450-4086/01 – Lékařské zobrazovací systémy II (LZS II)
Garantující katedra | Katedra kybernetiky a biomedicínského inženýrství | Kredity | 4 |
Garant předmětu | Ing. Jan Kubíček, Ph.D. | Garant verze předmětu | Ing. Jan Kubíček, Ph.D. |
Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
Ročník | 1 | Semestr | letní |
| | Jazyk výuky | čeština |
Rok zavedení | 2019/2020 | Rok zrušení | |
Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Student bude schopen vyjmenovat a definovat postupy pro analýzu medicínských obrazových dat. Student bude schopen tyto postupy vysvětlit a následně aplikovat na zvolená obrazová data. Bude schopen s nimi experimentovat a hodnotit jejich přínos k analýze obrazových dat.
Vyučovací metody
Přednášky
Individuální konzultace
Experimentální práce v laboratoři
Anotace
Předmět se komplexně zabývá problematikou matematických metod pro zpracování, modelování a extrakcí informací z medicínských obrazových dat. Jednotlivé metody budou vždy zasazovány do kontextu zpracování reálných medicínských dat a aplikací, které jsou recentní pro potřeby klinické praxe. Předmět je systematicky rozdělen do třech základních částí. První část předmětu se zabývá základními technikami, které slouží pro předzpracování medicínských obrazových záznamů. V této části budou diskutovány jasové a geometrické transformace. Filtrace obrazu na základě obrazové konvoluce v prostorové doméně a frekvenční filtrace obrazu. Analýza binárního obrazu, morfologické operace a aplikace těchto metod pro modelování obrazových objektů. Druhá část předmětu se zabývá technikami segmentace a klasifikace obrazu, které tvoří esenciální prvky pro modelování a extrakci informací z medicínských obrazů. V poslední části předmětu budou podrobně diskutovány matematické rekonstrukční techniky pro zpracování dat z MR a CT.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Protokoly z laboratorních cvičení. Povinná účast na cvičeních minimálně 80% vyučovaných hodin.
Písemný test na látku z výpočetních cvičení. Písemná a ústní zkouška.
E-learning
Další požadavky na studenta
Prerekvizitou je předmět Lékařské zobrazovací systémy I.
Student musí mít znalosti programování v Matlabu.
Prerekvizity
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Přednášky a laboratorní cvičení
Základy zpracování medicínských dat v SW MATLAB a Simulink. Úvod do procesu zobrazení, parametry expozice, fotometrické a radiometrické veličiny a definice elementární jednotky 2D a 3D obrazu.
Základní techniky pro úpravu a reprezentaci digitálního obrazu: diskretizace, matematický popis obrazového signálu, hodnocení kvality procesu zobrazení, histogram, modely entropie, modulace barvy a základní modely reprezentace obrazu.
Jasové transformace: základní typy a matematické modely pro jasové transformace a transformace kontrastu. Aplikace jasových transformací pro optimalizaci jasových charakteristik medicínských objektů v rámci předzpracování obrazu.
Geometrické transformace: základní typy transformací, algoritmy pro rotaci a translaci obrazu, afinní transformace, algoritmy pro interpolaci obrazu a definice RoI a VoI.
Prostorová analýza obrazu: matematický aparát obrazové konvoluce pro filtraci obrazu. Definice průměrového a mediánového filtru v prostorové oblasti. NF a VF filtrace obrazu. Aplikace filtračních procedur v prostorové oblasti na medicínské obrazová data.
Frekvenční analýza obrazu: reprezentace prostorových obrazových frekvencí, 2D Fourierova transformace, algoritmy pro výpočet FFT a návrh filtrů ve frekvenční doméně. Aplikace filtračních procedur ve frekvenční oblasti na medicínské obrazová data.
Analýza obrazového šumu: matematické modely šumu, parametry šumu, vybrané implementace obrazového šumu na CT a MR data a analýza hodnocení šumu v obraze.
Detekce hran: definice hranových bodů a hran objektů, základní modely obrazové hrany, základní operátory pro detekci hran v medicínských obrazech.
Detekce objektů v obraze: segmentace obrazu na základě prahování histogramu, fuzzy prahování a algoritmy pro regionální segmentaci obrazu.
Iterační segmentační metody: detekce hranic objektů na základě metod aktivních kontur a level set metod. Analýza základních algoritmů a parametrů v aplikaci na vybrané objekty v medicínských obrazech.
Klasifikace obrazu: principy klasifikace dat, základní modely pro klasifikaci medicínských obrazových dat a extrakce obrazových příznaků.
Metody umělé inteligence: model neuronu a základních neuronových sítí. Klasifikace a segmentace obrazu na základě neuronových sítí a deep learning.
Shlukovací analýza: základní metody: K means a FCM. Aplikace metod pro segmentaci a klasifikaci obrazu.
Základní rekonstrukční techniky pro CT a MR: analýza sinogramu, zpětná, filtrovaná zpětná projekce, iterativní rekonstrukce CT obrazu, k-space a MR obrazový signál.
Pro každou přednášku je realizováno cvičení se stejnou náplní. Cvičení budou realizována v SW Matlab.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky