Kursplan för Medicinsk bildbehandling

Kursplan fastställd 2022-02-17 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnMedical image processing
  • KurskodSEE120
  • Omfattning7,5 Högskolepoäng
  • ÄgareTKMED
  • UtbildningsnivåGrundnivå
  • HuvudområdeMedicinteknik
  • InstitutionRYMD-, GEO- OCH MILJÖVETENSKAP
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 73118
  • Max antal deltagare80
  • Sökbar för utbytesstudenterNej
  • Endast studenter med kurstillfället i programplan.

Poängfördelning

0121 Projekt 1,5 hp
Betygsskala: UG		 1,5 hp
0221 Tentamen 6 hp
Betygsskala: TH		 6 hp
  • 02 Jun 2023 em J
  • 04 Jan 2023 fm J
  • 22 Aug 2023 em J

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Grundläggande behörighet för grundnivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Särskild behörighet

Samma behörighet som det kursägande programmet.
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Syfte

Denna kurs använder exempel från medicinsk bildbehandling för att lära ut grundläggande kunskaper om två- och tredimensionell signalbehandling samtidigt som eleverna får möjlighet att utveckla sin programmeringsförmåga via projektarbete. Mer specifikt lär kursen ut de viktigaste teknikerna för bildbehandling som behövs för att förbereda medicinska (och andra) bilder för mänsklig tolkning eller efterföljande automatiserad bildanalys. Dessa metoder förbättrar subjektiv bildkvalitet (bildförbättring), tar bort kända bildförvrängningar såsom suddighet (bildåterställning), minskar bilddatastorlekar för lagring eller överföring (bildkomprimering) eller skapar bilder från indirekt samplade data såsom från projektioner (bildrekonstruktion). Efter avslutad kurs ska studenterna kunna implementera enkla anpassade versioner av de viktigaste bildbehandlings­algoritmerna som används vid medicinsk bildbehandling via kodning i MATLAB. Även om medicinska tillämpningar av bildbearbetning kommer att betonas, och de flesta exemplen kommer från medicin, kommer vissa tillämpningar av teknikerna inom andra områden också att presenteras.

Lärandemål (efter fullgjord kurs ska studenten kunna)

• Visualisera med hjälp av mentala bilder processen att bilda 1D- och 2D-Fouriertransformationer och faltningsprocessen. Kunna kvantifiera och förklara de praktiska effekterna på avbildning av användning av diskret fouriertransform (vikning etc) och kunna implementera metoder för att eliminera sådana effekter.

• Tillämpa kunskap om det mänskliga synsystemet för att implementera metoder för bildförbättring för mänsklig slutanvändning. Välj och använda lämpliga bildförbättringsmetoder för olika applikationer. Kunna skilja mellan fall där automatiserade bildförbättringsmetoder ger lämpliga resultat och där de inte gör det.

• Välj och använd det lämpligaste av medelvärdes- och medianfiltrering för att minska bildbrus baserat på brusstatistik.

• Koda och tillämpa bildutjämnings- och skärpningstekniker på bilden med både bild- och Fourierdomänmetoder. Välj mellan optimala metoder för kantdetektering för olika tillämpningar.

• Beräkna manuellt faltningen av matriser som representerar bilder med punktspridningsfunktioner (PSF). Uppskatta avvägningen mellan förbättrad bildskärpa och ökat brus när olika bildåterställningsalgoritmer används och kunna välja lämplig metod att använda i specifika fall. 

• Förklara wavelet karaktär och tillämpa wavelets för brusreducering.

• Lista vanliga bildformat som används inom medicinen. Kunna motivera användningen av förlustfri (icke-destruktiv) kontra destruktiv komprimering för olika applikationer.
 
• Beskriva och implementera i programvara enkla metoder för bildregistrering.

• Koda metoder för bildrekonstruktion från projektioner som används i röntgen- och positronsemissions-datortomografi. Kunna förklara typen av kvarvarande bildartefakter och föreslå metoder för att tar bort dem.

• Implementera enkla metoder för magnetresonanstomografi från observerade data.

Innehåll

Kort introduktion till medicinska avbildningsmetoder (CT-röntgen, PET, MRI, ultraljud, optisk avbildning). Grunderna i det mänskliga synsystemet. Bildförbättring: transformera funktioner och histogramutjämning; bildutjämning och skärpning i 2D och 3D; kantdetektering och brusreducering. Enkla segmenteringsmetoder. Fourier-domänmetoder för bildförbättring och implementering av sådana metoder via 2D diskret fouriertransform. Grundläggande introduktion till wavelets och deras tillämpningar på brusreducering. Medicinska bildformat. Metoder för bildregistrering. Skillnaden mellan förlustfri (icke-destruktiv) och destruktiv komprimering. Förlustfri bildkomprimering implementerad med Huffman-kodning, multipixelkodning och skurlängdskodning. Allmänna metoder för bildåterställning inklusive invers- och pseudoinversfilter och Wiener-filtret. Bildrekonstruktion från projektioner inklusive filtrerad bakprojektion och algebraiska metoder. Grundläggande metoder för MR-rekonstruktion.

Organisation

Föreläsningar, laborationer, räkneövningar och projekt.

Litteratur

Digital Image Processing -4:e upplagan - Global upplaga - Gonzalez and Woods

Examination inklusive obligatoriska moment

Obligatoriskt projekt och betygsatt skriftlig tentamen

Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.