Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

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