SNY har ordet

Kursen fokuserar på hur olika filtertekniker kan användas för att analysera MRI och fMRI-data. Hur MRI och fMRI fungerar täcks ej utan det anses vara en förkunskap. Kursen ges på engelska.

Kursutvärderingar

Logga in för att läsa kursutväderingar

Innehåll

Avbildande system
Fysikaliska principer och bildrekonstruktionsmetoder för Magnetresonanstomografi (MRI)
Analysmetoder:

• Multidimensionell Fourieranalys
• Lokal strukturanalys i 2D,3D och 4D (3D + tid)
• Estimering av rörelse
• Geometrisk bildanpassning
• Segmentering m h a adaptiva konturer och ytor.

Tillämpningar:

• Bildförbättring
• Funktionell magnetresonanstomografi (fMRI)
• Bildregistrering

Mål

Kursen avser att fördjupa insikten i hur medicinska bilder, volymer och sekvenser genereras och analyseras för några av de mest frekventa avbildande systemen som används. Speciellt behandlas de tekniker och metoder som används vid undersökningar med filteroptimering, beskrivning av lokala strukturer, adaptiv filtrering, segmentering och bildfusion med magnetisk resonanstomografi (MR). Efter fullgjord kurs ska du kunna:

• optimera multidimensionella filter m.a.p. spatiala och temporala egenskaper
• beräkna och använda lokala strukturbeskrivningar i bilder uttryckt i form av tensorer. för att styra en adaptiv filtrering.
• redogöra för och implementera segmenteringsmetoder som watershed, levelsets, region growing och aktiva konturer.
• redogöra för transformationsmodeller och likhetsmått för registrering/fusion av bilder. På egen hand kunna registrera enklare bilder.
• ingående beskriva multidimensionella signales beteende i Fourierdomänen.
• i detalj redogöra för hur MRI-data kan samlas in i k-rymden samt de problem som därvid kan uppstå.

Examinationsmoment

TEN2 - 4,0 HP
En skriftlig tentamen (U,3,4,5)
LAB1 - 2,0 HP
Laborationskurs med skriftlig rapportering av miniprojekt (U,G)

Organisation

Kursen består av föreläsningar, lektioner, laborationer och ett miniprojekt. Laborationerna och miniprojektet utförs i grupper om 2 studenter. Laborationerna redovisas muntligt i schemalagda labseminarier. Miniprojektet omfattar 3 schemalagda labtillfällen redovisas i en skriftlig rapport. För att bli godkänd på laborationsdelen fodras att körbar matlabkod demonstreras för labhandledaren, deltagande i labseminarierna och en skriftlig rapport för miniprojektet.

Litteratur

Kompendium om MR, registrering och segmentering. A. Eklund, M. Andersson och H. Knutsson. IMT 2010.
Utdelat material

Relaterade profiler

Datadriven analys och maskinintelligens DAMI - ISY

E-hälsa EH - IMT

Medicinsk bildanalys och visualisering BV - IMT

Medicinsk teknik MED - IMT

Medicinsktekniska modeller MOD - IMT

Signal- och bildbehandling SBB - ISY

Rekommenderade förkunskaper

Väl inhämtade kunskaper i linjär algebra: baser, skalärprodukter, minstakvadratproblem, egenvärdesproblem och analys. Grundläggande signalbehandling motsvarande linjära system: sampling, faltning och Fouriertransform av envariabelsignaler. Grundläggande färdigheter i användning av Matlab rekommenderas.

Flervariabelanalys TATA43 - 8,0 HP - VT2 block 2

Fourieranalys TATA77 - 6,0 HP - HT1 block 1

Introduktionskurs i Matlab TSRT04 - 2,0 HP - VT1 block 2 | VT2 block 1

Komplex analys TATA45 - 6,0 HP - HT2 block 1

Linjär algebra TATA24 - 8,0 HP - HT1 block 1, HT2 block 4 | HT1 block 4, HT2 block 4

Signaler och system TSDT18 - 6,0 HP - HT2 block 3

Vektoranalys TATA44 - 4,0 HP - HT1 block 1

Påbyggnadskurser

Bildgenererande teknik inom medicinen TBMT02 - 6,0 HP - VT1 block 3

Datorseende TSBB15 - 12,0 HP - VT1 block 1, VT2 block 3

Multidimensionell signalanalys TSBB06 - 6,0 HP - HT1 block 2, HT2 block 3

Neuronnät och lärande system TBMI26 - 6,0 HP - VT1 block 2

Kommentarer

Logga in för att kunna läsa och skriva kommentarer.