Detail předmětu
Analysis of Biomedical Images
FEKT-MPA-ABOAk. rok: 2024/2025
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
Počet kreditů
Garant předmětu
Zajišťuje ústav
Nabízen zahraničním studentům
Vstupní znalosti
Jsou požadovány znalosti na úrovni bakalářského studia, zejména v oblasti matematiky a zpracování signálů.
Základní teorie číslicových zpracování signálů a obrazů.
Dále jsou požadovány pokročilé znalosti programování v jazyce python.
Pravidla hodnocení a ukončení předmětu
v zásadě
- získání zápočtu na základě aktivní účasti na demonstračních cvičeních
- úspěšné složení písemné závěrečné zkoušky
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu (viz Rozvrhové jednotky).
V zásadě:
- povinné počítačové cvičení
- nepovinná přednáška
Učební cíle
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
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
Elearning
Zařazení předmětu ve studijních plánech
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
1. Diskrétní obraz a jeho reprezentace - matematické formulace diskretizace a maticové reprezentace obrazů
2. Diskrétní 2D transformace - 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, zvýraznění hran
5. Extrakce příznaků z obrazových dat - formulace úlohy, základní přehled a principy metod
6. Hranová reprezentace - 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 binární obrazy
9. Přístupy pro klasifikaci obrazů - přehled základních principů
10. Lícování obrazových dat - geometrické transformace, interpolace obrazů, podobnostní kritéria a přístup k lícování optimalizačním algoritmem
11. Rekonstrukce z tomografických projekcí - matematické principy základních metod rekonstrukce CT dat z projekcí (FPB, algebraické a kombinované přístupy)
Cvičení na počítači
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, přístupy strojového učení, 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
Elearning