Website
Modulhandbuch Master Medizinische Informatik ab WS 2019/20

Modul CS4330-KP08, CS4330SJ14

Bildanalyse und Visualisierung in Diagnostik und Therapie (BAVIS14)

Dauer:


1 Semester
Angebotsturnus:


Wird nicht mehr angeboten
Leistungspunkte:


8
Studiengang, Fachgebiet und Fachsemester:
  • Master Medizinische Informatik 2014 (Pflicht), Medizinische Informatik, 1. oder 2. Fachsemester
Lehrveranstaltungen:
  • CS4330-S: Bildanalyse und Visualisierung in Diagnostik und Therapie (Seminar, 2 SWS)
  • CS4330-V: Bildanalyse und Visualisierung in Diagnostik und Therapie (Vorlesung, 2 SWS)
  • CS4330-Ü: Bildanalyse und Visualisierung in Diagnostik und Therapie (Übung, 1 SWS)
Workload:
  • 40 Stunden Schriftliche Ausarbeitung
  • 15 Stunden Vortrag (inkl. Vor- und Nachbereitung)
  • 20 Stunden Prüfungsvorbereitung
  • 90 Stunden Selbststudium und Aufgabenbearbeitung
  • 75 Stunden Präsenzstudium
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.
  • Die Studierenden kennen aus dem Seminar aktuelle Forschungsthemen und wissenschaftliche Methoden der medizinischen Bildverarbeitung und Visualisierung.
  • Sie können ein anspruchsvolles wissenschaftliches Thema gründlich aufarbeiten.
  • Sie sind in der Lage, die Ergebnisse in einer schriftlichen Ausarbeitung und in einem mündlichen Vortrag verständlich darzustellen.
  • Sie können eine wissenschaftliche Fragestellung präsentieren und diskutieren.
Vergabe von Leistungspunkten und Benotung durch:
  • Benoteter Seminarvortrag mit schriftlicher Ausarbeitung
  • Klausur
Setzt voraus:
Modulverantwortlicher:
Lehrende:
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. Es wir durch die beiden folgenden Module ersetzt: ''CS4332 Modell- und KI-basierte Bildverarbeitung in der Medizin'' und ''CS4333 Seminar Modell- und KI-basierte Bildverarbeitung in der Medizin''.

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 Änderung:
8.6.2020