Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Monika Kobus

Opracowanie metody analizy stanu sensomotorycznego kierowców samochodów na podstawie sygnału EMG oraz zmian prędkości i położenia pojazdu


Development of a method of analyzing the sensorimotor state of car drivers based on the EMG signal and changes in vehicle speed and position


Opiekun pracy dyplomowej: dr inż. Piotr Skulimowski
Praca dyplomowa magisterska obroniona 2022-07-12
Streszczenie pracy dyplomowej:
Jedną z groźnych chorób skóry jest czerniak – złośliwy nowotwór skóry. Ważne jest jego wczesne wykrycie, ponieważ rezultat terapii zależy od stadium zaawansowania. Dotychczas stosowaną metodą badania i profilaktyki czerniaka jest dermatoskopia. Czasami jednak zmiany są zbyt małe, aby mogły być zauważone gołym okiem. Rozwiązaniem może być dopasowanie i porównanie obrazów znamion. Celem niniejszej pracy jest więc opracowanie programu w języku Python do dopasowania obrazów znamion skórnych. Wykorzystano i przetestowano trzy metody wykrywania par punktów charakterystycznych na obrazach a następnie dopasowania za pomocą transformacji sztywnej i perspektywicznej. Działanie programu przetestowano na oryginalnych obrazach znamion oraz ich binarnych wersjach. Uzyskane wyniki oceniono i porównano stwierdzając, że duży wpływ na poprawne dopasowanie ma odpowiednia akwizycja i przygotowanie obrazu. Wykazano, że w tym zastosowaniu znane metody poszukiwania i łączenia punktów w pary popełniają błędy.
Abstract:
Melanoma is dangerous malignant neoplasm of the skin. Its early detection is important since the treatment result depends on its stage. Dermatoscopy is a method used to investigate and prevent melanoma. However, there are cases where changes in lesions are too small to be noticed. The solution may be to register and compare images of nevi. The aim of this work is to develop a program in Python to register images of skin nevi. Three methods of feature matching were considered and two methods of registration, rigid and perspective, were applied. The program was tested both on original images of skin navi and on their binary versions. The obtained results were assessed and compared. They show that the appropriate acquisition and image preprocessing have a large impact on the correct performance of the registration. It has been presented that the state-of-the-art methods for identification and pairing feature points make significant errors in the case of images of skin nevi.