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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Képfeldolgozás és számítógépes orvosi diagnosztika

    A tantárgy angol neve: Image Processing and Computer-aided Medical Diagnostics

    Adatlap utolsó módosítása: 2011. március 28.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Informatikai szak

    Intelligens rendszerek szakirány

    MSc képzés

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIM268 3 2/1/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Horváth Gábor, Méréstechnika és Információs Rendszerek Tanszék
    4. A tantárgy előadója

    dr. Horváth Gábor egyetemi docens

    dr. Pataki Béla egyetemi docens

    7. A tantárgy célkitűzése A tárgy célja, hogy bemutassa a képfeldolgozáson alapuló számítógéppel segített orvosi diagnosztikai (Computer Aided Diagnosis) eszközök szerepét, jelentőségét, valamint, hogy átfogó ismereteket adjon azokról az eljárásokról, melyek elsősorban a kétdimenziós orvosi képek elemzésére és ezen eljárások felhasználásával orvosi diagnosztika támogatására, döntéstámogatásra alkalmasak.
    8. A tantárgy részletes tematikája

    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.

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) A tárgy elméleti része előadás formájában kerül leadásra. A tárgy a gyakorlati alkalmazásokat a félév végi előadásokon mutatja be. A tanultak gyakorlati alkalmazására a félévközi feladat keretében kerül sor.
    10. Követelmények a. A szorgalmi időszakban:

         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.

    11. Pótlási lehetőségek  A házifeladat pótlása legkésőbb a pótlási héten lehetséges.
    12. Konzultációs lehetőségek Igény esetén, megbeszélés alapján.
    13. Jegyzet, tankönyv, felhasználható irodalom

    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.

     

     

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés órákra10
    Felkészülés zárthelyire-
    Házi feladat elkészítése20
    Kijelölt írásos tananyag elsajátítása -
    Vizsgafelkészülés48
    Összesen120
    15. A tantárgy tematikáját kidolgozta

    dr. Horváth Gábor

    dr. Pataki Béla
    Egyéb megjegyzések A tárgy neve angolul: Image processing and computer aided medical diagnosis