Correccion de la iluminacion. Variaciones de iluminación en MRI debidas a no uniformidad de la bobina de radio frecuencia, corrientes parasitarias, anatomía.

Presentación del tema: "Correccion de la iluminacion. Variaciones de iluminación en MRI debidas a no uniformidad de la bobina de radio frecuencia, corrientes parasitarias, anatomía."— Transcripción de la presentación:

1 Correccion de la iluminacion

2 Variaciones de iluminación en MRI debidas a no uniformidad de la bobina de radio frecuencia, corrientes parasitarias, anatomía del paciente. Métodos paramétricos: asumen un modelo del campo de iluminación. Métodos no paramétricos: no hay modelo del campo de iluminación. Segmentación de la imagen basada en representantes o valores conocidos de la respuesta de los tejidos.

3 Método parametrico Modelo de iluminación polinomial Estimación del modelo mediante algoritmo evolutivo

4 El modelo se simplifica considerando solo el bias y el ruido

5 Modelo del bias Donde los P() son polinomios de Legendre unidimensionale s. Los productos forman una base de representación de campos suaves.

6 Corrección de la inhomegeneidad

7 Error de la corrección

8

9 Algoritmo de búsqueda aleatoria PABIC

10

11

12

13

14

15

16

17

18 Método no paramétrico Realiza concurrentemente la segmentacion de la imagen y la correccion de la iluminacion Señal observada Logaritmo de la señal

19 U es la matriz de pertenecia o matriz de particion

20 Modificacion propuesta robusta a ruido impulsivo El problema de clasificacion y correccion es un problema de optimizacion.

21

22 Estimacion de los coeficientes de pertenencia

23 Estimacion de los representantes

24 Estimacion del bias

25

26

27

28

29

30 Modelo de la imagen Imagen logaritmo El efecto de la iluminación puede visualizarse como una suavización del histograma de la imagen

31 Distribuciones de probabilidad de los campos de iluminación en imágenes T1, T2 y PD (proton density), estimadas sobre la materia blanca de un conjunto de 12 scanners distintos. La restauración se convierte en la recuperación del contenido frecuencial del histograma de la imagen original.

32 Aproximación: Proponer una distribución U afilando V Calcular la mejor suavización de U que se aproxime a V Asumiendo que F es gausiana, el problema se reduce a un único parámetro de búsqueda: la varianza de la gausiana. El proceso de búsqueda se puede hacer iterativo considerando que la convolución con gausianas equivale a la convolución con gausianas de radio inferior.

33 Para realizar la corrección tenemos que investigar en los direcciones Obtención de U mediante filtrado lineal.

34

35 Volumen MRI simulado y su histograma Mapping the correccion y campo estimado Campo estimado suavizado y campo real utilizado para obtener (a)

36 Experimento 1 Genera un volumen aleatorio Multiplica el volumen por un campo de iluminación Intenta recuperar el campo de iluminación

37

38

39

40

41

42

43

44