På dette kursus kommer du til at arbejde med 3D µCT billeddannelse og analyse af 3D billeder. 3D µCT er særligt anvendt til at undersøge den indre struktur af et materiale på et mikroskopisk niveau uden at ødelægge den prøve, du afbilder. Du kan bruge dette på en lang række områder fra medicin til materialeforskning. For at bruge 3D-billeddannelse skal du kombinere viden fra tre områder, herunder billedopsamling, billedanalyse og viden om den prøve, du studerer.

På dette kursus får du de færdigheder, der gør dig i stand til at bruge 3D-billeddannelse som et forskningsværktøj. Du kommer til at arbejde med eksperimentel billeddannelse ved hjælp af 3D μCT fra laboratoriescannere og vi planlægger et besøg til MAX IV synkrotronen i Lund for at lave forsøg. MAX IV er en ny forskningsfacilitet i verdensklasse, der tilbyder unikke muligheder inden for 3D-billeddannelse.

Den sværeste, men også sjove og givende del af 3D-billeddannelse er at analysere billederne. På dette kursus får du de praktiske færdigheder til at udføre avanceret visualisering og analyse, og du behøver ikke at have arbejdet med billedanalyse før. I kurset skal du bruge high performance computing, der er nødvendig for at analysere store 3D-billeder. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• udføre eksperimentel 3D-billeddannelse, herunder prøveforberedelse, scanning, indsamling af data og rekonstruktion af et 3D-volumen,
• vurdere, hvornår µCT-laboratoriescannere og synkrotron-CT-billeddannelse kan bruges,
• planlægge billedanalysepipelines til volumetriske 3D-billeder,
• vælge passende 3D-visualiseringsmetoder og værktøjer til at inspicere 3D-billeder,
• implementere grundlæggende analysemetoder til billedbehandling og segmentering af 3D-billeder ved hjælp af Python,
• bruge et high performance computing system herunder effektiv anvendelse af CPU, GPU, caches og hukommelse,
• vælge og anvende passende metoder til billedanalyse baseret på high performance computing herunder bruge parallelle beregninger, når det er relevant,
• udføre effektive beregninger på en delt analyseplatform,
• bruge de opnåede færdigheder til at udføre et mindre forskningsprojekt.

Du vil lære de kernefærdigheder, der er nødvendige for at bruge 3D-billeddannelse, herunder opsætte scanninger, skrive kode, bruge softwareværktøjer og eksperimentere med data.

Under de praktiske eksperimenter med 3D-billeddannelse lærer du, hvordan du forbereder og monterer prøver til 3D-scanning og indstiller scannerparametrene. Du vil også lære metoder til at rekonstruere og analysere de optagede billeder. Dette inkluderer visualiseringsmetoder, billedbehandling og analyseteknikker såsom filtrering, billedmorfologi og segmentering, og du vil lære at beregne statistik af formen og størrelsen af ​​materialernes indre strukturer.

3D-billeder er ofte meget store, og et enkelt billede kan være på flere Gb, hvilket gør datahåndtering og -behandling udfordrende på en normal pc. Derfor vil du lære at bruge hgih performance computing systemer, der muliggør behandling af store mængder data ved hjælp af G-databaren som en delt platform, hvor både CPU- og GPU-processseringsenheder er tilgængelige. Du lærer også analysestrategier, der skal sikre effektiv billedanalyse, hvor algoritmer først testes på små volumener og senere skaleres op.

Gennem kurset får du grundlaget for at arbejde med 3D-billeddannelse som værktøj, og du får forudsætninger for at arbejde videre inden for 3D-billeddannelse, billedanalyse og/eller high-performance computing. Kursusnoter. 18. november, 2022