Website
Modulhandbuch ab WS 2020/21

Modul CS4331 T

Modulteil: Bildanalyse und Visualisierung in Diagnostik und Therapie (BAVIS_T)

Dauer:


1 Semester
Angebotsturnus:


Wird nicht mehr angeboten
Leistungspunkte:


4
Studiengang, Fachgebiet und Fachsemester:
  • Master Medizinische Ingenieurwissenschaft 2020 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, Beliebiges Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2014 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, 2. Fachsemester
Lehrveranstaltungen:
  • CS4330-Ü: Bildanalyse und Visualisierung in Diagnostik und Therapie (Übung, 1 SWS)
  • CS4330-V: Bildanalyse und Visualisierung in Diagnostik und Therapie (Vorlesung, 2 SWS)
Workload:
  • 20 Stunden Prüfungsvorbereitung
  • 55 Stunden Selbststudium und Aufgabenbearbeitung
  • 45 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-Segemntierung 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.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Setzt voraus:
Modulverantwortlicher:
  • Siehe Hauptmodul
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 Teilmodul wird nicht mehr angeboten und durch das neue Teilmodul ''CS4332 T Modell- und KI-basierte Bildverarbeitung in der Medizin'' ersetzt.

Zulassungsvoraussetzungen zum Modul:
- Keine

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.

(Ist ähnlich CS4331SJ14)
(Ist Modulteil von CS4380)

Letzte Änderung:
8.6.2020

Modulhandbuch online

Zur Liste aller Module