Orvosi képfeldolgozás és vizualizáció

A tantárgy angol neve: Medical Imaging and Visualisation

Adatlap utolsó módosítása: 2007. május 11.

Tantárgy lejárati dátuma: 2009. november 24.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
Villamosmérnöki Szak
Műszaki Informatika Szak
Választható tantárgy
Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIIIAV53   4/0/0/v 5  
3. A tantárgyfelelős személy és tanszék Dr. Loványi István György,
4. A tantárgy előadója
Dr. Loványi Istvánegyetemi docensIIT
Dr. Vajta Lászlóegyetemi docensIIT
7. A tantárgy célkitűzése Az orvosi képek alapvető fontosságú kellékei a megbízható orvosi diagnózisnak és korszerű kezelésnek. A tárgy célja, hogy a hallgatók példákon keresztül elsajátítsák a különféle modalitásokkal kinyert képek feldolgozásának legfontosabb lépéseit, rendre megvizsgálva az alkalmazhatóság előnyeit és korlátjait. A tárgy keretében megismert orvosi célú eljárások konvertálhatóak, vagyis az ipar számos területén is alkalmazhatóak. Orvosok interpretációjában lehetőségük 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. Bevezetés: A berendezések fizikai működésén keresztül ismerkedés az orvosi képi adatgyűjtés eszközeivel (röntgen, ultrahang, CT, MRI, PET, SPECT, hőkép, stb.). Képeken és filmrészleteken keresztül az előállított adatok megjelenítése, a kapott adattípusok tárolása legfontosabb kérdéseinek vizsgálata.2. Képek előfeldolgozása orvosi szemmel: Az összetett algoritmusok a hatékony működéshez a képi adatok megfelelő előkészítését igénylik. A matematikai alapokra építkezve összefoglaljuk a képfeldolgozás elemi műveleteit, mint például a konvolúció, Fourier-transzformáció, szűrések, hisztogram kiegyenlítés, kontraszt-fokozás, álszínterek, stb. 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.3. Szegmentálás (optimális küszöbözés, entrópia, Maximum-Likelihood alapú módszerek): A képszegmentálás során a szín és texturális jellemzők alapján hasonló tulajdonságú régiókat választjuk el az egyéb részektől. Megvizsgáljuk a különböző színtereket és a képrészletek statisztikai leírását.4. Képjellemzők kinyerése: különböző metrikák a képi jellemzők mérésére. Hossz és területmértékek. Spline interpoláció.5. Biometria az orvosi gyakorlatban: A diagnózis során kinyert adatok statisztikai analízise, becslések és hipotézisvizsgálatok matematikai alapjai és alkalmazása orvosi adatokon.6. Osztályozások, objektumfelismerések: Különböző osztályozó algoritmusok áttekintése és összehasonlítása. Főkomponens- és faktoranalízis a képi információ tömörítésére.7. Mozgáskövetés, mozgékonyságvizsgálat, aktív kontúr követés: Az optical flow és az SSD algoritmus különböző változatainak vizsgálata, deformálódó modellek (snake-ek) alkalmazása a rugalmasan változó kontúrvonalak követésére.8. Képi regisztráció különböző modalitások között: 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.9. 3D rekonstrukció: 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.10. Orvosi vizualizáció: Orvosi adatok megjelenítése VTK vizualizációs eszközkészlet segítségével, felületi és térfogati adatok megjelenítése, Tcl/Tk scriptnyelven interaktív grafikus felhasználói felület készítése és alkalmazása.11. 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).
9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

 

A tárgy keretében a hallgatók tantermi előadásokon vesznek részt.

 

10. Követelmények a. A szorgalmi időszakban: házi feladat és zárthelyi.b. A vizsgaidőszakban: a vizsga írásbeli.c. Elővizsga: Az utolsó oktatási héten elővizsga lehetőséget biztosítunk.
11. Pótlási lehetőségek A házi feladat elkészítése a vizsgaidőszakban nem pótolható. A zárthelyi pótlására a TVSZ előírásai szerint van lehetőség.
12. Konzultációs lehetőségek A házi feladat elkészítéséhez egy alkalommal, valamint minden vizsga előtt konzultációs lehetőséget biztosítunk.
13. Jegyzet, tankönyv, felhasználható irodalom
  1. Tanszéki sokszorosított kiadványok
  2. Isaac Bankman, Handbook of Medical Imaging: Processing and Analysis San Diego, Calif: Academic Press, 2000.
  3. Ardeshir Goshtasby, 2-D and 3-D Image Registration: for Medical, Remote Sensing, and Industrial Applications Wiley-Interscience 2005.
  4. Dinya Elek: Biometria az orvosi gyakorlatban, Medicina Könyvkiadó, Budapest, 2001.
14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra60
Félévközi készülés órákra10
Felkészülés zárthelyire20
Házi feladat elkészítése20
Kijelölt írásos tananyag elsajátítása10
Vizsgafelkészülés30
Összesen150
15. A tantárgy tematikáját kidolgozta
Dr. Loványi Istvánegyetemi docensIIT
Dr. Vajta Lászlóegyetemi docensIIT