UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 
 Darstellung
 
Druckansicht

 
 
Modulbeschreibung (PDF)

 
 
 Außerdem im UnivIS
 
Vorlesungsverzeichnis

 
 
Veranstaltungskalender

Stellenangebote

Möbel-/Rechnerbörse

 
 
Vorlesungs- und Modulverzeichnis nach Studiengängen >> Systeme der Informations- und Multimediatechnik - Master of Science with Honors (SIM-MA) >>

Interventional Medical Image Processing (lecture only) (IMIP-V)5 ECTS

Modulverantwortliche/r: Joachim Hornegger
Lehrende: Andreas Maier


Startsemester: SS 2014Dauer: 1 SemesterTurnus: jährlich (SS)
Präsenzzeit: 60 Std.Eigenstudium: 90 Std.Sprache: Englisch

Lehrveranstaltungen:


Empfohlene Voraussetzungen:

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:

Diagnostic Medical Image Processing (lecture + exercises) (WS 2013/2014)


Inhalt:

English Version:
This lecture focuses on recent developments in image processing driven by medical applications. All algorithms are motivated by practical problems. The mathematical tools required to solve the considered image processing tasks will be introduced.
The lecture starts with an overview on preprocessing algorithms such as scatter correction for x-ray images, edge detection, super-resolution and edge-preserving noise reduction. The second chapter describes automatic image analysis using feature descriptors, key point detection, and segmentation using bottom-up algorithms such as the random walker or top-down approaches such as active shape models. Furthermore, the lecture covers geometric calibration algorithms for single view calibration, epipolar geometry, and factorization. The last part of the lecture covers non-rigid registration based on variational methods and motion-compensated image reconstruction.

Deutsche Version:
Die Vorlesung ist auf die jüngsten Entwicklungen in der Verarbeitung von medizinischen Bildern ausgerichtet. Alle Algorithmen werden durch praktische Probleme motiviert. Die mathematischen Werkzeuge, die für die Bildverarbeitungsaufgaben benötigt werden, werden eingeführt.
Die Vorlesung beginnt mit einem Überblick über Vorverarbeitungsalgorithmen, wie zum Beispiel Streustrahlkorrektur für Röntgenbilder, Kantenerkennung, Superresolution und kantenerhaltende Rauschunterdrückung. Das zweite Kapitel beschreibt die automatische Bildanalyse mit Merkmalsdeskriptoren, Punkterkennung und Segmentierung mit Bottom-up-Algorithmen wie dem Random-Walker oder Top-Down-Ansätzen wie aktiven Formmodellen. Darüber hinaus deckt die Vorlesung auch geometrische Kalibrierungsalgorithmen zur Einzelansicht-Kalibrierung, Epipolargeometrie und Faktorisierung ab. Der letzte Teil der Vorlesung deckt nicht-starre Registrierung auf der Grundlage von Variationsmethoden und bewegungskompensierter Bildrekonstruktion ab.

Lernziele und Kompetenzen:

English Version:
The participants

  • summarize the contents of the lecture.

  • apply pre-processing algorithms such as scatter correction and edge-preserving filtering.

  • extract information from images automatically by image analysis methods such as key point detectors and segmentation algorithms.

  • calibrate projection geometries for single images and image sequences using the described methods.

  • develop non-rigid registration methods using variational calculus and different regularizers.

  • adopt algorithms to new domains by appropriate modifications.

Deutsche Version:
Die Teilnehmer

  • fassen die Inhalte der Vorlesung zusammen.

  • wenden Vorverarbeitungsalgorithmen wie Streustrahlkorrektur und kantenerhaltende Filterung an.

  • extrahieren automatisch Informationen aus Bildern, indem sie Bildanalyseverfahren wie Punktdetektoren und Segmentierungsalgorithmen verwenden.

  • kalibrieren Projektionsgeometrien für Einzelbilder und Bildsequenzen mit den beschriebenen Methoden.

  • entwickeln nicht-starre Registrierungsmethoden mit Hilfe von Variationsrechnung und unterschiedlichen Regularisieren.

  • wenden Algorithmen auf neue Modalitäten durch entsprechende Änderungen im Algorithmus an.


Weitere Informationen:

Schlüsselwörter: pattern recognition, medical computer science, medical image processing

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

  1. Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)
    (Po-Vers. 2008 | Masterprüfung | Wahlpflichtbereich Informatik | Interventional Medical Image Processing)
  2. Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)
    (Po-Vers. 2008 | Masterprüfung | Wahlpflichtbereich Angewandte Mathematik | Interventional Medical Image Processing)
  3. Informatik (Bachelor of Science)
    (Po-Vers. 2009s | Wahlpflichtbereich (5. und 6. Semester) | Wahlpflichtmodule | Vertiefungsmodul Mustererkennung)
  4. Informatik (Bachelor of Science)
    (Po-Vers. 2009w | Wahlpflichtbereich (5. und 6. Semester) | Wahlpflichtmodule | Vertiefungsmodul Mustererkennung)
  5. Informatik (Master of Science)
    (Po-Vers. 2010 | Wahlpflichtbereich | Säule der anwendungsorientierten Vertiefungsrichtungen | Vertiefungsmodul Mustererkennung)
  6. Informatik (Master of Science)
    (Po-Vers. 2010 | Nebenfach | Nebenfach Medizin | Schwerpunkt Bildverarbeitung | Interventional Medical Image Processing)
  7. Informations- und Kommunikationstechnik (Master of Science)
    (Po-Vers. 2010 | Schwerpunkt Multimediasysteme | Wahlpflichtmodule | Wahlpflichtmodul aus INF im Schwerpunkt Multimediasysteme)
  8. Medizintechnik (Bachelor of Science)
    (Po-Vers. 2009 | Modulgruppen B5 und B8.1 - Kompetenzfeld Bildgebende Verfahren | Modulgruppe B8.1 - Vertiefungsmodule ET/INF | Interventional Medical Image Processing)
  9. Medizintechnik (Bachelor of Science)
    (Po-Vers. 2009 | Modulgruppen B6 und B8.2 - Kompetenzfeld Gerätetechnik | Modulgruppe B8.2 - Vertiefungsmodule MB/WW/CBI | Interventional Medical Image Processing)
  10. Medizintechnik (Bachelor of Science)
    (Po-Vers. 2013 | Kern- und Vertiefungsmodule der Kompetenzfelder | Kompetenzfeld Bildgebende Verfahren | B8 Vertiefungsmodule ET/INF | Vertiefungsmodule aus dem Sockel beider Kompetenzfelder)
  11. Medizintechnik (Bachelor of Science)
    (Po-Vers. 2013 | Kern- und Vertiefungsmodule der Kompetenzfelder | Kompetenzfeld Gerätetechnik | B8 Vertiefungsmodule MB/WW/CBI | Vertiefungsmodule aus dem Sockel beider Kompetenzfelder)
  12. Medizintechnik (Master of Science)
    (Po-Vers. 2011 | Modulgruppen M2 - M8 | Fachrichtung "Medizinische Bild- und Datenverarbeitung" | M5 Kernfächer der Medizintechnik II | Interventional Medical Image Processing)
  13. Medizintechnik (Master of Science)
    (Po-Vers. 2013 | Studienrichtung Medizinische Bild- und Datenverarbeitung | M3 Medizintechnische Kernmodule (BDV))

Studien-/Prüfungsleistungen:

Interventional Medical Image Processing (Lecture) (Prüfungsnummer: 41401)

(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [1], [2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [13])

Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet
Anteil an der Berechnung der Modulnote: 100.0 %

Erstablegung: SS 2014, 1. Wdh.: WS 2014/2015
1. Prüfer: Joachim Hornegger

Interventional Medical Image Processing (Lecture) (Prüfungsnummer: 41411)

(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [12])

Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet
Anteil an der Berechnung der Modulnote: 100.0 %

Erstablegung: SS 2014, 1. Wdh.: WS 2014/2015
1. Prüfer: Joachim Hornegger

UnivIS ist ein Produkt der Config eG, Buckenhof