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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Orvosi képdiagnosztika

    A tantárgy angol neve: Medical Image-Based Diagnosis

    Adatlap utolsó módosítása: 2019. szeptember 3.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Mérnökinformatikus mesterszak

    Vizuális informatika főspecializáció

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIMA04 3 2/1/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Dobrowiecki Tadeusz Pawel, Méréstechnika és Információs Rendszerek Tanszék
    4. A tantárgy előadója Hadházi Dániel tudományos segédmunkatárs, MIT
    7. A tantárgy célkitűzése

    Az orvosi diagnosztika egyre nagyobb mértékben alkalmaz képalkotó eljárásokkal dolgozó eszközöket. Ide tartoznak a klasszikus kétdimenziós (2D) képeket eredményező rendszerek (Röntgen berendezések mellkasröntgen, mammográfia, stb), az újabban megjelent 2,5D rendszerek (mellkas- és mammo-tomo­szintézis rendszerek), illetve a 3D képalkotó és diagnosztikai rendszerek (számítógépes tomográf (CT) rendszerek, MRI (mágneses rezonanciás) rendszerek, PET-CT, az octreoscan, stb). A képek értelme­zése, elemzése, a képek minősítése, elváltozások detektálása és kategorizálása bonyolult, nagy háttér­tudást igénylő feladat, melyben a számítógépes feldolgozás, az „intelligens adatelemzés" fontos szere­pet kap. A tárgy célja, hogy bemutassa a számítógéppel segített orvosi diagnosztikai (Computer Aided Diagnosis, CADe, Computer Aided Detection CADx) eszközök szerepét, jelentőségét, valamint, hogy át­fogó ismereteket adjon azokról az eljárásokról, melyek elsősorban 2D orvosi képek elemzésére és ezen eljárások felhasználásával orvosi diagnosztika támogatására, döntéstámogatásra.alkalmasak.


    8. A tantárgy részletes tematikája 1. Bevezetés: A képalkotás alapjai, orvosi képfelvételi eljárások: röntgenfelvételek, tomoszintézis, CT, MRI, PET. A képfeldolgozás szerepe az orvosi diagnosztikában. Képalkotás rendszerelméleti megközelítése: modellezés LSI rendszerekkel, ehhez kapcsolódó minősítők (MTF, NPS, NEQ, DQE).

    2. Képreprezentáció, képjellemzők: Képábrázolás, képkódolási eljárások, veszteséges és vesz­teségmentes képtömörítési eljárások. Szabványos képformátumok (DICOM, stb.).

    A szürkeárnyalatú és a színes képek jellemzői: képdinamika, felbontás, hisztogram stb. A képek hibái, tipikus zajok, torzulások, műtermékek.

    3. A képfeldolgozás alapjai (összefoglaló áttekintés): Képjavító eljárások, képszűrés. Képmó­dosító eljárások. Hisztogram módosítás- és kiegyenlítés. Élkiemelés, éldetektálás, élkövetés. Adaptív szűrési eljárások. Simítás. Morfológiai műveletek. Küszöbözés. Szegmentálási eljárások. Textúraelemzés.

    4. Transzformált tartománybeli képfeldolgozó eljárások. Képek frekvenciatartománybeli ábrá­zolása. Szűrés a frekvenciatartományban, dekonvolúció. Wavelet transzformáció és alkalma­zása a képfeldolgozásban.

    5. Modell alapú képfeldolgozó eljárások): Aktív alak modell (ASM), Aktív megjelenési modell (AAM), Snake, stb. és alkalmazásuk orvosi képek elemzésére.

    6. Képregisztráció: A regisztráció célja és szerepe az orvosi képek feldolgozásában. Geometriai transzformációk: lineáris és nemlineáris transzformációk. Képpont-, felület- és intenzitás-alapú regisztrációs eljárások.

    7. 2D rekonstrukciós eljárások: Radon-transzformáció, szűrt visszavetítés, FDK eljárás, Kaczmarz-iteráció, ART eljárások, ML-EM rekonstrukciós eljárás. Compressed sensing alapú rekonstrukció (ADM alapú TV rekonstrukció). Helikális CT, Cone-beam CT, limitált szögtartományú CBCT (tomoszintézis), valamint PET modalitás rekonstrukciós problémája.

    8. Képi objektumok azonosítása és felismerése: Adatok csoportosítása: klaszterezés, osztályo­zás. Tanuló rendszerek: döntési fák, neuronhálók és alkalmazásuk képi objektumok osztályozá­sára. Járulékos információ szerepe és felhasználása, integrált szöveg- és képfeldolgozás.

    9. Orvosi képmegjelenítő és diagnosztikai rendszerek 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. Gyakorlati ismeretek megszerzésére a házi feladat megoldása során és a félév végi előadásokon nyílik lehetőség.
    10. Követelmények a. A szorgalmi időszakban:  

    félév közben (kb. 8-9. héten) egy nagy ZH (max. pontszám 60), amely a félév utolsó hetében (külön időpontban) pótolható, a szükséges minimum szint a pontok 40%-a.

    Opcionális 6 db házi feladat, melyek megoldása nem feltétele az aláírás megszerzésének, viszont beleszámítanak a félév végi osztályzat kialakításába. A feladatok a félév során folyamatosan kerülnek kiadásra, beadásuk a kiadást követő két héten belül esedékes, pótlásra nincs lehetőség.

    b. A vizsgaidőszakban:

        szóbeli vizsga. A vizsgára bocsátás feltétele az évközi ZH minimális szintű (“megfelelt”) teljesítése.

    c.              Elővizsga: nincs

    11. Pótlási lehetőségek A TVSZ szerint.
    12. Konzultációs lehetőségek Igény esetén személyes konzultáció lehetséges.
    13. Jegyzet, tankönyv, felhasználható irodalom

    J. Beutel, H. L. Kundel, R.L Van Metter (eds) Handbook of Medical Imaging, Vol. 1 Physics and Psycophysics, SPIE Press, 2000. USA

    M. Sonka, J. M Fitzpatrick (eds) Handbook of Medical Imaging, Vol. 2. Medical Image Processing and Analysis, SPIE Press, 2002. USA

    Gengsheng Lawrence Zeng: Medical Image Reconstruction, A Conceptual Tutorial. Springer, 2010.

    William K Pratt: Digital Image Processing 4th edition. John Wiley & Sons, 2007.

    Sokszorosított részletes előadásvázlatok

    Cikkgyűjtemény

     

     


    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontaktóra 42
    Készülés előadásra 7
    Készülés gyakorlatra
     7
    Nagyzárthelyi dolgozat
     12
    Házi feladat elkészítése 20
    Vizsgafelkészülés 32
    Összesen 120
    15. A tantárgy tematikáját kidolgozta

    Dr. Horváth Gábor tudományos tanácsadó

    Hadházi Dániel tud. segédmunkatárs
     

    Egyéb megjegyzések Medical image-based diagnosis