1. SylabUZ
2. Wydział Mechaniczny
3. semestr zimowy 2016/2017
4. Inżynieria biomedyczna / Elektronika i informatyka w medycynie - drugiego stopnia z tyt. magistra inżyniera
5. Wydobywanie wiedzy z obrazów medycznych

Wygeneruj PDF dla tej strony

Wydobywanie wiedzy z obrazów medycznych - opis przedmiotu

Cel przedmiotu

Celem kształcenia jest zdobycie umiejętności i kompetencji w zakresie stosowania technik przetwarzania obrazów medycznych z uwzględnieniem technik sztucznej inteligencji, obliczeń inteligentnych do projektowania i wdrażania systemów informatycznych wspierających procesy diagnostyczne i monitorujące proces leczenia.

Wymagania wstępne

Zapisz zmiany

Zakres tematyczny

Wykład:
Modele barw i sposoby kodowania obrazów barwnych. Elementarne operacje i przekształcenia wykonywane na obrazie. Metody wykrywania krawędzi. Transformata Radona, Hougha oraz jej pochodne. Metody opisu i analizy kształtów. Przegląd algorytmów segmentacji. Numeryczny opis zawartości obrazu oraz miary morfometryczne obiektów. Tekstury. Metody redukcji wymiarowości dla problemów diagnostyki medycznej. Statystyczne aspekty zagadnień diagnostyki medycznej. Techniki sztucznej inteligencji w zagadnieniach rozpoznawania obrazów i klasyfikacji wzorców. Budowa systemów do automatycznej diagnostyki obrazowej. Przykłady automatycznych systemów diagnostycznych wspomagających cytodiagnostykę. 

Ćwiczenia laboratoryjne:
Wykorzystanie środowiska Matlab do przetwarzania obrazów. Modele barw oraz kodowanie. Operacje arytmetyczne i przetwarzanie morfologiczne. Wyznaczanie granic i konturów obiektów.  Detekcja linii, okręgów i elips na obrazach medycznych. Progowanie histogramu jako przykład segmentacji obrazów. Algorytm wododziałowy i aktywnych konturów. Sposoby numerycznego opisu obiektów i obszarów zainteresowania.  Metody redukcji wymiarowości zarówno w przestrzeni samego obrazu jak i cech obiektów na nim występujących. Zastosowanie sztucznych sieci neuronowych w zagadnieniu klasyfikacji obrazów medycznych. Projekt systemu wspomagającego automatyczną ocenę obrazów cytologicznych.

Metody kształcenia

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

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

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

Literatura podstawowa

1. Duda P., Hart R., Stork O.: Pattern Classification, Wiley, New York, 2000
2. Kwiatkowski W.: Metody automatycznego rozpoznawania wzorców, BEL-Studio, Warszawa, 2001
3. Tadeusiewicz R., Flasiński M.: Rozpoznawanie obrazów, PWN, Warszawa, 1991

Literatura uzupełniająca

1. Cytowski J., Gielecki J., Gola A.: Cyfrowe przetwarzanie obrazów medycznych. Algorytmy. Technologie. Zastosowania, Exit, 2008
2. Nałęcz, M. (red.): Biocybernetyka i Inżynieria Biomedyczna 2000. Tom 6 Sztuczne sieci neuronowe, Tom 10 Obrazowanie medyczne. Akademicka Oficyna Wydaw. EXIT, Warszawa 2000
3. Tadeusiewicz R., Korohoda P.: Komputerowa analiza i przetwarzanie obrazów, FPT, Warszawa, 1997
4. Watkins C.D., Sadun A., Marenka S.: Nowoczesne metody przetwarzania obrazu, WNT, Warszawa, 1995
5. Larose D. T.: Odkrywanie wiedzy z danych, PWN, Warszawa, 2006

Uwagi

Zmodyfikowane przez dr hab. inż. Marek Kowal, prof. UZ (ostatnia modyfikacja: 09-09-2016 07:55)