Dauer:
1 Semester | Angebotsturnus:
Jedes Wintersemester | Leistungspunkte:
4 |
Studiengang, Fachgebiet und Fachsemester: - Bachelor Robotik und Autonome Systeme 2016 (Wahlpflicht), Medizinische Informatik, 5. oder 6. Fachsemester
|
Lehrveranstaltungen: - CS3310-Ü: Medizinische Bildverarbeitung (Übung, 2 SWS)
- CS3310-V: Medizinische Bildverarbeitung (Vorlesung, 2 SWS)
| Workload: - 60 Stunden Präsenzstudium
- 40 Stunden Selbststudium
- 20 Stunden Prüfungsvorbereitung
| |
Lehrinhalte: | - Motivation, Grundlagen und Anwendungen medizinischer Bildverarbeitungsverfahren
- Struktur und Formate medizinischer Bilder
- Histogramme und Bildtransformationen
- Fouriertransformation zur Bildfilterung
- Bildfilterung mit lokalen Operatoren
- Segmentierung: Thresholding, Region-Growing
- Clusteranalyse und Klassifikatoren zur Bildsegmentierung
- Einführung in Convolutional Neural Networks
- Morphologische Operatoren
- Anwendung und Evaluation von Segmentierungsverfahren
- Bildinterpolationsverfahren und Transformation von Bildern
- Grundlegende Methoden der Bildregistrierung
- Kombinierte Signal- und Bildanalyse in der 4D-Bildverarbeitung
| |
Qualifikationsziele/Kompetenzen: - Die Studierenden können grundlegende Verfahren zur medizinischen Bildverarbeitung einordnen, charakterisieren und auf konkrete Probleme anwenden.
- Sie können Verfahren zur Bildfilterung, Bildsegmentierung, morphologischen Nachverarbeitung von Segmentierungsergebnissen sinnvoll problemspezifisch auswählen, diese in einer Verarbeitungspipeline kombinieren und zur Bildverbesserung oder Segmentierung medizinischer Bildstrukturen einsetzen.
- Sie können verschiedene Methoden der Clusteranalyse, der statistischen und neuronalen Mustererkennung unterscheiden und anhand der implizit verwendeten, unterschiedlichen Modellannahmen und Eigenschaften charakterisieren. Sie sind in der Lage, diese Verfahren zur Segmentierung medizinischer multispektraler Bilddaten sowie zur Objekterkennung einzusetzen.
- Sie können Segmentierungsergebnisse verschiedener Verfahren anhand etablierter Gütemaße evaluieren und einen objektiven Vergleich der Güte verschiedener Segmentierungsmethoden in der praktischen Anwendung durchführen.
- Sie können verschiedene Bildinterpolationstechniken unterscheiden, anhand ihrer spezifischen Vor- und Nachteile einordnen und in Abhängigkeit von einem konkreten Anwendungsproblem sinnvoll auswählen und anwenden.
- Sie sind befähigt, die Eigenschaften verschiedener rigider Bildregistrierungsmethoden einzuschätzen und für ein konkretes Registrierungsproblem Ähnlichkeitsmaße und Regularisierungsterme problemspezifisch auszuwählen und zu parametrisieren.
- Sie können verschiedene Techniken zur Analyse funktioneller 4D-fMR-Bildfolgen und ihre Eigenschaften unterscheiden und charakterisieren, durch die neuronal aktivierte Hirnbereiche in 4D-Bildfolgen des Kopfes sichtbar gemacht werden können.
- Sie können grundlegende Bildverarbeitungsalgorithmen implementieren und in Kombination mit in einer Programmbibliothek verfügbaren medizinischen Bildverarbeitungsmodulen zum Einsatz bringen.
|
Vergabe von Leistungspunkten und Benotung durch: |
Voraussetzung für: |
Setzt voraus: |
Modulverantwortlicher: Lehrende: |
Literatur: - H. Handels: Medizinische Bildverarbeitung - Stuttgart: Vieweg & Teubner 2009
- T. Lehmann: Handbuch der Medizinischen Informatik - München: Hanser 2004
- M. Sonka, V. Hlavac, R. Boyle: Image Processing, Analysis and Machine Vision - 2nd edition. Pacific Grove: PWS Publishing 1998
|
Sprache: - Wird nur auf Deutsch angeboten
|
Bemerkungen:Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine (die Kompetenzen der unter ''Setzt voraus'' genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)
Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungszetteln gemäß Vorgabe am Semesteranfang
Modulprüfung(en):
- CS3310-L1: Medizinische Bildverarbeitung, Klausur, 60min, 100% der Modulnote |
Letzte Änderung: 11.3.2024 |
für die Ukraine