02505 Medicinsk billedanalyse

2017/2018

Kursusinformation
Medical Image Analysis
Engelsk
5
Kandidat
Kurset udbydes under tompladsordningen
E1B (tors 13-17)
Campus Lyngby
Forelæsninger samt øvelser i databar.
13-uger
E1B
Mundtlig eksamen og bedømmelse af opgave(r)
Skriftlige hjælpemidler er tilladt
7-trins skala , ekstern censur
04450
02402. 02502 , Det forudsættes at deltagerne har haft et indledende kursus i statistik samt et indledende kursus i billedanalyse. Endvidere forudsættes arbejdskendskab til Matlab.
Koen Van Leemput , kvle@dtu.dk

01 Institut for Matematik og Computer Science
http://www.imm.dtu.dk/courses/02505
I studieplanlæggeren
Overordnede kursusmål
At give deltagerne indsigt i metoder til manipulation af billeder i medikotekniske applikationer. Efter kurset vil deltagerne kunne implementere og anvende de matematiske metoder på en computer. Deltagerne vil efter kurset være i stand til at løse en lang række billedanalytiske problemer på en radiologisk eller medicinsk forskerafdeling.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Udføre landemærkebaseret, intensitetsbaseret samt overfladebaseret billedregistrering i 2D
  • Vælge det mest passende similaritets mål til specikke billedregistrerings problemer
  • Anvende flere forskellige linære og ikke-lineære transformationsmodeller i specifikke billedregistreringsproblemer
  • Udvælge den mest passende transformationsmodel i specifikke billedregistrerings problemer
  • Implementere en simpel overfladebaseret segmenteringsalgoritme i 2D
  • Implementere avancerede voxelbaserede segmenteringsalgoritmer i 2D
  • Forklare de matematiske modeller og optimizers der bruges i medicinsk billedregistrering og segmentering
  • Validere resultatet fra automatiserede algoritmer til medicinsk billedanalyse
Kursusindhold
Landmærkebaseret registrering; intensitetsbaseret registrering (kvadratafvigelse, mutual information, principal axis transform); lineær og ikke-lineær transformationsmodeller (rigide og afine transformationer, kanonisk form, thin plate splines, B-splines); overfladebaseret registrering; overfladebaseret segmentering (dynamisk programmering); voxelbaseret segmentering (Gaussian mixture models, Markov random field priors); optimering (Gauss-Newton, expectation-maximization); atlaser; validering.
Bemærkninger
Kurset henvender sig til studerende der ønsker en indføring i anvendelse af medicinsk billedanalyse i medicotekniske applikationer.
Sidst opdateret
04. maj, 2017