Bildverarbeitung in der Medizin 2 und KI - Interaktive Studienpläne der TU Ilmenau
Die Interaktiven Studienpläne sind ein Informationsangebot zu den Studiengängen der TU Ilmenau.
Die rechtsverbindlichen Studienpläne entnehmen Sie bitte den jeweiligen Studien- und Prüfungsordnungen (Anlage Studienplan).
Alle Angaben zu geplanten Lehrveranstaltungen finden Sie im elektronischen Vorlesungsverzeichnis.
Bitte beachten Sie, dass auf dieser Seite keine Aktualisierungen mehr vorgenommen werden. Alle Module und Studienpläne ab der PO-Version 2021 (Bachelor- und Master-Studiengänge) sind ab sofort im Campus-Portal erreichbar.
| Modulinformationen zu Modulnummer 201384 - allgemeine Informationen | |
|---|---|
| Modulnummer | 201384 |
| Fakultät | Fakultät für Informatik und Automatisierung |
| Fachgebietsnummer | 2221 (Biomedizinische Technik) |
| Modulverantwortliche(r) | Dr. Dunja Jannek |
| Sprache | Deutsch |
| Turnus | Wintersemester |
| Vorkenntnisse | Signalverarbeitung, Grundlagen der Neuroinformatik, Möglichkeiten der Diagnostischen Bildgebung in der Medizin, Grundlagen Klinischer Methoden in Diagnostik und Therapie, Umgang mit Matlab und Python |
| Lernergebnisse und erworbene Kompetenzen | 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, besonders KI-basierter Segmentierungsverfahren, klassische und KI-gestützte Bilddatenregistrierung und zur Farbbildverarbeitung und der 3D-Visualisierung. Basierend auf den Grundlagen können die Studierenden die Möglichkeiten der Künstlichen Intelligenz zum Erkennen und dem Stadium von Krankheiten (z.B. in der Mammaografie oder der Ophthalologie), zur Visualisierung in der OP-Planung oder zur noch besseren Schonung des gesunden Gewebes bei der Bestrahlung von Tumoren in der Strahlentherapie einschätzen und den Weg in die klinische Routine nachvollziehen. Sie beherrschen die algorithmischen Grenzen einzelner Verfahren und verfügen über Fähigkeiten zur Implementierung dieser Verfahren und der parametrischen Beeinflussung. Speziell bei der Anwendung KI-basierter Methoden beherrschen sie verschiedene Ansätze und kennen Aufwand und Grenzen der Methoden. 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 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. |
| Inhalt | 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, klassisch vs. KI -Bildregistrierung - merkmals- und voxelbasiert, KI-basierte Anätze Bildanalyse: -Segmentierung - Clusterung, modellbasiert, KI-basiert, Evaluation -Merkmalsextraktion - Formanalyse, Texturanalyse, Umsetzung klassisch und mit KI -Klassifikation - überwacht, unüberwacht, Machine Learning, Deep Learning -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 mit Anwendungsbeispielen zur Bestrahlungsplanung und OP-Planung |
| Medienformen und technische Anforderungen bei Lehr- und Abschlussleistungen in elektronischer Form | Vorlesung Medienform: Tafel, Mitschriften, computergestützte Präsentationen, Arbeitsblätter, Übungsaufgaben, Demonstrationen Seminar Medienform: Rechentechnisches Kabinett, computergestützte Präsentationen, Whiteboard |
| Literatur | 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. Tönnies, Klaus D. (2017): Guide to medical image analysis: methods and algorithms. 2. Aufl. London: Springer |
| Lehrevaluation | |
| Spezifik Referenzmodul | |
|---|---|
| Modulname | Bildverarbeitung in der Medizin 2 und KI |
| Prüfungsnummer | 220509 |
| Leistungspunkte | 5 |
| SWS | 28 (2 V, 1 Ü, 25 P) |
| Präsenzstudium (h) | |
| Selbststudium (h) | -165 |
| Verpflichtung | Pflichtmodul |
| Abschluss | Prüfungsleistung mit mehreren Teilleistungen |
| Details zum Abschluss | Das Modul Bildverarbeitung in der Medizin 2 und KI mit der Prüfungsnummer 220509 schließt mit folgenden Leistungen ab:
Details zum Abschluss Teilleistung 2: Praktikumsversuch Bildverarbeitung in der Medizin 2; Note ergibt sich aus Testatgespräch, Durchführung und Protokoll. Dabei wird das arithmetische Mittel der drei Teilleistungen gebildet. |
| Link zum Moodle-Kurs | |
| Lehrende | Dr. Jannek |
| Anmeldemodalitäten für alternative PL oder SL | |
| max. Teilnehmerzahl | |
| Spezifik im Studiengang Master Biomedizinische Technik 2021 | |
|---|---|
| Modulname | Bildverarbeitung in der Medizin 2 und KI |
| Prüfungsnummer | 220509 |
| Leistungspunkte | 5 |
| Präsenzstudium (h) | 34 |
| Selbststudium (h) | 116 |
| Verpflichtung | Wahlmodul |
| Abschluss | Prüfungsleistung mit mehreren Teilleistungen |
| Details zum Abschluss | Das Modul Bildverarbeitung in der Medizin 2 und KI mit der Prüfungsnummer 220509 schließt mit folgenden Leistungen ab:
Details zum Abschluss Teilleistung 2: Praktikumsversuch Bildverarbeitung in der Medizin 2; Note ergibt sich aus Testatgespräch, Durchführung und Protokoll. Dabei wird das arithmetische Mittel der drei Teilleistungen gebildet. |
| Link zum Moodle-Kurs | |
| Anmeldemodalitäten für alternative PL oder SL | |
| max. Teilnehmerzahl | |