SylabUZ
Nazwa przedmiotu | Wydobywanie wiedzy z obrazów medycznych |
Kod przedmiotu | 06.9-WM-IB-EiIwM-D-16_19 |
Wydział | Wydział Mechaniczny |
Kierunek | Inżynieria biomedyczna |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra inżyniera |
Semestr rozpoczęcia | semestr zimowy 2022/2023 |
Semestr | 2 |
Liczba punktów ECTS do zdobycia | 4 |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Wykład | 30 | 2 | 18 | 1,2 | Zaliczenie na ocenę |
Laboratorium | 30 | 2 | 18 | 1,2 | Zaliczenie na ocenę |
Celem kształcenia jest zdobycie umiejętności i kompetencji w zakresie wykorzystania metod przetwarzania, analizy obrazów medycznych oraz uczenia maszynowego w diagnostyce medycznej
Wykład:
Wykład 1: Wprowadzenie do zagadnień wizji komputerowej.
Wykład 2: Elementarne operacje i przekształcenia wykonywane na obrazie.
Wykład 3: Filtracja obrazów.
Wykład 4: Morfologia matematyczna.
Wykład 5: Wprowadzenie do zagadnienia segmentacji obrazów. Przegląd metod segmentacji.
Wykład 6: Metody ekstrakcji i selekcji cech morfometrycznych.
Wykład 7: Analiza tekstur.
Wykład 8: Wprowadznie do klasyfikacji danych oraz regresja logistyczna.
Wykłąd 9: Zaawansowane metody klasyfikacji danych.
Wykłąd 10: Wprowadzenie do sztucznych sieci neuronowych.
Wykład 11: Uczenie głębokie.
Wykład 12: Zastosowanie głębokich sieci neuronowych do segmentacji i klasyfikacji obrazów medycznych.
Wykłąd 13: Budowa zautomatyzowanych systemów diagnostyki obrazowej.
Wykład 14: Przykład automatycznego systemu diagnostycznego wspomagającego cytodiagnostykę.
Wykład 15: Zaliczenie na ocenę - sprawdzian.
Ćwiczenia laboratoryjne:
Laboratorium 1. Wprowadzenie do środowiska ImageJ i języka Python.
Laboratorium 2: Odczyt i zapis obrazu oraz reprezentacja obrazu.
Laboratorium 3: Operacje arytmetyczne na obrazie.
Laboratorium 4: Przetwarznie wstepnę obrazu, modyfikacja kontrastu i histogramu.
Laboratorium 5: Filtracja obrazu.
Laboratorium 6: Wykonwyanie operacji morfologicznych na obrazie.
Laboratorium 7: Detekcja krawędzi, linii i okręgów.
Laboratorium 8: Segmentacja obrazu z wykorzystaniem metody wododziałowej i aktywnych konturów.
Laboratorium 9: Wyznaczanie cech morfometrycznych i teksturalnych z obrazów medycznych.
Laboratorium 10: Klasyfikacja danych z wykorzystaniem regresji logistycznej oraz maszyny wektorów nośnych (SVM).
Laboratorium 11: Budowa i uczenie prostej sieci neuronowej.
Laboratorium 12: Zastosowanie głebokiej sieci neuronowej do klasyfikacji obrazów.
Laboratorium 13: Zastosowanie głebokiej sieci neuronowej do segmentacji obrazów.
Laboratorium 14: Budowa prostego systemu do klasyfikacji obrazów medycznych.
Laboratorium 15: Sprawdzian.
Wykład - wykład konwencjonalny z wykorzystaniem wideoprojektora.
Laboratorium - zajęcia praktyczne, symulacje komputerowe.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
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
Zmodyfikowane przez dr hab. inż. Marek Kowal, prof. UZ (ostatnia modyfikacja: 18-10-2022 09:03)