egészségügyi informatika - előadásvázlat3dmr.iit.bme.hu/edu/oi/oi.pdf · dr. vajda ferenc...

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


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



ElőszóAz óravázlat elsősorban az előadó munkáját segítendő készült, így számos információt nem tartalmaz. A benne találtak nem minden esetben elegendőek a tananyag elsajátításához!



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



'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



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



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".)



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)



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



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)



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.



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)



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



∣ 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



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



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



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.



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



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



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:



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



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



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



− 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



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



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



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!



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



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…



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



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


, <?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/


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



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)



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



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!"



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)



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)



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)



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)



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)



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



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.



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)



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



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



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



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



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



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]


egészségügyi informatika - előadásvázlat3dmr.iit.bme.hu/edu/oi/oi.pdf · dr. vajda ferenc...

Documents