Képfeldolgozás és számítógépes orvosi diagnosztika
A tantárgy angol neve: Image Processing and Computer-aided Medical Diagnostics
Adatlap utolsó módosítása: 2011. március 28.
Informatikai szak
Intelligens rendszerek szakirány
MSc képzés
dr. Horváth Gábor egyetemi docens
dr. Pataki Béla egyetemi docens
Bevezetés (2 óra elmélet/előadás):
A képalkotás alapjai, orvosi képfelvételi eljárások: röntgenfelvételek, CT, MRI, PET. A képfeldolgozás szerepe az orvosi diagnosztikában.
Képreprezentáció, képjellemzők (4 óra elmélet/előadás):
Képábrázolás, képkódolási eljárások, veszteséges és veszteségmentes képtömörítési eljárások. DICOM, JPEG, JPEG2000 stb. képformátumok.
A szürkeárnyalatú és a színes képek jellemzői: képdinamika, felbontás, hisztogram stb. A képek hibái, tipikus zajok, torzulások, műtermékek.
A képfeldolgozás alapjai (összefoglaló áttekintés) (4 óra elmélet/előadás):
Képjavító eljárások, képszűrés. Képmódosító eljárások. Élkiemelés, simítás. Hisztogram módosítás- és kiegyenlítés. Morfológiai műveletek.
Képszegmentálás (4 óra elmélet/előadás):
Küszöbözés. Éldetektálás módszerei, élkövetés. Élek keresésén alapuló szegmentálási eljárások. Textúraelemzés. Képpont-osztályozáson alapuló szegmentáló eljárások. Kombinált képszegmentáló eljárások: EdgeFlow.
Transzformált tartománybeli képfeldolgozó eljárások. (4 óra elmélet/előadás):
Képek frekvenciatartománybeli ábrázolása. Szűrés a frekvencia tartományban, dekonvolúció. Wavelet transzformáció és alkalmazása a képfeldolgozásban. Curvlet.
Modell alapú képfeldolgozó eljárások (4 óra elmélet/előadás):
Aktív alak modell (ASM), Aktív megjelenési modell (AAM).
Képi objektumok definiálása (4 óra elmélet/előadás):
Képek minősítése. Képi jellemzők és orvosi képeken megjelenő képi objektumok definiálása. Képi objektumok jellemzői, méret- pozíció- és elforgatás-invariáns jellemzők, és szerepük a képi objektumok felismerésében. Jellemző-kiemelés, mint előfeldolgozósi lépés az objektumfelismeréshez. Jellemző-kiemelés, mint adatredukció.
Képi objektumok azonosítása és felismerése (2 óra elmélet/előadás):
Adatok csoportosítása: klaszterezés, osztályozás. Tanuló rendszerek: döntési fák, neuronhálók és alkalmazásuk képi objektumok osztályozására. Járulékos információ szerepe és felhasználása, integrált szöveg- és képfeldolgozás. Hibrid intelligens módszerek alkalmazása.
Képregisztráció (4 óra elmélet/előadás):
A regisztráció célja és szerepe az orvosi képek feldolgozásában. Geometriai transzformációk: lineáris és nemlineáris transzformációk. Képpont-, felület- és intenzitás-alapú regisztrációs eljárások.
Orvosi képmegjelenítő és diagnosztikai rendszerek (4 óra elmélet/előadás):
PACS rendszerek, követelmények a PACS rendszerekkel szemben. CAD rendszerek.
Esettanulmányok: mammográfiás döntéstámogató rendszer, mellkas-diagnosztikai rendszer.
Egy házifeladat, melynek kiadása a 4. oktatási héten történik. A megoldásokat a 14. oktatási héten kell beadni. A házifeladatra max. 20 pontot lehet kapni, a szükséges minimum a pontok 50%-a.
b. A vizsgaidőszakban: szóbeli vizsga. A vizsgára bocsátás feltétele a házifeladat minimális szintű teljesítése.
c. Osztályozás:
A vizsga osztályzata a félévközi feladat legalább minimális szintű teljesítése esetén a házi feladat és a vizsgaeredmény alapján kerül megállapitásra 25-75% arányban.
A tárgy web-lapján közzétett előadási jegyzet, elektronikusan hozzáférhető ajánlott szakirodalom és kiegészítő információ, valamint web-es linkgyűjtemény.
M. Sonka, J. M. Fitzpatrick (Eds.): Handbook of Medical Imaging, Volume 2: Medical Image Processing and Analysis. SPIE Press, The International Society for Optical Engineering, Bellingham, Washington, 2000.
A. Bovik (Ed.): Handbook of Image and Video Processing, Academic press, New York, 2000.
dr. Horváth Gábor