Analiza medicinskih slik

Opis predmeta

Uvod: zgodovina, pomen in področja računalniško podprte analize slik v medicini.
Izvori medicinskih slik: rentgensko slikanje, računalniška tomografija, magnetno resonančno slikanje, ultrazvok in nuklearna medicina.
Razgradnja in kvantitativna analiza slik: delitev in uporaba postopkov, prilagodljivo upragovljanje, razgradnja na osnovi odvodov, razgradnja s širjenjem, združevanjem in razdruževanjem področij, razgradnja na osnovi razvrščanja ter razgradnja na osnovi poravnave modelov. Vrednotenje rezultatov razgradnje.
Poravnava: pomen poravnave slik v medicini, klasifikacija postopkov poravnav, modeliranje geometrijskih preslikav in deformacij, točkovne metode, določevanje in prileganje kontrolnih točk, postopki na osnovi površin, postopki na osnovi mere podobnosti, analiziranje in vrednotenje postopkov poravnav, klinični primeri poravnave in integracije slik.
Slikovno vodeni posegi v medicini: sistemi za sledenje in navigacijo, vizualizacija v slikovno vodenih posegih, načrtovanje posegov, poravnava slik, modelov in načrtov posega s pacientom ali s slikami pacienta, vrednotenje zanesljivosti in točnosti slikovno vodenih posegov, klinična uporaba.

Cilji in kompetence

Spoznati pomen ter osnovne principe analize medicinskih slik, ki so danes nepogrešljive pri postavljanju diagnoze, načrtovanju, simulaciji in izvedbi posega ter pri spremljanju učinkov zdravljenja oziroma napredovanja bolezni. Pridobiti znanje za analitično, numerično in eksperimentalno analizo medicinskih slik.

Metode poučevanja in učenja

V primeru zadostnega števila vpisanih študentov bodo predavanja potekala skozi celotni semester, sicer pa nekaj uvodnih predavanj, potem pa samostojni študij, vaje in seminarji pod mentorstvom nosilca.

Predvideni študijski rezultati

Znanje in razumevanje: Študent bo razumel pomen analize slik v medicini ter osnovne principe razgradnje, poravnave in integracije slik. Znal bo analitično, numerično in eksperimentalno analizirati medicinske slike.

Uporaba: Študenti bodo pridobili znanja in spretnosti, ki so koristna za poklic, ki je povezan z analizo slik v kliničnem okolju, kliničnih raziskavah, znanstveno raziskovalnem delu ali tehnološkem razvoju.

Prenosljive spretnosti: Študenti bodo pridobili splošne prenosljive spretnosti, ki so potrebne v multidisciplinarnem znanstvenem ali kliničnem raziskovalnem okolju. Znanja bodo lahko uporabili tudi na področju avtomatske vizualne kontrole v industriji.

Reference nosilca

Galimzianova A, Pernuš F, Likar B, Špiclin Ž (2015) Robust Estimation of Unbalanced Mixture Models on Samples with Outliers. IEEE Tr on Pattern Analysis Machine Intelligence 37/11:2273-2285

Ibragimov B, Likar B, Pernuš F, Vrtovec T (2014) Shape representation for efficient landmark-based segmentation in 3-D. IEEE Tr on Medical Imaging 33/4:861-874

Mitrović U, Špiclin Ž, Likar B, Pernuš F (2013) 3D-2D registration of cerebral angiograms : a method and evaluation on clinical images. IEEE Tr on Medical Imaging 32/8:1550-1563

Špiclin Ž, Likar B, Pernuš F (2012) Groupwise registration of multimodal images by an efficient joint entropy minimization scheme. IEEE Tr. on Image Processing 21/5:2546-2558

Ibragimov B, Likar B, Pernuš F, Vrtovec T (2012) A game-theoretic framework for landmark-based image segmentation. IEEE Tr on Medical Imaging 31/9:1761-1776

Temeljni viri in literatura

Sonka M, Fitzpatrick JM (eds) (2009) Handbook of Medical Imaging, Vol 2, Medical Image Processing and Analysis, SPIE Publications

Bankman IN(ed) (2008) Handbook of Medical Image Processing and Analysis, 2nd edn., Academic Press, San Diego

Peters T, Cleary K (eds) (2008) Image-Guided Interventions: Technology and Applications, Springer

Birkfellner W (2014) Applied Medical Image Processing. A basic course, 2nd edn., CRC Press