Subject description - XP33MMD

Summary of Study | Summary of Branches | All Subject Groups | All Subjects | List of Roles | Explanatory Notes               Instructions
XP33MMD Analysis and visualization methods for medical data
Roles:S Extent of teaching:2P+2C
Department:13133 Language of teaching:EN
Guarantors:Kybic J. Completion:Z,ZK
Lecturers:Kybic J. Credits:4
Tutors:Kybic J. Semester:L

Anotation:

Předmět se zabývá pokročilými metodami zpracování a analýzy obrazu, včetně počítačové grafiky a vizualizace, se zaměřením na obrazy z lékařských a biologických modalit, od mikroskopie, přes ultrazvuk, až po MRI a CT, včetně časových sekvencí. Předmět má dvě části. V první se studenti seznámí s vybranými metodami formou přednášek nebo formou řízeného samostudia, konzultací a řízené diskuse (tzv. "reading group"). Forma bude zvolena dle počtu studentů. Probrané algoritmy si studenti prakticky vyzkouší. Některé vybrané metody sami naprogramují, v ostatních případech se naučí používat existující volně dostupné knihovny a toolboxy. V druhé části předmětu vypracují studenti samostatně projekt, ve kterém po dohodě s vyučujícím aplikují zvolenou metodu. Projekt budou studenti pravidelně konzultovat s vyučujícími. Probírané metody budou přizpůsobeny odborným zájmům studentů.

Content:

Předmět se zabývá pokročilými metodami zpracování a analýzy obrazu, včetně počítačové grafiky a vizualizace, se zaměřením na obrazy z lékařských a biologických modalit, od mikroskopie, přes ultrazvuk, až po MRI a CT, včetně časových sekvencí. Předmět má dvě části. V první se studenti seznámí s vybranými metodami formou přednášek nebo formou řízeného samostudia, konzultací a řízené diskuse (tzv. "reading group"). Forma bude zvolena dle počtu studentů. Probrané algoritmy si studenti prakticky vyzkouší. Některé vybrané metody sami naprogramují, v ostatních případech se naučí používat existující volně dostupné knihovny a toolboxy. V druhé části předmětu vypracují studenti samostatně projekt, ve kterém po dohodě s vyučujícím aplikují zvolenou metodu. Projekt budou studenti pravidelně konzultovat s vyučujícími.

Course outlines:

Probírané metody budou přizpůsobeny odborným zájmům studentů. Příklady možných probíraných metod:
1. Předzpracování obrazů: Nelineární filtrace založená na PDE, vlnková transformace (wavelets) pro popis textury a odstranění šumu. Komprimované snímání (compressed sensing).
2. Segmentace: metoda aktivních kontur a povrchů, křivky úrovně (level sets), použití ve 3D a rychlé algoritmy, segmentace v příznakovém prostoru, segmentace s modely tvaru a vzhledu, popis a analýza tvaru, segmentace jako hledání cesty (random walker) a segmentace pomocí diskrétní optimalizace. Hluboké učení.
3. Registrace: Nelineární registrace a klíčové body. Registrace jako maximalizace podobnosti obrazů. Kritéria podobnosti. Multimodální registrace, hierarchické metody. Regularizace a difeomorfické metody. +Registrace sekvencí. Optický tok. Registrace jako diskrétní optimalizace. Detekce a klasifikace jako problém strojového učení, vícestupňové metody.
4. Rekonstrukce: Tomografická rekonstrukce pro obecné geometrie, iterativní a statistické metody. Rekonstrukce pro MRI modality.
5. Vizualizace 3D objemových i povrchových dat (problematika osvětlování vizualizovaných objemů, problematika zobrazování rozsáhlých dat)
6. Vizualizace a animace (aproximativní metody v animaci, animace v obrazovém prostoru)
7. Lidský faktor ve vizualizaci (vyhodnocování vizualizačních technik, percepce a kognice, nefotorealistické zobrazování ve vizualizaci)

Exercises outline:

Literature:

Requirements:

Subject is included into these academic programs:

Program Branch Role Recommended semester
DOKP Common courses S
DOKK Common courses S


Page updated 23.1.2021 10:29:48, semester: Z/2020-1, L/2021-2, L/2020-1, Z/2021-2, Send comments about the content to the Administrators of the Academic Programs Proposal and Realization: I. Halaška (K336), J. Novák (K336)