02502 Billedanalyse

2022/2023

Kursusinformation
Image analysis
Engelsk
5
Bachelor
Kandidat
Kurset udbydes som enkeltfag
E3A (tirs 8-12)
F3A (tirs 8-12)
Campus Lyngby
Forelæsninger og computerøvelser.
13-uger
E3A, F3A
Skriftlig eksamen
Skriftlig eksamen: 4 timer
Alle hjælpemidler er tilladt
7-trins skala , ekstern censur
02501 og 02512
02501/02511/02512
(01005/01006/01015/01016).­(02101/02102).­(02402/02403/02405).­(02631/02632/02633/02692) , Kendskab til sandsynlighedsregning eller statistik. Kendskab til linear algebra. Grundlæggende programmeringserfaring i for eksempel Matlab, Python, C, C#, C++ eller Java.
Rasmus Reinhold Paulsen , Lyngby Campus, Bygning 324, Tlf. (+45) 4525 3423 , rapa@dtu.dk
Tim Bjørn Dyrby , Lyngby Campus, Bygning 324, Tlf. (+45) 4525 3424 , tbdy@dtu.dk
01 Institut for Matematik og Computer Science
http://courses.compute.dtu.dk/02502/
I studieplanlæggeren
Kontakt underviseren for information om hvorvidt dette kursus giver den studerende mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
Overordnede kursusmål
Målet med kurset er at give en introduktion til billedanalyse inklusiv emner inden for medicinsk billedanalyse. De seneste år, har der været en drastisk udvikling i brugen af billedanalyse til selvkørende biler, avanceret diagnostik, operationsplanlægning, ansigtsgenkendelse og mange andre applikationer.
Dette kursus giver den studerende en solid forståelse for digitale billeder. Hvad er billeder, hvor kommer de fra og hvilke værktøjer og teknikker bruges til at udtrække informationer fra dem. Efter kurset, vil deltagerne kunne kombinere, implementere, bruge og evaluerer performance af simple billedanalysesystemer.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Forklare de fundamentale egenskaber ved digitale billeder inklusiv billeder fra den medicinske verden.
  • Beskrive teknikker til optagelse af billeder. Herunder pin hole kameraet og medicinske modaliteter som Røntgen, CT scanning og MR scanning.
  • Implementere og bruge basale teknikker til kodning og lagring af billeder.
  • Implementere og bruge billedanalysealgoritmer. Herunder punkt processering, filtrering, morfologi, BLOB analyse, pixelklassifikation, geometriske transformationer, registrering, klassifikation, kantdetektion, linjedetektion og segmentering.
  • Implementere og bruge statistiske metoder så som principal komponent analyse til behandling af billeder og til udtrækning af signifikante information fra billeder.
  • Implementere og bruge klassifikationsalgoritmer baseret på billedkarakteristika.
  • Vælge passende træningsdata og udvælge relevante karakteristika for billedbaserede klassifikationsalgoritmer.
  • Implementere og bruge statistiske formanalysealgoritmer.
  • Designe en passende billedanalysealgoritme baseret på et sæt af eksempelbilleder og et givent mål.
  • Beregne performance af en billedanalysealgoritme givet et ground-truth datasæt.
  • Forbedre og optimere billedanalysealgoritmer baseret på ground-truth data eller kliniske end-points.
Kursusindhold
Digitale billeder og datastrukturer, pin hole kameraet, medicinske modaliteter, billedformater, punkt processering, filtrering, morfologi, BLOB analyse, klassifikation, objektanalyse, pixelklassifikation, segmentering, geometriske transformationer, registrering, kantdetektion, linjedetektion, formanalyse, confusion matricer og performancemål.
Litteraturhenvisninger
En lærebog og der udleveres noter.
Sidst opdateret
29. april, 2022