Skip to main content
SUPERVISOR
سعید صدری (استاد مشاور) شهرام شیرانی (استاد مشاور) شادرخ سماوی (استاد راهنما)
 
STUDENT
Nader Karimi
نادر کریمی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Doctor of Philosophy (PhD)
YEAR
1384

TITLE

Lossless Compression of Large Volume Medical Images
One of the common stages in medical studies is to use of modern imaging tools. In methods such as RNAi process, mammography and microarray experiments large amounts of image data are produced which demands for customized compression methods. The main objective of this dissertatio is to identify the characteristics of these types of medical images and use them to provide efficient lossless compression approaches. In the first step, different views and perspectives of image compression are investigated and a comprehensive justify; LINE-HEIGHT: normal; TEXT-INDENT: 0cm; MARGIN: 0cm 0cm 0pt; unicode-bidi: embed; DIRECTION: ltr" Keywords Lossless Compression, Prediction, Context Modeling, RNAi Images, Mammography Images, Microarray Images.
یکی از مراحل رایج در تحقیقات و آزمایش‌های پزشکی استفاده از روش‌های مدرن تصویربرداری است. در برخی از این روش‌ها مانند فرایند RNAi که اخیراً مورد توجه محققان قرارگرفته است, تعداد تصاویری که در یک آزمایش تولید می‌شود بسیار زیاد است. در برخی دیگر مانند استفاده از ریزآرایه‌ها علاوه بر تعداد زیاد تصاویر تولید شده, ابعاد تصویری که در هر آزمایش تولید می‌شود نیز بزرگ است .در گروهی دیگر مانند ماموگرافی, به دلیل اینکه آزمایش‌ها باید به صورت دوره‌ای و در فواصل زمانی معین انجام شود, نگهداری تصاویر آنها به ازای هر بیمار نیازمند فضای ذخیره‌سازی قابل توجهی می‌باشد. با توجه این موارد و استفاده از پزشکی از راه دور در سال‌های اخیر که نیاز به ارسال برخی از این‌گونه تصاویر در پهنای باند محدود را طلب می‌کند, فشرده‌سازیِ بدون‌اتلاف این‌گونه تصاویر حجیم پزشکی توجه بسیاری از محققان را به خود جلب کرده است. هدف اصلی در این رساله شناسایی خصوصیات و ویژگی‌های موجود در تصاویر پزشکی ذکر شده و استفاده از آنها در ارائه روش‌هایی با کارایی بالاتر برای فشرده‌سازی بدون‌اتلاف این تصاویر می‌باشد؛ در گام اول دیدگاه‌ها و جنبه‌های مختلف موجود در مورد علم فشرده‌سازی تصویر به دقت بررسی و دسته‌بندی جامعی در مورد آن ارائه می‌شود. همچنین روش‌های فشرده‌سازیِ بدون‌اتلافِ عام‌منظوره مورد بررسی دقیق قرارگرفته و ویژگی‌های اجزای اصلی و مراحل محتمل در طراحی این‌گونه روش‌ها استخراج می‌شود. سپس بر اساس این ویژگی‌ها دسته‌بندی جدیدی در مورد آنها ارائه می‌گردد. علاوه بر این, روش‌هایی که برای فشرده‌سازی تصاویر حجیم پزشکی نامبرده طراحی شده‌اند، بررسی و مشخصه‌های آنها استخراج و به روش مشابه دسته‌بندی می‌شوند. در گام دوم پس از بررسی دقیق اجزای تشکیل دهنده روش‌های بدون اتلافِ عام‌منظوره, میزان تأثیر این اجزا در روند فشرده‌سازی تصاویر مذکور مشخص می‌شود. سپس مراحل تأثیر گذار شناسایی و مورد تحلیل و آنالیز قرار می‌گیرند. در گام سوم ابتدا یکی از روش‌های پیشگویی قدرتمند با دیدگاه جدیدی آنالیز شده و نقاط قوت و ضعف آن مشخص می‌شود. همچنین چگونگی تولید خطا توسط این روش مدل‌سازی و جهت‌گیری‌هایی جهت بهبود دقت پیشگویی توسط آن ارائه می‌گردد. سپس یکی از خصوصیت‌های مهم موجود در این‌گونه تصاویر حجیم پزشکی شناسایی و مورد تجزیه و تحلیل قرار ‌می‌گیرد. در ادامه بر اساس آنالیزهای انجام شده، روش‌های جدیدی برای فشرده‌سازی تصاویر RNAi, ماموگرافی و ریزآرایه پیشنهاد می‌گردد. در نهایت کارایی روش‌های پیشنهادی با روش‌های عام‌منظورة مطرح, روش‌های خاص‌منظوره و همچنین استانداردهای موجود مقایسه شده است. نتایج بدست آمده نشان‌دهنده برتری روش‌های پیشنهادی نسبت به قدرتمندترین روش‌های فشرده‌سازی موجود در این زمینه می‌باشد. بطوریکه استفاده از روش‌های فشرده‌سازی پیشنهادی در مورد تصاویر RNAi و ماموگرافی به ترتیب سبب کاهش 75/5 تا 31/30 درصدی و 87/0 تا 33/24 درصدی متوسط بیت بر پیکسل در مقایسه با سایر روش‌ها شده است. در مورد تصاویر ریزآرایه نیز روش‌های پیشنهادی از نرخ‌فشرده‌سازی قابل مقایسه و زمان اجرای بسیار پایین‌تری (4 دقیقه در مقایسه با 220 دقیقه) در مقایسه با سایر روش‌های ارائه شده در این زمینه برخوردار هستند. کلمات کلیدی: 1- فشرده‌سازی بدون‌اتلاف 2- پیشگویی 3- مدل‌سازی زمینه 4- RNAi 5- ماموگرافی 6- ریزآرایه

ارتقاء امنیت وب با وف بومی