At give en generel introduktion til medicinsk billedanalyse. Efter kurset vil de studerende have viden om hvilke typer billeder der optræder i den kliniske praksis og hvilke muligheder man har med disse billeder. Derudover er målet at den studerende er i stand til at implementere og anvende simple billedanalysesystemer. Det tilstræbes også at den studerende kan evaluere resultater fra billedanalysen ved at sammenligne med kliniske vurderinger. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Redegøre for de fundamentale egenskaber ved digitale billeder.
• Beskrive teknologier til og egenskaber for måder, hvorpå digitale billeder genereres i klinisk praksis, e.g. røntgen, mikroskopering, CT og MRI
• Redegøre for de basale forskelle mellem udvalgte billedtyper.
• Vælge fornuftige billedformater ved lagring af billeder.
• Implementere og anvende basale billedanalysealgoritmer. Herunder blandt andet billedfiltrering, geometriske transformationer, gråtonemorfologi, annotering, registrering, teksturanalyse, klassifikation og segmentering.
• Vælge fornuftige billedanalysealgoritmer givet et eller flere eksempelbilleder.
• Validere resultater fra billedanalysealgoritmer ved sammenligning med klinisk ”ground-truth”
• Forbedre og optimere billedanalysealgoritmer baseret på klinisk ”ground-truth”.
• Implementere og anvende simple formbaserede billedanalysealgoritmer.
• Give eksempler på billedanalysealgoritmer der bruges til visualisering og behandling af 3D billeder.

Digitale billeder og datastrukturer, medicinske modaliteter, billede filformater, anti-aliasing, pixeltransformationer, billedtransformationer, billedfiltrering, labelling og objektanalyse, matematisk morfologi, segmentering, landmarks, registrering, klassifikation, teksturanalyse, Hough transformation, deformerbare formmodeller, klinisk validering, 3D billeder. 17. april, 2020