Orvosi képfeldolgozás és vizualizáció

A tantárgy angol neve: Medical Imaging and Visualisation

Adatlap utolsó módosítása: 2009. október 30.

Tantárgy lejárati dátuma: 2013. június 30.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
Villamosmérnöki Szak
Mérnök Informatikus Szak
Szabadon választható tantárgy
Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIIIJV53   4/0/0/v 4  
3. A tantárgyfelelős személy és tanszék Dr. Loványi István György,
4. A tantárgy előadója

Dr. Loványi István egyetemi docens - Irányítástechnika és Informatika Tanszék

Dr. Vajta László - egyetemi docens - Irányítástechnika és Informatika Tanszék

Kertész Zsolt – tudományos segédmunkatárs - Irányítástechnika és Informatika Tanszék

 

5. A tantárgy az alábbi témakörök ismeretére épít

A tantárgy a Villamosmérnöki és Informatikai Karon előzetesen oktatott alapvető diszciplínák ismeretére épít.

 

6. Előtanulmányi rend
Kötelező:
NEM ( TárgyTeljesítve("BMEVIIIAV53") )

A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

Ajánlott:

A tantárgyat nem vehetik fel azok, akik már előzőleg teljesítették a VIIIAV53 (Orvosi képfeldolgozás és vizualizáció) tantárgyat.

7. A tantárgy célkitűzése Az orvosi képek alapvető fontosságú kellékeivé váltak a megbízható orvosi diagnózisnak és korszerű kezelésnek. A képalkotó berendezések legutóbbi években tapasztalt rohamos fejlődése maga után vonta a képrekonstrukció, megjelenítés és analízis algoritmikus hátterének gazdagodását is. A tárgy célja, hogy a hallgatók e fejlődéssel szinkronban megújuló gyakorlati példákon keresztül sajátítsák el a különféle modalitásokkal kinyert képek feldolgozásának legfontosabb lépéseit, rendre megvizsgálva az alkalmazhatóság előnyeit és korlátjait. A tárgy keretében megismert orvosi célú eljárások konvertálhatók, vagyis az iparban és más területeken is alkalmazhatók. Orvosok interpretációja alapján lehetőségünk nyílik a kapott eredmények értelmezésére és értékelésére is, mintát kapva arra, hogy hogyan kell együttműködni egy másik diszciplína mérnöki gyakorlattól eltérően gondolkodó képviselőivel.

 

8. A tantárgy részletes tematikája 1 hét. Bevezetés: A berendezések fizikai működésén keresztül ismerkedés az orvosi képalkotás eszközeivel (röntgen, ultrahang, CT, MRI, PET, SPECT, normál/infravörös tartományban működő optikai érzékelők, stb.). Képeken és filmrészleteken keresztül az előállított adatok megjelenítése, a kapott adattípusok tárolása legfontosabb kérdéseinek vizsgálata.

 

2. hét. Képek előfeldolgozása I: Az összetett algoritmusok a hatékony működéshez a képi adatok megfelelő előkészítését igénylik. A matematikai alapokra építkezve összefoglaljuk a képfeldolgozás elemi műveleteit, mint például:morfológiai képfeldolgozás, konvolúció, szűrések, hisztogram kiegyenlítés, kontraszt-fokozás, álszínterek. Fourier-, Radon transzformáció, stb.

3.hét. Képek előfeldolgozása II: Interaktív-, számítógépes kiértékelés előtti képjavító eljárások. Ezeket a módszereket gyakran az adott problémára vonatkozóan egyedien és heurisztikusan paraméterezzük, ezért gyakorlati óra keretében ezeknek a paramétereknek a hangolását és ennek hatását vizsgáljuk.

 

4. hét. Szegmentálás: optimális küszöbözés, entrópia, Maximum-Likelihood alapú módszerek. A képszegmentálás során a szín-, texturális-, stb. jellemzők alapján hasonló tulajdonságú régiókat választjuk el az egyéb részektől. Megvizsgáljuk a különböző színtereket és a képrészletek statisztikai leírását is.

 

5. hét. Mozgáskövetés: Mozgékonyságvizsgálat, aktívkontúr követés. Optical flow és az SSD algoritmus különböző változatainak vizsgálata, deformálódó modellek (snake-ek) alkalmazása a rugalmasan változó kontúrvonalak követésére.

 

6.hét. Képanalízis: általános metrikák képi jellemzők mérésére, régió-, régióhatár mértékek, Spline interpoláció, stb. Kvalitatív-, kvantitatív-, a priori ismeret függő-, interaktív képinterpretációs módszerek. Modellbázisú képanalízis.

 

7. hét. Osztályozás, objektumfelismerés: Különböző osztályozó algoritmusok áttekintése és összehasonlítása. Főkomponens- és faktoranalízis a képi információ tömörítésére.

 

8.hét. Biometria az orvosi gyakorlatban: A diagnózis során kinyert adatok statisztikai analízise, becslések és hipotézisvizsgálatok matematikai alapjai és alkalmazása orvosi adatokon.

 

9. hét. Zárthelyi.

Egészségügyi adatok védelme: Képek integritása, copyright. Szteganográfiai eljárások. Biometriai azonosítás képfeldolgozással.

10. hét. Képregisztráció különböző modalitások között: Merevtest, iteratív főtengely algoritmus. Képi fúzió során az egyes modalitásokkal szerzett képeket együtt alkalmazzuk összetett információk kinyerésére. Alkalmazási példaként a PET-CT rendszerek említhetők, melyek egyetlen kombinált rendszerbe integrálják a pozitron-emissziós tomográf és a komputertomográf képességeit, ezáltal rendkívül megbízható és korai diagnózist tesznek lehetővé elsősorban a daganatos megbetegedések terén.

 

11.hét. 3D rekonstrukció: Iteratív-, modellbázisú módszerek. A 3D orvosi adatok alapvetően 2D vetületi jellemzők alapján jönnek létre. A 3D rekonstrukció során megvizsgáljuk a térbeli információk visszaállításának módszereit vetületképek és többkamerás rendszerből érkező képek alapján.

 

12. hét. Orvosi vizualizáció: 2/3D vizualizációs technikák. Orvosi adatok megjelenítése VTK vizualizációs eszközkészlet segítségével, felületi és térfogati adatok megjelenítése, Tcl/Tk scriptnyelven interaktív grafikus felhasználói felület készítése és alkalmazása. VR bázisú interaktív vizualizáció.

 

13.hét. Orvosi információs rendszerek: PACS/HIS/RIS rendszerek, az orvosi képi szabvány (DICOM) elemei, a DCMTK eszközkészlet alkalmazása egyszerűbb feladatokra (típuskonverzió, orvosi adatok szerkesztése, anonimizálás, hálózati kommunikáció).

14. hét. Egyéni hallgatói feladatok nyilvános prezentációja és értékelése. Elővizsga és pótzárthelyi az igényektől és lehetőségektől függő időbeosztás szerint.

 

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

A tárgy keretében a hallgatók tantermi előadásokon vesznek részt, egyéni feladatokat oldanak meg.

 

10. Követelmények a. A szorgalmi időszakban: egyéni házi feladat és zárthelyi. A házi feladatot a megadott határidőre kell elküldeni a félévközi követelmények teljesítéséhez.

 

b. A vizsgaidőszakban: a vizsga írásbeli. Vizsgára csak azok jelentkezhetnek, akik minden egyéni feladatot legalább elégséges szinten teljesítettek.

 

c. Elővizsga: Az utolsó oktatási héten elővizsga lehetőséget biztosítunk.

 

11. Pótlási lehetőségek Zárthelyi pótlására és házi feladat pótlólagos beadására a szorgalmi időszak utolsó hetében illetve a pótlási héten adunk lehetőséget.

 

12. Konzultációs lehetőségek A házi feladat elkészítéséhez egy alkalommal, valamint minden vizsga előtt konzultációs lehetőséget biztosítunk.

 

13. Jegyzet, tankönyv, felhasználható irodalom
  • Tanszéki kiadványok (az előadások fóliáit a Tanszék honlapjára tesszük fel)
  • Isaac Bankman, Handbook of Medical Imaging: Processing and Analysis, Academic Press, 2000.

     

  • Atam Dhawan, Medical Image Analys, Wiley-IEEE Press, 2003.

     

  • Ardeshir Goshtasby, 2-D and 3-D Image Registration: for Medical, Remote Sensing, and Industrial Applications Wiley-Interscience 2005.

     

  • Dinya Elek: Biometria az orvosi gyakorlatban, Medicina Könyvkiadó, 2001.

     

 

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra56
Félévközi készülés órákra-
Felkészülés zárthelyire10
Házi feladat elkészítése20
Kijelölt írásos tananyag elsajátítása-
Vizsgafelkészülés34
Összesen120
15. A tantárgy tematikáját kidolgozta

Dr. Loványi István egyetemi docens - Irányítástechnika és Informatika Tanszék

Dr. Vajta László egyetemi docens - Irányítástechnika és Informatika Tanszék

Kertész Zsolt – tudományos segédmunkatárs - Irányítástechnika és Informatika Tanszék