Medicinsk bildanalys
Medical Image Analysis

FMAN30F, 7.5 högskolepoäng

Gäller från och med: Höstterminen 2014
Beslutad av: FN1/Anders Gustafsson
Datum för fastställande: 2014-12-19

Allmänna uppgifter

Avdelning: Matematik (LTH)
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: FMAN30
Undervisningsspråk: Engelska

Syfte

Att förbereda doktoranden för forskning i gränslandet mellan medicin och teknik genom en grundläggande introduktion till teori och matematiska metoder inom medicinsk bildanalys.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• kunna tydligt förklara och självständigt använda matematiska grundbegrepp inom medicinsk bildanalys, speciellt med avseende registrering, segmentering och klassificering.
• kunna beskriva och översiktligt förklara några av de olika bildinfångningstekniker som används inom medicinsk bildanalys, t ex Röntgen, CT (X-ray computed tomography), MR (Magnetic resonance imaging), ultraljud, PET (Positron emission tomography), Scint (Scintigraphy) och SPECT (Single-photon emission computed tomography).
• kunna beskriva och översiktligt förklara den matematiska teorin bakom några centrala medicinska bildbehandlingsalgoritmer.
• ha förståelse för de statistiska principerna som ligger till grund för maskininlärning

Färdighet och förmåga

För godkänd kurs skall doktoranden

• på ett ingenjörsmässigt sätt kunna använda programpaket på dator för att lösa medicinska bildanalysproblem.
• kunna visa god förmåga att självständigt identifiera problem som kan lösas med medicinsk bildanalys samt kunna välja lämplig metod.
• kunna självständigt applicera grundläggande bildtekniker på medicinskt och forskningsmässigt relevanta
• bildbehandlingsproblem.
• med adekvat terminologi, väl strukturerat och logiskt sammanhängande kunna redogöra för lösningen till ett medicinskt bildanalysproblem.

Kursinnehåll

Grundläggande begrepp: Bilder, Volymsdata, 4D data, pixel, voxel, filformat, DICOM (Digital Imaging and Communications in Medicine). Registrering, segmentering, formmodeller, maskininlärning. Bildinfångningstekniker: Röntgen, CT (X-ray computed tomography), MR (Magnetic resonance imaging), ultraljud, PET (Positron emission tomography), Scint (Scintigraphy) och SPECT (Single-photon emission computed tomography). Brus och bildförbättring, förlustfri kompression. Registrering: Registrering av medicinska data. Ömsesidig information. Landmärkesbaserade metoder. Deformerbara formmodeller. Segmentering: aktiva konturer i 2D, 3D och 4D, aktiv intensitetsmodeller. Grafmetoder. Maskininlärning: Inlärning, prövning, generalisering, hypotesrum Utvärdering: Databaser. Etik.

Kurslitteratur

Material tillhandahålles av institutionen..

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, laborationer, övningar

Kursens examination

Examinationsform: Inlämningsuppgifter
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: FMAN20 Bildanalys eller FMA170 Bildanalys

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:
Hemsida: http://www.maths.lth.se/course/medim/