Subject » BMEVIIIAV53
Medical Imaging and Visualisation
Orvosi képfeldolgozás és vizualizáció
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Orvosi képfeldolgozás és vizualizáció
Medical Imaging and Visualisation
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIIIAV53 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
Dr. Loványi István György
position: egyetemi docens
contact:
lovanyi@iit.bme.hu
|
||||||||||||
| Responsible department |
—
|
||||||||||||
| Faculty | |||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
1. Bevezetés: A berendezések fizikai működésén keresztül ismerkedés az orvosi képi adatgyűjtés eszközeivel (röntgen, ultrahang, CT, MRI, PET, SPECT, hőkép, stb.). Képeken és filmrészleteken keresztül az előállított adatok megjelenítése, a kapott adattípusok tárolása legfontosabb kérdéseinek vizsgálata.2. Képek előfeldolgozása orvosi szemmel: Az összetett algoritmusok a hatékony működéshez a képi adatok megfelelő előkészítését igénylik. A matematikai alapokra építkezve összefoglaljuk a képfeldolgozás elemi műveleteit, mint például a konvolúció, Fourier-transzformáció, szűrések, hisztogram kiegyenlítés, kontraszt-fokozás, álszínterek, stb. Ezeket a módszereket gyakran az adott problémára vonatkozóan egyedien és heurisztikusan paraméterezzük, ezért gyakorlati óra keretében ezeknek a paramétereknek a hangolását és ennek hatását vizsgáljuk.3. Szegmentálás (optimális küszöbözés, entrópia, Maximum-Likelihood alapú módszerek): A képszegmentálás során a szín és texturális jellemzők alapján hasonló tulajdonságú régiókat választjuk el az egyéb részektől. Megvizsgáljuk a különböző színtereket és a képrészletek statisztikai leírását.4. Képjellemzők kinyerése: különböző metrikák a képi jellemzők mérésére. Hossz és területmértékek. Spline interpoláció.5. Biometria az orvosi gyakorlatban: A diagnózis során kinyert adatok statisztikai analízise, becslések és hipotézisvizsgálatok matematikai alapjai és alkalmazása orvosi adatokon.6. Osztályozások, objektumfelismerések: Különböző osztályozó algoritmusok áttekintése és összehasonlítása. Főkomponens- és faktoranalízis a képi információ tömörítésére.7. Mozgáskövetés, mozgékonyságvizsgálat, aktív kontúr követés: Az optical flow és az SSD algoritmus különböző változatainak vizsgálata, deformálódó modellek (snake-ek) alkalmazása a rugalmasan változó kontúrvonalak követésére.8. Képi regisztráció különböző modalitások között: Képi fúzió során az egyes modalitásokkal szerzett képeket együtt alkalmazzuk összetett információk kinyerésére. Alkalmazási példaként a PET-CT rendszerek említhetők, melyek egyetlen kombinált rendszerbe integrálják a pozitron-emissziós tomográf és a komputertomográf képességeit, ezáltal rendkívül megbízható és korai diagnózist tesznek lehetővé elsősorban a daganatos megbetegedések terén.9. 3D rekonstrukció: A 3D orvosi adatok alapvetően 2D vetületi jellemzők alapján jönnek létre. A 3D rekonstrukció során megvizsgáljuk a térbeli információk visszaállításának módszereit vetületképek és többkamerás rendszerből érkező képek alapján.10. Orvosi vizualizáció: Orvosi adatok megjelenítése VTK vizualizációs eszközkészlet segítségével, felületi és térfogati adatok megjelenítése, Tcl/Tk scriptnyelven interaktív grafikus felhasználói felület készítése és alkalmazása.11. Orvosi információs rendszerek: PACS/HIS/RIS rendszerek, az orvosi képi szabvány (DICOM) elemei, a DCMTK eszközkészlet alkalmazása egyszerűbb feladatokra (típuskonverzió, orvosi adatok szerkesztése, anonimizálás, hálózati kommunikáció).
Az orvosi képek alapvető fontosságú kellékei a megbízható orvosi diagnózisnak és korszerű kezelésnek. A tárgy célja, hogy a hallgatók példákon keresztül elsajátítsák a különféle modalitásokkal kinyert képek feldolgozásának legfontosabb lépéseit, rendre megvizsgálva az alkalmazhatóság előnyeit és korlátjait. A tárgy keretében megismert orvosi célú eljárások konvertálhatóak, vagyis az ipar számos területén is alkalmazhatóak. Orvosok interpretációjában lehetőségük nyílik a kapott eredmények értelmezésére és értékelésére is, mintát kapva arra, hogy hogyan kell együttműködni egy másik diszciplína mérnöki gyakorlattól eltérően gondolkodó képviselőivel.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
A tárgy keretében a hallgatók tantermi előadásokon vesznek részt.
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
nincs
General rules
Követelmények:
a. A szorgalmi időszakban: házi feladat és zárthelyi.b. A vizsgaidőszakban: a vizsga írásbeli.c. Elővizsga: Az utolsó oktatási héten elővizsga lehetőséget biztosítunk.
Pótlási lehetőségek:
A házi feladat elkészítése a vizsgaidőszakban nem pótolható. A zárthelyi pótlására a TVSZ előírásai szerint van lehetőség.
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Not provided.
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.