روشهای معمول پردازش فعالیتهای نرونی بر اساس نرخ تغییرات پاسخ، بنیانگذاری شده است. که در تبعیت از نظریه رمز گذاری اطلاعات تحریک در نرخ تغییرات پاسخ نرون می باشد و این در حالی است که نتایج آزمایشهای جدید حاکی از وجود انواع دیگر رمز گذاری در سیستم اعصاب مرکزی است . بر این اساس روشهای نوینی ابداع شده است تا بتوان اطلاعات پاسخهای نرونی را به صورت نرخ تغییرات یا به صورت زمانی از مشاهدات الکتروفیزیولوژی استخراج نمود . اما در هیچ یک از روشهای نوین امکان تلفیق اطلاعات رمز گذاری شده در نرخ تغییرات و یا زمان پاسخ وجود ندارد. در این رساله روش نوینی ابداع شده است که امکان تلفیق مکانیزمهای مختلف کدینگ اطلاعات در پاسخهای نرونی را داشته و قابل تعمیم به پاسخهای جمعی نرونها نیز می باشد. در این روش از تئوری پردازش نقطه ای تصادفی جهت مدلسازی پاسخهای نرونی استفاده شده و نظریه " پردازش نقطه ای نشانگزاری شده" امکان تعمیم این روش را به پاسخهای جمعی نرونی فراهم می سازد. در این روش هر رشته از پاسخ نورونی به صورت برداری از صفر ویک در نظر گرفته می شود و با توجه به تخمین احتمال ظهور آن در صورت ارائه محرک خاص به فضای احتمالی همسایگی نگاشته می شود. در این روش نشان داده شده است که این نگاشت از مزایای فراوانی برخوردار است و مهمترین آن تلفیق اطلاعات کد شده به صورت نرخ تغییرا ت و زمان پاسخ می باشد. "افزایش تفکیک پذیری پاسخهای مربوط به انواع تحریکات " ، کاهش ابعاد فضای بررسی پاسخها ، و" تعبیری نوین از اطلاعات کد شده در پاسخ نرون در فضای احتمالی همسایگی" از دیگر ویژگیهای این نگاشت می باشد. برای ارزیابی کار آیی این روش از پاسخهای نرونی ثبت شده ازناحیه قشر بینایی مغز میمون در حال نگاه کردن به یک شیء تصویری استفاده شده است.به این منظوربه یک میمون نر روشهای لازم برای مشارکت در آزمایش در مراحل متعددی آموزش داده شد و سپس از میمون تربیت شده تصویر بردارهای لازم انجام گرفته و بر اساس نتیجه آن مکان یابی دقیق قشر بینایی با تمرکز بر قسمتی که مختص پردازش بینایی اشیا می باشد ، انجام گرفت.پس از آن مغز میمون به منظور کاشت پروتزهای مخصوص جهت ایجاد امکان دسترسی به منطقه مزبور تحت جراحی قرار گرفت تا امکان ثبت الکترو فیزیولوژیکی فعالیتهای نرونی فراهم گردد. دراین مطالعه مجموع ا شیای تصویری که به حیوان نشان داده شد شامل زیر گروههایی از اشکال :صورت انسان، صورت سگ، بدن انسان ، انواع صندلی ، انواع خودرو و اشیاء ساده بوده است . در این پژوهش با استفاده از معیار " بهسازی برازش" عملکرد این روش با روشهای معمول مورد مقایسه قرار گرفته است. با توجه به افزایش تفکیک پذیری پاسخهای جمعی نرونی به محرکهای تصویری، بنظر می رسد فضای احتمال همسایگی، چهار چوب مناسبی جهت بررسی دریافت سیستم اعصاب مرکزی بینایی از تصاویر اشیای جهان خارج باشد. آنالیز پاسخهای ثبت شده در فضای احتمال همسایگی با استفاده از تعبیری جدید از تئوری اطلاعات در این فضا نشان دهنده وجود نوعی مکانیسم رمز گذاری بهینه در قشر بینایی بوده و پاسخ جمعی نرونها جهت تفکیک محرکها از یکدیگر بر اساس نوعی معیار سنجش فاصله متناسب با میزان اختلاف اطلاعات کد شده می باشد.این روش ضمن ارائه روش پردازش پاسخهای نرونی در قالبی نو و منحصر به فرد، یافته های ارزشمندی داشته است که راه را برای درک چگونگی عملکرد مغز و بخصوص قشر بینایی در دریافت جهان خارج هموار می سازد.

در یک مهمانی، ما می توانیم به یک صدای خاص توجه ویژه داشته باشیم و دیگر صداهای تداخلی موجود در محیط اطراف خود را فیلتر نماییم. این قابلیت ادراکی، باعث ایجاد انگیزه ای برای پدید آوردن یک زمینه مطالعاتی جدید گردید. هدف این زمینه مطالعاتی، طراحی سیستم های جداسازی گفتار بر اساس اصول سیستم شنوایی انسان است. در بسیاری از کاربردها نظیر بازشناسی گفتار اتوماتیک و مخابرات راه دور به یک سیستم موثر که توانایی جداسازی سیگنال گفتار هدف از سیگنال تداخلی را در شرایط تک میکروفونه داشته باشد، نیاز می باشد. بر این اساس در این رساله، سیستمی برای جداسازی سیگنال گفتار از تداخل در شرایط تک میکروفونه ارائه می نماییم. سیستم جداسازی گفتار تک میکروفونه پیشنهادی بر اساس ویژگی فرکانس گام در حوزه فرکانس مدولاسیون طراحی گردیده است. جداسازی بر اساس فیلتر نمودن سیگنال نویزی با استفاده از ماسک تخمین زده شده در حوزه طیف مدولاسیون با به کارگیری محدوده فرکانس گام تخمین زده شده، انجام می گیرد. برای بهبود عملکرد سیستم جداسازی پیشنهادی، یک سیستم جداسازی تک میکروفونه ترکیبی نیز پیشنهاد می گردد. در این سیستم، از فیلتر نمودن مدولاسیون همدوس وفقی برای جداسازی زیرباندهای با فرکانس پایین و از سیستم جداسازی تک میکروفونه ناهمدوس بازگشتی برای جداسازی زیرباندهای با فرکانس بالا استفاده می گردد. در فیلتر نمودن مدولاسیون همدوس وفقی، برای حذف سیگنال تداخلی از فیلتر وفقی affine projection استفاده می گردد که این فیلتر بر روی سیگنال مدولاتور بدست آمده از تبدیل مدولاسیون همدوس، اعمال می گردد. همچنین با به کارگیری یک میکروفون اضافه یک سیستم جداسازی دو میکروفونه بر اساس ویژگی های اختلاف زمانی برای زیرباندهای با فرکانس پایین و اختلاف چگالی برای زیرباندهای با فرکانس بالا، به منظور افزایش کیفیت سیگنال جدا شده پیشنهاد می نماییم. در سیستم دو میکروفونه پیشنهادی، جداسازی سیگنال هدف از تداخل بر مبنای ماسک باینری زمان- فرکانس تخمین زده شده بر اساس دو ویژگی مکانی اختلاف زمانی و اختلاف چگالی انجام می گیرد. نتایج ارزیابی نشان می دهد که سیستم های پیشنهادی تک میکروفونه در مقابل تداخل مقاوم است و در شرایطی که انرژی سیگنال تداخلی زیاد باشد نیز قادر به جداسازی گفتار هدف با کیفیت خوب می باشد. همچنین نتایج بدست آمده از سیستم جداسازی دومیکروفونه نشان دهنده جداسازی قسمت های واکدار و بی واک سیگنال گفتار هدف از سیگنال تداخلی با کیفیتی مورد قبول است.

شناسایی ساختار و نظم قرارگیری دندان ها یکی از نیازهای اساسی دندان پزشکان برای طرح ریزی فرایندهایی نظیر ایمپلنت و ارتودنسی است. در این خصوص قطعه بندی دقیق تصاویر برش نگاری کامپیوتری (ct) دندان پزشکی از اهمیت ویژه ای برخوردار است. فرایند قطعه بندی دندان ها در تصاویر ct به دلیل ویژگی های خاص ساختارهای دندانی با چالش های اساسی روبرو است و تاکنون روش های گوناگونی برای قطعه بندی دندان ها در تصاویر ct ارائه شده است که هر یک سعی کرده اند تا حدی بر مشکلات قطعه بندی فائق آیند. به هر حال نیاز به یک الگوریتم کارا و سریع که بتواند با اکثر چالش های پیش روی قطعه بندی، مقابله کند و در عین حال نتایج قابل قبولی ارائه دهد همچنان مطرح است. در این مطالعه پس از بررسی روش های قبلی، یک روش چند مرحله ای خودکار برای قطعه بندی دندان ها در تصاویر ct معرفی می شود. روش ارائه شده دارای سه مرحله ی اصلی است که برای هر مرحله یک یا دو الگوریتم پیشنهادی در جهت رفع مشکلات قطعه بندی ارائه شده است. روش پیشنهادی بر روی مجموعه داده های برش نگاری کامپیوتری با دسته اشعه ی مخروطی cbct)) آزمایش گردید و از چندین معیار سنجش کارایی برای ارزیابی کارکرد و دقت این روش استفاده شد. ارزیابی کمّی نشان می دهد که روش ارائه شده نرخ صحت بیش از 79 درصد در تولید نتایج دارد. به علاوه کارایی این روش با روش های متداول قبلی نظیر آستانه گذاری، مرز فعال بدون لبه، مرز فعال کوتاه ترین طول و مرز فعال با قطعه بندی گزینشی سراسری و محلی مقایسه گردید که نتایج، حاکی از بهبود قطعه بندی با استفاده از این روش است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

تصویربرداری (magnetic resonance imaging)mri بخاطر دقت بالای تصویر و قدرت تشخیص عالی بافتهای نرم از یکدیگر، در به تصویر کشاندن بافتهای غیرطبیعی مغز انسان موفق بوده است . اختلالات عصبی مختلفی وجود دارند که منجر به آسسیب دیدگی سیستم عصبی مرکزی (central nerve system) می شوند و از جمله آن می توان به بیماری ms(mulltiple sclerosis) اشاره کرد. تصویربرداری mr نشان داده است که نسبت به این بیماری خیلی حساس می باشد و قادر است ضایعات را نسبت به بافتهای محیطی خود با شدت متفاوت به تصویر بکشاند. بخش بندی و استخراج ضایعات ms مغز انسان محور اصلی این تحقیق می باشد. به همین خاطر روشهای مختلف استخراج ضایعات ms مورد بررسی قرار می گیرد. کابردهای بالینی تصاویر مستلزم حذف ناهنجاریهای موجود در آن می باشد. از آن جمله می توان به غیریکنواختی میدان (radio frequency) rf اشاره کرد که بطور مکانی میانگین، میانه واریانس تصاویر را تغییر می دهد. آلگوریتمهای تلفیقی ارائه شده توسط wells و همکاران [9] و guillemaud وbrady [v] بر اساس آلگوریتم (expectation maximization) em استاندارد بوده که در آن بطور همزمان بخش بندی و تصحیح غیریکنواختی شدت تصاویر صورت می گیرد. از جمله مسائل مطرح در این آلگوریتم تخمین اتوماتیک پارامترهای کلاسهای بافتی می باشد. آلگوریتم جدیدی بر اساس آلگوریتم em استاندارد ارائه شده است که در آن روشی برای تخمین اتوماتیک پارامترهای کلاسهای بافتی در نظر گرفته ایم. آلگوریتم بخش بندی و تصحیح غیریکنواخت شدت مشابه آلگوریتم wells و همکارانش است لیکن برای بهینه سازی آلگوریتم جدید، تغییراتی در آلگوریتم مذکور داده شده است . برای مقایسه کمی نتایج تصحیح غیریکنواختی شدت آلگوریتمها از معیار ضریب تغییرات انحراف معیار (نسبت انحراف معیار rol مشخص به میانگین ضربدر 100) و برای مقایسه کمی نتایج بخش بندی ضایعات ms از معیار اندیس تشابه استفاده کرده ایم. در همه حالتها نتایج آلگوریتم ارائه شده قابل توجه می باشد. بعنوان مثال در یکی از تصاویر، آلگوریتم جدید ضریب تغییرات انحراف معیار از 0/400 به 0/009 کاهش داده است در حالیکه آلگوریتم wells و همکاران آنرا به 0/040 و آلگوریتم guillemaud و brady آنرا به 0/022 تغییر داده است .

رادیوگرافی مبتنی برفیلم دارای مشکلاتی است که با توجه به پیشرفت تکنولوژی هنوز تعدادی از آنها بصورت غیرقابل حل باقی مانده اند. از آن جمله می توان به احتیاج به تشعشع بالا جهت عکس برداری ، وقتگیر بودن به جهت لزوم ظهور و ثبوت فیلم و هزینه بر بودن بدلیل استفاده از مواد مصرفی شیمیایی ، اشاره کرد. برای حل اینگونه مشکلات ، سیستم های نوینی مبتنی بر سنسور اشعه ایکس، که مستقل از فیلم رادیوگرافی می باشند و بعلت حساسیت بالا نسبت به فیلم نیاز به اشعه بمراتب کمتری نسبت به روش مبتنی بر فیلم دارند.

در این پروژه روشهایی برای جداسازی ساختارهای خاص ، مانند تالاموس و هسته قرمز از تصاویر‏‎mri‎‏ مغزی پیشنهاد شده است .این روشها برای جداسازی ساختارهایی با کنتراست پایین ، لبه های ضعیف و ناپیوسته طراحی شده اند . بعد از تحقیق در باره روشهای مختلف شناسایی وجداسازی ساختارها از روی تصاویر ، روشهای معرفتی و کانتورهای دینامیکی مبنای کار قرار گرفتند. روشهای معرفتی به علت ترکیب اطلاعات تصویر با اطلاعاتی مثل اطلاعات پزشکی یا اطلس ، دید وسیعی در شناسایی ساختارها ایجاد می کنند. یکی از مزایای مهم کانتورهای دینامیک ایجاد یک مرز بسته برای محدوده مورد نظر می باشد. سابقه مدلهای کانتور دینامیک به مدل مار بر می گردد . این مدل براساس تعریف یک تابع انرژی و یافتن حالت مناسب از طریق حداقل کردن انرژی عمل می کند. در مدل مار انرژی مدل ، که یک کانتور بسته یا باز است با حرکت آن به طرف جنبه های تصویری تعریف شده ، کاهش می یابد. وجه تسمیه این مدل نیز به همین علت است . روش پیشنهادی بر مبنای شناسایی مطمئن ساختارها توسط روشهای معرفتی و جداسازی دقیق ساختارها با کانتورهای دینامیک می باشد. روشهایی استاندارد لبه یابی ، توزیع انرژی مناسبی برای جداسازی ساختارهایی مانند تالاموس ایجاد نمی کنند. لذا در این پروژه روشی جدید جهت ایجاد توزیع انرژی مناسب برای استخراج ویژگیهای مطلوب از تصویر و در نتیجه یافتن صحیح حداقل محلی انرژی در موقعیتهای لبه و هدایت کانتور به سمت لبه های ساختار مورد نظر پیشنهاد شده است . همچنین راه حلهایی برای بعضی مشکلات اعمال مدل مار برای این کاربرد و کاربردهای مشابه ارائه شده است.

در سالهای اخیر استفاده از تصاویر پزشکی برای افزایش میزان موفقیت درمان رشد بسیار زیادی داشته است. به طور کلی استفاده از این تصاویر به پزشک در تشخیص بیماری و وضعیت آن و همچنین انتخاب روش درمان کمک بسیار زیادی می کند. در برخی از موارد بدون استفاده از تصاویر پزشکی تشخیص بسیار سخت و در برخی موارد غیر ممکن است.

با افزایش تقاضای محصولات فتوگرامتری رقومی و سنجش از دور ، فضای ذخیره رایانه ای بزرگی جهت نگهداری حجم عظیمی از مجموعه داده های اخذ شده هوائی یا ماهواره ای مورد نیاز است. از آنجا که تصاویر رقومی دارای مقادیر زیادی داده های تکراری یا افزونگی اطلاعات هستند. فشرده سازی تصاویر، یک راه حل مناسب در خصوص ظرفیت ذخیره سازی های محدود محسوب می شود. لذا در این پایان نامه به فشرده سازی فراکتالی تصاویر و مقایسه آن با سایر روشهای فشرده سازی تصویر پرداخته شده است. در نظریه فشرده سازی فراکتالی تصاویر، از سیستم توابع تکرارشونده محلی یا تدیل فراکتال‏‎fractal transform‎‏ که خود پایه و اساس الگوریتم فشرده سازی خودکار در تصاویر است، استفاده می شود. الگوریتمهای فشرده سازی و بازگشایی ، پیاده سازی شده همچنین به تکنیک های بهینه سازی الگوریتم خودکار، اشاره شده است. در پایان نیز نتایج حاصله از اجرای این روش ، با سایر روشهای فشرده سازی مبتنی بر تبدیل موجک و یا ‏‎jpeg‎‏ روی تصاویر گوناگونی ، مقایسه گردیده ، بنحویکه در سه تصویر با زمینه های مختلف ، دقت تطابق یابی قبل و بعد از فشرده سازی ، توسط این سه روش با نسبتهای فشرده سازی گوناگون مورد ارزیابی قرار گرفته است. نتیجتا هر چند فشرده سازی موجک حداکثر نسبت فشرده سازی را در ارتباط با بهترین کیفیت تصویر (براساس ‏‎psnr‎‏ داراست)، اما از نقطه نظر فشرده سازی که خود خطای تطابق یابی را تحریک می کند، چنین نتیجه شد که فشرده سازی ‏‎jpeg‎‏ اندکی بهتر از فشرده سازی موجک بوده ولی بطور کلی بهتر از فشرده سازی فراکتالی است. چرا که در کاربردهای فتوگرامتری خطای برهم افتادگی روش فراکتالی بر دقت تناظریابی اثر منفی می گذارد.

در این پروژه ، هدف پردازش و تحلیل سیگنالهای مقاطع مختلف مغز از بیمارانی با چهار نوع ضایعه مغزی (تومورهای گلیوما، الیگودندروگلیوما و آستروسایتوما) است.

امروزه تصویرنگاری عملکردی تشدید مغناطیسی توسط طیف وسیعی از محققین ، نرولوژیست ها و پزشکان برای کاربردهای تحقیقی و تشخیصی مورد استفاده قرار می گیرد. هدف از انجام این تحقیق ارزیابی عملکرد و قابلیت اعتماد روشهای مختلف تحلیل است ، تا با استفاده از نتایج چنین تحقیقی روش مناسب تر برای هر کاربرد مشخص شود.برای این منظور معیارها و پارامترهایی همچون دقت تشخیص ، حساسیت ، ضریب هماهنگی و درصد تکرارپذیری را معرفی کرده ایم و روشهای مختلف تحلیل داده های ‏‎fmri‎‏ را بوسیله این معیارها مورد سنجش قرار داده ایم. از میان این معیارها دقت تشخیص برای عملکرد روشهای تحلیل روی داده حالت استراحت ، حساسیت برای داده شبیه سازی شده و پارامترهای ضریب هماهنگی و درصد تکرارپذیری برای داده واقعی ‏‎fmri‎‏ بکار گرفته شده اند. با استفاده از معیارهای فوق روشهای تفریق ، همبستگی ، آنالیز واریانس و تحلیل مولفه های مستقل را مورد مقایسه قرار داده ایم.همچنین توانایی روشهای مختلف در تشخیص فعالیت در مراکز شناخته شده حرکت در مغز برای داده عملکردی تحریک حرکتی بررسی شده است که در نتیجه این بررسی مشاهده می شود که در نتایج تمام روشها کورتکس حرکتی فعال شناخته شده است. در تمامی تحلیل ها همبستگی عملکردی قابل قبول نشان داده ، روش تحلیل واریانس که محافظه کارترین روشهاست ، از نظر تکرارپذیری از دیگر روشها بهتر عمل می کندو نتایج روشهای تفریق و همبستگی نسبت به هر دو روش دیگر، دارای شباهت های بیشتری بوده اند.

طراحی و ساخت سیستم تصویربرداری دیجیتال بعنوان یک مجموعه مکمل برای ارتقا قابلیت و کارایی دستگاههای ‏‎x-ray‎‏ موجود در دندانپزشکی مطرح می گردد. طراحی سخت افزار پیشنهادی شامل سه قسمت سنسور به همراه مدارات جانبی ، کارت دیجیتال کننده و کارت انتقال داده می باشد.در بخش سنسور ، اشعه ‏‎x‎‏ با برخورد به صفحه فسفری تراشه تبدیل به بار الکتریکی و در خروجی سنسور ، بصورت سیگنال الکتریکی تبدیل می گردد. سیگنال ضعیف ویدئویی تولید شده حاوی اطلاعات تصویری ، به کمک کارت دیجیتال کننده ، به 8 بیت داده دیجیتال تبدیل می گردد. در نهایت داده های بدست آمده به کمک کارت انتقال داده ، از طریق گذرگاه ‏‎peripheral component interconnect‎‏ به حافظه داخلی کامپیوتر منتقل می گردد. سخت افزار پیاده سازی شده پس از نصب نرم افزار که کار اصلی آن درایو کردن سخت افزار و پردازش بر روی تصویر می باشد، بصورت یک سیستم تصویر برداری دیجیتال برای دستگاههای ‏‎x-ray‎‏ موجود در دندانپزشکی آماده می گردد. از جمله خصوصیات سخت افزار فوق می توان به کار کردن آن با انواع سنسورهای ‏‎x-ray‎‏ مورد استفاده در دندانپزشکی و همچنین ابعاد کوچک آن اشاره کرد بطوریکه در ابعاد استاندارد کارت ‏‎pci‎‏جای می گیرد. از مهمترین مزیت های سیستم فوق کاهش بین 60 تا 90 درصد شدت اشعه‏‎x‎‏ به بدن بیمار، کاهش زمان تصویربرداری ، قابلیت ذخیره سازی و انتقال دیجیتالی تصاویر نسبت به فیلمهای رایج اشاره کرد.

یک الگوریتم تشخیص مانع مبتنی بر بینایی یک چشمی برای محیط ایستا با استفاده از جریان نوری ارائه شده است . ایده اصلی از این مشاهده گرفته شده است که جابجایی تصویر مانع و سطح زمین در صفحه تصویر متفاوتند. این تفاوت متناسب با ارتفاع مانع است. در یک سیستم بینایی کالیبره شده، بردارهای تعقیب نقاط در تصویر می توانند مستقیما به میدان حرکت تبدیل شوند. بنابراین ، با دانستن میدان حرکت نقاط یک ناحیه خالی از مانع در تصویر ( مثلا نواحی پایین تصویر) میدان حرکت بقیه نواحی تصویر با فرض عدم وجود مانع در مقابل ربات قابل محاسبه هستند. عمل تشخیص مانع به سادگی با مقایسه میدان حرکت هر ناحیه با میزان مورد انتظار برای آن ناحیه انجام می شود. یک مدل هندسی برای ایده ارائه شده توسعه یافت و اثرات پارامترهای مختلف هندسی و نویز بر حداقل ارتفاع قابل تشخیص به صورت ریاضی و تجربی مطالعه شد. بعلاوه روش ارائه شده با روشهای مبتنی بر واگرایی مقایسه شد.روش ارائه شده بر روی یک ربات متحرک به صورت بی درنگ پیاده سازی شد.

افزایش سرعت و حجم ترافیک و در کنار آن افزایش بار محوری قطارها باعث وارد آمدن استرس های قوی به ریل راه آهن می شود، که این استرس ها امکان بروز عیوب داخلی در ریل را که اغلب با مشاهده چشمی قابل شناسایی نیستند، افزایش می دهد. عدم تعویض ریل های معیوب سرانجام منجر به شکستگی ریل و آسیب دیدن خط شده و خطرات جانی و مالی فراوانی برای قطارها و مسافرین آنها دربردارد. توجه به آمار و بررسی خسارات اقتصادی و جانی مرتبط با عوامل مذکور، لزوم استفاده از سیستم بازدارنده و پیشگیری کننده را گوشزد می کند. از طرفی کاربرد وسیع و گسترده روش های آزمون التراسوند در شناسایی انواع ناهمگونی و شکستگی در قطعات مختلف و امکان بکارگیری این روش ها در سیستم های متحرک، توانایی تست فراصوتی را در شناسایی آسیب های ریل و اتصالات آنها تایید نموده و این امر باعث گردید که شرکت های راه آهن مبادرت به ساخت تجهیزات ویژه تست ریل به روش فراصوتی نمایند. در این پایان نامه نحوه طراحی و ساخت سیستم الکترونیکی برای ارسال و دریافت سیگنال به پروب های ماورا صوت، جهت کنترل سلامت ریل و همچنین چگونگی پردازش و تحلیل اطلاعات بدست آمده، بررسی خواهد شد. نیاز به آزمایش طول مسیر، حرکت پروب ها روی ریل را ایجاب می نماید. برای بازرسی نقطه به نقطه ریل لازمست با پریود مناسبی عمل اسکن ماورا صوت ریل صورت پذیرد. اطلاعات آنالوگ حاصل از هر تصویربرداری توسط یک کارت آنالوگ به دیجیتال، بصورت دیجیتال درآمده و در حافظه آن ثبت می شود. سپس این اطلاعات توسط کامپیوتر پردازش می شود تا نسبت به سلامت ریل تصمیم گیری شود. همراه با حرکت سیستم روی ریل، ارسال و دریافت امواج التراسوند و پردازش آنها بصورت پشت سرهم انجام می گیرد، تا همه جای ریل مورد بررسی قرار گرفته شود. برای مشخص نمودن قسمت های آسیب دیده ریل از سیستم رنگ پاش اتوماتیک استفاده می شود که مورد مذکور، بازرشی مجدد ریل و رفع نقص و احیانا تعویض آن را تسهیل می نماید.

الگوریتمهای جداسازی بافت شامل دو مرحله می باشند. مرحله اول، مرحله استخراج ویژگیها از تصویر است که با روشهای گوناگونی تاکنون انجام شده است. در این پایان نامه، چندین روش از روشهای استخراج ویژگی شامل فیلترهای گابور، تبدیل موجک و تبدیل چند موجک مورد استفاده قرار می گیرند. مرحله دوم، مرحله دسته بندی می باشد که در اینجا از روشهای خوشه یابی فازی و برآوردگر حداکثر احتمال پسین استفاده شده است.الگوریتمهایی که در این پایان نامه پیشنهاد شده اند را می توان به دو دسته تقسیم کرد. دسته اول براساس فیلتر گابور می باشد. در الگوریتم بهینه سازی جداسازی تصویر با فیلتر گابور، یک سری ضرایب در قالب مجموعه های فازی برای ترکیب خروجی فیلترها تعریف می شود و سپس با استفاده از الگوریتم ژنتیک مقادیر درجه عضویت مجموعه های فازی بهینه می گردند. با استفاده از مجموعه های فازی بهینه شده ویژگی مربوط به نقاط تصویر تعیین می گردند، یکی دیگر از این الگوریتمها برای بهینه سازی پارامترهای فیلتر گابور با استفاده از الگوریتم ژنتیک می باشد. به این دلیل که این پارامترها در ویژگیهای استخراج شده از تصویر موثر می باشند ما به دنبال پارامترهایی هستیم که حداکثر اختلاف بین ویژگیهای استخراج شده از بافتهای مختلف را نتیجه دهند. در کارهای قبلی از روشهای آماری استفاده شده، ولی ما از الگوریتم ژنتیک استفاده می نماییم. دسته دوم الگوریتمها بر اساس استفاده از تبدیل موجک و چند موجک تصاویر می باشد. یکی از این الگوریتمها شناسایی بافت در ناحیه خاص تصویر است که با محاسبه انرژی زیرتصویرهای حاصل از اعمال تبدیل موجک و چندموجک، ویژگیهای تصویر را استخراج می کند. یکی از این الگوریتمها جداسازی بافت را با استفاده از اطلاعات محلی تصویر انجام می دهد. به منظور تهیه اطلاعات محلی از ویژگیهای تصویر، با استفاده از تصاویر حاصل از تجزیه تصویر، برای هر نقطه تصویر بردار ویژگی تشکیل می شود. الگوریتم دیگر با افراز تصویر به یک سری نواحی و جداسازی آنها با الگوریتم شناسایی بافت در ناحیه خاص تصویر کار می کند. آخرین الگوریتم پیشنهاد شده مربوط به استفاده از تصاویر ویژگی حاصل از محاسبه تبدیل موجک تصویر در الگوریتم برآوردگر حداکثر احتمال پسین با استفاه از قاعده بیز می باشد. با توجه به نتایج عملی حاصل از اجرای الگوریتمهای بالا بر روی تصویر ساختگی و واقعی، می توان نتیجه گرفت که خوشه یابی فازی ‏‎c‎‏ میانگین یک طبقه بندی کننده مناسب برای جداسازی بافتهای تصویری می باشد. فیلترهای گابور بهینه سهم به سزایی در شناسایی بافتهای تصویر ایفا می کنند. تبدیل موجک و چندموجک نیز در استخراج ویژگیهای تصویر موثر و مفید هستند و جا دارد تحقیقات بیشتری در این زمینه صورت گیرد. فیلترهای گابور در استخراج ویژگیهای محلی بافتهای تصویر بهتر از موجک و چندموجک عمل می کنند و در الگوریتمهایی که از اطلاعات محلی استفاده می کنند موفقتر می باشند. در عوض استفاده از تبدیلهای موجک و چندموجک جهت استخراج ویژگیهای کل تصویر یا ناحیه ای از آن به طور غیرمحلی، مناسبتر از فیلترهای گابور می باشد. در این میان تبدیل موجک در آزمایشات انجام شده بهتر از تبدیل چند موجک عمل کرده است. همچنین استفاده از تبدیل موجک در الگوریتم برآوردگر حداکثر احتمال پسین مناسب می باشد.

داپلر ماورای صوت یک روش غیرمخرب برای مطالعه سرعت جریان خون در یک پریود قلب می باشد. داپلر ماورای صوت پالسی سرعت خون را با اندازه گیری شیفت داپلر بوجود آمده در فرکانس پرتوهای بازگشتی از سلولهای قرمز خون متحرک مشخص می کند. سلولهای قرمز خون دارای توزیع مکانی تصادفی هستند و جریان خون نیز پالسی است لذا سیگنال داپلر متغیر با زمان و تصادفی می باشد. اغتشاش جریان خون و تغییر در شکل موج سرعت منجر به افزایش پهنای باند سیگنال می گردد. روشهای قبلی که برای آنالیز طیف بکار برده می شدند از قبیل تخمین گرهای اتورگرسیو مرتبه دو و سه و بالاتر و یا روشهای مبتنی بر تبدیل فوریه سریع مثل تبدیل فوریه زمان کوتاه به نوعی سیگنال را ایستا فرض می کردند. توزیع های زمان - فرکانسی برای آنالیز سیگنالهای غیرایستا بکار می روند و تغییرات مولفه های فرکانسی را در زمانهای مختلف بررسی می کنند. این کار با تصویر کردن تابع یک بعدی از زمان به تابع دو بعدی از زمان و فرکانس انجام می شود. این روشها انرژی سیگنال را در موقعیت های زمان و فرکانس مختلف نشان می دهند و نیازی به ایستا بودن سیگنال در مدتی که آن را آنالیز می کنند ندارد. برای اندازه گیری سرعت چون خون در طول زمان یک پریود قلب نیاز به تخمین فرکانسهای موجود در سیگنال بازگشتی می باشد. در این پژوهش برای تخمین این فرکانسها از توزیعهای زمان - فرکانسی چو - ویلیام، ویگنروبسل و تبدیل موجک استفاده شده است. ابتدا برای سیگنال داپلر یک شبیه سازی انجام شده و سپس پارامترهای هریک از این روشها برای بدست آمدن بهتر سیگنال داپلر بهینه شده است. در نتیجه پارامتر ثابت برای توزیع بسل 5/3 و برای توزیع چو - ویلیام برابر 6 بدست آمده است. طول بهینه پنجره زمانی برای توزیع چو - ویلیام برابر 25 میلی ثانیه، برای توزیع بسل 15 میلی ثانیه و برای توزیع ویگنر 30 میلی ثانیه بدست آمد. برای تبدیل موجک کویفلت نیز تعداد سطوح تجزیه بهینه 8 بدست آمد. و این سطح نیز بهینه شد و برای نسبت سیگنال به نویزهای مختلف این روش ها مقایسه شد. در مجموع توزیع چو -ویلیام بهتر از سایر توزیع های زمان - فرکانسی عمل کرد و طیف را بهتر تخمین زد. نتایج تبدیل موجک نیز قابل رقابت و بعضا بهتر از نتایج توزیع های زمان - فرکانسی می باشد.

مطمئن ترین و آخرین راه برای تشخیص سرطان، نمونه برداری از بافت مشکوک می باشد. اگر احتمال ابتلا به سرطان از طریق روش های غیرتهاجمی مانند رادیوگرافی، تصویربرداری ‏‎mri‎‏ و ‏‎ct‎‏ اسکن و اولتراسوند رد نشد، برای اطمینان، از بافت مشکوک نمونه برداری بافت می شود و پس از رنگ آمیزی، سلولهای آن زیر میکروسکوپ مشاهده می گردد. متخصص آسیب شناسی با مشاهده شکل سلولها، نحوه قرار گرفتن آنها در بافت، بیماری را تشخیص می دهد و در صورت وجود سرطان، درجه هیستولوژیکی آنرا تعیین می کند. درجه هیستولوژیکی، مشخص کننده میزان بدخیمی بافت سرطانی می باشد. درجه بندی این تصاویر می تواند متاثر از عوامل درون ناظری و بین ناظری باشد؛ یعنی سلیقه ای و وابسته به شخص باشد. همچنین درجه بندی بعضی از تصاویر مشکل و وقتگیر می باشد. از آنجا که درجه هر نمونه سرطانی برای برنامه ریزی درمانی اهمیت فراوان دارد، به روشی خودکار و به دور ازمعیارهای شخصی برای درجه بندی، نیاز شدید وجود دارد. هدف از این تحقیق، خودکار کردن درجه بندی گلیسون برای تصاویر آسیب شناسی پروستات می باشد.در روش پیشنهادی، درجه بندی بر اساس استخراج ویژگی هایی از تصویر با استفده از تبدیل مالتی و یولت و طبقه بندی آن با استفاده از طبقه بندی کننده ‏‎‏‎k‎‏ نزدیکترین همسایه مشترک صورت می گیرد. این ویژگی ها شامل انرژی و آنتروپی محاسبه شده از زیر ماتریس های بدست آمده از تجزیه مالتی و یولت می باشند. برای مقایسه با روش های دیگر استخراج ویژیگی، از ویژگی های بدست آمده توسط تبدیل و یولت بسته ای و ممان های آماری مرتبه دوم بدست آمده از ماتریس های هم وقوعی معموملی و فازی نیز استفاده کردیم. نتایج نشان می دهند که استفاده از مالتی و یولت نسبت به بقیه روش ها دارای نتایج بهتری است. در مورد مالتی و یولت نیز سطح اول تجزیه دارای حساسیت زیادی به نویز است و باید صرفنظر شود. همچنین پیش پردازش نمونه برداری بحرانی نسبت به پیش پردازش سطر تکراری دارای حساسیت کمتری به نویز است.

در این پایان نامه، روشی برای کاهش بعد فضای ویژگی داده های تصاویر تشدید مغناطیسی مغز به سه بعد پیشنهاد می شود. این روش از شبکه عصبی پیشخورد غیر خطی برای تولید ویژگی های جدید استفاده می کند. بجای استفاده از روش استاندارد پس از انتشار خطا، پارامتر توسط الگوریتم ژنی به گونه ای تعیین می شوند که داده های تبدیل یافته در خروجی شبکه عصبی تا به هدف معینی را بهینه نمایند. پنج تابع هدف نیز معرفی می شوند. دو تا از آنها از ماتریسهای پراکندگی تحلیل جداساز فیشر استفاده می کنند (روشهای ‏‎nlda‎‏ و ‏‎‏‎cnlda‎‏). روش ‏‎nlda‎‏ در واقع یکی از توابع هدف تحلیل جداساز می باشد که در اینجا بجای تبدیل خطی، استفاده از تبدیل غیر خطی برای اجرای آن پیشنهاد می شود. در روش ‏‎cnlda‎‏ نیز علاوه بر استفاده از تبدیل غیرخطی، پیشنهاد می نماییم محدودیت نگاشت بردارهای میانگین بافتهای عادی به نقاط هدف از پیش تعیین شده در فضای خروجی، به این هدف افزوده شود. سه تابع هدف دیگر، بر مبنای تابع خطای سامون عمل می کنند که اولین آنها، حداقل سازی تابع خطای سامون را به عنوان معیار بکار می برد (روش ‏‎sammon‎‏). در دو تابع دیگر، به ترتیب افزودن شرط حداکثر نمودن کوچترین مقدار ویژه ماتریس کواریانس (روش ‏‎ms‎‏)، و محدودیت تعامد بردارهای میانگین بافتهای عادی (روش ‏‎cs‎‏) به معیار تابع خطای سامون را پیشنهاد می نماییم. داده های فضای ویژگی سه بعدی بدست آمده را می توان از طریق ایجاد تصویر پرسپکتیو از هستوگرام سه بعدی مجسم نمود. با تعیین حدود مرز خوشه های داده در این تصویر پرسپکتیو از هیستوگرام سه بعدی مجسم نمود. با تعیین حدود مرز خوشه های داده در این تصویر پرسپکتیو، بخش بندی تصاویر تشدید مغناطیسی بدست می آید. هر یک از توابع هدف روی تصاویر شبیه سازی شده واقعی آزمایش شدند. نتایج بدست آمده از روشهای پیشنهادی با نتایج روشهای تبدیل خطی بهینه و تبدیل شبکه عصبی پس انتشار به طور کمی و کیفی مقایسه گردیدند. به لحاظ کمی برای تصاویر شبیه سازی شده روشهای ‏‎sammon‎‏ و ‏‎ms‎‏ خطای بخش بندی به مراتب کمتری نسبت به دیگر روشها تولید نمودند. به لحاظ کیفی نیز این دو روش تمایز برجسته تری بین خوشه های بافتهای غیر عادی ایجاد می نماید. در بخش بندی تصاویر واقعی نیز روشهای ‏‎sammon‎‏ و ‏‎ms‎‏ خطایی کمتر از سایر روشها ارایه نمودند. همچنین کیفیت فضای ویژگی استخراج شده توسط این دو روش و روش خطی به لحاظ جدا نمون بافتهای غیر ادی، در اکثر موارد از روشهای دیگر بهتر است.