Orvosi képdiagnosztika-ACM Snake forrásának megtekintése

Az [[Orvosi_képdiagnosztika|Orvosi képdiagnosztika]] tárgy egyik témaköre.

== Jegyzetek ==
* [http://home.mit.bme.hu/~hadhazi/Oktatas/OKD/diak/Snake_16.pdf ACM Snake diák 2016] (nehezen érhető)
* [https://en.wikipedia.org/wiki/Active_contour_model ACM Snake wikipedia] (bevezetőnek jó)
* '''[https://pdfs.semanticscholar.org/a4ef/a6a763f808863d7e2ded15a14e3c5d439363.pdf ACM Snake publikáció]''' (a teljes anyagot lefedi, részletes és könnyen érhető)

== Összefoglaló ==

Az ACM (Active Contour Modell) Snake célja egy objektum kontúrjainak meghatározása egy zajos képen.

== Ellenőzrő kérdések (2016) ==

{{Rejtett
|mutatott=Ismertesse formálisan a Snake futása során megvalósított optimalizálási feladatot az energiapotenciál (E(x)) felhasználásával. Mit tud mondani az optimalizálási probléma algoritmikus nehézségéről? Az <math> E(x) = E_{int}(x) + E_{im}(x) + E_{ext}(x) </math> energiapotenciál esetén mi az integrandus egyes tagjainak interpretációja? Az <math>E_{int}(x) = \frac{1}{2} \int^1_{s=0} \alpha(s) \cdot \left| \frac{\partial x}{\partial s}\right|^2 + \beta(s) \cdot \left| \frac{\partial^2 x}{\partial s^2}\right|^2 ds </math> belső energia egyes tagjai milyen kényszereket gyakorolnak a szegmentáló görbe pontjaira?
Amennyiben a többi energiatag értéke x-től független skalár, abban az esetben milyen az optimalizáció végén előálló szegmentáló görbe?
|szöveg=
[TODO]
}}

{{Rejtett
|mutatott=Legmeredekebb lejtő módszere esetén a Snake minimalizálandó energiafüggvények a megváltozását az alábbi összefüggés definiálja: <math>E(x) + \delta E(x) = E(x) + \int^1_0 \left( \frac{\partial P}{\partial x} - \alpha x'' + \beta x'''' \right)^T \cdot \delta x ds</math>. Oldja fel az <math>x, \delta x, P, \alpha, \beta</math> jelöléseket! Mit tudunk a legmeredekebb lejtő által megválasztott <math>\delta x</math> irányáról, és mit a hosszáról? (Segítségül a görbe belső energiáját az alábbi összefüggés definiálja: <math>E_{int}(x) = \frac{1}{2} \int^1_{s=0} \alpha(s) \cdot \left| \frac{\partial x}{\partial s}\right|^2 + \beta(s) \cdot \left| \frac{\partial^2 x}{\partial s^2}\right|^2 ds </math>.)
|szöveg=
[TODO]
}}

{{Rejtett
|mutatott=Mi az Euler-Lagrange optimalizáció / feltétel alapötlete? Mondja ki a feltételt a Snake esetén! Amennyiben a Snake esetén teljesül a feltétel, akkor megtalálta az eljárás a globálisan minimális energiájú görbét? A kérdésre adott válaszát indokolja! Származtassa 1D diszkrét jelek esetén a Laplace szűrés, illetve a 4-edik derivált diszkrét közelítését.
|szöveg=
[TODO]
}}

{{Rejtett
|mutatott=Magyarázza el a szemi-implicit minimalizáció alapötletét, és formálisan ismertesse a szemiimplicit minimalizáció egy-egy iterációját a Snake eljárás esetén (megelégszünk a differenciálegyenlet diszkretizáltjával, nem szükséges a pentadiagonális mátrix felírása). Segítségül a módszerrel Snake esetén az <math>\frac{\partial P}{\partial x^{(t)}} - \alpha \cdot {x''}^{(t)} + \beta \cdot {x''''}^{(t)}   = -\delta t \cdot \left( x^{(t)} - x^{(t-1)} \right)</math> egyenlet megoldását keressük, ahol <math>x' = \frac{\partial x}{\partial s}</math> és <math>x(s)</math> definiálja a Snake kontúrját s „helyen”.
|szöveg=
[TODO]
}}

{{Rejtett
|mutatott=Hogyan jelentkezik a lokális optimum probléma a Snake szegmentáló eljárás esetén. Milyen módszereket ismer a probléma kezelésére? Mi az ú.n. kétfázisú szegmentáció lényege (gondoljon az esettanulmányra)? A mellékelt ábrák segítségével magyarázza el az energiafüggvény/energiapotenciál multiscale Gaussal történő elmosásán alapuló többlépéses szegmentálás lényegét: [[File:Orvosi_kepdiagnosztika_acm_snake_ell_abra.png]]
Fekete nyíllal jelöljük a Snake minimalizációjának kiindulási állapotát. Jelölje be, hogy az első szegmentáció leállásának az állapotát, és a 2. Szegmentáció indulásának és leállásának a helyét. Az ábrák és saját ismeretei alapján interpretálja <math>\sigma</math> paraméter értének megválasztását.
|szöveg=[TODO]
}}


{{Lábléc - Mérnök informatikus mesterszak}}