső 1 detektor
2. detektor sor
3. elég nagy detektor, hogy mozgatni ne kelljen, csak forgatni
4. generáció 360° fok detektor, csak cső mozog
1 m kevesebb, mint 1 perc
szeletek 3D (pl Mimix) – orthopédia, agyműtétek, csont protézisek.
6.3.2. Nukleáris medicina – SPECT, PET SPECT (single photon emission computer tomography) – egyedi radioaktív izotópok -> gamma sugarak
míg a fokozottan működő neuronpopulációkban aktívabb az anyagcsere és a vérkeringés, addig ennek ellenkezője igaz a sérült agyterületeken.
PET, PET/CT
rövid felezési idejű radioaktív izotóp
nyomjelző anyag
injekció, kapszula
6.3.3. MRIEM: test alapból nem mágneses, de a részecskéknek vannak spinjei, melyek kis mágnesek. A proton (hidrogén) össze-vissza mágneses, ezért nem az.
Erős mágneses térben azonban iránytűszerűek.+ hőenergia. (0 K egy irányba állnának)
Dátum: 2007. október 18. oldal 44/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Így kevés áll (0.1 Tesla esetén 10^6 ból 1). 1 ml víz 3*10^22 molekula 10^17 darab párhuzamos a mágneses térrel. mágnesesség.
Ha egy külső mágneses tér mellett EM pulzálást adunk rá egy saját frekvencián sokkal jobban reagálnak a különféle izotópok. Ez a frekvencia a Larmor frekvencia (más-más izotópnál más) – 2-50MHz @1Tesla.
Kép alkotása: Larmor frekvencián gerjeszteni, s megvizsgálni egyszerre csak a Hidrogén koncentrátumot…
6.3.4. Egyéb 3D képalkotó eljárásokTransmission electron microscopy (TEM) „elektron tomográfia” 3D kép – mikorszkópikus méretek
Ultraszonográfia: 3D-4D ultrahang
6.3.5. SugárterhelésekPET: 5-10mCi (curie)
CT: 5-10mSv (sievert)
Röntgen: 1-5mSv – felvételtől függ
Természetes sugárzás: 1.8 mSv/év + 0.4mSv/év egyéb (pl. orvosi röntgen)
Veszélyes dózisok:>2 Sv, maradandó károsodás
>4-4,5 Sv, félhalálos (az emberek kb. fele belehal)
>6-10 Sv halálos
ElőírásokFoglalkozási korlát: 5 év alatt max 100 mSv, de egy évben max 50 mSv
Lakossági korlát: 5 év alatt max 5 mSv
Dátum: 2007. október 18. oldal 45/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
7. Egyéb alkalmazások
7.1. EKGElektrokardiogram
Testnedv: jó vezető testfelszín: potenciál ingadozások (szívizomrostok akciós potenciáljainak összege)
regisztrátum: EKG.
7.1.1. Szív működésesystole (összehúzódás): pitvarsystole kamrasystole
cardialis ingervezető rendszer: SA-csomó (sinoatrialis) internodalis pályák AV-csomó(atrioventrikularis) His-köteg Purkinje rostok
Mind kisülhet, de SA legelőbb (cardialis pacemaker)
7.1.2. EKG felépítéseTérfogati vezető (vezetés térben oszlik meg), egyenlő oldalú háromszög, középpontban áramforrás: pot .összeg 0 Einthoven-háromszög: két kar, láb
0 0,2 0,4 0,6 s
Unipoláris elvezetésekV1-6, aVR, aVL, aVF (erősített végtagelvezetések)
aVR=VR−VLVF2
⇒ aVR= 32
VR : másik két jellel erősítve, hibajavítás, nincs plusz semmi (csak
számítás).
Bipoláris elvezetésekI, II, III
korábbi
két végtag közötti potenciálkülönbség
7.1.3. Szívvektorszívvektor
Dátum: 2007. október 18. oldal 46/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
QRS-átlagvektor
-30..+110 °
Vektorkardiográfiaszívciklus folyamán való vektor változása.
7.1.4. HIS-köteg elektrogram (HBE)katéter vénán át jobb szívfélbe
7.1.5. Holter-monitorkis méretű hordozható EKG regisztráló
arrythmiák mérése
7.1.6. ArrythmiákNSR: Normális sinusritmus: SA csomóból, 70/perc
bradycardia: szívfrekvencia lelassul. (pl. alvás)
tachykardia: felgyorsul
belégzés felgyorsul, kilégzés lelassul.
színuszcsomó betegség: szédülés, ájulás, bradycardia
AV csomó: ritmuskeltés, ismétlődő kisülés
korai pitvarikontrakció (pitvari extrasystole)
pitvari tachykardia: 160-220/perc
pitvari lebegés: 220-350/perc
pitvarfibrilláció: >350/perc
7.1.7. Adatátviteltömörítés
7.2. EEGElektroenkefalogram
Agyról elvezethető potenciálváltozás, agy felszínén (Elektrokortikogram), vagy agyban
bipoláris (két kérgi), unipoláris (indifferens ponthoz viszonyítva)
7.2.1. Agyi tevékenység összetevői
Alfa-ritmussemmire sem összpontosítva, csukott szem
Dátum: 2007. október 18. oldal 47/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
8-12/s, 50uV
Béta-ritmus18-30/s
Téta-ritmus4-7/s
Delta-ritmus<4/s
7.2.2. Aktivitás változásaiÉletkor: nyugalmi állapot - gyermeknél 0,5-2/s majd freki növekszik
Alfa freki csökkenése: alacsony vércukorszint, alacsony hőmérséklet, glukokortikoid hormonok (mellékvese) alacsony szintje, magas artériás CO2 parciális nyomás (ez ki is használható)
7.2.3. Alfa blokkAlfa mintázat megszűnése: szenzoros ingerlés, szellemi koncentráció
domináns frekvencia nélküli kis feszültségű aktivitás.
7.2.4. AlvásREM (Rapid eye movement) non-REM (lassú hullámú)
Elalváskor alacsony amplitúdó, nagy frekvencia nagy amplitutó, kis frekvencia
REM: lassú hullámokat felváltja egy-egy gyors, alacsony fesz, szabálytalan – hasonló az ébrenléthez, de csak szem remegés
REM-ből felébresztettek álmodtak, nem REM-ből: nem
Ha rendszeresen REM-ből felébresztés: szorongó, ingerlékeny; vége: több paradox alvás álmodás szükséges mentális egészséghez. (állatokban is). A REM elvonásnak nincs hosszútávon káros hatása.
Periodikus kb. 90 perc, REM kb. 25%, éjszaka vége felé inkább REM
Zavarokalvajárás, ágybavizelés: lassú hullámú alvás alatt
alvajárás: főleg gyerek, főleg fiú, néhány perc
narcolepsia: ismeretlen ok. Alvási kényszer napközben. Hirtelen REM alvás
7.2.5. Ébrenlétadrenalin, noradrenalin
vészhelyzetek, figyelő állapot
7.2.6. Narkózisfarmakon: jó zsiroldékonyság szinapszisokban a vezetés gátolt (neuronok hiperpolarizálódnak)
7.2.7. Mire jó?kórfolyamatok helyének megállapítása: agy sérülés, ömleny, epilepsziás gócok. Aktivitás megváltozik, lassul, szabálytalan
Dátum: 2007. október 18. oldal 48/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
Epilepsziás roham: egyértelmű mintázat (grand mal, petit mal). Közte nem kimutatható.
Pszichomotoros rohamok: nem mutatnak elváltozást
7.3. Egyéb alkalmazásokcsak példa jelleggel
7.3.1. Lézerfelépítés
néhány fajta
használat célja
7.3.2. Azonosító chip-ek+Hőmérséklet mérés
beültethető
Energiaellátás nem megoldott, Szarvasmarhá fülébe
Dátum: 2007. október 18. oldal 49/50Dokumentum: OI.pdf
Dr. Vajda Ferenc Orvosi InformatikaBudapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki KarIrányítástechnika és Informatika Tanszék Óravázlat
8. Irodalom[1] Bohn Stafleu Van Loghum, Handbook of Medical Informatics, Houten/Diegem 1996, Editor: J.H. van
Bemmel
[2] http://www.eur.nl/FGG/MI/handbook/home.htm
[3] R. Addison-Wesley-Gonzales: Digital Image Processing, 2001, ISBN 0-201-50803-6
[4] http://www.w3.org/
[5] http://www.w3.org/XML/
[6] http://www.w3.org/TR/2006/REC-xml-20060816/
[7] http://www.w3schools.com/
[8]
Dátum: 2007. október 18. oldal 50/50Dokumentum: OI.pdf