মায়ামোয়া ইমেজ প্রসেসিং: 8 টি ধাপ

2024 লেখক: John Day | [email protected]. সর্বশেষ পরিবর্তিত: 2024-01-30 08:02

মায়ামোয়া, "ধোঁয়ার ধোঁয়া," একটি বিরল রোগ যা মস্তিষ্কের গোড়ার একটি অঞ্চল বেসাল গ্যাংলিয়ায় ধমনীর বাধা দ্বারা সৃষ্ট হয়। রোগটি একটি প্রগতিশীল সেরিব্রোভাসকুলার রোগ যা বেশিরভাগ ক্ষেত্রে শিশুদের প্রভাবিত করে। ধমনীর ক্রমবর্ধমান সংকীর্ণতার ফলে প্রাথমিক স্ট্রোক, ধ্রুবক মিনি-স্ট্রোক, পেশী দুর্বলতা, পক্ষাঘাত বা খিঁচুনির মধ্যে রয়েছে মোয়ামোয়ার লক্ষণ। চিকিত্সা ছাড়াই, মোয়ামোয়ায় বক্তৃতা, সংবেদনশীল দুর্বলতা এবং ক্ষতিগ্রস্ত চেতনার সমস্যা হবে। আমাদের প্রকল্পে, আমরা প্রভাবিত এলাকা সনাক্ত করতে ছবির মধ্যে শব্দ কমাতে বিভিন্ন ফিল্টার ব্যবহার করে একটি এমআরআই বা এমআরএ ইমেজ প্রিপ্রোসেস করার জন্য ম্যাটল্যাব ব্যবহার করব। উপরন্তু, আমরা প্রভাবিত এলাকাগুলিকে আরও সুনির্দিষ্টভাবে সনাক্ত করতে একটি বৈশিষ্ট্য বর্ধন ব্যবহার করব। তদুপরি, আমরা মায়ামোয়ায় আক্রান্ত মস্তিষ্কের তুলনায় স্বাভাবিক মস্তিষ্কে রক্তনালীর পরিমাণের মধ্যে উল্লেখযোগ্য পার্থক্য আছে কিনা তা নির্ধারণের জন্য আমরা একটি স্বাধীন নমুনা টি-টেস্ট চালাব।

ধাপ 1: একটি সাধারণ মস্তিষ্কের এমআরআই এবং এমআরএ স্ক্যান এবং মায়াময়ায় আক্রান্ত একটি মস্তিষ্ক খুঁজুন

এই ছবিগুলি স্ক্যান যা আমরা অনলাইনে পাওয়া প্রকল্পের জন্য ব্যবহার করেছি। মাঝখানে অবস্থিত রক্তনালীর দুটি ছবি এমআরএ স্ক্যান, অন্য দুটি ছবি এমআরআই স্ক্যান।

নিম্নোক্ত লিঙ্কগুলি যেখানে এই ছবিগুলি পাওয়া যায়:

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

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

ধাপ 2: MATLAB- এ ছবিগুলি লোড করুন এবং ছবিগুলি প্রদর্শন করার জন্য একটি পরিবর্তনশীল ছবিগুলি বরাদ্দ করুন

প্রক্রিয়াটি শুরু করার জন্য, কমান্ড উইন্ডো সাফ করে শুরু করুন, সমস্ত সম্ভাব্য পরিসংখ্যান এবং গ্রাফ বন্ধ করুন যা ইতিমধ্যেই খোলা থাকতে পারে এবং আপনার কর্মক্ষেত্রে ইতিমধ্যেই নির্ধারিত ভেরিয়েবলগুলি পরিষ্কার করতে পারে।

এর পরে, i = [1: 2] কমান্ড ব্যবহার করে 1 থেকে 2 পর্যন্ত একটি লুপ তৈরি করুন

এর পরে, এমআরএ ইমেজ লোড করুন ইম্রেড (স্প্রিন্টফ ('ফাইলের নাম% এটি একটি পরিবর্তনশীল।

তারপর একটি চিত্রে ছবিটি প্রদর্শন করতে, imshow (I) কমান্ডটি ব্যবহার করুন।

একটি ধূসর কালারম্যাপ বরাদ্দ করতে, কমান্ড কালারম্যাপ (ধূসর) ব্যবহার করুন।

রঙ সম্পূর্ণরূপে নির্মূল করতে এবং ছবির জন্য 3D ম্যাট্রিক্সকে 2D তে রূপান্তর করতে, rgb2gray (I) কমান্ডটি ব্যবহার করুন এবং এটি একটি পৃথক ভেরিয়েবলে বরাদ্দ করুন।

তারপর পূর্বে বর্ণিত কমান্ড বা imread (sprintf ('filename%.filetype', i)) ব্যবহার করে এমআরআই ইমেজ লোড করুন এবং এটি একটি নতুন ভেরিয়েবলে বরাদ্দ করুন

এমআরআই ছবির জন্য ব্যবহৃত নতুন ভেরিয়েবল দিয়ে rgb2gray কমান্ডটি পুনরাবৃত্তি করুন।

প্রয়োজনে, আপনি ইম্রেসাইজ (এ, স্কেল) কমান্ড ব্যবহার করে একটি চিত্রের আকার পরিবর্তন করতে পারেন এবং একটি পৃথক পরিবর্তনশীলকে বরাদ্দ করতে পারেন।

ধাপ 3: মাল্টিস্কেল ফিল্টারিংয়ের সাথে তীব্রতার ছবিতে দীর্ঘায়িত কাঠামো উন্নত করুন

একটি নতুন পরিবর্তনশীল ব্যবহার করে, ছবিতে নলাকার কাঠামো উন্নত করতে কমান্ড ফাইবারমেট্রিক (A) ব্যবহার করুন

আগের ভেরিয়েবলের সাথে, চিত্রের তীব্রতা পরিবর্তন করে হিস্টোগ্রাম সমীকরণ বাড়ানোর জন্য হিস্টেক (বি) কমান্ডটি ব্যবহার করুন এবং এটি একটি নতুন পরিবর্তনশীলকে বরাদ্দ করুন।

ইমহিস্ট (বি) কমান্ড ব্যবহার করে হিস্টোগ্রাম প্রদর্শন করুন

ফিল্টারের জন্য একটি থ্রেশহোল্ড তৈরি করতে একটি নতুন ভেরিয়েবল তৈরি করুন। এই ক্ষেত্রে পূর্ববর্তী পরিবর্তনশীল> 0.875 বরাদ্দ করুন, 0.875 এর মূল্যের অধীনে পিক্সেল তীব্রতা ফিল্টার করে

এর পরে, একটি নতুন চিত্র তৈরি করুন এবং নতুন ফিল্টার করা ছবি প্রদর্শন করতে imshow (A) কমান্ডটি ব্যবহার করুন।

ধাপ 4: একটি 2D মিডিয়ান ফিল্টার চালান

কমান্ড medfilt2 (A, [m n]) ব্যবহার করে, একটি 2D মিডিয়ান ফিল্টার চালান, যেখানে প্রতিটি আউটপুট পিক্সেল ইনপুট ছবিতে সংশ্লিষ্ট পিক্সেলের চারপাশে mxn সীমানায় মধ্যম মান ধারণ করে।

একটি নতুন চিত্র তৈরি করুন এবং মধ্যমা ফিল্টার করা ছবি প্রদর্শন করতে imshow (A) ব্যবহার করুন।

ধাপ 5: ছবিটি মাস্ক করুন

মধ্যবর্তী ফিল্টার করা ছবি ব্যবহার করে, [লেবেলড ইমেজ, নম্বরঅফব্লটস] = bwlabel (A) কমান্ডটি ব্যবহার করে ছবিতে সাদা দাগের সংখ্যা গণনা করুন

তারপরে, প্রতিটি দাগ বা রক্তনালীর ক্ষেত্রগুলি গণনা করতে অঞ্চল প্রপস ফাংশন স্টেটস = অঞ্চলপ্রপস (লেবেলড ইমেজ, 'এরিয়া') ব্যবহার করুন

সমস্ত ক্ষেত্রগুলিকে একটি ভেরিয়েবলে বরাদ্দ করুন

তারপর অন্য একটি ভেরিয়েবল ব্যবহার করে, 50 পিক্সেল ছাড়িয়ে যাওয়া ব্লটের সংখ্যা গণনা করুন

এর পরে, কমান্ড [sortedAreas, sortedIndicies] = সাজানোর মাধ্যমে 50 পিক্সেলের নিচে যে কোন দাগকে সাজান

তারপর, অন্য একটি ভেরিয়েবল ব্যবহার করে, কমান্ডটি ব্যবহার করুন ismember (labeledImage, sortedIndicies (1: numberToExtract)) লেবেলড ইমেজের উপাদান সম্বলিত একটি অ্যারে ফেরত দেওয়ার জন্য সোর্টেড ইনডিশনে নম্বর 1 থেকে রক্তনালীর সংখ্যার মধ্যে লজিক্যাল 1 (সত্য) অথবা একটি যৌক্তিক 0 (মিথ্যা)।

আগের ধাপের ভেরিয়েবলের সাথে, সত্য (মান> 0) পয়েন্টগুলি খুঁজে বের করুন এবং একটি বাইনারি ইমেজ তৈরির জন্য একটি লজিক্যাল অ্যারে তৈরি করুন এবং এটি একটি নতুন ভেরিয়েবলে বরাদ্দ করুন।

একটি নতুন চিত্র তৈরি করুন এবং নতুন বাইনারি ইমেজ imshow (A) ব্যবহার করুন।

তারপরে, কমান্ড অসম্পূর্ণতা (A) ব্যবহার করে চিত্রটি উল্টে দিন এবং এটি একটি ভিন্ন পরিবর্তনশীলকে বরাদ্দ করুন।

একটি মুখোশযুক্ত ইমেজ তৈরি করতে, কমান্ড রিসাইজড ইমেজ সহ একটি নতুন পরিবর্তনশীল ব্যবহার করুন।*uint8 (invertedimage)

একটি নতুন চিত্র তৈরি করুন এবং মুখোশযুক্ত ছবি প্রদর্শন করতে imshow (A) ব্যবহার করুন।

সম্পূর্ণ কোডটি শেষ করতে, লুপের জন্য সম্পূর্ণ শেষ করতে 'end' কমান্ডটি ব্যবহার করতে ভুলবেন না

ধাপ 6: পরিসংখ্যান পরীক্ষার জন্য এমআরএ স্ক্যান নির্বাচন করুন

পরিসংখ্যান পরীক্ষার জন্য প্রস্তুত করতে, এমআরএ স্ক্যান নির্বাচন করুন যা স্বাধীন নমুনা টি-পরীক্ষার জন্য ব্যবহার করা হবে। কারণ আমাদের দুটি নমুনা মস্তিষ্ক প্রভাবিত হবে মায়ামোয়ায়, এবং স্বাভাবিক মস্তিষ্ক, প্রতিটি গ্রুপের একটি ভাল পরিমাণ এমআরএ স্ক্যান নির্বাচন করুন।

ধাপ 7: পরিসংখ্যান পরীক্ষার জন্য প্রস্তুতিতে রক্তবাহী জাহাজের ক্ষেত্রফল গণনা করুন

পরিসংখ্যান পরীক্ষা এমআরএ স্ক্যানগুলিতে দেখানো রক্তবাহী জাহাজের দৈর্ঘ্য বা পরিমাণের উপর দৃষ্টি নিবদ্ধ করবে। সুতরাং, তুলনার আগে আমাদের অবশ্যই রক্তনালীর ক্ষেত্রফল গণনা করতে হবে।

স্বাভাবিক মস্তিষ্কের এমআরএ ফিল্টার করে এবং রক্তনালীর পরিমাণ গণনা করে শুরু করুন। এটি করার জন্য, একটি লুপ চালান। কারণ তিনটি ছবি আছে, শর্ত হবে i = [1: 3]।

ইম্রেড কমান্ড দিয়ে ছবিটি খুলুন এবং এটি একটি ভেরিয়েবলে বরাদ্দ করুন।

পরবর্তী, if, else কমান্ড দিয়ে if/else স্টেটমেন্ট তৈরি করুন। If স্টেটমেন্টের জন্য, কমান্ড সাইজ (A, 3) == 3 ব্যবহার করুন, যেখানে A হল ভেরিয়েবল যা ইমেজ খুলতে ব্যবহৃত হয়, যখন অ্যারের তৃতীয় মাত্রা 3 এর জন্য if স্টেটমেন্ট তৈরি করে। 2D তে এবং rgb2gray (A) কমান্ড ব্যবহার করে রঙ থেকে মুক্তি পান এবং এটি একটি নতুন ভেরিয়েবলের জন্য বরাদ্দ করুন। ইমেজের আকার পরিবর্তন করতে imresize (A, [m n]) কমান্ডটি ব্যবহার করুন। এই ক্ষেত্রে, আমরা ছবিগুলিকে 1024 x 1024 ম্যাট্রিক্সে পরিবর্তন করেছি। চিত্রের নলাকার কাঠামো উন্নত করতে, আবার ফাইবারমেট্রিক কমান্ড ব্যবহার করুন এবং এটি একটি নতুন পরিবর্তনশীলকে বরাদ্দ করুন।

নিম্নলিখিত অন্য বিবৃতি জন্য। যদি ছবিটি 3D ম্যাট্রিক্স না হয়, আমরা রূপান্তর এড়িয়ে যেতে চাই। If স্টেটমেন্টের মতোই করুন, কিন্তু rgb2gray (A) কমান্ড ছাড়া।

একটি নতুন ভেরিয়েবল তৈরি করুন, এটি 0.15 এর চেয়ে বড় ফাইবারমেট্রিক ধাপ থেকে ভেরিয়েবলের সমান সেট করুন। এটি 0.15 এর চেয়ে বেশি তীব্রতার জন্য চিত্রটি প্রান্তিক করে।

আমরা মধ্যম ফিল্টার লাইন থেকে imshow (I) লাইন পর্যন্ত নির্দেশের ধাপ 4 এবং 5 থেকে কোডের লাইনগুলি পুনরাবৃত্তি করব। এর পরে, রক্তনালীগুলি তৈরি করে এমন সমস্ত পিক্সেল যোগ করতে এবং এটি একটি পৃথক পরিবর্তনশীলকে বরাদ্দ করতে কমান্ড সম (I (:)) ব্যবহার করুন। একটি নতুন ভেরিয়েবলের নাম NormalBloodVessels (i) দিন এবং এটি sum (I (:)) কমান্ড থেকে ভেরিয়েবলের সমান সেট করুন। এটি ম্যাট্রিক্সে ডেটা যুক্ত করে।

লুপ শেষ করুন এবং পুনরাবৃত্তি করুন কিন্তু Moyamoya দ্বারা প্রভাবিত মস্তিষ্কের MRAs জন্য। MoyaMoyaBloodVessels (i) এর শেষে ভেরিয়েবলের নাম দিন যাতে এটি স্বাভাবিক মস্তিষ্কের MRAs এর সাথে বিভ্রান্ত না হয়।

ধাপ 8: একটি স্বাধীন নমুনা টি-পরীক্ষা চালান

যেহেতু দুটি স্বাধীন নমুনা এবং একটি ছোট জনসংখ্যা রয়েছে, তাই একটি স্বাধীন নমুনা টি-পরীক্ষা চালান।

একটি ফাংশন তৈরি করুন এবং নাম দিন যা একটি স্বাধীন নমুনা টি-টেস্ট চালায় যা নির্ধারণ করে যে মস্তিষ্কের এমআরএ-তে রক্তনালীর পরিমাণ উল্লেখযোগ্যভাবে সমান কি না মায়ামোয়ায় আক্রান্ত মস্তিষ্কের এমআরএ-র সঙ্গে।

ডিসপ ('এক্স') কমান্ড ব্যবহার করে পরীক্ষার জন্য সেট করা হাইপোথিসিস প্রদর্শন করুন। প্রথম লাইনে, প্রদর্শন, "দুটি নমুনা টি পরীক্ষার জন্য অনুমান।" দ্বিতীয় লাইনে, প্রদর্শন করুন, "H0 = একটি স্বাভাবিক মস্তিষ্কের রক্তবাহী জাহাজের পরিমাণ মায়াময় রোগের সাথে মস্তিষ্কের রক্তবাহী জাহাজের পরিমাণের সমান," নাল হাইপোথিসিস বলার জন্য। তৃতীয় লাইনে প্রদর্শন করুন, "HA = একটি সাধারণ মস্তিষ্কের রক্তনালীর পরিমাণ মায়াময় রোগের সাথে মস্তিষ্কের রক্তবাহী জাহাজের পরিমাণের সমান নয়।" বিকল্প অনুমান বর্ণনা করতে।

95% আত্মবিশ্বাসের ব্যবধান এবং 3 এর একটি নমুনা আকার ব্যবহার করে, tinv ([0.025 0.975], 2) কমান্ড ব্যবহার করে t স্কোর গণনা করুন এবং পরিবর্তনশীল t- এ বরাদ্দ করুন। Var কমান্ড ব্যবহার করুন

বৈকল্পিকগুলি সমান বা কাছাকাছি কিনা তা পরীক্ষা করুন। If, else কমান্ড দিয়ে if/else স্টেটমেন্ট তৈরি করে এটি করুন। If স্টেটমেন্টের অবস্থার জন্য, A / B == [0.25: 4] লিখুন, যেখানে A হল সেই ভেরিয়েবল যা স্বাভাবিক রক্তনালীর ভিন্নতার জন্য হিসাব করে এবং B হল সেই ভেরিয়েবল যা Moyamoya রক্তনালীর ভিন্নতার জন্য হিসাব করে। বৈচিত্র্য সমান কি না তা নির্ধারণের জন্য 0.25 এবং 4 একটি সাধারণ অনুমান থেকে আসে। তারপর [h, p] = ttest2 (A, B, 0.05, 'both', 'equal') দিয়ে দুটি নমুনা t পরীক্ষা চালান, A এবং B একই ভেরিয়েবল যেমনটি আগে উল্লেখ করা হয়েছে। অন্য স্টেটমেন্টের জন্য, [h, p] = ttest2 (A, B, 0.05, 'both', 'unequal') ব্যবহার করে দুটি নমুনা t পরীক্ষা চালান যেখানে ভিন্নতা সমান নয়। If/else স্টেটমেন্ট শেষ করুন। এটি p গণনা করবে।

একটি if/else স্টেটমেন্ট তৈরি করুন যা p এর মানের উপর ভিত্তি করে একটি উপসংহার প্রদর্শন করবে। If স্টেটমেন্টের শর্ত হবে p> 0.05। যেহেতু আমরা সাধারণত নাল হাইপোথিসিসকে প্রত্যাখ্যান করতে ব্যর্থ হই যখন p- এর মান 0.05 এর বেশি হয়, ডিসপ ('X') কমান্ডটি প্রদর্শন করতে ব্যবহার করুন "কারণ p মান 0.05 এর চেয়ে বড় হওয়ায় আমরা নাল হাইপোথিসিস প্রত্যাখ্যান করতে ব্যর্থ হই," এবং " অতএব আমরা এটা প্রত্যাখ্যান করতে ব্যর্থ হয়েছি যে, স্বাভাবিক মস্তিষ্কের রক্তনালীর পরিমাণ মায়াময় রোগের সঙ্গে মস্তিষ্কের সমান। " অন্য বিবৃতিতে, যেহেতু আমরা সাধারণত নাল হাইপোথিসিস প্রত্যাখ্যান করি যখন পি এর মান 0.05 এর নিচে থাকে, ডিসপ ('এক্স') কমান্ডটি প্রদর্শন করতে ব্যবহার করুন "কারণ পি মান 0.05 এর চেয়ে কম আমরা নাল হাইপোথিসিস প্রত্যাখ্যান করি," এবং " অতএব আমরা এটা প্রত্যাখ্যান করতে ব্যর্থ হয়েছি যে, স্বাভাবিক মস্তিষ্কের রক্তনালীর পরিমাণ মায়াময় রোগের মস্তিষ্কের সমান নয়। " If/else স্টেটমেন্ট শেষ করুন।