SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Physiological Optical Image Processing for Burn Injuries Analysis

rigel-rocha avatar
rigel-rocha
16 diapositives · 250 Views · Nov 05, 2014

Developing non-contact imaging technology to classify burn injuries for clinical use. Algorithm created to categorize healthy, burned, and excised tissue data.

Physiological Optical Image Processing for Burn Injuries Analysis - slide 1
01 / 16Physiological Optical Image Processing for Burn Injuries Analysis
1 / 17

Télécharger la présentation

Physiological Optical Image Processing for Burn Injuries Analysis
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Physiological Optical Image Processing Imani George, YSP Student, Thayer Academy Jenny Dinh, YSP Student, Lowell High School Yolanda Rodriguez-Vaqueiro, Graduate Research Mentor Professor Jose A. Martinez-Lorenzo, Principal Investigator

  2. What is it? Physiological Optical Image Processing: • A non-contact imaging processor • Uses IR-light emitting LED waves

  3. Project's Goal The Physiological Optical Imaging lab at Northeastern University has been developing technology to provide clinicians with non-invasive imaging technology for use with burn injuries.

  4. Experimental Data (a) (b) (c) (a) Pre-Injury (b) Post-Injury (c) 1st Excision (d) 2nd Excision (e) 3rd Excision (d) (e)

  5. YSP’s Goal Our assignmnet involved helping the lab with the data classification process. We: • Created an algorithm to help classify the data into three categories: • Healthy • Burned • Excised Tissue • Compiled the classified data

  6. Method

  7. Programming The program depicts different tissue areas. It: • Manually identifies the burn and excisions for each case • Plots the points • Creates the matrix

  8. Point Selection • 4 points for the outer square • 4 points for the inner square (add offset for the edges) • 2 points for the circle (add offset for the 2 circles)

  9. Results 5 out of 120

  10. Real image (a) (b) (c) (a) Pre-Injury (b) Post-Injury (c) 1st Excision (d) 2nd Excision (e) 3rd Excision (d) (e)

  11. Matrices Disregard Healthy Disregard (a) (b) (c) (a) Pre-Injury (b) Post-Injury (c) 1st Excision (d) 2nd Excision (e) 3rd Excision Excised Disregard (d) (e) Burned

  12. Results (a) (b) (c) (a) Pre-Injury (b) Post-Injury (c) 1st Excision (d) 2nd Excision (e) 3rd Excision (d) (e)

  13. Future Plans • Perfect the algorithm to be used for automatic classification of skin types • Burn progression Other Applications • Stress/Arousal level • Cardiovascular system test

  14. Acknowledgement Professor Jose Angel Martinez-Lorenzo - Principal Investigator Yolanda Rodriguez-Vaqueiro - Graduate Researcher Galia Ghazi - Graduate Researcher Center for STEM Education Claire Duggan - Director Kassi Stein, Chi Tse, Jake Holstein – YSP Coordinators

  15. source: allpropackingandmoving.com