Moyamoya кескінін өңдеу: 8 қадам

2024 Автор: John Day | [email protected]. Соңғы өзгертілген: 2024-01-30 10:26

Моямоя - «түтіннің шығуы» - сирек кездесетін ауру, ол ми түбіндегі аймақ болып табылатын базальды ганглия артерияларының бітелуінен болады. Ауру - бұл цереброваскулярлы ауру, ол негізінен балаларға әсер етеді. Моямоя симптомдарына бастапқы инсульт, тұрақты шағын инсульт, бұлшықет әлсіздігі, паралич немесе артериялардың тарылуы нәтижесінде ұстамалар жатады. Емдеу болмаса, моямоя сөйлеуде, сенсорлық бұзылуларда және сананың бұзылуында проблемалар туғызады. Біздің жобада біз зақымдалған аймақты анықтау үшін кескіннің ішіндегі шуды азайту үшін әр түрлі сүзгілерді қолдана отырып, MRI немесе MRA кескінін алдын ала өңдеу үшін MATLAB қолданамыз. Сонымен қатар, біз зақымдалған аймақтарды дәлірек анықтау үшін мүмкіндіктерді жақсартуды қолданамыз. Сонымен қатар, біз мояомоя әсер еткен миға қарағанда қалыпты мидағы қан тамырларының саны арасында айтарлықтай айырмашылық бар-жоғын анықтау үшін тәуелсіз сынақ үлгілерін жүргіземіз.

1 -қадам: Moyamoya әсерінен қалыпты ми мен мидың MRI және MRA сканерлеуін табыңыз

Бұл суреттер - біз Интернеттен тапқан жоба үшін қолданған сканерлер. Қан тамырлары ортасында орналасқан екі сурет MRA сканері, ал қалған екі сурет МРТ сканері.

Мына суреттер мына сілтемелерде орналасқан:

static.cambridge.org/resource/id/urn:cambr…

static.cambridge.org/resource/id/urn:cambr…

2 -қадам: MATLAB -қа суреттерді жүктеңіз және кескіндерді көрсету үшін айнымалыға суреттерді тағайындаңыз

Процесті бастау үшін, командалық терезені тазартудан бастаңыз, жұмыс кеңістігінде тағайындалған айнымалыларды ашуға болатын барлық мүмкін болатын суреттер мен графиктерді жабыңыз.

Содан кейін, i = [1: 2] пәрменін пайдаланып 1 -ден 2 -ге дейінгі циклды жасаңыз.

Содан кейін, MRA кескіндерін жүктеу үшін жүктеу үшін sprintf көмегімен цикл үшін пайдаланылатын нөмірді, содан кейін файл атауымен көрсетілген файлдардан суреттерді оқу үшін imread (sprintf ('файл аты%.filetype', i)) пәрменін қолданыңыз. оны айнымалыға айналдырады.

Содан кейін кескінді суретте көрсету үшін imshow (I) пәрменін қолданыңыз.

Сұр түсті картаны тағайындау үшін, түс картасының (сұр) пәрменін қолданыңыз.

Түсті толығымен жою және кескіндердің 3D матрицасын 2D форматына түрлендіру үшін rgb2gray (I) пәрменін қолданыңыз және оны бөлек айнымалыға тағайындаңыз.

Содан кейін MRI суреттерін бұрын көрсетілген немесе imread (sprintf ('файл аты%.filetype', i)) пәрменін жүктеп, оны жаңа айнымалыға тағайындаңыз.

Rgb2gray пәрменін MRI кескіндері үшін қолданылатын жаңа айнымалымен қайталаңыз.

Қажет болса, imresize (A, масштаб) пәрмені арқылы суреттің өлшемін өзгертуге және бөлек айнымалыға тағайындауға болады.

3 -қадам: Көпөлшемді сүзгілеу көмегімен суреттің қарқындылығындағы ұзартылған құрылымдарды жақсарту

Жаңа айнымалы мәнді пайдаланып, суреттердегі құбырлы құрылымдарды жақсарту үшін фиберметриялық (A) пәрменін қолданыңыз

Алдыңғы айнымалы мәнде histeq (B) пәрменін қолданып, суреттердің қарқындылығын түрлендіру арқылы гистограмманы теңестіруді күшейтіңіз және оны жаңа айнымалыға тағайындаңыз.

Imhist (B) пәрменін пайдаланып гистограмманы көрсетіңіз.

Сүзгіге шекті мән жасау үшін жаңа айнымалы мән жасаңыз. Бұл жағдайда 0.875 мәніндегі пиксель қарқындылығын сүзетін алдыңғы> 0.875 айнымалы мәнін тағайындаңыз

Содан кейін жаңа фигура жасаңыз және жаңа сүзілген кескінді көрсету үшін imshow (A) пәрменін қолданыңыз.

4 -қадам: 2D медианалық сүзгіні іске қосыңыз

Medfilt2 (A, [m n]) пәрменін қолдана отырып, 2D медианалық сүзгіні іске қосыңыз, онда әрбір шығыс пиксель mxn шекарасындағы медианалық мәнді кіріс суреттегі сәйкес пиксель айналасында қамтиды.

Жаңа фигура жасаңыз және орташа сүзілген кескінді көрсету үшін imshow (A) пайдаланыңыз.

5 -қадам: суретті жасырыңыз

Орташа сүзілген суретті қолданып, суреттегі ақ нүктелердің санын есептеу үшін [labeledImage, numberOfBlots] = bwlabel (A) пәрменін пайдаланыңыз.

Содан кейін әрбір нүкте немесе қан тамырларының аудандарын есептеу үшін аймақ тіректері функциясының күйлері = regionprops (labeledImage, 'Area') пайдаланыңыз.

Барлық аймақтарды бір айнымалыға тағайындаңыз

Содан кейін басқа айнымалы мәнді пайдаланып, 50 пиксельден асатын нүктелердің санын есептеңіз

Содан кейін [sortedAreas, sortedIndicies] = сұрыптау (Аймақтар, 'түсу') пәрменін қолдану арқылы 50 пиксельден төмен кез келген дақтарды кему ретімен сұрыптаңыз.

Содан кейін, басқа айнымалы мәнді пайдалана отырып, isember (labeledImage, sortedIndicies (1: numberToExtract)) пәрменін пайдаланыңыз. логикалық 0 (жалған)

Алдыңғы қадамдағы айнымалы мәнмен шын мәніндегі нүктелерді табыңыз (мәндері> 0) және екілік кескінді жасау үшін логикалық массив жасаңыз және оны жаңа айнымалыға тағайындаңыз.

Жаңа фигура жасаңыз және imshow (A) жаңа екілік кескінді қолданыңыз.

Содан кейін, imcomplement (A) пәрменін пайдаланып суретті аударыңыз және оны басқа айнымалыға тағайындаңыз.

Бетпердесі бар кескін жасау үшін команданың өлшемін өзгертетін жаңа айнымалы мәнді пайдаланыңыз.*Uint8 (инвертим)

Жаңа фигура жасаңыз және маскированный суретті көрсету үшін imshow (A) пайдаланыңыз.

Бүкіл кодты аяқтау үшін циклды аяқтау үшін 'end' пәрменін қолданғаныңызға сенімді болыңыз

6 -қадам: MRA Scan to Statistical Testing таңдаңыз

Статистикалық тестілеуге дайындалу үшін тәуелсіз сынақ t-тесті үшін қолданылатын MRA сканерлеуін таңдаңыз. Біздің екі үлгі Moyamoya және қалыпты ми әсер ететін ми болғандықтан, әр топтың MRA сканерлеуінің лайықты мөлшерін таңдаңыз.

7 -қадам: Статистикалық тестілеуге дайындық кезінде қан тамырларының ауданын есептеңіз

Статистикалық тест MRA сканерлеуінде көрсетілген қан тамырларының ұзындығына немесе мөлшеріне бағытталады. Осылайша, біз салыстырудан бұрын қан тамырларының ауданын есептеуіміз керек.

Қалыпты мидың MRA фильтрінен және қан тамырларының мөлшерін есептеуден бастаңыз. Ол үшін for циклін іске қосыңыз. Үш кескін болғандықтан шарт i = [1: 3] болады.

Imread командасымен суретті ашып, оны айнымалыға тағайындаңыз.

Содан кейін if, else командасымен if/else операторын құрыңыз. If операторы үшін (A, 3) == 3 пәрменін қолданыңыз, мұнда A - массивтің үшінші өлшемі 3 болғанда if операторын құру үшін кескінді ашу үшін қолданылатын айнымалы мән. rdb2gray (A) пәрменін қолданып, түстен құтылыңыз және оны жаңа айнымалыға тағайындаңыз. Кескіннің өлшемін өзгерту үшін imresize (A, [m n]) пәрменін қолданыңыз. Бұл жағдайда біз кескіндердің өлшемін 1024 x 1024 матрицасына дейін өзгерттік. Кескіннің құбырлы құрылымын жақсарту үшін фиберметриялық пәрменді қайтадан қолданыңыз және оны жаңа айнымалыға тағайындаңыз.

Келесі else операторы үшін. Егер сурет 3D матрицасы болмаса, біз түрлендіруді өткізгіміз келеді. If операторы сияқты әрекет етіңіз, бірақ rgb2gray (A) командасынсыз.

0.15 -тен жоғары фиберметриялық қадамнан айнымалыға тең етіп, жаңа айнымалы құрыңыз. Бұл 0,15 -тен жоғары қарқындылық үшін кескіннің шекті мәні.

Біз нұсқаулықтың 4 -ші және 5 -ші қадамдарындағы кодтардың жолдарын медианалық сүзгі жолынан imshow (I) жолына дейін қайталаймыз. Содан кейін қан тамырларын құрайтын барлық пикселдерді қосу үшін sum (I (:)) пәрменін қолданыңыз және оны бөлек айнымалыға тағайындаңыз. NormalBloodVessels (i) жаңа айнымалысын атаңыз және оны sum (I (:)) командасының айнымалысына тең етіп орнатыңыз. Бұл деректерді матрицаға қосады.

Циклды аяқтаңыз және қайталаңыз, бірақ Moyamoya әсер ететін мидың MRA үшін. Ақырында MoyaMoyaBloodVessels (i) айнымалысын қалыпты ми MRA -мен шатастырмау үшін атаңыз.

8-қадам: тәуелсіз сынамалардың T-тестін іске қосыңыз

Екі тәуелсіз сынама болғандықтан және аз ғана популяция, тәуелсіз сынақтар t-тестін жүргізіңіз.

Қалыпты мидың MRA қан тамырларының мөлшері Moyamoya әсер еткен мидың MRA-ларына сәйкес келетінін немесе болмайтынын анықтау үшін тәуелсіз тестілеуді жүргізетін функцияны құрыңыз және атаңыз.

Disp ('X') пәрменін қолдана отырып, тестке арналған гипотезаны көрсетіңіз. Бірінші жолда «t тестінің екі үлгісі бойынша гипотезалар» көрсетіледі. Екінші жолда нөлдік гипотезаны білдіретін «H0 = қалыпты мидың қан тамырларының саны Моямоя ауруы бар мидың қан тамырларының мөлшеріне тең» дисплейінде көрсетіледі. Үшінші жолда «HA = қалыпты мидың қан тамырларының саны Моямоя ауруы бар мидың қан тамырларының мөлшеріне тең емес» дисплейін көрсетіңіз. альтернативті гипотезаны айту.

95% сенімділік интервалын және 3 өлшемді үлгіні қолдана отырып, t ұпайын tinv ([0.025 0.975], 2) пәрмені арқылы есептеп, t айнымалысына тағайындаңыз. Var (NormalBloodVessels) және var (MoyaMoyaBloodVessels) командаларын қолданыңыз және оларды екі деректер жиынының дисперсиясын есептеу үшін айнымалыларға тағайындаңыз.

Айырмашылықтар тең немесе сәйкес еместігін тексеріңіз. If, else командасымен if/else операторын жасау арқылы орындаңыз. If операторындағы шарт үшін A / B == [0.25: 4] деп жазыңыз, мұндағы А - қалыпты қан тамырларының дисперсиясын есепке алатын айнымалы, ал В - Моямоя қан тамырларының дисперсиясын есепке алатын айнымалы. 0,25 және 4 дисперсиялардың тең немесе тең еместігін анықтауға арналған жалпы бағалаудан келеді. Содан кейін [h, p] = ttest2 (A, B, 0.05, 'екеуі де', 'тең') көмегімен екі үлгі t тестін орындаңыз, A мен B бұрын айтылған айнымалылармен бірдей. Else операторы үшін [h, p] = ttest2 (A, B, 0,05, 'екеуі', 'тең емес') қолданыңыз, егер дисперсиялар тең емес жағдайда екі сынақ үлгісін іске қосыңыз. If/else операторын аяқтаңыз. Бұл р есептеледі.

P мәніне негізделген қорытынды шығаратын if/else операторын жасаңыз. If операторының шарты p> 0.05 болады. Біз әдетте p мәні 0,05 -тен жоғары болғанда нөлдік гипотезаны қабылдамаймыз, дисп ('X') пәрменін қолданып, «p мәні 0,05 -тен үлкен болғандықтан, біз нөлдік гипотезаны қабылдамаймыз» және Сондықтан біз қалыпты мидың қан тамырларының саны Моямоя ауруы бар мидың қан тамырларына тең екенін қабылдамаймыз ». Басқа мәлімдемеде, егер біз әдетте p мәні 0,05 -тен төмен болғанда нөлдік гипотезаны қабылдамайтын болсақ, дисп ('X') пәрменін қолданып, «p мәні 0,05 -тен төмен болғандықтан, біз нөлдік гипотезаны қабылдамаймыз» және Сондықтан біз қалыпты мидың қан тамырларының саны Моямоя ауруы бар мидың қан тамырларына тең емес екенін қабылдамаймыз ». If/else операторын аяқтаңыз.