Analiza medicinskih slik

Opis predmeta

Predmet pokriva računalniške tehnike, od naprednega matematičnega modeliranja, strojnega in globokega učenja ter statistike, za načrtovanje in validacijo slikovno vodenih medicinskih postopkov in napovednih modelov za računalniško podprto diagnostiko. Obravnava sledenje in navigacijo z notranjo in zunanjo informacijo, ter integracijo podatkov zajetih pred in med posegom preko netoge in 3D/2D poravnave slik za načrtovanje posegov in vizualizacijo. Poglobi se v semantično segmentacijo slik in kvantitativno analizo, z upragovanjem, rojenjem in prileganjem mešanic model, fizikalnih modelov, in anatomskih atlasov. Uvaja slikovne biološke označevalce, s poudarkom na njihovem razvoju in postopkih validacije, ter najnovejše tehnike kot so regresija bioloških označevalcev na podlagi slik in geometrijsko učenje na površinskih modelih anatomije. Vseskozi obravnava postopke pridobivanja in standardizacije referenčnih podatkov za preizkušanje klinične sprejemljivosti.

Predmet učimo na programih

Elektrotehnika 2. stopnja

Cilji in kompetence

Študenti bodo pridobili teoretična in praktična znanja iz kvantitativne analize medicinskih slik, ki je danes nepogrešljiva pri postavljanju diagnoze, načrtovanju, simulaciji in izvedbi posega ter pri spremljanju učinkov posega oziroma napredovanja bolezni. Študenti bodo sposobni zasnovati postopke predobdelave, razgradnje in kvantitativne analize ter postopke izločanja in vrednotenja slikovnih biomarkerjev za samodejno diagnostiko in vodenje medicinskih posegov na osnovi slikovnih podatkov.Zmožni bodo načrtati, zajeti in organizirati slikovno podatkovno zbirko in referenčne podatke in meritve in s temi podatki objektivno in kritično vrednotiti kakovost postopkov analize slik.

Metode poučevanja in učenja

Idejno in teoretično zasnovopostopkov analize slik in primere uporabe študenti spoznajo na predavanjih, praktična znanja pa z reševanjem nalog na laboratorijskih vajah. Samozavest za samostojno reševanje problemov pridobijo z rednim tedenskim opravljanjem laboratorijskih vaj in seminarske naloge.

Predvideni študijski rezultati

Po uspešno opravljenem modulu naj bi bili študenti zmožni:

našteti formate in razumeti strukturo zapisa medicinskih slik ter uporabljati orodja za njihovo interaktivno prikazovanje in obdelavo,
razločiti, modelirati in analizirati informacijo, ki je vsebovana v medicinskih slikah,
uporabiti to informacijo za napredno in izboljšano diagnostiko, zdravljenje in spremljanje učinkov zdravljenja ter napredovanja bolezni,
zasnovati postopke predobdelave, razgradnje in kvantitativne analize ter postopke izločanja in vrednotenja slikovnih biomarkerjev za samodejno diagnostiko in vodenje medicinskih posegov na osnovi slikovnih podatkov,
načrtati, zajeti in organizirati slikovno podatkovno zbirko in referenčne podatke in meritve in
s temi podatki objektivno in kritično vrednotiti kakovost postopkov analize slik.

Temeljni viri in literatura

Klaus D. Tonnies. Guide to Medical Image Analysis: Methods and Algorithms. Springer, 2017.
Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press, 2016.
Aurélien Géron, Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow : concepts, tools, and techniques to build intelligent systems. O'Reilly, 2019.
Wolfgang Birkfellner. Applied Medical Image Processing, Second Edition: A Basic Course. CRC Press; 2 edition, 2014.
Terry Peters, Kevin Cleary. Image-Guided Interventions: Technology and Applications, Springer, 1st edition, 2008.