Detail předmětu

Analýza biomedicínských obrazů

FEKT-MPC-ABOAk. rok: 2019/2020

Předmět je orientován na získání přehledu o metodách analýzy biomedicínských obrazových dat, a dobrého porozumění jejich principům v návaznosti na vlastnosti těchto dat získaných jednotlivými zobrazovacími modalitami užívanými v medicíně a biologii.

Jazyk výuky

čeština

Počet kreditů

6

Garant předmětu

doc. Ing. Radim Kolář, Ph.D.

Zajišťuje ústav

Ústav biomedicínského inženýrství (UBMI)

Výsledky učení předmětu

Absolvent předmětu je schopen:
- doporučit a kriticky hodnotit vhodnost jednotlivých metod analýzy medicínských obrazů pro konkrétní účel na základě teoretických i praktických znalostí, získaných v předmětu,
- realizovat implementaci těchto metod na vhodné softwarové platformě, popř. s využitím komerčního softwaru,
- být platným členem výzkumného / experimentálního mezioborového týmu v oblasti analýzy biomed. obrazových dat.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia, zejména v oblasti matematiky a zpracování signálů.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT. Metody vyučování zahrnují přednášky a cvičení na počítači. Předmět využívá e-learning (Moodle). Student odevzdává samostatný projekt.

Způsob a kritéria hodnocení

Podmínky pro úspěšné ukončení předmětu upřesňuje každoročně aktualizovaná vyhláška garanta předmětu;
v zásadě
- získání zápočtu na základě aktivní účasti na demonstračních cvičeních (až 30 bodů, min. 15 bodů),
- úspěšné složení písemné závěrečné zkoušky (až 70 bodů)

Zkouška z předmětu bude probíhat v akademickém roce 2019/20 písemně a distančně.

Osnovy výuky

1. Číslicová reprezentace obrazu, základní vlastnosti obrazů, 2D DFT, diskretní spektra, vzorkování, 3D a 4D obrazy.
2. Lineární diskretní transformace obrazů – DFT, kosinová transformace, Walshova transformace, vlnková transformace. Vlastnosti, interpretace, aplikace.
3. Základní geometrické operace s obrazy (posun, rotace, zkosení, afinní transformace aj.). Interpolace obrazů.
4. Bodové operace, úprava kontrastu, transformace barev.
5. Prostorová filtrace obrazů - maskové operace, konvoluce, ostření, vyhlazování, zpracování ve spektrální oblasti.
6. Lokální příznaky, detekce hran, linií a rohů, parametrické obrazy.
7. Metody texturní analýzy (statistické, strukturální, transformační, modely textury), texturně-parametrické obrazy.
8. Základní metody segmentace obrazu - hranově orientovaná metody, Houghova transformace, segmentace založená na parametrických obrazech, regionově orientovaná segmentace.
9. Pokročilé metody segmentace obrazů – metody pružných kontur (parametrické kontury, kontury typu level-set, aktivní kontury), segmentace založená na rozpoznávání vzorů.
10. Základní metody lícování obrazů založené na optimalizaci, podobnostní kritéria, multiresoluční přístupy, získávání obrazových informací pomocí fúze.
11. Pokročilé metody lícování obrazů – optický tok, korespondence značek, metoda ICP. Hodnocení kvality registrace.
12. Rekonstrukce obrazů v tomografii: rekonstrukce obrazů z CT projekcí - algebraické metody, rekonstrukce ve frekvenční oblasti, filtrovaná zpětná projekce; modifikace nutné v nukleárním zobrazování.
13. Komprese obrazů a videa, datové formáty obrazů, trendy v analýze medicínských obrazů a vícerozměrných multimodálních obrazových dat.

Učební cíle

Cílem předmětu je umožnit studentům získání přehledu a porozumění metodám analýzy medicínských obrazů a zvládnutí praktických postupů softwarové realizace těchto metod.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu (viz Rozvrhové jednotky).
V zásadě:
- povinné počítačové cvičení
- nepovinná přednáška

Základní literatura

J.Jan: Medical Image Processing,Reconstruction and Restoration, CRC Taylor and Francis 2006
P. Walek, M. Lamoš, J. Jan: Analýza biomedicínských obrazů, VUT v Brně, 2013 (CS)

Doporučená literatura

A.K.Jain: Fundamentals of Digital Image Processing. Prentice Hall, 1989

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program MPC-BTB magisterský navazující 1 ročník, letní semestr, povinný

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

prof. Ing. Jiří Jan, CSc.

Osnova

1. Dvojrozměrný signál jako reprezentace obrazu, 2D Fourier. transformace a 2D spektra, prostorové 3D obrazy, příp. s časovým vývojem (4D), profily a řezy
2. Číslicová reprezentace obrazu, základní vlastnosti obrazů, 2D DFT a další 2D transformace, diskretní spektra, časové posloupnosti 2D a 3D obrazů - 4D data
3. Vlastnosti dat v planárním rentgen. zobrazení a v rentgen. počítačové tomografii (CT)
4. Vlastnosti dat v zobrazení magnetickou rezonancí (MRI) a v nukleárním zobrazování
5. Vlastnosti dat v ultrasonografii, elektronové mikroskopii, infrazobrazení a v elektrické impedanční tomografii
6. Předzpracování medicínských obrazových dat: transformace kontrastu a barev, maskové operace, potlačování šumu, homogenizace pole, geometrická restituce zkreslení - geometrické transformace, zpracování ve spektrální oblasti
7. Lícování a fúze medicínských obrazů: podobnostní kritéria, optimalizační lícování, metody jedno- a vícemodálního lícování, fúze obrazových informací
8. Rekonstrukce obrazů v tomografii: rekonstrukce obrazů z CT projekcí - algebraické metody, rekonstrukce ve frekvenční oblasti, filtrovaná zpětná projekce; modifikace nutné v nukleárním zobrazování; principy rekonstrukce obrazových dat v MRI
9. Lokální příznaky, statistické a spektrální parametry, parametrické obrazy, detekce hran, linií a rohů, hrubá a upravená hranová reprezentace
10. Texturní analýza: texturní deskriptory v originální a spektrální oblasti, příznakově orientovaná a syntaktická analýza, texturně-parametrické obrazy, texturní gradient
11. Segmentace obrazů 1: hranově orientovaná segmentace a Houghova transformace, segmentace založená na parametrických a texturně-param. obrazech, regionově orientovaná segmentace (narůstání, dělení a spojování oblastí, metoda rozvodí)
12. Segmentace obrazů 2: využívající pružných kontur - parametrické kontury, kontury typu level-set, aktivní kontury; segmentace založená na rozpoznávání vzorů
13. Prostředí pro zpracování medicínských obrazů - hardwarové a softwarové požadavky; datové formáty medicínských obrazů, kompatibilita obrazových dat, trendy v analýze medicínských obrazů a vícerozměrných obrazových dat

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

Ing. Roman Jakubíček, Ph.D.
Ing. Jiří Chmelík, Ph.D.

Osnova

1. PC demonstrace a simulace: Dvojrozměrný signál jako reprezentace obrazu, 2D Fourier. transformace a 2D spektra, prostorové 3D obrazy, příp. s časovým vývojem (4D), profily a řezy
2. PC demonstrace a simulace: Číslicová reprezentace obrazu, základní vlastnosti obrazů, 2D DFT a další 2D transformace, diskretní spektra, časové posloupnosti 2D a 3D obrazů - 4D data
3. Práce s klinickými daty a exkurse: Vlastnosti dat v planárním rentgen. zobrazení a v rentgen. počítačové tomografii (CT)
4. Práce s klinickými daty a exkurse: Vlastnosti dat v zobrazení magnetickou rezonancí (MRI) a v nukleárním zobrazování
5. Práce s klinickými daty a exkurse: Vlastnosti dat v ultrasonografii, elektronové mikroskopii, infrazobrazení a v elektrické impedanční tomografii
6. PC demonstrace a simulace: Předzpracování medicínských obrazových dat: transformace kontrastu a barev, maskové operace, potlačování šumu, homogenizace pole, geometrická restituce zkreslení - geometrické transformace, zpracování ve spektrální oblasti
7. PC demonstrace a simulace: Lícování a fúze medicínských obrazů: podobnostní kritéria, optimalizační lícování, metody jedno- a vícemodálního lícování, fúze obrazových informací
8. PC demonstrace a simulace: Rekonstrukce obrazů v tomografii: rekonstrukce obrazů z CT projekcí - algebraické metody, rekonstrukce ve frekvenční oblasti, filtrovaná zpětná projekce; modifikace nutné v nukleárním zobrazování; principy rekonstrukce obrazových dat v MRI
9. PC demonstrace a simulace: Lokální příznaky, statistické a spektrální parametry, parametrické obrazy, detekce hran, linií a rohů, hrubá a upravená hranová reprezentace
10. PC demonstrace a simulace: Texturní analýza: texturní deskriptory v originální a spektrální oblasti, příznakově orientovaná a syntaktická analýza, texturně-parametrické obrazy, texturní gradient
11. PC demonstrace a simulace: Segmentace obrazů 1: hranově orientovaná segmentace a Houghova transformace, segmentace založená na parametrických a texturně-param. obrazech, regionově orientovaná segmentace (narůstání, dělení a spojování oblastí, metoda rozvodí)
12. PC demonstrace a simulace: Segmentace obrazů 2: využívající pružných kontur - parametrické kontury, kontury typu level-set, aktivní kontury; segmentace založená na rozpoznávání vzorů
13. PC demonstrace a simulace: Prostředí pro zpracování medicínských obrazů - hardwarové a softwarové požadavky; datové formáty medicínských obrazů, kompatibilita obrazových dat, trendy v analýze medicínských obrazů a vícerozměrných obrazových dat

Elearning

eLearning: aktuální otevřený kurz