Medizinische Ingenieurwissenschaft

Modulhandbuch ab WS 2014/15

Modul CS4331 T

Modulteil: Bildanalyse und Visualisierung in Diagnostik und Therapie (BAVIS_T)

Dauer:

1 Semester

Angebotsturnus:

Wird nicht mehr angeboten

Leistungspunkte:

Studiengang, Fachgebiet und Fachsemester:

Master Medizinische Ingenieurwissenschaft 2020 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, Beliebiges Fachsemester
Master Medizinische Ingenieurwissenschaft 2014 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, 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:

20 Stunden Prüfungsvorbereitung
55 Stunden Selbststudium und Aufgabenbearbeitung
45 Stunden Präsenzstudium

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-Segemntierung 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:

Modulteil: Medizinische Bildverarbeitung (CS3310 T)

Modulverantwortlicher:

Siehe Hauptmodul

Lehrende:

Institut für Medizinische Informatik

Prof. Dr. rer. nat. habil. Heinz Handels

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 Teilmodul wird nicht mehr angeboten und durch das neue Teilmodul ''CS4332 T Modell- und KI-basierte Bildverarbeitung in der Medizin'' ersetzt.

Zulassungsvoraussetzungen zum Modul:
- Keine

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.

(Ist ähnlich CS4331SJ14)
(Ist Modulteil von CS4380)

Letzte Änderung:

8.6.2020