22525 Medicinsk billedanalyse

2024/2025

Kursusinformation
Medical Image Analysis
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
Retningsspecifikt kursus (MSc), Biomedical Engineering
Teknologisk specialisering (MSc), Biomedical Engineering
E4A (tirs 13-17)
Campus Lyngby
Online forelæsninger; øvelser. Forelæsningerne vil blive delt mellem DTU og Aalto Universitet, og vil blive streamet.
13-uger
E4A, F4A
Mundtlig eksamen og bedømmelse af opgave(r)
Kurset afsluttes med en mundtlig eksamen. Eksamensdeltagelse forudsætter godkendelse af obligatoriske opgaver som ikke indgår 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 Python/Matlab.
Axel Thielscher , Lyngby Campus, Bygning 349, Tlf. (+45) 4525 5313 , axthi@dtu.dk
Koen Van Leemput , leempko@gmail.com
Oula Puonti , OPUONTI@mgh.harvard.edu
22 Institut for Sundhedsteknologi
01 Institut for Matematik og Computer Science
Aalto Universitet, Finland
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 specifikke billedregistreringsproblemer.
  • anvende flere forskellige lineære 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.
  • vælge det mest passende interpolationsskema.
Kursusindhold
Registrering baseret på landmærker; intensitetsbaseret registrering (sum af kvadrerede forskelle, Mutual Information, principal axis transformation); lineær og ikke-lineære transformationsmodeller (stive og affine transformationer, tynde plade splines, B-splines); overfladebaseret registrering og segmentering; voxel-baseret segmentering ved brug af generative og diskriminerende metoder (Gaussisk blanding, Markov tilfældige felt priorer, neurale netværk); optimering (Gauss-Newton, forventningsmaksimering, stokastisk gradient nedstigning); atlasser; validering.
Sidst opdateret
02. maj, 2024