Analiza medicinskih slik

Opis predmeta

Uvod: področja uporabe analize medicinskih slik.

Slikovno vodeni posegi: slikovni in neslikovni sistemi za sledenje in navigacijo, načrtovanje in prikazovanje posegov, linearna in nelinearna poravnava pred-operativnih slik, modelov in načrtov posegov s pacientom in med-operativnimi slikami pacienta, vrednotenje zanesljivosti in točnosti posegov, področja uporabe slikovno vodenih posegov.

Razgradnja in kvantitativna analiza: delitev in uporaba postopkov, prilagodljivo upragovljanje, razgradnja na osnovi odvodov, razgradnja s širjenjem, združevanjem in razdruževanjem področij, razgradnja na osnovi razvrščanja, razgradnja na osnovi poravnave modelov, opisovanje slik z matematičnimi in fizikalnimi modeli, opisovanje z osnovnimi komponentami, statistični modeli pojavnosti in oblike.

Računalniško podprta diagnostika: izbira in izločanje značilnic, odločitvene funkcije, razvrščanje na osnovi mer razdalj in rojenja, statistično razvrščanje, mehko razvrščanje, nevronske mreže. Osnove ROC (receiver operating characteristics) analize. Področja uporabe računalniško podprte diagnostike.

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.

Reference nosilca

1. MITROVIĆ, Uroš, ŠPICLIN, Žiga, LIKAR, Boštjan, PERNUŠ, Franjo. 3D-2D registration of cerebral angiograms: a method and evaluation on clinical images. IEEE Tr Medical Imaging, 2013,  vol. 32, no. 8, str. 1550-1563.
2. MITROVIĆ, Uroš, PERNUŠ, Franjo, LIKAR, Boštjan, ŠPICLIN, Žiga. Simultaneous 3D-2D image registration and C-arm calibration : application to endovascular image-guided interventions. Medical physics, 2015, vol. 42, no. 11, str. 6433-6448.
3. GALIMZIANOVA, Alfiia, PERNUŠ, Franjo, LIKAR, Boštjan, ŠPICLIN, Žiga. Stratified mixture modeling for segmentation of white-matter lesions in brain MR images. NeuroImage, 2016, vol. 124, pt. A, str. 1031-104
4. JERMAN, Tim, PERNUŠ, Franjo, LIKAR, Boštjan, ŠPICLIN, Žiga. Blob enhancement and visualization for improved intracranial aneurysm detection. IEEE Tr Visualization and Computer Graphics, 2016, vol. 22, no. 6, str. 1705-1717.
5. LESJAK, Žiga, PERNUŠ, Franjo, LIKAR, Boštjan, ŠPICLIN, Žiga. Validation of white-matter lesion change detection methods on a novel publicly available MRI image database. Neuroinformatics, 2016, vol. 14, no. 4, str. 403-420.

Temeljni viri in literatura

1. Thomas M. Deserno. Biomedical Image Processing. Springer, 201
2. Klaus D. Tonnies. Guide to Medical Image Analysis: Methods and Algorithms. Springer, 201
3. Wolfgang Birkfellner. Applied Medical Image Processing, Second Edition: A Basic Course. CRC Press; 2 edition, 2014.
4. Michael Fitzpatrick and Milan Sonka. Handbook of Medical Imaging, Volume 2. Medical Image Processing and Analysis (Parts 1 and 2) (SPIE Press Monograph Vol. PM80/SC), SPIE Publications; Reprint edition, 2009.
5. Terry Peters, Kevin Cleary. Image-Guided Interventions: Technology and Applications, Springer, 1st edition, 2008.