Modul CS4330-KP04, CS4330
Bildanalyse und Visualisierung in Diagnostik und Therapie (BAVIS)
Dauer
1 Semester
Angebotsturnus
Wird nicht mehr angeboten
Leistungspunkte
4
Studiengang, Fachgebiet und Fachsemester:
- Master Medizinische Ingenieurwissenschaft 2020, Wahlpflicht, Medizinische Ingenieurwissenschaft, Beliebiges Fachsemester
- Master Medizinische Ingenieurwissenschaft 2014, Wahlpflicht, Medizinische Ingenieurwissenschaft, 1. oder 2. Fachsemester
- Master Medizinische Ingenieurwissenschaft 2011, Vertiefung, Bildgebende Systeme, Signal- und Bildverarbeitung, 2. Fachsemester
- Master Mathematik in Medizin und Lebenswissenschaften 2010, Wahl, Informatik, Beliebiges Fachsemester
- Master Informatik 2012, Pflicht, Anwendungsfach Medizinische Informatik, 2. Fachsemester
Lehrveranstaltungen:
- CS4330-Ü: Bildanalyse und Visualisierung in Diagnostik und Therapie (Übung, 1 SWS)
- CS4330-V: Bildanalyse und Visualisierung in Diagnostik und Therapie (Vorlesung, 2 SWS)
Workload:
- 45 Stunden Präsenzstudium
- 55 Stunden Selbststudium und Aufgabenbearbeitung
- 20 Stunden Prüfungsvorbereitung
Lehrinhalte:
- Methoden und Algorithmen zur Analyse und Visualisierung medizinischer Bilddaten unter Einbeziehung aktueller Forschungsarbeiten im Bereich der Medizinischen Bildverarbeitung. Im Einzelnen werden folgende Methoden und Algorithmen vorgestellt:
- Datengetriebene Segmentierung multispektraler Bilddaten
- Random Decision Forests für die Segmentierung medizinischer Bilddaten
- Convolutional Neural Networks und Deep Learning in der medizinischen Bildverarbeitung
- Live-Wire-Segmentierung
- Segmentierung mit aktiven Konturmodellen und deformierbaren Modellen
- Level-Set-Segmentierung
- Statistische Formmodelle
- Grundlagen der Bildregistrierung
- Atlasbasierte Segmentierung und Multi-Atlas-Segmentierung mittels nicht-linearer Registrierung
- Visualisierungstechniken in der Medizin
- Direktes Volumenrendering
- Indirektes Volumenrendering, Ray Tracing, Ray Casting
- Haptische 3D-Interaktionen in virtuellen Körpern
- Virtual Reality Techniken mit medizinischen Beispielanwendungen
Qualifikationsziele/Kompetenzen:
- Die Studierenden können fortgeschrittene Verfahren zur medizinischen Bildanalyse und Visualisierung einordnen, erläutern, anhand ihrer Eigenschaften charakterisieren und problemspezifisch für eine konkrete Anwendung auswählen.
- Sie sind in der Lage, fortgeschrittene Methoden der Clusteranalyse und Klassifikation insb. mit Support Vector Machines und Random Decision Forests zu erklären und anhand ihrer Eigenschaften zu charakterisieren.
- Sie kennen verschiedene Ansätze zur modellbasierten Segmentierung, können die hier gemachten unterschiedlichen Modellannahmen beschreiben und sind in der Lage, die hier verwendeten Optimierungsstrategien und -algorithmen zu erläutern.
- Sie sind befähigt, die Eigenschaften verschiedener nicht-linearer Bildregistrierungsmethoden einzuschätzen und für ein konkretes Registrierungsproblem Ähnlichkeitsmaße und Regularisierungsterme problemspezifisch auszuwählen und zu parametrisieren.
- Sie kennen Methoden der Multi-Atlas-Segmentierung und können die Eigenschaften verschiedener Label-Fusionsansätze erläutern und beispielhaft anwenden.
- Sie können verschiedene medizinische Visualisierungstechniken unterscheiden, anhand ihrer spezifischen Vor- und Nachteile einordnen und in Abhängigkeit von einem konkreten Anwendungsproblem sinnvoll auswählen und anwenden.
- Sie können verschiedene haptische Interaktionstechniken erläutern und können verschiedene Systeme zur VR-Simulation in der Medizin einordnen.
Vergabe von Leistungspunkten und Benotung durch:
- Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Modulverantwortliche:
Literatur:
- H. Handels : Medizinische Bildverarbeitung 2. Auflage, Vieweg u. Teubner 2009
- T. Lehmann : Handbuch der Medizinischen Informatik München: Hanser 2005
- M. Sonka, V. Hlavac, R. Boyle : Image Processing, Analysis and Machine Vision 2nd edition. Pacific Grove: PWS Publishing 1998
- B. Preim, D. Bartz : Visualization in Medicine Elsevier, 2007
Sprache:
- Wird nur auf Deutsch angeboten
Bemerkungen:
Dieses Modul wird nicht mehr angeboten und durch das neue Modul ''CS4332-KP04 Modell- und KI-basierte Bildverarbeitung in der Medizin'' ersetzt.Zulassungsvoraussetzungen zum Modul:
- Keine (Die Kompetenzen der vorausgesetzten Module werden für dieses Modul benötigt, die Module stellen aber keine Zulassungsvoraussetzung dar.)
Zulassungsvoraussetzungen zur Prüfung:
- Prüfungsvorleistungen können zu Beginn des Semesters festgelegt werden. Sind Vorleistungen definiert, müssen diese vor der Erstprüfung erbracht und positiv bewertet worden sein.
Letzte Änderungen:
08.06.2020