čeština

6

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.

Jsou požadovány znalosti na úrovni bakalářského studia, zejména v oblasti matematiky a zpracování signálů.

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT. Metody vyučování zahrnují přednášky a cvičení na počítači. Předmět využívá e-learning (Moodle). Student odevzdává samostatný projekt.

Podmínky pro úspěšné ukončení předmětu upřesňuje každoročně aktualizovaná vyhláška garanta předmětu;
v zásadě
- získání zápočtu na základě aktivní účasti na demonstračních cvičeních (až 24 bodů, min. 12 bodů),
- úspěšné složení písemné závěrečné zkoušky (až 76 bodů)

1. Dvojrozměrný signál jako reprezentace obrazu, 2D Fourier. transformace a 2D spektra, prostorové 3D obrazy, příp. s časovým vývojem (4D), profily a řezy
2. Číslicová reprezentace obrazu, základní vlastnosti obrazů, 2D DFT a další 2D transformace, diskretní spektra, časové posloupnosti 2D a 3D obrazů - 4D data
3. Předzpracování medicínských obrazových dat: transformace kontrastu a barev,
4. Maskové operace, ostření, potlačování šumu, homogenizace pole, zpracování ve spektrální oblasti
5. Lokální příznaky, statistické a spektrální parametry, parametrické obrazy, detekce hran, linií a rohů, hrubá a upravená hranová reprezentace
6. Texturní analýza: texturní deskriptory v originální a spektrální oblasti, příznakově orientovaná a syntaktická analýza, texturně-parametrické obrazy, texturní gradient
7. Segmentace obrazů 1: hranově orientovaná segmentace a Houghova transformace, segmentace založená na parametrických a texturně-param. obrazech, regionově orientovaná segmentace (narůstání, dělení a spojování oblastí), metoda rozvodí.
8. Segmentace obrazů 2: využívající pružných kontur - parametrické kontury, kontury typu level-set, aktivní kontury; segmentace založená na rozpoznávání vzorů
9. Lícování a fúze medicínských obrazů: podobnostní kritéria, optimalizační lícování, metody jedno- a vícemodálního lícování, získávání obrazových informací pomocí fúze.
10. Vlastnosti dat v planárním rentgen. zobrazení a v rentgen. počítačové tomografii (CT)
11. Rekonstrukce obrazů v tomografii: rekonstrukce obrazů z CT projekcí - algebraické metody, rekonstrukce ve frekvenční oblasti, filtrovaná zpětná projekce; modifikace nutné v nukleárním zobrazování.
12. Vlastnosti dat v zobrazení magnetickou rezonancí (MRI) a principy rekonstrukce obrazových dat v MRI. Vlastnosti dat v nukleárním zobrazování, v ultrasonografii, elektronové mikroskopii, infrazobrazení a v elektrické impedanční tomografii.
13. Prostředí pro zpracování medicínských obrazů - hardwarové a softwarové požadavky; datové formáty medicínských obrazů, kompatibilita obrazových dat, trendy v analýze medicínských obrazů a vícerozměrných multimodálních obrazových dat.

Cílem předmětu je umožnit studentům získání přehledu a porozumění metodám analýzy medicínských obrazů a zvládnutí praktických postupů softwareové realizace těchto metod.

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu (viz Rozvrhové jednotky).
V zásadě:
- povinné počítačové cvičení
- nepovinná přednáška

J.Jan: Medical Image Processing,Reconstruction and Restoration, CRC Taylor and Francis 2006

A.K.Jain: Fundamentals of Digital Image Processing. Prentice Hall, 1989

26 hod., povinná

1. PC demonstrace a simulace: Dvojrozměrný signál jako reprezentace obrazu, 2D Fourier. transformace a 2D spektra, prostorové 3D obrazy, barevné prostory.
2. PC demonstrace a simulace: Základní vlastnosti obrazů, diskretizace obrazů, aliasing, 2D DFT a její vlastnosti, diskretní spektra.
3. PC demonstrace a simulace: Histogram obrazu, typy transformačních funkcí pro transformaci kontrastu, ekvalizace histogramu. Vektorová reprezentace obrazu.
4. PC demonstrace a simulace: Zostřování konvolučními operátory - negativní neostrá maska, Laplacian. Zostřování ve spektrální oblasti. Možnosti nastavení míry zostření.
5. PC demonstrace a simulace: Potlačování obrazového šumu, filtrace ve frekvenční oblasti, homomorfická filtrace.
6. PC demonstrace a simulace: Texturní analýza založená na parametrických a spektrálních vlastnostech textur. Metody texturní analýzy.
7. PC demonstrace a simulace: Segmentace obrazů 1: Prosté prahování, prahování dvěma prahy a poloprahování. Parametrické obrazy. Gradientní obraz a hrubá a finální hranová reprezentace obrazu. Cannyho detektor. Segmentační metoda rozvodí.
8. PC demonstrace a simulace: Segmentace obrazů 2: Metody využívající pružných kontur - parametrické kontury, kontury typu level-set, aktivní kontury.
9. PC demonstrace a simulace: Houghova transformace pro vyhledávání přímek a kružnic v medicínských obrazech.
10. PC demonstrace a simulace: Lícování medicínských obrazů: podobnostní kritéria, optimalizační lícování, metoda fázové korelace pro odhad translace.
11. PC demonstrace a simulace: Fúze obrazových informací, fúze s využitím vlnkové transformace. Detekce objektů pomocí 2D přizpůsobené filtrace.
12. PC demonstrace a simulace: Rekonstrukce obrazů v tomografii: rekonstrukce obrazů z CT projekcí - algebraické metody, rekonstrukce ve frekvenční oblasti, filtrovaná zpětná projekce.
13. PC demonstrace a simulace: Vlastnosti medicínských dat: planární rentgen, CT, MRI, UZV. Softwarové prostředky pro zpracování a analýzu medicínských obrazů a jejich využití v praxi.