پاورپوینت کامل کاربرد فناوری اطلاعات در پزشکی ۱۰۰ اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل کاربرد فناوری اطلاعات در پزشکی ۱۰۰ اسلاید در PowerPoint دارای ۱۰۰ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل کاربرد فناوری اطلاعات در پزشکی ۱۰۰ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل کاربرد فناوری اطلاعات در پزشکی ۱۰۰ اسلاید در PowerPoint

اسلاید ۴: تعریف:پردازش تصویر دیجیتال دانش جدیدی است که در سال های اخیر پیشرفت های زیادی داشته است و در بسیاری از علوم و صنایع به کار برده شده است. یک نمونه از این کاربردها، تشخیص تومور است. CT-Scanدر تصاویر

اسلاید ۵: اهداف پردازش تصویر: بهبود اطلاعات تصویر برای استفاده انسانرنگ آمیزی تصاویر رادیولوژی پردازش داده های تصویر برای ادراک ماشینسیستم خودکار تشخیص دست نوشته

اسلاید ۶: تصویر تک رنگ:تصویر تک رنگ، در واقع یک تابع شدت روشنایی f(x,y) است که x ,y بیانگر مختصات مکانی است و مقدار در هر نقطه (x,y) متناسب با روشنایی تصویر در آن نقطه است. در تصویر دیجیتال،f(x,y) هم در مختصات مکانی و هم در اندازه شدت روشنایی گسسته شده است

اسلاید ۷: نمونه برداری تصویر :دیجیتال کردن مختصات مکانی تصویر را نمونه برداری می نامند.

اسلاید ۸: کوانتیزه کردن سطح خاکستری: دیجیتال کردن دامنه (شدت روشنایی) را کوانتیزه کردن سطح خاکستری می نامند.

اسلاید ۹: (Pixel) پیکسل:تصویر دیجیتال را می توان ماتریسی دو بعدی در نظر گرفت که هر زوج از اندیس های سطری و ستونی آن یک نقطه تصویر را مشخص می کند. عناصر این ماتریس «پیکسل» نامیده می شوند. برای مثال یک تصویر دیجیتال می تواند ماتریس ۱۲۸*۱۲۸ باشد که هر عنصر آن بین ۰ تا ۱۲۷ است (۱۲۸ سطح خاکستری) دارد.

اسلاید ۱۰: مراحل اساسی درپردازش تصویر

اسلاید ۱۱: مراحل مختلفپیش پردازش بهبود تصویر و حذف نویزبخش بندی تقسیم تصویر به اجزاء تشکیل دهنده توصیف برجسته کردن ویژگیهای مورد علاقهتشخیص و تفسیر انتساب یک بر چسب به هر شیء

اسلاید ۱۲: مرحله پیش پردازش: Preprocessingپس از تصویربرداری ( به دست آوردن ماتریس تصویر) که توسط حسگر مناسب و مبدل آنالوگ به دیجیتال انجام می شود، پیش پردازش انجام می شود. هدف اصلی پیش پردازش بهبودتصویراست تا امکان توفیق سایر پردازش ها را افزایش دهد. برای مثال در این مرحله حذف نویز از داده های تصویری انجام می پذیرد. در مرحله بعدی بخش بندی انجام می شود.

اسلاید ۱۳: Segmentation مرحله بخش بندی: خروجی مرحله بخش بندی، مرز یک ناحیه و یا تمام نقاط درون یک ناحیه است. نمایش مرزی زمانی مفید است که مشخصات خارجی شکل مانند گوشه ها یا خمیدگی ها مهم باشد. نمایش ناحیه ای وقتی مفید است که خواص درونی بخش های تصویر مانند بافت شکل مورد توجه باشد .

اسلاید ۱۴: Description مرحله توصیف: در مرحله توصیف که انتخاب ویژگی هم نامیده می شود روشی برای برجسته کردن ویژگی های مورد علاقه اجرا می شود. برای مثال در تشخیص دست نوشته توصیف گرهایی مانند حفره ها و شکاف ها ویژگی های مهمی هستند که کمک می کنند تا حروف را از همدیگر تشخیص دهیم.

اسلاید ۱۵: Recognition مرحله تشخیص و تفسیر : مرحله آخر شامل تشخیص و تفسیراست که در طی آن با استفاده از اطلاعات حاصل از توصیف گرها یک برچسب به هر شی منتسب می شود. [۱] Recognition[2] Interpretation

اسلاید ۱۶: توصیف گرهای مربوطه با برچسب C برای مثال برای تشخیص حرفمشخص می شوند. Cدر فرایند تفسیر به هر مجموعه از اشیای برچسب خورده معنایی مرتبط می شود. مثلاً در مثال تشخیص دست نوشته به مجموعه ۵ حرفی به صورت یک کلمه در می آید. …

اسلاید ۱۷: پایگاه دانش:در همه موارد دانش موجود درباره ‌حوزه‌ مساله به شکل پایگاه دانش در درون سیستم پردازش تصویر ذخیره می شود وظیفه پایگاه دانش:هدایت عمل هر واحد پردازش تعامل بین واحدها

اسلاید ۱۸: فشرده سازی: قبل از ذخیره سازی یا ارسال تصویر فشرده سازی انجام می شود. اساس فشرده سازی حذف اطلاعات تکراری فشرده سازی تصویر در پزشکی از راه دور ، ذخیره تصاویر پزشکی در پرونده های الکترونیکی و مانند آنها کاربرد دارد.

اسلاید ۱۹: Image Enhancement بهبود کیفیت تصویر: هدف اصلی روشهای بهبود، پردازش تصویر است به گونه ای که تصویر حاصل برای یک کاربرد خاص نسبت به تصویر اولیه مناسب تر باشد. کلمه «خاص» نشان می دهد که روش های بهبود تصویر وابسته به نوع مساله اند(Problem Oriented ).به عنوان مثال روشی که برای بهبود تصویر رادیولوژی بسیار مناسب است ممکن است برای بهبود تصویر سونوگرافی مفید نباشد .

اسلاید ۲۰: روشهای بهبود کیفیت تصویر: حوزه مکانی (با پیکسل های تصویر سر و کار دارند)- تعدیل هیستوگرام- تفریق تصویر- متوسط گیری حوزه فرکانس (مبتنی بر تبدیل فوریه)- فیلتر کردن تصویر

اسلاید ۲۱: هیستوگرام:هیستوگرام نمودار فراوانی سطوح خاکستری در تصویر میباشد. ترسیم هیستوگرام توصیف کلی درباره ظاهر تصویر فراهم می آورد.درهیستوگرام تصویر تیره، فراوانی میله در سمت روشنائی کم بیشتر است.درهیستوگرام تصویر روشن فراوانی میله در سمت روشنائی بیشتر است.اگر هیستوگرام باریک باشد تمایز درتصویر پایین است.اگر هیستوگرام پهن باشد تمایز در تصویر بالا است.

اسلاید ۲۲: هیستوگرام چند نوع تصویر:

اسلاید ۲۳: تعدیل هیستوگرامتعدیل هیستوگرام تصویری تولید میکند که چگالی سطوح خاکستری آن یکنواخت است که به معنی افزایش گستره مقادیر پیکسلها است و اثر قابل توجهی در کیفیت تصویر دارد.

اسلاید ۲۴: …فرض کنید که مقادیر پیکسل ها پیوسته بوده و به بازه [۰,۱] نرمالیزه شده باشند. r=0 بیانگر سیاه و r=1 بیانگر سفید است. برای r ها ی موجود در بازه [۰,۱] تبدیلی به صورت زیر انجام می شود: S=T(r) این تبدیل به ازا هر مقدار پیکسل r در تصویر اولیه، سطح S را برای آن پیکسل تولید می کند. T باید در شرایط زیر صدق کند:

اسلاید ۲۵: T(r) تک مقداره بوده و اکیداً صعودی باشد ( برای خفظ ترتیب سیاه و سفید در محدوده سطوح خاکستری)برای ۰<r<1 داشته باشیم: ۰<T(r)<1 ( حفظ مقادیر پیکسل ها در محدوده مجاز)

اسلاید ۲۶: تفریق تصویرh(x,y):تصویر اشعه ایکس قسمتی از بدن یک بیمار f(x,y): پس از تزریق ماده رنگی به رگ همان محل تصویر تفاضل دو تصویر با محاسبه تفاضل بین هر یک از زوج پیکسل های متناظر درf و h به دست می آید و به صورت زیر نشان داده میشود. تفریق باعث میشود که جزئیات تفاوتهای بین دو تصویر واضح تر دیده شود.g(x,y)=f(x,y)-h(x,y)

اسلاید ۲۷: با ثبت متوالی تصویرها می توان تصویر متحرکی از چگونگی انتشار ماده رنگی در رگ ها مشاهده کرد. ب) g(x,y) الف) h(x,y)

اسلاید ۲۸: متوسط گیری تصویر:تصویر نویزدار g(x,y) را در نظر بگیرید که از جمع نویز n(x,y) با تصویر اصلی f(x,y) حاصل شده است.g(x,y)= f(x,y)+ n(x,y)

اسلاید ۲۹: ( فرض می شود نویز ناهمبسته و میانگین آن صفر باشد.)در این صورت به سادگی می توان نشان داد که با متوسط گیری از تصویر نویزداراز یک شی می توان تقریب خوبی از تصویر اصلی بدست آورد. m

اسلاید ۳۰: طیف فرکانسی:ایده اصلی مفهوم طیف فرکانسی این است که هر سیگنال از ترکیب توابع سینوسی و کسینوسی ساخته می شود. طیف فرکانسی از آنالیز فوریه به دست می آید.در بسیاری موارد خصوصیاتی که از طیف فرکانسی سیگنال استخراج میشود بسیار مفیدتر از اطلاعاتی هستند که از خصوصیات زمانی و مکانی سیگنال بدست می آیند.

اسلاید ۳۱: تبدیل فوریه:تب