Zpracování medicínských obrazů
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
BAM33ZMO | Z,ZK | 6 | 2P+2C | česky |
- Vztahy:
- Předmět BAM33ZMO může při kontrole studijních plánů nahradit předmět A6M33ZMO
- Předmět BAM33ZMO nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět A6M33ZMO (vztah je symetrický)
- Předmět BAM33ZMO nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BEAM33ZMO (vztah je symetrický)
- Podmínkou zápisu na předmět BAM33ZMO je, že student si nejpozději ve stejném semestru zapsal příslušný počet předmětů ze skupiny BEZBM
- Předmět BAM33ZMO nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět A6M33ZMO (vztah je symetrický)
- Předmět BAM33ZMO nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BEAM33ZMO (vztah je symetrický)
- Garant předmětu:
- Jan Kybic
- Přednášející:
- Jan Kybic
- Cvičící:
- Denis Baručić, Jan Kybic
- Předmět zajišťuje:
- katedra kybernetiky
- Anotace:
-
Předmět se zabývá nejčastěji používanými pokročilými metodami analýzy obrazu se zaměřením na obrazy z lékařských a biologických modalit, od mikroskopie, přes ultrazvuk, až po MRI a CT, včetně časových sekvencí.
- Požadavky:
-
Znalost programování, základní znalost technik zpracování obrazů, základní znalost principů lékařských zobrazovacích metod.
- Osnova přednášek:
-
1. Segmentace - metody aktivních kontur, levelsety
2. Statistické modely pro segmentaci
3. Segmentace na základě superpixelů a grafových modelů
4. Segmentace pomocí textury
5. Segmentace pomocí hlubokého učení
6. Detekce buněk a buněčných jader
7. Detekce cév a vláken
8. Detekce plicních nodulů a mamografie
9. Lokalizace orgánů a struktur
10. Registrace založená na bodech a kritériích podobnosti
11. Elastická registrace
12. Registrace pomocí hlubokého učení.
- Osnova cvičení:
-
Cvičení probíhají v počítačové laboratoři, kde si studenti prakticky vyzkouší některé probrané algoritmy. Některé
vybrané metody sami naprogramují, v ostatních případech se naučí používat existující volně dostupné knihovny a
toolboxy. Tímto způsobem získají studenti nejen základní přehled o existujících metodách, ale budou jim i hlouběji
rozumět a řadu z nich se naučí prakticky používat.
- Cíle studia:
-
Naučit se principům a použití základních algoritmů pro zpracování lékařských a biologických obrazů, zejména registrace, segmentace a klasifikace. Jednodušší algoritmy budou studenti sami implementovat.
- Studijní materiály:
-
1. Toennies: Guide to Medical Image Analysis, Springer 2012
2. Deserno: Biomedical Image Processing, Springer 2011
3. Yoo: Insight into images. Taylor & Francis, 2004
4. Birkfellner: Applied Medical Image Processing, CRC Press 2011
5. Jan: Medical Image Processing, Reconstruction and Restoration, CRC Press 2006
6. Dhawan: Medical Image Analysis, IEEE Press, 2003
7. Šonka, Fitzpatrick: Handbook of Medical Imaging: Volume 2, Medical Image Processing and Analysis, SPIE Press,
2000
- Poznámka:
- Další informace:
- https://cw.fel.cvut.cz/wiki/courses/zmo
- Rozvrh na zimní semestr 2024/2025:
-
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po Út St Čt Pá - Rozvrh na letní semestr 2024/2025:
- Rozvrh není připraven
- Předmět je součástí následujících studijních plánů:
-
- Lékařská elektronika a bioinformatika - Specializace Bioinformatika (povinně volitelný předmět)
- Lékařská elektronika a bioinformatika - Specializace Lékařská technika (povinně volitelný předmět)
- Lékařská elektronika a bioinformatika - Specializace Zpracování obrazu (PS)
- Lékařská elektronika a bioinformatika - Specializace Zpracování signálů (povinně volitelný předmět)