Detail předmětu

Analysis of Biomedical Images

FEKT-MPA-ABOAk. rok: 2023/2024

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

angličtina

Počet kreditů

6

Nabízen zahraničním studentům

Všech fakult

Vstupní znalosti

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

Pravidla hodnocení a ukončení předmětu

V zásadě
- získání zápočtu na základě aktivní účasti na demonstračních cvičeních a obdržení alespoň 15 bodů z možných 30 bodů
- úspěšné složení písemné závěrečné zkoušky (až 70 bodů, min. 35 bodů)

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

Učební cíle

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

Základní literatura

Gengsheng Lawrence Zeng: Image Reconstruction, de Gruyter, 2017 (EN)
J. Jan: Medical Image Processing,Reconstruction and Restoration, CRC Taylor and Francis 2006 (EN)
J. Jan: Medical ImageProcessing, Reconstruction and Analysis 2nd edition CRC Press, Taylor & Francis 2020 (EN)
M. Nixon: Feature Extraction and Image Processing for Computer Vision, Academic Press (EN)

Doporučená literatura

M. Sonka, V. Hlavac: Image Processing, Analysis And Machine Vision, Cengage Learning, 2017 (EN)

Elearning

Zařazení předmětu ve studijních plánech

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

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Diskértní obraz a jeho reprezentace - matematické formulace diskretizace a maticové reprezentace obrazů
2. Diskértní 2D tranformace - matematické formulace základních transformací pro zpracování obrazů
3. Diskrétní 2D operátory - matematické základy hlavních operátorů u zpracování obrazů (lokální, bodové, globální)
4. Zvýrazňování obrazů - potlačení šumu, úprava kontrastu a barev, zostřování, zvyraznění hran
5. Extrakce příznaků z obrazových dat - formulace úlohy, základní přehled a principy metod
6. Hranová repreznetace - detekce a úprava hran v obraze pomocí gradientních operátorů
7. Segmentace obrazů - přehled a základní principy běžných metod pro segmentaci obrazu
8. Morfologické operátory pro 2D binrání obrazy
9. Přístupy pro klasifikaci obrazů - přehled základních principů
10. Lícování obrazových dat - geometrické transformace, interpolace obrazů, podobnostní kriteria a přístup k lícování optimalizačním algoritmem
11. Rekonsturkce z tomografických projekcí - matematické principy základních metod rekonostrukce CT dat z projekcí (FPB, algebraické a kombinované přístupy)

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

Osnova

1. Základní operace s diskrétními obrazy, spektrum obrazu a základní 2D funkce, ověření vlastností Fourierovy transformace
2. Diskrétní 2D operátory - bodové operace (úprava kontrastu, korekce gama,...) a lokální operace (zvýraznění hran, ostření obrazu, potlačení šumu)
3. Extrahování příznaků - demostrace extrakce příznaků z frekvenční oblasti, příznaky založené na konvoluci, analýza textury a přizpůsobený filtr
4. Detekce hran - realizace metod založených na 1. derivaci, 2. derivaci a kombinované přístupy
5. Segmentace obrazu - jednoduché, adaptivní, multi a semi-prahování, Otsuova metoda, narůstání oblastí, watershed, parametrické a geometrické flexibilní kontury, morfologické operace
6. Rozpoznávání objektů - Implementace Houghovy transformace pro přímky a kružnice
7. Implementace 2D interpolace, představení a realizace rigidní a flexibilní geometrická transformace, finální realizace registrace a fúze obrazů
8. Rekonstrukce tomografických obrazů - Implementace aproximace inversní Radonovy transformace, sestrojení sinogramu, jednoduchá a filtrovaná zpětná projekce, rekonstrukce z vějířových projekcí

Projekt

13 hod., povinná

Vyučující / Lektor

Osnova

 

Elearning