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

Fachkompetenz: Die Studierenden haben ihre Kenntnisse über die Komponenten des Bildverarbeitungsprozesses erweitert. Sie verstehen komplexere Algorithmen bezogen auf spezielle Probleme in der medizinischen Bildverarbeitung, insbesondere zur Bilddatenkompression, dem kantenerhaltenden Entrauschen, alternativer Segmentierungsverfahren, Bilddatenregistrierung und zur Farbbildverarbeitung und der 3D-Visualisierung. Sie beherrschen die algorithmischen Grenzen einzelner Verfahren und verfügen über Fähigkeiten zur Implementierung dieser Verfahren und der parametrischen Beeinflussung.

Methodenkompetenz: Die Studierenden kennen die spezifischen Probleme der medizinischen Bildverarbeitung. Sie können selbständig komplexe Bildverarbeitungsprobleme im medizinischen Kontext erfassen, analysieren und speziell in den Übungen prototypische Lösungsansätze in MATLAB und vereinzelt in Phyton umsetzen und an realen Problemstellungen validieren. Mit einem erweiterten Algorithmenverständnis sind sie so in der Lage, auch alternative Lösungsansätze zu formulieren und auf unbekannte Probleme anzuwenden.

Systemkompetenz: Die Studierenden verstehen die Bildverarbeitung in der Medizin als interdisziplinäres System zur Verarbeitung und Analyse medizinischer Bilddaten unterschiedlichster Modalitäten und damit als notwendigen Bestandteil medizinischer Bildgebungssysteme, die dem Mediziner relevante Patienteninformationen auf geeignete Weise visualisieren. 

Sozialkompetenz: Durch die Vorlesungen und Übungen sind sich die Studierenden der vielschichtigen Aspekte moderner Bildverarbeitung bewusst. Sie sind in der Lage, sich der fachspezifischen Diskussion interessiert zu stellen, Fragen zu beantworten und ihre Position klar zu kommunizieren. Dabei lernen sie, unterschiedliche Meinungen und Auffassungen zur Herangehensweise und zum Einsatz komplexer Algorithmen zur Bildverarbeitung zu akzeptieren und sich selbst zu hinterfragen.

Im Praktikum werden gezielt folgende Kompetenzen erworben:

Die Studierenden beherrschen das Verständnis für die Spezifik medizinischer Bildverarbeitungsprobleme. Mit diesem Wissen sind sie in der Lage, komplexere Fragestellungen der medizinischen Bildverarbeitung in der Gruppe zu analysieren, Lösungsansätze klar zu formulieren und Teilprobleme rechentechnisch umzusetzen durch die Anwendung forschungsorientierter und klinischer Bildverarbeitungssoftware.

Die Studierenden zeigen Interesse für die praktische Tätigkeit im Laborversuch.

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

Vorlesung

Medienform: Tafel, Mitschriften, computergestützte Präsentationen, Arbeitsblätter, Übungsaufgaben, Demonstrationen

Seminar

Medienform: Rechentechnisches Kabinett, computergestützte Präsentationen, Whiteboard

Birkfellner, Wolfgang (2014): Applied medical image processing. A basic course. Boca Raton: Taylor & Francis, 2nd edition.

Burger, Wilhelm; Burge, Mark James (2009): Principles of digital image processing. London: Springer.

Demirkaya, Omer; Asyali, Musa Hakan; Sahoo, Prasanna (2009): Image processing with MATLAB. Applications in medicine and biology. Boca Raton: CRC Press.

Dougherty, Geoff (2011): Medical Image Processing. New York: Springer.

Gonzalez, Rafael C.; Woods, Richard E. (2018): Digital image processing. 4. Aufl. Upper Saddle River, N.J: Prentice Hall.

Gonzalez, Rafael C.; Woods, Richard E.; Eddins, Steven L. (2009): Digital Image processing using MATLAB. 2. Aufl. United States: Gatesmark Publishing.

Handels, Heinz (2009): Medizinische Bildverarbeitung. Bildanalyse, Mustererkennung und Visualisierung für die computergestützte ärztliche Diagnostik und Therapie. 2. Aufl. Wiesbaden: Vieweg + Teubner.

Jähne, Bernd. (2012): Digitale Bildverarbeitung und Bildgewinnung. Springer Vieweg.

 Preim, Bernhard; Botha, Charl P. (2014): Visual Computing for Medicine: Theory, Algorithms, and Applications.2.Aufl. Elsevier/ Morgan Kaufmann.

Das Modul Bildverarbeitung in der Medizin 2 mit der Prüfungsnummer 220472 schließt mit folgenden Leistungen ab:

• mündliche Prüfungsleistung über 30 Minuten mit einer Wichtung von 92% (Prüfungsnummer: 2200785)
• Studienleistung mit einer Wichtung von 8% (Prüfungsnummer: 2200786)

Details zum Abschluss Teilleistung 2:

Zur Durchführung von Laborversuchen ist in jedem Semester eine aktenkundige Belehrung notwendig.

Praktikumsversuch Bildverarbeitung in der Medizin 2; Note ergibt sich aus Testatgespräch, Durchführung und Protokoll

Dr.-Ing. Dunja Jannek

Das Modul Bildverarbeitung in der Medizin 2 mit der Prüfungsnummer 220472 schließt mit folgenden Leistungen ab:

• mündliche Prüfungsleistung über 30 Minuten mit einer Wichtung von 92% (Prüfungsnummer: 2200785)
• Studienleistung mit einer Wichtung von 8% (Prüfungsnummer: 2200786)

Details zum Abschluss Teilleistung 2:

Zur Durchführung von Laborversuchen ist in jedem Semester eine aktenkundige Belehrung notwendig.

Praktikumsversuch Bildverarbeitung in der Medizin 2; Note ergibt sich aus Testatgespräch, Durchführung und Protokoll