22525 Medicinsk billedanalyse

2021/2022

Kursusinformation
Medical Image Analysis
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
E1B (tors 13-17)
Campus Lyngby
Forelæsninger samt øvelser.
13-uger
E1B, F1B
Mundtlig eksamen og bedømmelse af opgave(r)
Eksamensdeltagelse forudsætter godkendelse af obligatoriske opgaver. De indgår ikke i den endelige karakter.
Skriftlige hjælpemidler er tilladt
7-trins skala , ekstern censur
02505
02402. 02502 , Det forudsættes, at deltagerne har haft et indledende kursus i statistik samt et indledende kursus i billedanalyse. Endvidere forudsættes arbejdskendskab til Matlab/Python.
Koen Van Leemput , Tlf. (+45) 4525 5295 , kvle@dtu.dk
Tim Bjørn Dyrby , Lyngby Campus, Bygning 324, Tlf. (+45) 4525 3424 , tbdy@dtu.dk
22 Institut for Sundhedsteknologi
01 Institut for Matematik og Computer Science
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
  • Vælge det mest passende similaritets mål til specikke billedregistrerings problemer
  • Anvende flere forskellige linære og ikke-lineære transformationsmodeller i specifikke billedregistreringsproblemer
  • Implementere segmenteringsalgoritmer baseret på generative probalistiske modeller
  • Implementere simple neurale netværk til eksempel baseret segmentering
  • 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 transformation); lineær og ikke-lineær transformationsmodeller (rigide og afine transformationer, thin plate splines, B-splines); overfladebaseret registrering; overfladebaseret segmentering, voxel baseret segmentering ved brug af generative og diskriminerende metoder (Gaussian mixture models, Markov random field priors, neurale netværk); 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
29. april, 2021