Nazwa modułu: Techniki obrazowania medycznego Rok akademicki: 2014/2015 Kod: EME-1-606-s Punkty ECTS: 3 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Mikroelektronika w technice i medycynie Specjalność: - Poziom studiów: Studia I stopnia Forma i tryb studiów: - Język wykładowy: Polski Profil kształcenia: Ogólnoakademicki (A) Semestr: 6 Strona www: Osoba odpowiedzialna: dr inż. Skalski Andrzej (skalski@agh.edu.pl) Osoby prowadzące: dr inż. Skalski Andrzej (skalski@agh.edu.pl) dr inż. Socha Mirosław (socha@agh.edu.pl) Opis efektów kształcenia dla modułu zajęć Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń) Wiedza M_W001 Potrafi omówić i przedstawić właściwości oraz różnice występujące w technikach obrazowania medycznego M_W002 Ma poszerzoną i uporządkowaną wiedzę teoretyczną z zakresu algorytmów segmentacji oraz dopasowywania obrazów cyfrowych. M_W003 Posiada szczegółową wiedzę dotyczącą doboru algorytmów obrazów umożliwiającą zaproponowanie rozwiązania konkretnego zadania problemowego z wykorzystaniem informacji obrazowej. Umiejętności M_U001 Potrafi pozyskiwać informacje z specjalistycznej literatury technicznej, którą umie zinterpretować i wykorzystać do budowy algorytmu rozwiązującego problem z zakresu obrazów. ME1A_U01 1 / 5
M_U002 Ma przygotowanie do projektowania, walidacji oraz porównywania rozwiązań konkretnych zadań z zakresu obrazów. ME1A_U02, ME1A_U01, ME1A_U03 M_U003 Potrafi zaimplementować wybrane algorytmy obrazów w środowisku Matlab. ME1A_U10, ME1A_U16 Wykonanie ćwiczeń laboratoryjnych Kompetencje społeczne M_K004 Umie przygotować prezentację oraz dokumentację rozwiązania zadania problemowego, którą potrafi przedstawić w sposób zrozumiały i przystępny. ME1A_K03, ME1A_K02 Matryca efektów kształcenia w odniesieniu do form zajęć Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć Wykład audytoryjne laboratoryjne projektowe Konwersatori um seminaryjne praktyczne terenowe warsztatowe Inne E-learning Wiedza M_W001 M_W002 M_W003 Umiejętności M_U001 Potrafi omówić i przedstawić właściwości oraz różnice występujące w technikach obrazowania medycznego Ma poszerzoną i uporządkowaną wiedzę teoretyczną z zakresu algorytmów segmentacji oraz dopasowywania obrazów cyfrowych. Posiada szczegółową wiedzę dotyczącą doboru algorytmów obrazów umożliwiającą zaproponowanie rozwiązania konkretnego zadania problemowego z wykorzystaniem informacji obrazowej. Potrafi pozyskiwać informacje z specjalistycznej literatury technicznej, którą umie zinterpretować i wykorzystać do budowy algorytmu rozwiązującego problem z zakresu przetwarzania i analizy obrazów. 2 / 5
M_U002 M_U003 Ma przygotowanie do projektowania, walidacji oraz porównywania rozwiązań konkretnych zadań z zakresu obrazów. Potrafi zaimplementować wybrane algorytmy obrazów w środowisku Matlab. Kompetencje społeczne M_K004 Umie przygotować prezentację oraz dokumentację rozwiązania zadania problemowego, którą potrafi przedstawić w sposób zrozumiały i przystępny. Treść modułu zajęć (program wykładów i pozostałych zajęć) Wykład Podstawy obrazowania medycznego (8h) metody RTG, tomografia komputerowa, rezonans magnetyczny, metody ultrasonograficzne, pozytonowa tomografia emisyjna (PET), metody endoskopowe, koherentna tomografia optyczna (OCT), ogólnodostępne medyczne bazy obrazów cyfrowych. Podstawy przetwarzania obrazów medycznych (4h) filtracja liniowa i nieliniowa, wyznaczanie gradientu i histogramu obrazu, wykrywanie krawędzi (Canny Edge Detector), operacje morfologiczne (erozja, dylatacja, otwarcie, zamknięcie). Podstawowe algorytmy segmentacji obrazów (4h) progowanie, automatyczne metody wyznaczania progu, metody rozrostu obszarów, transformacja wododziałowa. Segmentacja obrazów oparta o modele fizyczne - (2h) funkcje sklejane, metody aktywnych konturów, deformowalne modele. Metody globalnego i lokalnego dopasowania obrazów - (4h) miary podobieństwa, interpolacja w zastosowaniu do przetwarzania obrazów, idea dopasowania obrazów, transformacja sztywna, afiniczna, rodzina metod Demon, dopasowanie obrazów z wykorzystaniem funkcji B-sklejanych. 3 / 5
Wykrywanie obiektów w obrazach - (4h) cechy dobrego detektora, momenty geometryczne, transformacja Hougha, detektor Harrisa, deskryptory Fouriera. Przegląd bibliotek stosowanych do budowy aplikacji obrazów - 1h Przykłady systemów obrazów z zastosowaniem metod omawianych w ramach wykładu - (2h) rozpoznawanie zmian patologicznych, automatyczne śledzenie obiektów (np. wczepionych złotych znaczników w zmiany nowotworowe w projekcjach CBCT), segmentacja struktur anatomicznych z danych CT, wspomaganie procesu planowania leczenia oraz pozycjonowania pacjenta w radioterapii, wirtualne zabiegi endoskopowe. - 1h laboratoryjne Podstawy tworzenia i implementacji algorytmów przetwarzania wstępnego obrazów - 6h Implementacja podstawowych operacji na obrazie: operacje I/O, filtracja, wyznaczanie gradientu, wyznaczanie i wyrównanie histogramu, okienkowanie danych medycznych. Podstawowe algorytmy segmatacji - 10h progowanie, implementacja algorytmu rozrostu obszaru, implementacja metody aktywnych konturów. Implementacja algorytmu dopasowania obrazów w oparciu o transformację afiniczną - 2h Rozwiązanie indywidualnego zadania problemowego dotyczącego obrazów z pomocą prowadzącego - 8h rozwiązań zadań problemowych przez studentów - 2h Sposób obliczania oceny końcowej Średnia ważona: Ocena rozwiązania zadania problemowego 50%; na wykładzie 40%; Aktywność na zajęciach 10%. Ocena wystawiana zgodnie z regulaminem studiów AGH. Wymagania wstępne i dodatkowe 1. Znajomość zagadnień związanych z przetwarzaniem sygnałów 2. Podstawowe umiejętności programistyczne Zalecana literatura i pomoce naukowe 4 / 5
1. R. C. Gonzalez, R. E. Woods: Digital Image Processing. Prentice Hall; 3 ed., 2007 2. R. C. Gonzalez, R. E. Woods, S. L. Eddins: Digital Image Processing Using MATLAB. Prentice Hall; 2003 3. J. L. Semmlow: Biosignal and Medical Image Processing: MATLAB-Based Applications. CRC, 2004 4. Z. Wróbel, R. Koprowski: Praktyka przetwarzania obrazów w programie Matlab. Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2004 5. R. Tadeusiewicz, P. Korohoda: Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków, 1997 6. Wybrane artykuły np. z: Medical Image Analysis, IEEE Transactions on Medical Imaging, IEEE EMB. Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu Nie podano dodatkowych publikacji Informacje dodatkowe Brak Nakład pracy studenta (bilans punktów ECTS) Forma aktywności studenta Udział w wykładach Przygotowanie do zajęć Samodzielne studiowanie tematyki zajęć Udział w ćwiczeniach laboratoryjnych Sumaryczne obciążenie pracą studenta Punkty ECTS za moduł Obciążenie studenta 28 godz 20 godz 10 godz 28 godz 86 godz 3 ECTS 5 / 5