Bildverarbeitung in der Medizin 2 - Interaktive Studienpläne der TU Ilmenau

Bildverarbeitung in der Medizin 1, Bildgebende Systeme in der Medizin 1+2, Klinische Verfahren 1+2

Die Kerninhalte orientieren sich an den aus der medizinischen Bildgebung und Bildverarbeitung resultierenden interdisziplinären physikalischen, technischen und informationsverarbeitenden Problemen.
Die Studierenden sind fähig, auf der Basis der vermittelten methodischen Grundlagen eine Bildverarbeitungsaufgabe zu erkennen, zu analysieren, zu bewerten und geeignete Lösungsansätze zu entwickeln. Sie kennen die zugrundeliegende Theorie, um die Stärken und Schwächen der Verfahren zur Registrierung, Merkmalsextraktion, Bildsegmentierung, Klassifikation und Visualisierung zu verstehen. Sie besitzen die methodischen Fähigkeiten und Fertigkeiten, Algorithmen zu entwickeln und geeignet zu evaluieren. Die Studierenden sind in der Lage, medizinische Bildverarbeitung als Bestandteil Biomedizinischer Technik zur Diagnostik und Therapie zu begreifen. Sie verstehen die Wirkungsweise komplexer Algorithmen und können sie selbst parametrisch steuern. Dabei sind die Studierenden mit Techniken der Qualitätssicherung in der Bildverarbeitung vertraut. Sie kennen die Möglichkeiten und Grenzen eingesetzter Bildanalyse- und Bildverarbeitungsprozesse sowie die Vor- und Nachteile computergestützter Diagnose und sind in der Lage, Aufwand, Nutzen und Risiko dieser Verfahren zu bewerten.

Speicherung von Bilddaten:

-         Datenreduktion und Datenkompression, Möglichkeiten in der medizinischen Anwendung

-         JPEG und JPEG2000

-         Medizinische Bilddatenstandards – DICOM und Alternativen

Bildbearbeitung:

-         Qualitätsmaße für Bilder

-         Bildverbesserung und Bildrestauration – Kantenerhaltendes Entrauschen

-         Bildregistrierung – merkmals- und voxelbasiert

Bildanalyse:

-         Segmentierung – Clusterung, modellbasiert, Evaluation

-         Merkmalsextraktion – Formanalyse, Texturanalyse

-         Klassifikation – überwacht, unüberwacht

-         Vermessung und Interpretation – Distanz, Winkel, Fläche, Volumen

Visualisierung von Bilddaten:

-         Darstellung von Grauwertbildern – Wiederholung

-         Darstellung von Farbbildern – Farbmodelle, Farbräume, Transformation, Analyse

-         3D-Visualisierung - Surface-Rendering, Volume-Rendering, Beleuchtung und Schattierung

Zusatz:

Validierung

Qualitätsmaße für Bildanalyse-Algorithmen

Grundwahrheit

Repräsentativität

Medienform: Tafel, Folien, Mitschriften, Powerpoint-Präsentationen, Demonstration, Übungsaufgaben, Matlab-Scripte

1. Birkfellner, Wolfgang (2014): Applied Medical Image Processing, Second Edition: A Basic Course. 2.Aufl.; Taylor&Francis Inc.
2. Deserno, Thomas (Hg.) (2013): Biomedical Image Processing. Springer.
3. Dougherty, Geoff (2011): Medical Image Processing: Techniques and Applications. Springer.
4. Handels, Heinz (2009): Medizinische Bildverarbeitung. Bildanalyse, Mustererkennung und Visualisierung für die computergestützte ärztliche Diagnostik und Therapie. 2.Aufl.; Vieweg+Teubner.
5. Preim, Bernhard und Botha, Charl P. (2013): Visual Computing for Medicine: Theory, Algorithms, and Applications. 2.Aufl.; Morgan Kaufmann.
6. Tönnies, Klaus D. (2005): Grundlagen der Bildverarbeitung. Pearson Studium.
7. Tönnies, Klaus D. (2017): Guide to Medical Image Analysis: Methods and Algorithms. 2.Aufl.; Springer.

Dr.-Ing. Dunja Jannek