در این مطلب، ویدئو سی تی اسکن و بازیابی توموگرافی در پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:32:31
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,160 –> 00:00:02,480
ویدیوی امروز منحصربهفرد است، ما به
2
00:00:02,480 –> 00:00:05,520
کتابخانه تصاویر scikit نگاه میکنیم. کمی
3
00:00:05,520 –> 00:00:07,919
پردازش تصویر در پایتون را بررسی میکنیم تا
4
00:00:07,919 –> 00:00:12,240
بتوانیم یک شبیهسازی ct در پایتون انجام دهیم، اکنون یک
5
00:00:12,240 –> 00:00:14,000
ct scan کاری که شما از
6
00:00:14,000 –> 00:00:16,880
نظر پزشکی انجام میدهید، راهی برای گرفتن
7
00:00:16,880 –> 00:00:18,720
دستهای از موارد مختلف است. اشعه ایکس از یک دسته
8
00:00:18,720 –> 00:00:20,880
از زوایای مختلف
9
00:00:20,880 –> 00:00:22,480
یک نفر و ترکیب آنها با یکدیگر برای به دست آوردن یک
10
00:00:22,480 –> 00:00:24,640
تصویر سه بعدی، اکنون
11
00:00:24,640 –> 00:00:26,800
الگوریتم نحوه گرفتن آن تصاویر
12
00:00:26,800 –> 00:00:29,519
و ترکیب مجدد آنها یک الگوریتم ساده نیست
13
00:00:29,519 –> 00:00:31,279
و می توانید این کار را در پایتون برای چند مورد
14
00:00:31,279 –> 00:00:33,200
اساسی انجام دهید. موارد و این چیزی است که
15
00:00:33,200 –> 00:00:35,120
امروز می خواهم به آن بپردازم، فکر می کنم اگر
16
00:00:35,120 –> 00:00:36,640
این ویدیو را تماشا کنید، درک واقعاً
17
00:00:36,640 –> 00:00:39,200
خوبی از نحوه عملکرد سی تی
18
00:00:39,200 –> 00:00:42,320
اسکن و اینکه در عمل چگونه داده ها را
19
00:00:42,320 –> 00:00:44,320
از اسکنرهای سی تی می گیریم و برای بازسازی سه مورد استفاده می کنیم، به دست خواهید آورد.
20
00:00:44,320 –> 00:00:47,039
تصاویر ابعادی
21
00:00:47,039 –> 00:00:49,039
بدن لطفا یادتان باشد
22
00:00:49,039 –> 00:00:53,680
مثل همیشه لایک کنید و مشترک شوید و لذت ببرید،
23
00:00:54,960 –> 00:00:56,719
بنابراین ما دو بسته معمولی را در اینجا داریم
24
00:00:56,719 –> 00:00:58,960
البته matplotlib numpy و سپس
25
00:00:58,960 –> 00:01:00,640
چند مورد جالب را داریم که با هم
26
00:01:00,640 –> 00:01:02,879
تداخل دارند این یکی برای درون یابی
27
00:01:02,879 –> 00:01:05,360
نوعی است. یک تصویر دو بعدی اگر
28
00:01:05,360 –> 00:01:07,040
می خواهید اطلاعاتی در مورد آنچه
29
00:01:07,040 –> 00:01:10,000
بین نقاط در یک تصویر 2 بعدی می گذرد به دست آورید
30
00:01:10,000 –> 00:01:12,240
و سپس مواردی از تصویر scikit و
31
00:01:12,240 –> 00:01:14,000
همچنین اگر
32
00:01:14,000 –> 00:01:15,280
این ویدیو را می بینید و می خواهید یک
33
00:01:15,280 –> 00:01:17,280
تصویر درون کیت آموزشی داشته باشید به من اطلاع دهید
34
00:01:17,280 –> 00:01:19,200
زیرا این چیزی است که من ممکن است
35
00:01:19,200 –> 00:01:20,400
در آینده
36
00:01:20,400 –> 00:01:21,680
در نظر بگیرم، بنابراین چیزی به نام شبح لوگان شیپ وجود دارد،
37
00:01:21,680 –> 00:01:23,119
این فقط یک
38
00:01:23,119 –> 00:01:24,560
تصویر دو بعدی است
39
00:01:24,560 –> 00:01:25,600
همانطور که خواهید دید
40
00:01:25,600 –> 00:01:27,200
و سپس تعدادی از روش های تبدیل
41
00:01:27,200 –> 00:01:28,960
تصویر روانی نیز وجود دارد، بنابراین این ویدیو
42
00:01:28,960 –> 00:01:30,240
باید به عنوان یک تصویر جالب باشد.
43
00:01:30,240 –> 00:01:31,840
مقدمه ای بر
44
00:01:31,840 –> 00:01:34,240
کتابخانه تصویری scikit البته
45
00:01:34,240 –> 00:01:35,920
scikit-learn یک کتابخانه یادگیری ماشینی
46
00:01:35,920 –> 00:01:38,320
از scikit است،
47
00:01:38,320 –> 00:01:40,560
بنابراین ما می توانیم این بسته ها را وارد کنیم
48
00:01:40,560 –> 00:01:41,600
و بنابراین
49
00:01:41,600 –> 00:01:43,360
آنچه در اینجا در نظر می
50
00:01:43,360 –> 00:01:46,240
گیریم چیزی است که به عنوان اسکن توموگرافی کامپیوتری شناخته می شود
51
00:01:46,240 –> 00:01:47,360
52
00:01:47,360 –> 00:01:50,079
و بنابراین روشی که در عمل از یک اسکن انجام می شود.
53
00:01:50,079 –> 00:01:52,240
دیدگاه بسیار ابتدایی این است که وقتی
54
00:01:52,240 –> 00:01:55,439
از یک جسم به درستی اشعه ایکس
55
00:01:55,439 –> 00:01:57,600
میگیرید، نور را میتابانید، این همان چیزی است که پرتوهای ایکس هستند
56
00:01:57,600 –> 00:01:59,280
، نور است، فقط شما میدانید که انرژی بسیار بیشتری
57
00:01:59,280 –> 00:02:01,520
نسبت به نور مرئی دارد که
58
00:02:01,520 –> 00:02:03,040
نور را از طریق نور میتابانید. n جسم
59
00:02:03,040 –> 00:02:04,719
و مقداری از آن عبور میکند و برخی از
60
00:02:04,719 –> 00:02:06,640
آن نمیدرخشد و مانند بدن انسان شما
61
00:02:06,640 –> 00:02:07,680
میدرخشید، تقریباً مانند تابیدن
62
00:02:07,680 –> 00:02:09,360
چراغ قوه به کسی است که
63
00:02:09,360 –> 00:02:11,200
مقداری از نور توسط چیزهایی
64
00:02:11,200 –> 00:02:13,360
مانند استخوانها متوقف میشود، ضعیف یا
65
00:02:13,360 –> 00:02:15,440
جذب میشود و در موارد دیگر به نوعی می
66
00:02:15,440 –> 00:02:16,239
گذرد،
67
00:02:16,239 –> 00:02:17,840
بنابراین می توانید از یک نفر عکس اشعه ایکس
68
00:02:17,840 –> 00:02:19,599
بگیرید و از اسکلت عکس بگیرید،
69
00:02:19,599 –> 00:02:21,120
اما تصور کنید که از یک
70
00:02:21,120 –> 00:02:23,040
دسته از زوایای مختلف عکسبرداری می کنید،
71
00:02:23,040 –> 00:02:24,319
72
00:02:24,319 –> 00:02:26,560
بنابراین ممکن است 20 عکس با زاویه های مختلف را بشناسید.
73
00:02:26,560 –> 00:02:28,080
سوال این است که چگونه از
74
00:02:28,080 –> 00:02:30,480
آنها برای ساختن یک تصویر سه بعدی
75
00:02:30,480 –> 00:02:33,280
از بدن استفاده می کنید تا در واقع داده های سه بعدی را به دست آورید
76
00:02:33,280 –> 00:02:34,560
77
00:02:34,560 –> 00:02:36,080
و راهی برای انجام
78
00:02:36,080 –> 00:02:38,000
این کار وجود دارد و این همان چیزی است که
79
00:02:38,000 –> 00:02:39,920
توموگرافی کامپیوتری اساساً در
80
00:02:39,920 –> 00:02:43,040
اینجا وجود دارد، به عنوان مثال یک اسکنر
81
00:02:43,040 –> 00:02:44,239
در دو نوع مختلف موقعیتهای
82
00:02:44,239 –> 00:02:46,000
اسکنر در اینجا است، بنابراین شما در حال اسکن
83
00:02:46,000 –> 00:02:47,120
نوعی شی در مرکز هستید و
84
00:02:47,120 –> 00:02:48,800
اسکنر اینجاست و مورد دیگر اسکنر دقیقاً اینجاست،
85
00:02:48,800 –> 00:02:50,000
بنابراین دو
86
00:02:50,000 –> 00:02:52,640
مکان مختلف وجود دارد که اسکنر در آن قرار دارد
87
00:02:52,640 –> 00:02:53,920
و بنابراین آنچه اتفاق میافتد اسکنر خود را
88
00:02:53,920 –> 00:02:56,800
بتابانید و نور را به نوعی
89
00:02:56,800 –> 00:02:59,280
از آن جسم بتابانید و سپس مقداری از
90
00:02:59,280 –> 00:03:01,440
نور توسط اسکنر گرفته می شود
91
00:03:01,440 –> 00:03:03,040
اکنون مقداری از آن نور
92
00:03:03,040 –> 00:03:05,040
در جسم جذب یا تضعیف می شود و
93
00:03:05,040 –> 00:03:06,800
مقداری از آن عبور می کند و
94
00:03:06,800 –> 00:03:08,239
شاید شما نمی دانم داخل این جسم چیست،
95
00:03:08,239 –> 00:03:09,599
می توانید ببینید که این یک
96
00:03:09,599 –> 00:03:11,840
جعبه سیاه است، ممکن است استخوان و
97
00:03:11,840 –> 00:03:13,519
گوشت یا هر چیز دیگری وجود داشته باشد که
98
00:03:13,519 –> 00:03:14,879
نور را به روش های مختلف جذب می کند، بنابراین اگر
99
00:03:14,879 –> 00:03:17,120
استخوان زیادی در این ناحیه وجود داشته باشد، مقدار زیادی از این
100
00:03:17,120 –> 00:03:18,959
نور دریافت می شود. جذب می شود و
101
00:03:18,959 –> 00:03:20,560
102
00:03:20,560 –> 00:03:22,159
نور کمتری از آن عبور می کند، اما اگر در
103
00:03:22,159 –> 00:03:24,480
مرکز آن هوا یا آب بیشتر بود یا
104
00:03:24,480 –> 00:03:27,680
چیزی بیشتر از آن عبور می کند
105
00:03:27,680 –> 00:03:29,280
و بنابراین کمتر جذب می شود، اما
106
00:03:29,280 –> 00:03:31,519
البته مواد بیشتری نیز در اینجا وجود دارد.
107
00:03:31,519 –> 00:03:32,959
وسط، شاید
108
00:03:32,959 –> 00:03:34,799
می دانید که بیشتر جذب می شود،
109
00:03:34,799 –> 00:03:36,239
بنابراین بسته به نحوه جذب
110
00:03:36,239 –> 00:03:38,080
آن چیزی که در اینجا وجود دارد، مانند یک تکه بزرگ سرب در اینجا وجود دارد،
111
00:03:38,080 –> 00:03:40,239
سپس هیچ یک از اشعه ایکس
112
00:03:40,239 –> 00:03:42,319
قرار نیست از اینجا عبور کند
113
00:03:42,319 –> 00:03:44,560
و سپس یک نمایه دریافت می کنید. اینجا
114
00:03:44,560 –> 00:03:46,560
اینجوری از شدت نور
115
00:03:46,560 –> 00:03:48,159
و به جای در نظر گرفتن
116
00:03:48,159 –> 00:03:50,000
شدت به خودی خود، می توانید لگاریتم طبیعی شدت اصلی را در
117
00:03:50,000 –> 00:03:50,959
نظر بگیرید
118
00:03:50,959 –> 00:03:52,640
119
00:03:52,640 –> 00:03:54,560
که نوعی از شما به
120
00:03:54,560 –> 00:03:57,519
جسم تقسیم بر i می تابید، بنابراین من همیشه کمتر
121
00:03:57,519 –> 00:03:58,799
از من است زیرا در حال ضعیف شدن است.
122
00:03:58,799 –> 00:04:01,120
توسط جسم تا حدی
123
00:04:01,120 –> 00:04:03,760
و هر چه بیشتر ضعیف شود
124
00:04:03,760 –> 00:04:06,080
، i کوچکتر است
125
00:04:06,080 –> 00:04:07,680
، این کسر بزرگتر است و
126
00:04:07,680 –> 00:04:09,680
چمن بزرگتر است، بنابراین این چمنزار من هیچ وقت
127
00:04:09,680 –> 00:04:10,799
128
00:04:10,799 –> 00:04:14,560
کم میشود، با کاهش من افزایش مییابد، بنابراین هر چه
129
00:04:14,560 –> 00:04:16,560
نور بیشتری در جسم جذب شود، در
130
00:04:16,560 –> 00:04:18,959
اینجا افزایش مییابد. بنابراین می
131
00:04:18,959 –> 00:04:22,000
توانید نمایه چمنی را که گره زده ام را ببینید، بنابراین
132
00:04:22,000 –> 00:04:23,280
می گوید اگر این فقط یک
133
00:04:23,280 –> 00:04:25,520
ثابت بود، شما می دانید که
134
00:04:25,520 –> 00:04:28,320
شیء با همان
135
00:04:28,320 –> 00:04:29,520
میرایی بیشترین مقدار را در وسط خواهید داشت زیرا
136
00:04:29,520 –> 00:04:31,360
آنها بیشترین مواد را در اینجا
137
00:04:31,360 –> 00:04:33,120
دارند در حالی که در این زاویه البته شما
138
00:04:33,120 –> 00:04:34,720
همیشه آن را از یک
139
00:04:34,720 –> 00:04:36,240
نوع فاصله هر بار می تابانید و بنابراین
140
00:04:36,240 –> 00:04:38,240
نمایه شدت ثابت به نظر می رسد
141
00:04:38,240 –> 00:04:39,280
142
00:04:39,280 –> 00:04:41,600
نه شدت، بلکه
143
00:04:41,600 –> 00:04:43,759
لگاریتم i نه
144
00:04:43,759 –> 00:04:45,759
شدت اصلی y بر i تقسیم می شود
145
00:04:45,759 –> 00:04:48,160
بنابراین به نوعی این نحوه عملکرد یک
146
00:04:48,160 –> 00:04:50,240
اشعه ایکس دو بعدی در این
147
00:04:50,240 –> 00:04:51,600
148
00:04:51,600 –> 00:04:52,880
مثال خاص است
149
00:04:52,880 –> 00:04:56,000
و بنابراین یک شی اساساً
150
00:04:56,000 –> 00:04:57,759
هدف اصلی ما در اینجا این است
151
00:04:57,759 –> 00:04:59,040
که یک شی با
152
00:04:59,040 –> 00:05:01,440
ضریب تضعیف ناشناخته mu x y وجود دارد.
153
00:05:01,440 –> 00:05:03,440
این تابعی از فضا است و به
154
00:05:03,440 –> 00:05:06,000
نوعی داخل اینجاست، بنابراین شما به من یک
155
00:05:06,000 –> 00:05:07,919
موقعیت xy را بگویید و من به شما میگویم که
156
00:05:07,919 –> 00:05:09,840
نور با چه شدتی نور را کاهش میدهد یا
157
00:05:09,840 –> 00:05:12,080
ماده با چه شدتی نور را در
158
00:05:12,080 –> 00:05:13,680
آن نقطه کاهش میدهد،
159
00:05:13,680 –> 00:05:15,280
بنابراین در طول اسکن، فوتونها به داخل فرستاده میشوند.
160
00:05:15,280 –> 00:05:16,880
جسم و
161
00:05:16,880 –> 00:05:18,320
شدت حاصله توسط یک اسکنر همانطور
162
00:05:18,320 –> 00:05:20,560
که گفتم برداشت می شود و معلوم است که این
163
00:05:20,560 –> 00:05:22,240
مانند یک واقعیت است که من در این
164
00:05:22,240 –> 00:05:24,160
ویدیو به شما می گویم و می توانید این را استخراج کنید که
165
00:05:24,160 –> 00:05:25,440
شدت برابر است با شدت اولیه
166
00:05:25,440 –> 00:05:26,639
167
00:05:26,639 –> 00:05:28,720
ضربدر نماي e به منهاي و
168
00:05:28,720 –> 00:05:31,520
سپس mu را روي
169
00:05:31,520 –> 00:05:33,759
ناحيهاي كه به آن علاقه داريد ادغام ميكنيد، پس اگر
170
00:05:33,759 –> 00:05:36,080
mu ثابت است، e به منهاي mu x است، پس
171
00:05:36,080 –> 00:05:38,160
به صورت تصاعدي در حال فروپاشي است، پس اگر
172
00:05:38,160 –> 00:05:39,680
من بلوكي از يك ماده ثابت داشته باشم و
173
00:05:39,680 –> 00:05:41,280
ميدرخشم. نور از طریق آن می گوید که
174
00:05:41,280 –> 00:05:42,960
نور به طور تصاعدی با عبور من
175
00:05:42,960 –> 00:05:44,400
از بین می رود، اما اگر آن ماده
176
00:05:44,400 –> 00:05:45,759
از دسته ای از چیزهای مختلف تشکیل شده باشد،
177
00:05:45,759 –> 00:05:47,919
مثلاً بدن انسان را می شناسید،
178
00:05:47,919 –> 00:05:49,759
من باید تمام
179
00:05:49,759 –> 00:05:51,520
مقادیر مختلف mu را
180
00:05:51,520 –> 00:05:53,520
در طول مسیر ادغام کنم. مانند در طول
181
00:05:53,520 –> 00:05:55,520
مسیر است، بنابراین من در حال ادغام هستم مانند مانند اجرا
182
00:05:55,520 –> 00:05:56,960
در یک چیز، آن را به دیگری اجرا می کند
183
00:05:56,960 –> 00:05:58,639
به دیگری می رود و من انتگرال را
184
00:05:58,639 –> 00:06:00,560
بر روی انواع مختلف مناطق
185
00:06:00,560 –> 00:06:02,880
می گیرم تا تضعیف کامل را در اینجا دریافت کنم و بنابراین
186
00:06:02,880 –> 00:06:04,560
ds خاص است این یک
187
00:06:04,560 –> 00:06:06,160
خط مستقیم از طریق جسم است همانطور که شما نور
188
00:06:06,160 –> 00:06:07,360
189
00:06:07,360 –> 00:06:08,639
را به آن می تابانید البته نوشتن این مفیدتر
190
00:06:08,639 –> 00:06:10,080
است اینجا جایی است که من گزارش طبیعی i
191
00:06:10,080 –> 00:06:11,440
192
00:06:11,440 –> 00:06:12,960
naught را با این انتگرال برابر می کنم
193
00:06:12,960 –> 00:06:14,560
و بنابراین کمیت سمت چپ را می
194
00:06:14,560 –> 00:06:16,400
توان اندازه گیری کرد. یک اسکنر قرار دهید و من واقعاً می توانم
195
00:06:16,400 –> 00:06:18,400
شدت i را اندازه گیری کنم
196
00:06:18,400 –> 00:06:20,880
و می توانم قانون را محاسبه کنم و من بیش از i نیست
197
00:06:20,880 –> 00:06:22,319
و البته کاری که می خواهیم انجام دهیم این است که
198
00:06:22,319 –> 00:06:24,560
می خواهیم برای mu حل کنیم زیرا اگر
199
00:06:24,560 –> 00:06:26,000
بدانیم ضریب تضعیف
200
00:06:26,000 –> 00:06:28,000
در همه جا چقدر است شما می توانید به مناطقی
201
00:06:28,000 –> 00:06:29,600
با ضریب تضعیف بالاتر نگاه کنید ضریب تضعیف پایین تر،
202
00:06:29,600 –> 00:06:31,520
اینها با
203
00:06:31,520 –> 00:06:33,120
عضله استخوانی مطابقت دارند، صرفنظر از همه
204
00:06:33,120 –> 00:06:34,720
ضرایب تضعیف مختلف وقتی
205
00:06:34,720 –> 00:06:36,639
به CT اسکن نگاه می
206
00:06:36,639 –> 00:06:38,639
کنید تاریکی و روشنی و تمام آن سایه
207
00:06:38,639 –> 00:06:40,880
ها به شدت نور
208
00:06:40,880 –> 00:06:43,280
در آن موقعیت ها ضعیف می شود. این
209
00:06:43,280 –> 00:06:45,360
دقیقاً همان چیزی است که شما به آن نگاه می کنید و
210
00:06:45,360 –> 00:06:46,880
اتفاق می افتد که تصویر بسیار خوبی
211
00:06:46,880 –> 00:06:49,840
از بدن به دست می دهد و ما می توانیم
212
00:06:49,840 –> 00:06:51,919
انواع مختلف بافت ها
213
00:06:51,919 –> 00:06:53,759
و استخوان ها و هر آنچه در بدن را فقط
214
00:06:53,759 –> 00:06:55,520
بر اساس ضریب تضعیف
215
00:06:55,520 –> 00:06:57,520
به همین منظور تشخیص دهیم. از این ویدیو
216
00:06:57,520 –> 00:06:59,599
من می خواهم mu از x y f از x y را صدا بزنم
217
00:06:59,599 –> 00:07:00,639
زیرا قرار است همیشه از آن استفاده
218
00:07:00,639 –> 00:07:03,120
کنیم و f فقط یک نماد خوب است و من می
219
00:07:03,120 –> 00:07:05,759
خواهم چمن i نه بیش از i p از
220
00:07:05,759 –> 00:07:07,199
r تتا و شما را صدا کنم تعجب می کنم
221
00:07:07,199 –> 00:07:09,440
که r و تتا چیست که تعریف آنها واقعاً
222
00:07:09,440 –> 00:07:11,280
ساده است، بنابراین
223
00:07:11,280 –> 00:07:13,280
تتا موقعیت اسکنر
224
00:07:13,280 –> 00:07:15,599
سمت راست است یک اسکنر در یک زاویه متفاوت
225
00:07:15,599 –> 00:07:17,759
درست است که مانند زاویه تتا است که
226
00:07:17,759 –> 00:07:20,080
اسکنر چگونه جهت گیری می کند و سپس r
227
00:07:20,080 –> 00:07:21,280
موقعیتی است که اسکنر در
228
00:07:21,280 –> 00:07:23,759
موقعیتی قرار دارد که شما چقدر از مرکز
229
00:07:23,759 –> 00:07:26,080
یا سمت چپ موقعیت
230
00:07:26,080 –> 00:07:28,240
مرکزی اسکنر فاصله دارید، به عنوان مثال من می توانم
231
00:07:28,240 –> 00:07:30,960
در 30 درجه باشم r در مرکز صفر است
232
00:07:30,960 –> 00:07:33,599
r یک و سپس r. یک منفی
233
00:07:33,599 –> 00:07:35,599
است که p از r تتا می گوید، بنابراین یک
234
00:07:35,599 –> 00:07:37,360
سیستم مختصاتی است که
235
00:07:37,360 –> 00:07:39,360
اساساً بر اساس موقعیت اسکنر تعریف شده است،
236
00:07:39,360 –> 00:07:41,199
بنابراین برای اسکنر راحت است
237
00:07:41,199 –> 00:07:43,440
و بنابراین شما مقدار تتا را به من بدهید
238
00:07:43,440 –> 00:07:45,360
مانند ما دستگاه را تنظیم می
239
00:07:45,360 –> 00:07:47,440
کنیم و مقدار آن را دریافت می کنیم. تتا و سپس می دانید که ما
240
00:07:47,440 –> 00:07:49,680
یک نمایه شدت را در آنجا اندازه می گیریم
241
00:07:49,680 –> 00:07:51,280
و من ممکن است داشته باشم مانند این تتا 20
242
00:07:51,280 –> 00:07:53,520
درجه یک چیز خاص است و من اندازه گیری می کنم
243
00:07:53,520 –> 00:07:55,039
مانند r برابر است با یک نور زیادی
244
00:07:55,039 –> 00:07:56,560
در اینجا وجود دارد r برابر با یک منفی است که در
245
00:07:56,560 –> 00:07:58,400
اینجا نور زیادی وجود ندارد و بنابراین این
246
00:07:58,400 –> 00:08:01,759
چیزی است که تتا و r در این مشکل وجود دارد،
247
00:08:01,759 –> 00:08:03,599
بنابراین من می گویم تتا
248
00:08:03,599 –> 00:08:05,520
شیب اسکنر را اندازه می گیرد، بنابراین اسکنر یک در 90
249
00:08:05,520 –> 00:08:07,360
درجه است و اسکنر دو در تتا
250
00:08:07,360 –> 00:08:09,440
منفی 45 درجه است، بنابراین مانند این است که
251
00:08:09,440 –> 00:08:12,240
در 90 درجه بوم است. منفی 45
252
00:08:12,240 –> 00:08:14,960
درجه هایی مانند این
253
00:08:14,960 –> 00:08:17,199
و r مکان افقی را روی اسکنر مشخص می کند
254
00:08:17,199 –> 00:08:18,800
، بنابراین اگر من اسکنر خود را داشته
255
00:08:18,800 –> 00:08:20,800
باشم همانطور که می دانید در آزمایشگاه ساخته شده است،
256
00:08:20,800 –> 00:08:23,360
من یک اسکنر دارم r مانند جایی است که روی
257
00:08:23,360 –> 00:08:27,280
آن اسکنر دراز می کشم و بنابراین هدف اینجاست که
258
00:08:27,280 –> 00:08:28,639
ما یک دسته داریم. از مقادیر مختلف
259
00:08:28,639 –> 00:08:31,599
تتا که زاویه اسکن را از
260
00:08:31,599 –> 00:08:33,599
آن می گیریم و سپس r را نیز می دانیم بنابراین p
261
00:08:33,599 –> 00:08:35,599
از r تتا را برای شاید چند
262
00:08:35,599 –> 00:08:37,519
مقدار مختلف تتا می دانیم و احتمالاً
263
00:08:37,519 –> 00:08:39,279
مقدار زیادی از مقادیر مختلف r
264
00:08:39,279 –> 00:08:42,399
را می دانید که چگونه از p استفاده می کنید. r تتا برای بدست آوردن f x y
265
00:08:42,399 –> 00:08:44,159
که ضریب تضعیف
266
00:08:44,159 –> 00:08:46,240
در همه جا است، این همان چیزی است که ما اندازه گیری می کنیم و
267
00:08:46,240 –> 00:08:48,160
این چیزی است که می خواهیم به دست آوریم و این
268
00:08:48,160 –> 00:08:49,760
یک مشکل پیش پا افتاده نیست،
269
00:08:49,760 –> 00:08:51,120
بنابراین از آنجایی که ما این کار را به عنوان یک
270
00:08:51,120 –> 00:08:53,200
شبیه سازی انجام می دهیم، می خواهم با f x y شروع کنم.
271
00:08:53,200 –> 00:08:54,959
بنابراین من یک
272
00:08:54,959 –> 00:08:57,040
ضریب تضعیف خاصی را در همه جای
273
00:08:57,040 –> 00:08:57,920
فضا فرض می کنم
274
00:08:57,920 –> 00:08:59,200
و سپس از آن برای بدست آوردن p
275
00:08:59,200 –> 00:09:00,720
از تتای خود استفاده می کنم و این مثال خوبی است
276
00:09:00,720 –> 00:09:03,519
برای اینکه ببینم چگونه اسکنر واقعاً تصویر
277
00:09:03,519 –> 00:09:04,720
خاص را دریافت می
278
00:09:04,720 –> 00:09:05,839
کند و سپس ما به بررسی
279
00:09:05,839 –> 00:09:08,080
تکنیک هایی برای بدست آوردن مجدد f x y می پردازیم از p
280
00:09:08,080 –> 00:09:10,320
از تتا خود، بنابراین ما از f برای به دست آوردن p استفاده می کنیم
281
00:09:10,320 –> 00:09:11,600
و البته هدف اصلی این است
282
00:09:11,600 –> 00:09:13,760
که چگونه از p برای برگرداندن f استفاده کنیم زیرا در
283
00:09:13,760 –> 00:09:15,360
عمل شما نمی دانید f چیست، شما
284
00:09:15,360 –> 00:09:16,800
فقط p را
285
00:09:16,800 –> 00:09:19,680
در نوعی روش پزشکی اندازه می گیرید.
286
00:09:19,680 –> 00:09:21,519
و بنابراین من می خواهم یک تصویر ایجاد
287
00:09:21,519 –> 00:09:24,160
کنم که فقط یک آرایه 2 بعدی 100 در 100 است و
288
00:09:24,160 –> 00:09:26,480
همه آن برابر با 1 است.
289
00:09:26,480 –> 00:09:28,560
و سپس
290
00:09:28,560 –> 00:09:30,080
تصویر را pad
291
00:09:30,080 –> 00:09:32,320
292
00:09:32,320 –> 00:09:35,120
می کنم تا یک ها داشته باشم و سپس آن را با صفر می گذارم تا به این نتیجه برسم. یک مربع، بنابراین اگر
293
00:09:35,120 –> 00:09:37,839
به این تصویر نگاه کنم،
294
00:09:43,760 –> 00:09:45,040
تصویر من فقط یک مربع در مرکز است،
295
00:09:45,040 –> 00:09:47,200
بنابراین من این پرتوهای 100 در 100 از همه
296
00:09:47,200 –> 00:09:50,000
آنها را ایجاد می کنم و سپس اضلاع را در اینجا
297
00:09:50,000 –> 00:09:51,920
قرار می دهم به این ترتیب که شما یک دسته فضای خالی را می شناسید،
298
00:09:51,920 –> 00:09:53,360
بنابراین این تصویر من است.
299
00:09:53,360 –> 00:09:54,720
و برای اینکه کمی جالب تر شود
300
00:09:54,720 –> 00:09:56,399
، یک دایره کوچک در داخل
301
00:09:56,399 –> 00:09:58,959
مربع قرار می دهم که برابر با دو است، بنابراین
302
00:09:58,959 –> 00:10:00,399
روشی که انجام می دهم خوب است، ابتدا یک
303
00:10:00,399 –> 00:10:02,800
شبکه مشبک با استفاده از شکل تصویر
304
00:10:02,800 –> 00:10:04,800
ایجاد می کنم، بنابراین یک شبکه مشبک ایجاد می کنم. دوره
305
00:10:04,800 –> 00:10:06,880
x و y است من در آموزشهای
306
00:10:06,880 –> 00:10:08,720
ابتدایی numpy و matplotlib به این موضوع اشاره میکنم
307
00:10:08,720 –> 00:10:10,640
که شبکه مش به چه معناست
308
00:10:10,640 –> 00:10:13,600
و به همین ترتیب در این قسمت مساحت بزرگ
309
00:10:13,600 –> 00:10:15,760
تصویری که من مربع ایجاد کردهام
310
00:10:15,760 –> 00:10:17,360
یک دایره کوچک است، این مربع x
311
00:10:17,360 –> 00:10:19,600
به اضافه y مربع یا x منهای میدانید
312
00:10:19,600 –> 00:10:21,920
مرکز x و مرکز y مربع
313
00:10:21,920 –> 00:10:24,000
کمتر از 0.01 است، بنابراین مانند
314
00:10:24,000 –> 00:10:25,839
معادله یک دایره همه چیز است. که
315
00:10:25,839 –> 00:10:27,279
داخل آن دایره است و من آن را
316
00:10:27,279 –> 00:10:28,640
برابر با 2 قرار
317
00:10:28,640 –> 00:10:30,480
می دهم و می توانم تصاویر چرخانده شده را نیز
318
00:10:30,480 –> 00:10:31,279
319
00:10:31,279 –> 00:10:33,200
ایجاد کنم، بنابراین من تصویر خود را در اینجا ایجاد می کنم و سپس
320
00:10:33,200 –> 00:10:34,959
یک نسخه چرخش شده از آن تصویر ایجاد می کنم و
321
00:10:34,959 –> 00:10:36,720
از تابع چرخش استفاده می کنم.
322
00:10:36,720 –> 00:10:39,120
از تصویر scikit وارد شده است و من
323
00:10:39,120 –> 00:10:40,720
آن را 45 درجه می چرخانم و می خواهم به شما نشان
324
00:10:40,720 –> 00:10:42,640
دهم که به نظر می رسد، بنابراین در اینجا می
325
00:10:42,640 –> 00:10:44,399
خواهم مربع را با
326
00:10:44,399 –> 00:10:45,680
دایره کوچک داخل آن و همچنین
327
00:10:45,680 –> 00:10:47,360
چرخش کل تصویر و این
328
00:10:47,360 –> 00:10:48,960
کاری است که من در اینجا انجام
329
00:10:48,960 –> 00:10:50,959
330
00:10:50,959 –> 00:10:52,880
میدهم [موسیقی]، بنابراین به طور خلاصه، تصویرم را
331
00:10:52,880 –> 00:10:55,040
با استفاده از یکها ایجاد کردهام، با
332
00:10:55,040 –> 00:10:57,839
استفاده از این پد، کنارهها را با صفرها اضافه کردهام و به آن ضربه میزنم
333
00:10:57,839 –> 00:11:00,160
تا مرتبسازی مورب آن
334
00:11:00,160 –> 00:11:03,279
مربع در نظر گرفته شود
335
00:11:03,279 –> 00:11:04,880
و سپس من یک دایره کوچک ایجاد کنید
336
00:11:04,880 –> 00:11:07,200
که در مقابل فقط e برابر با 2 باشد
337
00:11:07,200 –> 00:11:08,480
برابر 1 است
338
00:11:08,480 –> 00:11:10,240
و من آن را رسم می کنم و بنابراین این مربع من است
339
00:11:10,240 –> 00:11:11,760
که در ابتدا ایجاد کردم و سپس
340
00:11:11,760 –> 00:11:13,279
این دایره کوچک است
341
00:11:13,279 –> 00:11:14,800
که می
342
00:11:14,800 –> 00:11:17,920
دانید مرکز دایره 0.1 و 0.2 است
343
00:11:17,920 –> 00:11:19,680
همانطور که در اینجا می بینید
344
00:11:19,680 –> 00:11:21,360
و برابر با 2 است و سپس این همه
345
00:11:21,360 –> 00:11:23,600
مساوی 1 و سپس این برابر با 0 است.
346
00:11:23,600 –> 00:11:26,079
بنابراین البته از نظر تضعیف به این
347
00:11:26,079 –> 00:11:28,399
معنی است که نور از اینجا عبور می کند
348
00:11:28,399 –> 00:11:29,839
و سپس در اینجا
349
00:11:29,839 –> 00:11:31,600
کمی بیشتر از اینجا متوقف می شود بنابراین
350
00:11:31,600 –> 00:11:33,600
تقریباً مانند استخوان خواهد بود و سپس شاید
351
00:11:33,600 –> 00:11:34,480
این
352
00:11:34,480 –> 00:11:36,480
گوشت یا آب یا چیزی
353
00:11:36,480 –> 00:11:38,640
از نظر اسکن انسانی باشد و سپس من می توانم
354
00:11:38,640 –> 00:11:40,640
این تصویر را در اینجا بچرخانم و بنابراین به
355
00:11:40,640 –> 00:11:42,399
جای چرخاندن اسکنر در این
356
00:11:42,399 –> 00:11:44,000
مثال، اسکنر
357
00:11:44,000 –> 00:11:45,680
در همان موقعیت قرار می گیرد و وقتی ما این را شبیه سازی می
358
00:11:45,680 –> 00:11:46,560
کنیم، همه ما. ما
359
00:11:46,560 –> 00:11:48,560
قصد داریم تصویر را بچرخانیم و نوشت
360
00:11:48,560 –> 00:11:50,880
که چرخاندن اسکنر را نیز شبیه سازی می
361
00:11:50,880 –> 00:11:52,240
کند که این فقط یک راه ساده تر برای انجام این کار است،
362
00:11:52,240 –> 00:11:54,639
بنابراین تصویر من و تصویر چرخیده من
363
00:11:54,639 –> 00:11:55,839
اکنون کاری که می خواهم انجام دهم این است که می خواهم شبیه سازی گرفتن را انجام دهم.
364
00:11:55,839 –> 00:11:57,120
یک دسته از اسکن های مختلف
365
00:11:57,120 –> 00:11:58,560
برای یک دسته از متفاوت است مقادیر ent
366
00:11:58,560 –> 00:11:59,600
تتا،
367
00:11:59,600 –> 00:12:00,480
بنابراین من میخواهم یک دسته از
368
00:12:00,480 –> 00:12:02,639
چرخشهای مختلف این تصویر
369
00:12:02,639 –> 00:12:04,880
ایجاد کنم و بنابراین
370
00:12:04,880 –> 00:12:08,000
میدانم از 0 تا 180 هر 5 درجه را ایجاد میکنم
371
00:12:08,000 –> 00:12:11,120
و من این کار را بر حسب um
372
00:12:11,120 –> 00:12:12,720
رادیان انجام میدهم، بنابراین در حال تبدیل هستم. به
373
00:12:12,720 –> 00:12:15,120
رادیان با ضرب در پی تقسیم بر
374
00:12:15,120 –> 00:12:16,399
180
375
00:12:16,399 –> 00:12:20,000
و سپس rs من برابر است با مقدار
376
00:12:20,000 –> 00:12:22,800
اینجا که فقط منفی است یک به
377
00:12:22,800 –> 00:12:25,200
یک مجموعه ای از مقادیر مختلف وجود دارد
378
00:12:25,200 –> 00:12:27,440
و d تتا تفاوت
379
00:12:27,440 –> 00:12:29,360
بین داده ها در آرایه
380
00:12:29,360 –> 00:12:30,639
و کاری است که من انجام می دهم i مجموعهای از چرخشهای مختلف ایجاد کنید،
381
00:12:30,639 –> 00:12:32,399
بنابراین کاری که من انجام میدهم این است که
382
00:12:32,399 –> 00:12:34,399
از درک لیست استفاده
383
00:12:34,399 –> 00:12:37,519
میکنم، تصویر را با
384
00:12:37,519 –> 00:12:40,079
تتا بر
385
00:12:40,079 –> 00:12:41,360
حسب رادیان میچرخانم در اینجا
386
00:12:41,360 –> 00:12:43,279
آن را به درجه تبدیل میکنم زیرا این
387
00:12:43,279 –> 00:12:45,920
تابع چرخش به آن در درجه نیاز دارد
388
00:12:45,920 –> 00:12:47,279
و من این کار را برای تمام
389
00:12:47,279 –> 00:12:49,200
مقادیر مختلف تتا که دارم انجام میدهم. 5 درجه
390
00:12:49,200 –> 00:12:50,560
10 درجه
391
00:12:50,560 –> 00:12:53,120
15 20 25 30 همه اینها و من مجموعه
392
00:12:53,120 –> 00:12:55,200
ای از چرخش های مختلف از تصاویرم را دریافت می کنم
393
00:12:55,200 –> 00:12:57,200
و به عنوان مثال چرخش ها فقط
394
00:12:57,200 –> 00:12:58,160
آرایه
395
00:12:58,160 –> 00:12:59,920
ای از دسته ای از آرایه های دو بعدی مختلف است، به
396
00:12:59,920 –> 00:13:02,240
عنوان مثال اگر چرخش های 2 را بگیرم
397
00:13:02,240 –> 00:13:05,360
و این را به
398
00:13:05,440 –> 00:13:07,120
شما رسم کنم می توانید یکی از
399
00:13:07,120 –> 00:13:08,639
پوزها را ببینید چرخش خواهر در اینجا و سپس
400
00:13:08,639 –> 00:13:11,760
چرخش سه آن را
401
00:13:11,760 –> 00:13:13,600
کمی بیشتر میچرخاند و اینها قسمتهای پنج درجهای
402
00:13:13,600 –> 00:13:15,200
هستند، بنابراین من تمام تصاویر چرخانده شده مختلف خود را دارم
403
00:13:15,200 –> 00:13:17,200
و اگر بخواهم
404
00:13:17,200 –> 00:13:19,200
بدانم اسکنر
405
00:13:19,200 –> 00:13:21,839
چمن من را روی چه چیزی اندازه میگیرد،
406
00:13:21,839 –> 00:13:26,000
یادم نمیآید که دارم. برای ادغام این
407
00:13:26,000 –> 00:13:27,839
تصویر روی تصویرم در یک خط مستقیم همانطور
408
00:13:27,839 –> 00:13:29,760
که به اسکنر می رود، بنابراین معنی آن این
409
00:13:29,760 –> 00:13:32,160
است که اگر من تصویر چرخشی خود را به این شکل داشته باشم
410
00:13:32,160 –> 00:13:34,880
، فقط مجموع آن را در امتداد این
411
00:13:34,880 –> 00:13:37,200
محور خاص داشته باشم و اگر این را
412
00:13:37,200 –> 00:13:38,320
با هم جمع کنم
413
00:13:38,320 –> 00:13:40,399
که معادل است، این گسسته است.
414
00:13:40,399 –> 00:13:42,240
نسخه انتگرال
415
00:13:42,240 –> 00:13:44,399
mu d s بر روی یک نوع خاص از
416
00:13:44,399 –> 00:13:46,639
طرح ریزی در
417
00:13:46,639 –> 00:13:48,800
اسکنر، p از r تتا را برای آن
418
00:13:48,800 –> 00:13:50,320
مقدار خاص تتا دریافت می کنم، بنابراین این با مقدار خاصی از تتا مطابقت دارد
419
00:13:50,320 –> 00:13:51,920
420
00:13:51,920 –> 00:13:54,240
و سپس r برابر با صفر در
421
00:13:54,240 –> 00:13:56,399
مرکز دو متغیر i است. در مورد آن صحبت کردم و همانطور
422
00:13:56,399 –> 00:13:58,639
که به راست یا چپ می روم،
423
00:13:58,639 –> 00:14:00,800
مقدار r متفاوت خود را برای آن اسکنر خاص دریافت می
424
00:14:00,800 –> 00:14:03,040
کنم، بنابراین تصاویر من به جای
425
00:14:03,040 –> 00:14:04,560
چرخاندن اسکنر به دور تصویر می
426
00:14:04,560 –> 00:14:06,320
چرخند، من فقط تصویر را می چرخانم.
427
00:14:06,320 –> 00:14:07,440
همان چیزی است
428
00:14:07,440 –> 00:14:09,440
و سپس می توانم در امتداد آن تصویر جمع کنم تا
429
00:14:09,440 –> 00:14:11,360
p از r تتا
430
00:14:11,360 –> 00:14:13,279
تتا از قبل تنظیم شده است و r به
431
00:14:13,279 –> 00:14:16,160
نوعی فاصله تا مرکز آن تصویر است،
432
00:14:16,160 –> 00:14:18,399
بنابراین می توانم p از r تتا را تعریف کنم، من تمام
433
00:14:18,399 –> 00:14:21,519
چرخش های مختلف خود را دارم و من نیاز دارم جمع کردن
434
00:14:21,519 –> 00:14:23,839
در امتداد این محور، بنابراین من مثل جمع
435
00:14:23,839 –> 00:14:25,279
کردن همه اینها با هم هستم، همه اینها با
436
00:14:25,279 –> 00:14:27,120
هم جمع کردن در امتداد ستونها، حدس
437
00:14:27,120 –> 00:14:28,639
میزنم میتوان گفت یا جمع کردن در امتداد ردیفها
438
00:14:28,639 –> 00:14:29,600
کار درستی است، اما من اینطور
439
00:14:29,600 –> 00:14:31,839
جمعبندی میکنم تا همه اینها
440
00:14:31,839 –> 00:14:33,920
با هم جمع شوند. و اگر در r
441
00:14:33,920 –> 00:14:35,839
برابر باشد اگر r برابر با
442
00:14:35,839 –> 00:14:38,160
صفر باشد، مرکز اینجا r
443
00:14:38,160 –> 00:14:40,160
برابر یک منفی است
444
00:14:40,160 –> 00:14:41,600
،
445
00:14:41,600 –> 00:14:43,360
همه آن مقادیر مختلف r را
446
00:14:43,360 –> 00:14:44,480
میتوانم p از تتامان را دریافت کنم،
447
00:14:44,480 –> 00:14:46,000
بنابراین um وجود دارد.
448
00:14:46,000 –> 00:14:47,440
449
00:14:47,440 –> 00:14:50,399
180 تقسیم بر 5 است که
450
00:14:50,399 –> 00:14:52,399
مانند 30 مقدار متفاوتی از
451
00:14:52,399 –> 00:14:53,839
تتا است
452
00:14:53,839 –> 00:14:56,240
و من در اینجا به یک مجموع در مورد محور عمودی نیاز دارم
453
00:14:56,240 –> 00:14:58,480
و بنابراین کاری که انجام می دهم این است که چرخش خود را بگیرم
454
00:14:58,480 –> 00:14:59,839
، تمام چرخش های مختلف
455
00:14:59,839 –> 00:15:01,120
456
00:15:01,120 –> 00:15:03,519
من را دارم، آن را در امتداد محور برابر با صفر می کنم.
457
00:15:03,519 –> 00:15:05,279
جمع بندی در امتداد نوعی از این جهت
458
00:15:05,279 –> 00:15:06,560
در اینجا
459
00:15:06,560 –> 00:15:07,839
و i من این کار را برای تمام چرخش های مختلفی
460
00:15:07,839 –> 00:15:10,000
که دارم انجام می دهم و این به من p از
461
00:15:10,000 –> 00:15:11,199
r تتا می
462
00:15:11,199 –> 00:15:13,440
دهد، بنابراین اگر به p نگاه کنم
463
00:15:13,440 –> 00:15:15,839
اکنون یک آرایه دو بعدی است
464
00:15:15,839 –> 00:15:17,680
زیرا مقدار r وجود دارد و
465
00:15:17,680 –> 00:15:19,600
هر کدام با مقدار خاصی از تتا مطابقت دارند
466
00:15:19,600 –> 00:15:21,279
درست
467
00:15:21,279 –> 00:15:23,360
است. می توانم به عنوان مثال یک زاویه خاص را ترسیم
468
00:15:23,360 –> 00:15:24,240
469
00:15:24,240 –> 00:15:26,639
کنم، بنابراین در اینجا من زاویه چهارم را
470
00:15:26,639 –> 00:15:28,880
در اینجا انتخاب می کنم که 5 درجه است، بنابراین 5 10 15
471
00:15:28,880 –> 00:15:31,440
20. بنابراین این نوعی طرح ریزی در
472
00:15:31,440 –> 00:15:33,199
زاویه 20 درجه است و من می خواهم به
473
00:15:33,199 –> 00:15:36,320
آن به عنوان یک نگاه کنم. تابع r در اینجا است
474
00:15:36,320 –> 00:15:37,839
و بنابراین این چیزی است که به دست می آورید در
475
00:15:37,839 –> 00:15:40,079
واقع ممکن است ساده تر باشد که ابتدا به
476
00:15:40,079 –> 00:15:42,160
تتا برابر با صفر نگاه کنید و می توانید ببینید
477
00:15:42,160 –> 00:15:43,519
که به یاد داشته باشید من یک مربع با یک
478
00:15:43,519 –> 00:15:44,880
دایره کوچک دارم، بنابراین بیایید ببینیم که چگونه
479
00:15:44,880 –> 00:15:47,120
با آن مطابقت دارد. بنابراین به یاد داشته باشید که من
480
00:15:47,120 –> 00:15:49,839
در امتداد این جهت در اینجا جمع
481
00:15:49,839 –> 00:15:51,839
میکنم و به این ترتیب، نوعی طرح ریزی از
482
00:15:51,839 –> 00:15:54,000
این تصویر را در امتداد این محور دریافت میکنم و
483
00:15:54,000 –> 00:15:55,680
این چیزی است که در اینجا وجود دارد
484
00:15:55,680 –> 00:15:57,440
و بنابراین این بدان معنی است که
485
00:15:57,440 –> 00:15:59,199
بیشتر ضعیف شده است، کمی کمتر میشود و
486
00:15:59,199 –> 00:16:00,959
سپس یک جور ثابت مانند این است، بنابراین
487
00:16:00,959 –> 00:16:02,880
در اسکنر به نوعی تراز است d با
488
00:16:02,880 –> 00:16:04,320
مربع چیزی شبیه به
489
00:16:04,320 –> 00:16:06,399
این میگیرم و وقتی تصویرم را بیشتر و
490
00:16