Narzędzia Do Automatycznej Detekcji Chorej Błony Maziowej Kolana na Zdjęciach Rezonansu Magnetycznego

master
dc.abstract.enThis work presents solution to the problem of automatic detection of synovial membrane inflammation on magnetic resonance images with contrast. It was created in cooperation with Medical Center iMed24 S.A. belonging to the capital group Comarch S.A.. Nowadays the only method of recognizing sick joints is manual analysis made by specialists of medicine. However, this process can be automated with usage of innovative image processing techniques on basis of characteristic features of MRI images. Thanks to the fact that we have access to both series of images, with and without contrast, we are able to extract more information about knee’s structure. Introduction of contrast allows to obtain additional data but also causes problems related to comparison between images made before and after its introduction. It is due to the difference of time and possible deviations in leg position during accomplishment of second series of images of ill patient. Implementation of registration algorithm to both series of images was based on well-known libraries for medical images analysis - ITK and VTK. However, due to the fact that it has low efficiency, author suggests his own algorithms which take advantage of knowledge about processed image, thereby achieving better results. The main motivation of this work is automation of medicine specialists’ work. From the side of implementation, this work was supported by innovative programming techniques which are based on design patterns and abstract programming. The outcome of the work was tested with usage of anonymous patients’ images accessed by Medical Center iMed24 S.A.. The results of these tests are presented at the end of this work.pl
dc.abstract.plNiniejsza praca przedstawia rozwiązanie problemu automatycznej detekcji chorej błony maziowej kolana na podstawie zdjęć rezonansu magnetycznego z kontrastem. Dzieło powstało przy współpracy z Centrum Medycznym iMed24 S.A. należącym do grupy kapitałowej Comarch S.A.. Obecnie jedyną metodą rozpoznawania chorych stawów jest ręczna analiza zdjęć wykonywana przez specjalistów z dziedziny medycyny. Proces ten można jednak zautomatyzować z użyciem nowoczesnych technik przetwarzania obrazów na podstawie cech charakterystycznych badanych zdjęć MRI. Dzięki temu, że mamy dostęp do dwóch serii obrazów, z kontrastem i bez niego, jesteśmy w stanie wyodrębnić więcej informacji na temat struktury kolana. Wprowadzenie kontrastu pozwala otrzymać dodatkowe dane, powoduje jednak problemy związane z porównaniem zdjęć zrobionych przed i po jego wstrzyknięciu. Wynika to z różnicy czasu i możliwych odchyleń w ułożeniu nogi podczas wykonywania drugiej serii zdjęć chorego. Implementacja algorytmu nakładania tych dwóch serii obrazów została oparta na znanych bibliotekach wykorzystywanych do analizy obrazów medycznych ITK oraz VTK. Jednak z uwagi na jego małą efektywność, autor proponuje własne rozwiązania wykorzystujące wiedzę odnośnie przetwarzanego obrazu, dzięki czemu uzyskuje dużo lepsze rezultaty. Główną motywacją pracy jest automatyzacja pracy specjalistów medycyny. Od strony implementacyjnej praca została poparta również nowoczesnymi technikami programowania opierającymi się na wzorcach projektowych oraz programowaniu abstrakcyjnym. Efekt końcowy pracy został przetestowany z wykorzystaniem zdjęć anonimowych pacjentów, udostępnionych przez Centrum Medyczne iMed24 S.A., u których rozpoznano chorobę stawu kolanowego. Wyniki testów zostały zaprezentowane na końcu pracy.pl
dc.affiliationWydział Matematyki i Informatykipl
dc.areaobszar nauk ścisłychpl
dc.contributor.advisorŻelawski, Marcin - 132962 pl
dc.contributor.authorDerkowski, Piotrpl
dc.contributor.departmentbycodeUJK/WMI2pl
dc.contributor.reviewerTabor, Jacek - 132362 pl
dc.contributor.reviewerŻelawski, Marcin - 132962 pl
dc.date.accessioned2020-07-24T23:26:39Z
dc.date.available2020-07-24T23:26:39Z
dc.date.submitted2014-07-01pl
dc.fieldofstudyinżynieria oprogramowaniapl
dc.identifier.apddiploma-85647-114374pl
dc.identifier.projectAPD / Opl
dc.identifier.urihttps://ruj.uj.edu.pl/xmlui/handle/item/194427
dc.languagepolpl
dc.subject.enknee synovial membrane inflammation, Knee MRI scans, MRI scans with contrast, image registration, comparison of magnetic resonance imagespl
dc.subject.plchora błona maziowa kolana, zdjęcia rezonansu magnetycznego kolana, zdjęcia rezonansu magnetycznego z kontrastem, nakładanie obrazów, porównywanie zdjęć rezonansu magnetycznegopl
dc.titleNarzędzia Do Automatycznej Detekcji Chorej Błony Maziowej Kolana na Zdjęciach Rezonansu Magnetycznegopl
dc.title.alternativeTools For Auto Detection of the Knee Synovial Membrane Inflammation Based on Knee MRI Scanspl
dc.typemasterpl
dspace.entity.typePublication
dc.abstract.enpl
This work presents solution to the problem of automatic detection of synovial membrane inflammation on magnetic resonance images with contrast. It was created in cooperation with Medical Center iMed24 S.A. belonging to the capital group Comarch S.A.. Nowadays the only method of recognizing sick joints is manual analysis made by specialists of medicine. However, this process can be automated with usage of innovative image processing techniques on basis of characteristic features of MRI images. Thanks to the fact that we have access to both series of images, with and without contrast, we are able to extract more information about knee’s structure. Introduction of contrast allows to obtain additional data but also causes problems related to comparison between images made before and after its introduction. It is due to the difference of time and possible deviations in leg position during accomplishment of second series of images of ill patient. Implementation of registration algorithm to both series of images was based on well-known libraries for medical images analysis - ITK and VTK. However, due to the fact that it has low efficiency, author suggests his own algorithms which take advantage of knowledge about processed image, thereby achieving better results. The main motivation of this work is automation of medicine specialists’ work. From the side of implementation, this work was supported by innovative programming techniques which are based on design patterns and abstract programming. The outcome of the work was tested with usage of anonymous patients’ images accessed by Medical Center iMed24 S.A.. The results of these tests are presented at the end of this work.
dc.abstract.plpl
Niniejsza praca przedstawia rozwiązanie problemu automatycznej detekcji chorej błony maziowej kolana na podstawie zdjęć rezonansu magnetycznego z kontrastem. Dzieło powstało przy współpracy z Centrum Medycznym iMed24 S.A. należącym do grupy kapitałowej Comarch S.A.. Obecnie jedyną metodą rozpoznawania chorych stawów jest ręczna analiza zdjęć wykonywana przez specjalistów z dziedziny medycyny. Proces ten można jednak zautomatyzować z użyciem nowoczesnych technik przetwarzania obrazów na podstawie cech charakterystycznych badanych zdjęć MRI. Dzięki temu, że mamy dostęp do dwóch serii obrazów, z kontrastem i bez niego, jesteśmy w stanie wyodrębnić więcej informacji na temat struktury kolana. Wprowadzenie kontrastu pozwala otrzymać dodatkowe dane, powoduje jednak problemy związane z porównaniem zdjęć zrobionych przed i po jego wstrzyknięciu. Wynika to z różnicy czasu i możliwych odchyleń w ułożeniu nogi podczas wykonywania drugiej serii zdjęć chorego. Implementacja algorytmu nakładania tych dwóch serii obrazów została oparta na znanych bibliotekach wykorzystywanych do analizy obrazów medycznych ITK oraz VTK. Jednak z uwagi na jego małą efektywność, autor proponuje własne rozwiązania wykorzystujące wiedzę odnośnie przetwarzanego obrazu, dzięki czemu uzyskuje dużo lepsze rezultaty. Główną motywacją pracy jest automatyzacja pracy specjalistów medycyny. Od strony implementacyjnej praca została poparta również nowoczesnymi technikami programowania opierającymi się na wzorcach projektowych oraz programowaniu abstrakcyjnym. Efekt końcowy pracy został przetestowany z wykorzystaniem zdjęć anonimowych pacjentów, udostępnionych przez Centrum Medyczne iMed24 S.A., u których rozpoznano chorobę stawu kolanowego. Wyniki testów zostały zaprezentowane na końcu pracy.
dc.affiliationpl
Wydział Matematyki i Informatyki
dc.areapl
obszar nauk ścisłych
dc.contributor.advisorpl
Żelawski, Marcin - 132962
dc.contributor.authorpl
Derkowski, Piotr
dc.contributor.departmentbycodepl
UJK/WMI2
dc.contributor.reviewerpl
Tabor, Jacek - 132362
dc.contributor.reviewerpl
Żelawski, Marcin - 132962
dc.date.accessioned
2020-07-24T23:26:39Z
dc.date.available
2020-07-24T23:26:39Z
dc.date.submittedpl
2014-07-01
dc.fieldofstudypl
inżynieria oprogramowania
dc.identifier.apdpl
diploma-85647-114374
dc.identifier.projectpl
APD / O
dc.identifier.uri
https://ruj.uj.edu.pl/xmlui/handle/item/194427
dc.languagepl
pol
dc.subject.enpl
knee synovial membrane inflammation, Knee MRI scans, MRI scans with contrast, image registration, comparison of magnetic resonance images
dc.subject.plpl
chora błona maziowa kolana, zdjęcia rezonansu magnetycznego kolana, zdjęcia rezonansu magnetycznego z kontrastem, nakładanie obrazów, porównywanie zdjęć rezonansu magnetycznego
dc.titlepl
Narzędzia Do Automatycznej Detekcji Chorej Błony Maziowej Kolana na Zdjęciach Rezonansu Magnetycznego
dc.title.alternativepl
Tools For Auto Detection of the Knee Synovial Membrane Inflammation Based on Knee MRI Scans
dc.typepl
master
dspace.entity.type
Publication

* The migration of download and view statistics prior to the date of April 8, 2024 is in progress.

Views
11
Views per month
Views per city
Wroclaw
3
Warsaw
2
Dublin
1
Leszno
1
Lublin
1
Łomianki
1

No access

No Thumbnail Available