Website
Modulhandbuch bis 2016

Modul CS4330-KP04, CS4330

Bildanalyse und Visualisierung in Diagnostik und Therapie (BAVIS)

Dauer:


1 Semester
Angebotsturnus:


Wird nicht mehr angeboten
Leistungspunkte:


4
Studiengang, Fachgebiet und Fachsemester:
  • Master Medizinische Ingenieurwissenschaft 2020 (Wahlpflicht), Medizinische Ingenieurwissenschaft, Beliebiges Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2014 (Wahlpflicht), Medizinische Ingenieurwissenschaft, 1. oder 2. Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2011 (Vertiefung), Bildgebende Systeme, Signal- und Bildverarbeitung, 2. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2010 (Wahl), Informatik, Beliebiges Fachsemester
  • Master Informatik 2012 (Pflicht), Anwendungsfach Medizinische Informatik, 2. Fachsemester
Lehrveranstaltungen:
  • CS4330-Ü: Bildanalyse und Visualisierung in Diagnostik und Therapie (Übung, 1 SWS)
  • CS4330-V: Bildanalyse und Visualisierung in Diagnostik und Therapie (Vorlesung, 2 SWS)
Workload:
  • 45 Stunden Präsenzstudium
  • 55 Stunden Selbststudium und Aufgabenbearbeitung
  • 20 Stunden Prüfungsvorbereitung
Lehrinhalte:
  • Methoden und Algorithmen zur Analyse und Visualisierung medizinischer Bilddaten unter Einbeziehung aktueller Forschungsarbeiten im Bereich der Medizinischen Bildverarbeitung. Im Einzelnen werden folgende Methoden und Algorithmen vorgestellt:
  • Datengetriebene Segmentierung multispektraler Bilddaten
  • Random Decision Forests für die Segmentierung medizinischer Bilddaten
  • Convolutional Neural Networks und Deep Learning in der medizinischen Bildverarbeitung
  • Live-Wire-Segmentierung
  • Segmentierung mit aktiven Konturmodellen und deformierbaren Modellen
  • Level-Set-Segmentierung
  • Statistische Formmodelle
  • Grundlagen der Bildregistrierung
  • Atlasbasierte Segmentierung und Multi-Atlas-Segmentierung mittels nicht-linearer Registrierung
  • Visualisierungstechniken in der Medizin
  • Direktes Volumenrendering
  • Indirektes Volumenrendering, Ray Tracing, Ray Casting
  • Haptische 3D-Interaktionen in virtuellen Körpern
  • Virtual Reality Techniken mit medizinischen Beispielanwendungen
Qualifikationsziele/Kompetenzen:
  • Die Studierenden können fortgeschrittene Verfahren zur medizinischen Bildanalyse und Visualisierung einordnen, erläutern, anhand ihrer Eigenschaften charakterisieren und problemspezifisch für eine konkrete Anwendung auswählen.
  • Sie sind in der Lage, fortgeschrittene Methoden der Clusteranalyse und Klassifikation insb. mit Support Vector Machines und Random Decision Forests zu erklären und anhand ihrer Eigenschaften zu charakterisieren.
  • Sie kennen verschiedene Ansätze zur modellbasierten Segmentierung, können die hier gemachten unterschiedlichen Modellannahmen beschreiben und sind in der Lage, die hier verwendeten Optimierungsstrategien und -algorithmen zu erläutern.
  • Sie sind befähigt, die Eigenschaften verschiedener nicht-linearer Bildregistrierungsmethoden einzuschätzen und für ein konkretes Registrierungsproblem Ähnlichkeitsmaße und Regularisierungsterme problemspezifisch auszuwählen und zu parametrisieren.
  • Sie kennen Methoden der Multi-Atlas-Segmentierung und können die Eigenschaften verschiedener Label-Fusionsansätze erläutern und beispielhaft anwenden.
  • Sie können verschiedene medizinische Visualisierungstechniken unterscheiden, anhand ihrer spezifischen Vor- und Nachteile einordnen und in Abhängigkeit von einem konkreten Anwendungsproblem sinnvoll auswählen und anwenden.
  • Sie können verschiedene haptische Interaktionstechniken erläutern und können verschiedene Systeme zur VR-Simulation in der Medizin einordnen.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Setzt voraus:
Modulverantwortlicher:
Lehrende:
Literatur:
  • H. Handels: Medizinische Bildverarbeitung - 2. Auflage, Vieweg u. Teubner 2009
  • T. Lehmann: Handbuch der Medizinischen Informatik - München: Hanser 2005
  • M. Sonka, V. Hlavac, R. Boyle: Image Processing, Analysis and Machine Vision - 2nd edition. Pacific Grove: PWS Publishing 1998
  • B. Preim, D. Bartz: Visualization in Medicine - Elsevier, 2007
Sprache:
  • Wird nur auf Deutsch angeboten
Bemerkungen:

Dieses Modul wird nicht mehr angeboten und durch das neue Modul ''CS4332-KP04 Modell- und KI-basierte Bildverarbeitung in der Medizin'' ersetzt.

Zulassungsvoraussetzungen zum Modul:
- Keine (Die Kompetenzen der vorausgesetzten Module werden für dieses Modul benötigt, die Module stellen aber keine Zulassungsvoraussetzung dar.)

Zulassungsvoraussetzungen zur Prüfung:
- Prüfungsvorleistungen können zu Beginn des Semesters festgelegt werden. Sind Vorleistungen definiert, müssen diese vor der Erstprüfung erbracht und positiv bewertet worden sein.

Letzte Änderung:
8.6.2020