1. SylabUZ
2. Faculty of Mechanical Engineering
3. winter term 2022/2023
4. Biomedical Engineering - Second-cycle studies leading to MSc degree
5. Extracting Knowledge from Medical Images

Generate PDF for this page

Extracting Knowledge from Medical Images - course description

Aim of the course

Celem kształcenia jest zdobycie wiedzy i umiejętności  w zakresie wykorzystania metod przetwarzania, analizy obrazów medycznych w diagnostyce medycznej

Prerequisites

Save changes

Scope

Wykład:
Wprowadzenie do wizji komputerowej. Elementarne operacje i przekształcenia wykonywane na obrazie. Metody wykrywania krawędzi. Transformata Hougha oraz jej pochodne. Morfologia matematyczna. Przegląd algorytmów segmentacji. Tekstury. Zastosowanie sztucznych sieci neuronowych w segmentacji obrazów oraz detekcji i rozpoznawaniu obiektów. Przykłady automatycznych systemów wspomagających diagnostykę medyczną

Ćwiczenia laboratoryjne:
Wykorzystanie środowiska Python oraz ImageJ do przetwarzania obrazów. Modele barw. Operacje arytmetyczne i przetwarzanie morfologiczne. Wyznaczanie granic i konturów obiektów.  Detekcja linii i okręgów. Progowanie histogramu. Algorytm wododziałowy i aktywnych konturów. Ekstrakcja cech.  Zastosowanie sztucznych sieci neuronowych w zagadnieniu segmentacji obrazów medycznych oraz wykrywaniu i rozpoznawaniu obiektów.

Teaching methods

Wykład - wykład konwencjonalny z wykorzystaniem wideoprojektora.
Laboratorium - zajęcia praktyczne, symulacje komputerowe.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich testów i sprawdzianów
laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich sprawdzianów i referatów
ocena końcowa = 0.5 ocena zaliczenia z formy zajęć wykład + 0.5 ocena zaliczenia z formy zajęć laboratorium

Recommended reading

1. Gonzalez R.C, Woods R.E. Digital Image Processing, Prentice Hall, 2009
2. Gonzalez R.C, Woods R.E, Eddins S.L. Digital Image Processing Using MATLAB, 2004
3. Cytowski J., Gielecki J., Gola A.: Cyfrowe przetwarzanie obrazów medycznych. Algorytmy. Technologie. Zastosowania, Exit, 2008
4. Strzelecki M., Zieliński K. W.: Komputerowa analiza obrazu biomedycznego. Wstęp do morfometrii i patologii ilościowej.PWN, 2013.
5. Tadeusiewicz R., Korohoda P.: Komputerowa analiza i przetwarzanie obrazów, FPT, Warszawa, 1997
6. Kwiatkowski W.: Metody automatycznego rozpoznawania wzorców, BEL-Studio, Warszawa, 2001.
7. Bengio Y. Courville A., Goodfellow I., Deep Learning, Systemy uczące się, Warszwa, 2018.
8. Tadeusiewicz R., Flasiński M.: Rozpoznawanie obrazów, PWN, Warszawa, 1991.
9. Nieniewski M.: Segmentacja obrazów cyfrowych. Metody segmentacji wododziałowej, Akademicka Oficyna Wydawnicza Exit, 2015.
10. Perez J.M.M., Pascau J.: Image Processing with ImageJ, Packt Publishing, 2013.
11. Goodfellow I., Bengio Y., Courville A., Deep Learning. Współczesne systemy uczące się, PWN, 2018.

12. Dey S. Hands-On Image Processing with Python: Expert techniques for advanced image analysis and effective interpretation of image data, Packt Publishing, 2018

     

Further reading

1. Nałęcz, M. (red.): Biocybernetyka i Inżynieria Biomedyczna 2000. Tom 6 Sztuczne sieci neuronowe, Tom 10 Obrazowanie medyczne. Akademicka Oficyna Wydaw. EXIT, Warszawa 2000
2. Duda P., Hart R., Stork O.: Pattern Classification, Wiley, New York, 2000
3. Watkins C.D., Sadun A., Marenka S.: Nowoczesne metody przetwarzania obrazu, WNT, Warszawa, 1995
4. Larose D. T.: Odkrywanie wiedzy z danych, PWN, Warszawa, 2006.
5. Korbicz J. Obuchowicz A. Uciński D.: Sztuczne sieci neuronowe: podstawy i zastosowania, AOW PLJ, Warszawa, 1994.
6. Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechnik Warszawskiej, Warszawa, 2013.

Notes

Modified by dr hab. inż. Marek Kowal, prof. UZ (last modification: 30-04-2022 12:44)