بیماری های مرتبط با شبکیه و ماکولای چشم، باعث از دست دادن همیشگی بینایی یا کاهش بسیار زیاد دید در افراد و موجب پایین آمدن کیفیت زندگی و ایجاد مشکلات فراوان در زندگی روزمره می شوند. به این دلیل، شناسایی به هنگام و درست این بیماری ها و اختلالات، اهمیّت پیدا کرده است. روش تصویربرداری مقطع نگاری همدوسی اپتیکی، دقّت بالایی در تصویربرداری و همچنین اطلاعات عمقی نسبت به شبکیه، ارایه می دهد. این روش تصویربرداری کمک بسیار زیادی به شناسایی دقیق بیماری های مرتبط با ماکولا کرده است. یکی از شایع ترین بیماری های شبکیه چشم، بیماری دژنراسیون وابسته به سن ماکولا است. هدف از انجام این پژوهش این است که سیستمی طراحی و پیاده سازی شود که قابل اعتماد و سریع باشد و بتواند بیماری دژنراسیون وابسته به سن ماکولا را با استفاده از پردازش تصاویر مقطع نگاری همدوسی اپتیکی، به خوبی و با دقّت و سرعت بالا شناسایی کند. در این مطالعات از روش های هیستوگرام گرادیان های جهت دار و تحلیل مولفه اصلی برای استخراج ویژگی ها و از روش طبقه بندی گروهی AdaBoost جهت طبقه بندی داده ها بهره گرفته شده است. پایگاه داده مورد استفاده شامل 269 شخص بیمار و 115 نفر سالم است. هر سه شاخص دقّت، حساسیت و خاصّیّت سیستم پیاده سازی شده، 100 درصد، اندازه گیری شد.

در مقطع نگاری همدوسی اپتیکی در فضای فوریه1، تصویری از ضخامت اپتیکی یعنی حاصل ضرب ضریب شکست n در ضخامت فیزیکی d، مثلاً برای لایه های شبکیه چشم به دست می آید که برای تشخیص بسیاری از بیماری ها در بیمارستان های کشور استفاده می شود. در کار حاضر، ما یک روش جهت اندازه گیری همزمان و مجزای ضریب شکست و ضخامت فیزیکی دستگاه های چندلایه ای با استفاده از مقطع نگاری همدوسی اپتیکی در فضای فوریه بدون اطلاعات اضافی از ساختار نمونه، معرفی می کنیم. در این روش تنها داده های ورودی، طیف به دست آمده از FD-OCT و ضخامت اپتیکی لایه های نمونه که از انتقال فوریه ی طیف تداخلی به دست می آید، است. نتایج شبیه سازی بیانگر این مطلب است، که دقت کمیت های اندازه گیری شده به اختلاف ضریب شکست دو طرف سطوح نمونه بستگی دارد، چون هرچه اختلاف ضریب شکست دو لایه مجاور بیشتر باشد ضریب بازتاب اپتیکی از آن بیشتر خواهد بود. همچنین نشان خواهیم داد که دقت کمیت های به دست آمده تحت تأثیر دقت اندازه گیری ضخامت اپتیکی لایه ها است. بنابراین روشی جهت بهینه کردن دقت این کمیت ها با وجود عدم قطعیت در اندازه گیری ضخامت اپتیکی معرفی می کنیم. نتایج شبیه سازی نشان داده است، برای نمونه های زیستی شفاف که در محیط آبی قرار دارند، اگر ضریب شکست لایه ها کمتر از 55/1 باشند کمیت ها با خطای کمتر از 001/0 قابل اندازه گیری اند.

میزان همواری سطوح برخی از تولیدات صنعتی از جمله ورق های فولادی از اهمیت زیادی برخوردار بوده و در برخی کاربردها نقش تعیین کننده ای در کیفیت محصول نهایی بر عهده دارد. یکی از تبعات فرایند تولید ورق فولاد، ایجاد موج در کناره های آن در مراحل مختلف نورد به ویژه مراحل نهایی است. با تشخیص اندازه و فرکانس این موج ها، می توان بازخوردی را به مراحل قبلی ارسال کرده و با تنظیم سرعت غلطک ها بر اساس آن، از تولید موج جلوگیری و یا مقدار آن را کاهش داد. امروزه روش های متعددی جهت شناسایی و تشخیص مشخصات امواج ورق که سطح نگاری نامیده می شود، وجود دارد. در این مقاله روشی بر پایه استفاده از تابش فریزهای تداخل (IFP) پیشنهاد شده است که علاوه بر برخورداری از دقت مطلوب، مزیت سادگی و سهولت پیاده سازی به صورت بلادرنگ را نیز دارا می باشد.

مقدمه: تخریب ماکولایی وابسته به سن (Age-related macular degeneration یا AMD) یکی از اختلالات به وجود آمده در شبکیه است که موجب اختلال بینایی مرکزی می گردد. جهت تشخیص این بیماری از تصاویر Optical coherence tomography (OCT) استفاده می شود و با توجه به تغییرات به وجود آمده ی ناشی از بیماری به صورت ایجاد بالازدگی هایی در لایه ی Retinal pigment epithelium (RPE) شبکیه، عارضه مورد تشخیص قرار می گیرد. روش ها: در روش پیشنهادی، نقطه ی ابتدایی لایه ی RPE در تعداد محدودی از اسلایدهای OCT توسط کاربر علامت گذاری می شود تا احتمال تشخیص اشتباه لایه های دیگر مانند Retinal nerve fiber layer (RNFL) از بین برود. سپس، الگوریتم مبتنی بر گراف بر مبنای برنامه نویسی پویا در قطعات کم عرض به تصویر اعمال شده، الگوریتمی برای حفظ پیوستگی قطعات استفاده شد تا در نهایت، مکان لایه ی RPE تخمین زده شود. با الگوریتمی مشابه، لایه ی Bruch نیز در هر اسکن مکان یابی شد و با تخمین فاصله ی دو لایه، بالازدگی های Persistent epithelial defect (PED) شناسایی گردید. یافته ها: روش پیشنهادی بر روی سه دیتاست با تعداد 35، 15 و 10 بیمار بررسی شد. در مقایسه با روش مبتنی بر گراف در دیتاست اول، دوم و سوم میزان خطای بدون علامت در لایه ی RPE به ترتیب از 3392/4 به 7827/2، از 3340/3 به 1623/2 و از 4842/6 به 3924/2 پیکسل و در لایه ی Bruch از 7576/5 به 8473/4، از 3353/4 به 6023/2 و از 67/6 به 5446/2 پیکسل بهبود یافت. نتیجه گیری: روش پیشنهادی در تصاویر سالم و دارای PED قابل اعتبار است و می تواند در امر تشخیص بیماری AMD موثر واقع شود.

بررسی شهودی لایه های شبکیه در تصاویر برش نگاری همدوسی اپتیکی حوزه ی طیف (SD-OCT) یکی از روش های اصلی مورد استفاده ی پزشکان برای تشخیص بیماری های شبکیه است. این روش با چالش هایی مانند نویز، پیچیدگی تصاویر و نزدیکی لایه ّهای شبکیه مواجه می باشد. در سال های اخیر تشخیص خودکار بیماری های شبکیه ی چشم به یکی از موضوعات مهم بالینی در حوزه ی بینایی کامپیوتر تبدیل شده است. در این تحقیق روشی جدید برای طبقه بندی کارآمد چندکلاسه ی خودکار تصاویر SD-OCT ارائه شده که متشکل از پنج مرحله ی پیش پردازش، تشخیص لایه ها، استخراج ویژگی ها، کاهش بعد، و طبقه بندی تصویر است. بررسی شکل لایه ی RNFL و پیوند IS/OS به عنوان روشی بالینی در تصمیم گیری های پزشکان برای تشخیص بیماری های شبکیه موثر است. از این رو در این پژوهش با الهام از این روش تشخیص بالینی، لایه ی RNFL و پیوند IS/OS توسط روشی جدید مبتنی بر الگوریتم بهبود رگ فرنگی و گرادیان تصویر تشخیص داده شده است. سپس با استخراج و انتخاب انواعی از ویژگی های موثر از لایه ها، الگوریتمی بر پایه ی درخت تصمیم ترکیبی برای طبقه بندی تصاویر شبکیه پیشنهاد شده و در قالب یک نرم افزار کاربردی در متلب ارائه شده است. روش پیشنهادی روی تصاویر دو پایگاه داده ی شناخته شده ی دوک و کرمنی ارزیابی شده است. بر اساس نتایج، دقت، حساسیت، اختصاصیت، درستی، نرخ منفی نادرست و معیار F1 روش پیشنهادی در پایگاه داده ی دوک به ترتیب برابر با 7/98، 8/98، 4/99، 1/99، 3/1 و 7/98 درصد و در پایگاه کرمنی به ترتیب برابر با 8/96، 7/96، 9/98، 4/98، 2/3 و 7/96 درصد است. نتایج نشان دهنده ی برتری روش پیشنهادی در مقایسه با سایر روش های مقایسه ای است. در مجموع به کارگیری ویژگی های کارآمد از لایه های تاثیرگذار شبکیه و توانمندی روش طبقه بندی، موجب ارتقای عمل کرد روش پیشنهادی در مقایسه با روش های پیچیده تر پیشین شده است.

به دلیل شرایط ویژه و پرتلاطم محل قرارگیری سوخت در قلب رآکتورهای هسته ای، بازرسی و کنترل کیفی سوخت تابش ندیده پس از تولید در کارخانه و قبل از بارگذاری در قلب رآکتور امری ضروری است. این فرایند با استفاده از آزمون های غیرمخرب متعددی صورت می پذ یرد. به طور کلی، رادیوگرافی نوترونی یکی از مهم ترین ابزارها برای آزمون غیرمخرب سوخت تابش ندیده به شمار می رود. در این پژوهش، مقطع نگاری کامپیوتری نوترونی از یک میله با سوخت تهیه شده از ایزوتوپ اورانیم 235 مربوط به رآکتور TRIGA با استفاده از یک سیستم آشکارسازی دیجیتال مشتمل بر صفحه سوسوزن، آینه و دوربین CCD بررسی شده است. آزمایش های مربوطه در سامانه رادیوگرافی نوترون INUS انجام گرفته است. نتایج نشان می دهند که با استفاده از مقطع نگاری کامپیوتری نوترونی، ساختار و اجزای داخلی میله سوخت، مانند قرص ها و فنر، به خوبی قابل مشاهده بوده و می توان از این روش برای بررسی دقیق ساختار میله های سوخت پس از تولید در کارخانه استفاده نمود.

هدف از این مطالعه بهبود عملکرد طبقه بندی روش های نوین، با استفاده از مدلی چند لایه به منظور کمک به تشخیص بیماری های شبکیه ی چشم است. این مدل از الگوریتم K-SVD پیشرفته، برای یادگیری ماتریس دیکشنری و الگو های پایه استفاده می کند تا بتواند با الگوپذیری از معماری چند لایه، ویژگی های بهتری را در تصاویر OCT شبکیه بیاموزد. همچنین در این معماری، علاوه بر استفاده از برچسب های کلاس داده های آموزشی، اطلاعات برچسب نیز در هر ستون پایه در ماتریس دیکشنری ترکیب می شود تا در کدگذاری تنک در طی فرآیند یادگیری دیکشنری بیشترین تبعیض اعمال شود که این منجر به موفقیت مراحل کدگزاری تنک و جمع بندی، در پیدا کردن نمایش موثر تری از داده به منظور طبقه بندی می گردد. برای اعتبار سنجی الگوریتم، از مجموعه داده های داک استفاده شده است. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی این مقاله توانسته است با پیشی گرفتن از بسیاری از مدل های جدید یادگیری دیکشنری و نمایش تنک، بسیار خوب عمل نماید و با دقت خوبی منجر به طبقه بندی صحیح? 95. 85 برای تصاویر نرمال و صددرصد برای تصاویر بیمار (DME و AMD) شود.