Modul CS4330-KP08, CS4330SJ14

Bildanalyse und Visualisierung in Diagnostik und Therapie (BAVIS14)

Dauer:

1 Semester

Angebotsturnus:

Wird nicht mehr angeboten

Leistungspunkte:

Studiengang, Fachgebiet und Fachsemester:

Master Medizinische Informatik 2014 (Pflicht), Medizinische Informatik, 1. oder 2. Fachsemester

Lehrveranstaltungen:

CS4330-S: Bildanalyse und Visualisierung in Diagnostik und Therapie (Seminar, 2 SWS)
CS4330-V: Bildanalyse und Visualisierung in Diagnostik und Therapie (Vorlesung, 2 SWS)
CS4330-Ü: Bildanalyse und Visualisierung in Diagnostik und Therapie (Übung, 1 SWS)

Workload:

40 Stunden Schriftliche Ausarbeitung
15 Stunden Vortrag (inkl. Vor- und Nachbereitung)
20 Stunden Prüfungsvorbereitung
90 Stunden Selbststudium und Aufgabenbearbeitung
75 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-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.
Die Studierenden kennen aus dem Seminar aktuelle Forschungsthemen und wissenschaftliche Methoden der medizinischen Bildverarbeitung und Visualisierung.
Sie können ein anspruchsvolles wissenschaftliches Thema gründlich aufarbeiten.
Sie sind in der Lage, die Ergebnisse in einer schriftlichen Ausarbeitung und in einem mündlichen Vortrag verständlich darzustellen.
Sie können eine wissenschaftliche Fragestellung präsentieren und diskutieren.

Vergabe von Leistungspunkten und Benotung durch:

Benoteter Seminarvortrag mit schriftlicher Ausarbeitung
Klausur

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. Es wir durch die beiden folgenden Module ersetzt: ''CS4332 Modell- und KI-basierte Bildverarbeitung in der Medizin'' und ''CS4333 Seminar Modell- und KI-basierte Bildverarbeitung in der Medizin''.

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

Modulhandbuch (ab WS 2016/17)